Digital Twin期刊文章推荐 | 东北大学孙杰教授团队：数字孪生在工业过程控制中的应用：以带钢热轧为例

Application of digital twin for industrial process control: A case study of gauge-looper-tension optimized control in strip hot rolling

Jie Sun, Shang Chen, Cheng-yan Ding, Wen Peng, Dian-hua Zhang

State Key Laboratory of Rolling and Automation, Northeastern University, Shenyang, Liaoning, 110819, China

Abstract

Background

During the hot rolling process, the performance of most control systems gradually degrades due to equipment aging and changing process conditions. However, existing gauge-looper-tension control method remain restricted by a lack of intelligent parameter maintenance strategies.

Methods

To address this challenge and enhance the smart manufacturing capabilities of strip hot rolling, based on the digital twin method, this paper proposes a data-driven optimized control method for the gauge-looper-tension system of strip hot rolling. First, a hot rolling process model is constructed based on a digital twin method to serve as an evaluation and optimization platform. Subsequently, relevant data are collected to calculate the Hurst index for identifying the performance of the controller during the rolling process. Additionally, for controllers with poor Hurst index values, the crayfish optimization algorithm is employed for adjusting controller parameters to maximum the Hurst index.

Results

A real case of hot rolling steel production was used to validate the proposed data-driven optimized control method. Experimental results demonstrate that the proposed evaluation method can effectively recognize the state of gauge-looper-tension controller. Moreover, after optimizing the controller parameters through crayfish optimization algorithm (COA), the value of Hurst index showed significant improvement.

Conclusions

The proposed digital twin-based optimized control method effectively enhance the manufacturing capability and maintain strategy of hot rolling steel production. Through the proposed method, the Hurst index of gauge-looper-tension system increasing from 0.574 to 0.862.

Figure 1. Interaction diagram of the hot rolling gauge-looper-tension control system.

摘要

背景

在热轧过程中，由于设备老化和工艺条件的变化，大多数控制系统的性能会逐渐下降。然而，现有的厚度-活套-张力控制仍受限于缺乏智能参数维护策略。

方法

为解决这一挑战并提升热轧带钢的智能制造能力，本文基于数字孪生方法，提出了一种针对热轧带钢厚度-活套-张力系统的数据驱动优化控制方法。

1. 性能评估：

·  Hurst指数：采用Hurst指数作为数据驱动的性能评估方法，用于实时评估PID控制器的性能。

·  计算方法：利用差分方程分析法（DFA）计算Hurst指数，通过模拟数据收集厚度、活套角度和张力的变化值，计算自相关序列，再将自相关序列分割成多个窗口，计算每个窗口的均方根波动，最后通过最小二乘法拟合对数波动与对数尺度的斜率，得到Hurst指数。

2. 最优控制：

·  crayfish优化算法（COA）：用于优化控制器参数，以最大化Hurst指数值。

·  优化策略：结合Hurst指数评估结果，提出基于COA的优化策略，通过位置更新和速度更新公式调整控制器参数。

结果

采用热轧钢铁生产的实际案例来验证所提出的数据驱动优化控制方法。实验结果表明：

1. 控制性能分析：实验结果表明，所提出的评估方法能有效识别厚度-活套-张力控制器的状态。通过COA优化控制器参数后，Hurst指数从0.574提高到0.862，显著提升了控制器性能。

2. 控制器优化结果：优化后的控制器参数使得张力和活套角度的波动幅度显著减小，波动更加随机和均匀，表明优化效果显著。

结论

所提出的基于数字孪生的优化控制方法有效提升了热轧钢铁生产的制造能力和维护策略。

1. 数字孪生优化控制方法的有效性：提出的基于数字孪生的优化控制方法有效提升了热轧带钢生产的制造能力和维护策略。

2. Hurst指数的提升：通过该方法，厚度-活套-张力系统的Hurst指数从0.574提高到0.862，显著提升了热轧过程的控制性能。

关注公众号，后台回复“DT46”即可下载原文

博士，东北大学轧制技术及连轧自动化国家重点实验室教授，博士生导师，国家重点研发计划项目负责人，国家级青年人才，辽宁省第十四届人大代表。主要从事金属轧制智能化技术与过程控制方面的研究，主持国家重点研发计划项目、国家自然科学基金联合重点项目、国家智能制造装备发展专项课题等10余项科研项目。

博士，东北大学轧制技术及连轧自动化国家重点实验室副主任，教授、博士生导师，九三学社社员，国家重点研发计划首席科学家。主要研究方向：材料成形过程控制数学模型，材料成形过程自动化，材料成形过程智能控制，材料成形过程系统辨识与仿真。获国家科技进步二等奖、冶金科学技术一等奖等省部级奖励10余项。

博士，东北大学轧制技术及连轧自动化国家重点实验室副研究员、博士生导师。主要研究方向：板带轧制智能化控制关键技术、基于机器视觉的冶金流程智能检测技术等。发表钢铁生产过程自动控制和智能制造相关论文50余篇，获省部级奖励4项。担任《中国冶金》、《中南大学学报》（自然科学版）、《冶金自动化》等期刊青年编委。

东北大学轧制技术及连轧自动化国家重点实验室材料加工工程专业博士研究生，研究方向包括板带轧制过程建模、板带轧制缺陷智能诊断、板带轧制全流程协调优化等。已在JMS、INS、JMPT、EAAI等顶刊发表SCI论文6篇。

东北大学轧制技术及连轧自动化国家重点实验室材料加工工程专业博士研究生，研究方向包括板带轧制控制器性能监测、板带轧制过程故障诊断、板带轧制控制器智能维护策略等。

本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯，以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源，版权归原作者所有，仅供学术交流，未经授权不得商用。如有侵权，请联系删除。

作者如有优秀论文需推荐，请在公众号后台留言与我们取得联系，我们将审核后择优推送。感谢您的持续关注与支持！