一、研究背景与核心问题

高品质薄板广泛应用于高端汽车、现代建筑、军工装备、智能家电等国民经济建设的重要领域，其技术装备现代化程度和产品谱系完备性均达到国际先进水平。而下游制造业对薄板产品的综合质量，特别是高精度板形控制、全域性能一致性、表面质量稳定性等方面提出了更高要求。“形、性、表”一体化控制已成为制约薄板产业高端化发展的瓶颈，而一体化控制面临三大突出难题：

（1）预报误差大：多物理场耦合建模不足，难以适应小批量多规格生产。

（2）检测精度低：传统设备受高温干扰（如热辐射），缺陷漏检率高。

（3）控制能力弱：冷/热轧及后处理工序协同不足；“形性表”控制耦合关系被忽视，孤立调控导致综合质量难以提升。

进一步从更深层次来看，板形、性能与表面三者孤立运行，缺乏协同调控，严重制约了产品综合质量水平提升。因此，亟需构建“预报、检测、控制”纵向贯通和“形、性、表”横向协调的双维度一体化工艺检控体系。为此项目组围绕形性表进行了一系列关键技术创新。

二、关键技术及科技创新

创新点一：针对“板形”，首发多模态信息融合检测与多机架多工序协同板形控制技术

项目组从预报技术入手，搭建轧制板形板廓多尺度协同预报系统，在行业首次提出“轧辊冷却效能动态修正”的技术思路，创新集成轧件弹塑性变形、辊系多因素变形及冷却介质动态传热的多物理场耦合，突破了传统解析方法在复杂工况下的适应性局限，规格2.5mm×1500mm的780MPa级热轧高强钢板形预报准确率达到行业最高的97%以上。

在热轧板形检测方面，创新性引入蓝色激光光源，自主研发了高精度双线激光三维点云重构技术和成套化装备，实现了带钢表面空间形貌的毫米级实时重建，解决了高温环境下传统红外测量易受热辐射干扰“测不准”的行业难题，宽度方向检测精度由原来的每点1.2mm提高到每点0.375mm，突破性实现浪形高度检测精度由2mm提高到0.1mm。

在预报和检测的基础上，开发冷热轧联动调控的板形板廓控制技术，研发了热轧多目标温度精准控制和复杂工况窜辊量与弯辊力匹配技术，联动前馈控制开发多机架全工序板形协同控制技术，解决了热轧、冷轧及后处理全流程板形调控多工序互相掣肘的技术难题，规格2.5mm*1500mm的780MPa级热轧板形值控制在35IU以内、规格0.8mm*1500mm的980MPa级冷轧板形值控制在5 IU以内。

创新点二：针对“性能”，创新研发基于先验规则的热轧过程工艺与力学性能控制技术

开发基于PINN（物理信息神经网络）网络的热轧带钢力学性能预报算法，构建包括晶粒度、析出模型、复相强化模型为基础的物理约束嵌入的神经网络，创新性将先验规则嵌入神经网络，研发出符合物理定律的力学性能预测模型，实现模型更强的可解释性与泛化能力。相比传统神经网络模型，仅需小样本量的训练，即可达到较高的性能预测准确率，屈服强度为例：晶粒强化软钢≥99.5%，细晶及析出强化中等强度钢≥99%；抗拉强度为例：多相强化超高强钢≥97%。

在高精度预测基础上，构建了基于多环反馈的力学性能综合控制系统，创新性提出轧钢及后处理工艺调控作为反馈内环、成分及炼钢工艺调控作为反馈外环的技术架构，自主研发出衔接PINN（物理信息神经网络）算法的成套力学性能综合控制系统，对340-1180MPa系列薄板的工艺控制命中率达到100%。

创新点三，针对“表面”，开发基于高速协同算法的高精度板带表面特性智能检控技术

针对薄板带高速运动状态下表面缺陷漏检的行业突出问题，自主开发双模成像+FPGA（加FPGA）的表面质量检测技术，研发了智能自适应光源技术和高精度线阵与全局面阵双模成像系统，精准检测传统系统难以捕捉的十微米级瑕疵及复杂灰度差异，实现毫秒级协同运算和十微米级检测，表面缺陷综合检出率由95%提升到98%。

在算法方面，自主创建“自监督预训练+动态多模迁移”机制的深度学习算法，首创“嵌入式协同感知+多模型自适应分割+多模态分级决策”三位一体技术体系，构建缺陷类别特征空间与自进化提取，减少数据依赖的同时相比传统算法实现误检率降低60%以上，分类分级准确率由90%提升到95%，自动判级人工一致率达到90%。

在控制方面，研发了基于缺陷数模重现的工艺设定及仿真控制技术，建立表面质量缺陷设定模型，对缺陷重现结果实施后处理捕捉和跟踪，协助检测系统完成缺陷的分析和判断，助力提高系统的精度和控制水平。聚焦突破热轧粗糙度因素，有效解决上游来料的缺陷遗传问题，实现多工序表面质量反馈调控，对于轧钢可控环节表面缺陷发生率降低73%。

创新点四，针对“形性表一体化”，首次研发“形、性、表”多目标耦合约束的一体化工艺控制技术

通过统筹板形、性能、表面质量三个维度的检控技术，深度融合动态工艺参数、多模态异构数据及物理机理，建立形性表特征函数，对多目标函数就行耦合优化，构建三目标Pareto最优解集目标函数实现多准则决策，也就是通过动态工艺参数和多模态异构数据的样本采集找到形性表共性参数作为自变量，通过Pareto方法对三个不同方向的目标函数进行重新排序、交叉、融合，寻找到符合优化目标的最优解集。开发了“形、性、表”多目标耦合约束的一体化工艺控制技术，突破传统孤立检控范式，实现“检测-预报-控制”的闭环协同。

三、主要技术指标先进性

本项目在板形智能检测的运行速度、检测精度、板形板廓预报控制等方面优于德国西马克（SMS）、瑞典视平线（Shapeline）等国际先进企业同类技术。此外，表面缺陷综合检出率、分类分级准确率、自动判级人工一致率均优于美国阿美特克（AMETEK）同类技术。

表1：同类技术对比

四、项目实施效果

项目取得发明专利授权59件，发表学术论文24篇，软件著作权39项。研究成果在河钢、宝钢、鞍钢等国内大型钢铁企业推广，成功应用于热轧、冷轧、后处理等近30条产线，区域性辐射京津冀、长三角核心钢铁产销区。中国钢铁工业协会组织专家对本项目进行评价：整体技术达到国际领先水平。

经济效益方面，因项目应用，成品板带因板形、性能、表面质量等问题而引起的缺陷率下降80%，年均质量降级量减少15万吨，近三年累计创效5.2亿元。社会效益方面，项目攻克了板带高品质生产的核心瓶颈，推动了钢铁行业自主创新与转型升级。满足了高端市场对板形、性能及表面质量要求与差异性需求，应用前景广阔。

点我访问原文链接