东北大学研发的以超快速冷却为核心的新一代TMCP工艺通过各类强化手段，充分挖掘热轧工艺的潜力，采用节约型的合金成分设计和减量化的生产制造方法，开发出具有良好力学性能、使用性能的特色板带钢产品。而要想获得良好性能的板材，其依赖合理的成分设计、工艺组合以及高精度冷却路径控制就显得尤为重要。新一代TMCP工艺通过在全国各大钢厂的广泛应用及期间的不断优化调试，使其配套的装备和控制模型的精度、功能不断完善，目前已达到了各规格钢板冷后温度命中率96%以上，钢板横向及纵向冷却均匀性达到20℃以内，同时在给定的化学成分和工艺约束条件下,通过优化模型寻找最佳的工艺路径从而获得目标组织性能，大大缩短产品开发周期，保证产品性能优良和生产稳定。
1先进冷却方式
中厚板的先进冷却控制及组织性能逆向优化都离不开超快冷系统的不断升级及完善。为获得较高的冷却强度和冷却均匀性，中厚板超快冷系统采用射流冲击冷却技术。射流冲击换热的特性表现为滞止区和壁面射流区的对流换热，滞止区内流体的流动边界层和热边界层的厚度大大减薄，存在很强的传热、传质效率。壁面射流区内壁面射流与周围空气介质之间的剪切所产生的湍流，被输送到传热表面的边界层中，使得壁面射流比平行流动具有更强的传热效果。研究表明，倾斜射流能够快速清除钢板表面的蒸汽膜，使得换热快速过渡到高效的核态沸腾和单相强制对流换热阶段。超快冷系统缝隙喷嘴特有的狭缝式喷射形式使得冷却水在钢板横向上形成均匀连续的带状冲击区。而对高密快冷集管流体流动规律的模拟和喷射结构的设计，保障了高密集管的射流效果，高密冲击区在一定压力作用下能够冲破钢板表面水层，达到高效换热的目的。
超快冷系统的冷却能力可达到常规层流冷却强度的2倍以上，而且钢板的瞬时冷却速度能够实现大范围无级调节，满足了热轧钢板轧后常规层流冷却强度、超快速冷却以及直接淬火等冷却工艺的需要。对于板厚为10mm的钢板最大冷速≥120℃/s，对于板厚为50mm的钢板最大冷速≥10℃/s（平均冷速）。以超快速冷却设备为基础，建立了多级冷却路径及多种冷却模式的基础自动化和工艺过程自动化控制系统。根据材料组织及性能需要，自动设定每个冷却阶段的开冷温度、终冷温度和冷却速度等冷却工艺规程，通过控制各个阶段温度和冷却速度等工艺参数，实现精确的冷却路径控制，极大地满足了不同产品冷却工艺需求。
2数据挖掘与智能增强（IA）技术
控冷模型是超快冷控制系统的核心，其中，保障冷却温度控制精度的关键是完善的机器学习模型。冷却控制系统的自学习模块吸收各领域算法技术的优点，结合并转化成适用于中厚板轧后冷却控制的智能模型，即“变比例网格空间”模型（Variable Scale Grid，VSG），如图1所示。VSG自学习模型的特点是考虑了众多因素对冷却过程的真实影响情况，建立一种变步长的多维空间，通过某一影响因素的等效换热能力来表征其对应维度的坐标步长，提高模型真实性。通过大数据采集，插值到空间模型中，并利用聚类算法得到点簇的聚类中心点。搜索时每个网格内仅中心点参与计算，大大提高计算效率。目标点的预期值通过距离加权平均求得（目标点所在的网格内，样本点全部参与计算）。这种无级连续控制可避免层别跃迁所带来的波动。
另一个较关键的技术是智能增强（Intelligence Augmentation， IA）工艺决策系统。可以在操作界面（Human Machine Interface，HMI）上实现更好的人机交互式体验，让人更清晰地掌握机器运作的动态；同时可以实现人为指导促进机器学习，通过人工教学在工艺决策系统中形成知识库。人为指导的优势在于加速模型学习速度以降低成本，并充分发挥人对现场突发情况随机应变的能力，然而人为指导的过程也存在难点，主要有工况异常的判断和人为误操作的处理。工况异常判断的意思是，由于现场误信号、设备故障或通讯异常导致冷却工艺无法按照常规流程完成，需要人工进行干预，此时对于机器来说实例就发生了变化，因此需要模型判断是创建新实例还是直接摒弃。这里主要基于现场经验建立一种分级决策模型来进行判断。智能增强工艺决策系统，主要是应对突发情况下，工艺参数或生产策略的改变，提高机器的快速应对能力，提高系统的稳定性。
3组织性能逆向优化技术
钢铁制造作为基础工业，涉及到一个相当长的生产链条。例如，从铁矿石到连铸坯的炼铁、炼钢与连铸环节是一个复杂的、大规模化的、偏刚性的生产过程，频繁地更换合金成分会极大地增加生产组织难度，造成连铸头尾衔接坯的降级损失等问题；而在热轧环节中，钢板会经历再加热、高温轧制变形、以及后续的冷却和热处理流程，调控产品微观组织与性能的手段丰富多样，是一个高响应效率、小规模化的、偏柔性的制造过程。因此，在钢铁工业智能制造的发展中，为实现个性化产品的高效供给，需要充分利用钢铁生产各环节特征，在兼顾生产规模化与客户需求个性化的同时，实现高质量、低成本钢铁产品的高效制造。
中厚板生产是一个典型的流程工业，其生产控制过程的最终目的是为了追求优异的目标组织性能。而新产品新工艺的开发是一项非常耗时、耗力的工作，除了需要进行大量的实验室实验和中试试验之外，在热轧生产过程中的不断摸索也是非常必要的。如何从大量的实验和工业数据中分析出该合金成分下的最优力学性能组合成为了一个现实而又紧迫的问题。东北大学开发的热轧钢板力学性能预报软件成功应用于南钢5000mm宽厚板生产线，凭借LASSO算法对海量工业数据的系统分析，建立了基于深度信念网络（Deep Belief Network）的力学性能高精度预测模型，准确描述了化学成分与热轧工艺对拉伸力学性能的定量化影响，如图2所示。为了解决多批次钢板力学性能稳定性、个性化客户需求的快速响应等实际问题，进一步开发出基于多目标智能优化算法的连续冷却工艺逆向优化模型，并通过嵌入冷却工艺控制模型，实现了冷却工艺在线优化与动态调整，从而达到预设定的力学性能目标。在力学性能高精度预测与连续冷却工艺逆向优化基础上构建的一体化组织性能调控软件系统，为钢铁产品的智能制造提供了强有力的技术支撑。
4结语
目前，东北大学开发的中厚板先进冷却控制系统已经成功推广并应用到南钢5000mm、沙钢3500mm和邯钢3500mm等多条中厚板生产线轧后先进冷却系统中，在原有基础上提高冷却温度控制精度5%以上（综合温度命中率达95%）。另外，组织性能逆向优化技术也在南钢5000mm生产线得到了在线运用，强度预测精度达±25MPa以内，为南钢生产工艺决策和产品开发提供了有效指导。
【内容来源】世界金属导报
【编辑】侯思璇