项目围绕影响盘条钢质量的共性技术难题，分析盘条钢制造过程影响质量的技术瓶颈，针对这些技术瓶颈，通过智能化水冷控制系统研究，解决轧线温度波动范围大的难题；通过智能化装垫片机器人集成系统研究，解决打包线常因出现划痕、勒伤的难题；通过方坯表面缺陷智能化检测系统研究，解决人工检测表面缺陷漏检难题。基于以上研发技术，在福建三钢闽光股份有限公司进行产业化推广，以解决上述共性关键技术为突破口，为推动我国钢铁制造业的技术提升做出贡献。

一 研究内容

1 智能化水冷控制系统研究

（1）优质盘条钢水冷工艺模拟仿真

为了匹配轧件的不同品种盘条、控冷设备的利用率和控冷的工艺参数三方之间的最佳组合关系，本项目通过研究分析不同型号线材的冷却过程，建立线材控冷的温度场模型并对影响线材温度场变化的各种控制冷却工艺参数进行了优化设计。采用有限元法对线材穿水冷却的整个温度场变化过程进行了数学建模，通过ANSYS软件对模型进行仿真求解；运用正交试验(DOE)的方法对各个控冷工艺参数进行了主次分析，优化不同盘条最佳水冷工艺组合。

（2）优质盘条钢水冷控制系统的自适应温度控制研究

针对盘条钢生产线水冷实际控制系统中存在的温度控制精度波动范围大的问题，提出一种具有学习自适应性且能逼近任意复杂函数的前馈多层感知器，构建基于前馈网络水冷控制系统的优化模型。通过大量采样水冷控制系统的输入输出数据，在数据特征分析与预处理的基础上建立训练样本集，以盘条钢水冷系统的温度控制环节为对象，以周线水冷系统的入口温度作为输入，精轧机出口温度作为输出，构建水冷系统的温度输入输出神经网络模型，以期实现水冷控制系统的自适应温度控制。

（3）优质盘条钢智能化水冷控制系统软硬件设计

构建水冷过程智能感知系统，设计水冷控制软件系统，利用网络探测器有效地截取基于协议的网络信息，获取并记录与水冷控制系统智能感知的相关的数据，并利用分析器进行分析，然后经由处理器处理后产生指令，实现水冷控制优化。

2 智能化装垫片机器人集成系统研究

为了解决因打捆线挤压造成盘条压痕、擦伤、勒伤等缺陷。本项目通过在现有打捆机上加装智能化装垫片机器人集成系统，而后在盘条上快速智能加垫片的形式完成。

（1）智能化装垫片机器人集成系统设计难点 

1）垫片精准放置到动态指定位置难；

2）现场环境差，振动剧烈，机器人路径轨迹规划难；

3）在现有打捆机上加装放置系统，空间狭小，设备结构设计难。

（2）研究内容

1）机器人精准定位技术研究。

针对垫片难以精准放置到动态指定位置的问题，本项目构建基于注意力学习算法的机器人移动增强模型，该模型在视觉目标追踪过程中，借助视频帧间注意力和图像帧内注意力，充分挖掘潜在关键信息并实现视觉表达的选择性增强，从而分析出动态指定位置与垫片的匹配误差，自动补偿实现中心线精准定位。

2）机器人路径智能补偿技术研究。

为了解决震动剧烈机器人路径轨迹难规划问题。本项目研发基于Laplacian位面法控制策略，以期获得多个抖动视频的运动估计向量作为运动补偿对象,实现柔性垫层材料拾取、运送、放置路径精准规划。

3）智能化装垫片机器人集成系统结构优化

针对设备结构设计难的问题，本项目基于现有盘条打捆机空间结构，优化机器人的分布方案，设计专门存储、输送柔性垫层材料的机构，创新传输机构。

3 盘条钢方坯表面缺陷智能化在线检测系统研究

热轧盘条产生表面缺陷的原因很多，但绝大部分都是在方坯轧制过程中直接产生的，常随机大量出现盘条局部粗糙不平，呈多层或如夹杂类的铁皮等缺陷。因此需要对方坯表面缺陷进行控制。传统盘条的表面缺陷由人工检测，检测慢，漏检严重，因此本项目提出对盘条方坯表面缺陷智能化在线检测系统进行研究。

   （1）基于深度卷积神经网络高精度盘条方坯表面缺陷诊断研究

　　针对盘条方坯生产过程极易出现表面裂纹、表面夹杂、氧化铁皮压入、疤/坑等表面质量问题，以机器视觉技术为基础，研究非接触式、在线检测方法，开发基于CPU+GPU异构智能缺陷检测算法平台，采用深度学习卷积神经网络方法，建立基于深度卷积神经网络高精度盘条方坯表面缺陷诊断模型，实现缺陷智能检测平台自学习，提高在线检测各种表面缺陷类型的精准率。

（2）基于层次分析法的盘条方坯表面质量评估与控制研究

通过盘条方坯表面缺陷的智能在线检测，根据盘条方坯表面缺陷类型、形成原因、分布等，建立基于层次分析法的盘条方坯表面缺陷类型的层级结构模型，构造成对比较矩阵，计算表面缺陷的单特征排序权向量和总排序权向量，进行一致性检测，实现盘条方坯表面质量分级评估。研发基于生产管理系统和层次分析法的盘条方坯质量自适应控制技术，将检测的缺陷数据实时导入MES生产管理系统，采用AHP层次分析法和深度学习，形成检测缺陷数据集模型和决策结果，实现盘条方坯生产过程自适应剪切和生产工艺优化，自适应控制盘条方坯表面质量。

（3）基于长短期记忆网络的盘条方坯表面周期性缺陷识别研究

考虑到周期性缺陷对生产质量的影响极大，提出盘条方坯表面缺陷长短期记忆网络算法（LSTM），建立基于长短期记忆网络的盘条方坯纲表面周期性缺陷识别模型，采用误差反向传播优化更新网络参数，构建盘条方坯周期性表面缺陷模型的训练模型，实现盘条方坯周期性缺陷追踪及预警，有效识别辊印、划伤、麻点等周期性缺陷。开发基于长短期记忆网络的盘条方坯表面周期性缺陷识别系统，设计盘条方坯表面周期性缺陷诊断和钢号软件系统，盘条方坯表面图像数据和钢号实时自动输入该软件系统，实现盘条方坯表面周期性缺陷的精准在线识别和溯源。

二 重点解决的关键技术

1 水冷控制系统的智能化优化

提出一种具有学习自适应性且能逼近任意复杂函数的前馈多层感知器，通过大量采样水冷控制系统的输入输出数据，在数据特征分析与预处理的基础上建立训练样本集，以盘条钢水冷系统的温度控制环节为对象，以周线水冷系统的入口温度作为输入，精轧机出口温度作为输出，构建水冷系统的温度输入输出神经网络模型。

2 表面缺陷诊断与识别机理

从表面裂纹、表面夹杂、氧化铁皮压入、疤/坑等方面评价盘条方坯钢轧制质量，基于机器视觉技术构建异构智能缺陷检测算法模型，采用深度学习卷积神经网络方法，建立高精度盘条方坯钢表面缺陷诊断模型，考虑到周期性缺陷对生产质量的影响极大，建立基于长短期记忆网络的盘条方坯纲表面周期性缺陷识别模型，实现缺陷智能检测系统自学习和生产工艺优化，确保在线检测盘条方坯钢表面缺陷的精准率。

3 智能化装垫片机器人智能定位与结构优化

依据现场空间要求对专用工业机器人的不同路径规划及其控制；机器人末端拾取执行机构的设计与控制；缓冲垫层主用、备用储料机构的设计与协调控制；机器视觉技术对于两套系统各自动作到位情况的指引与监控，并确认垫层材料数量、吸附可靠性、按照指定位姿粘贴情况、停留于目标位置可靠性等信息。

三 项目的创新点

1 水冷控制系统的智能化优化。提出一种具有学习自适应性且能逼近任意复杂函数的前馈多层感知器，通过大量采样水冷控制系统的输入输出数据，在数据特征分析与预处理的基础上建立训练样本集，构建水冷系统温度输入输出神经网络模型。

2 盘条方坯表面缺陷诊断与识别理论。提出基于深度卷积神经网络高精度盘条方坯钢表面缺陷诊断方法，研究基于机器视觉技术非接触式、在线检测异构智能缺陷检测算法，建立基于长短期记忆网络的盘条方坯纲表面周期性缺陷识别模型，进而构建缺陷智能检测的理论体系，确保在线检测盘条方坯钢表面缺陷的精准率。

3 工业机器人的不同路径规划及精准定位。机器人末端拾取执行机构的设计与控制；缓冲垫层主用、备用储料机构的设计与协调控制；机器视觉技术对于两套系统各自动作到位情况的指引与监控，并确认垫层材料数量、吸附可靠性、按照指定位姿粘贴情况、停留于目标位置可靠性等信息。

该项目与福建三钢闽光股份有限公司“优质盘条智能制造关键技术”项目对接。