许多重要的参数被用来控制和监控连铸生产过程，以确保安全、一致、高质量和高性价比的产品。一些例子包括监测钢的化学成分、中间包进入结晶器钢水流量、结晶器钢水液面、钢水温度和铸坯表面温度、连铸拉速、结晶器传热散热、二冷水流量控制和结晶器振动控制。大部分数据可以直接从相应的传感器反馈中实时收集，有些因素也可能是部分或完全由人控制的，如中间包和结晶器保护渣添加，[1]但仍然可以通过铸造机上的传感器实时监测这种操作。图1是该连铸工艺过程的主要部分的展示。

连铸生产过程中要想测量轧辊和轴承的状态是不现实的，在传统板坯连铸机中，扇形段夹持辊之间的辊缝、扇形段夹持辊锥度值和连铸设备的对中性能对铸坯的内部质量至关重要，通常只能在铸机停机或更换断面时候才能进行测量。世界各地的多家公司已经开发了许多解决方案来提供各种各样测量监测选项，[4]其中一些测量可以使用涡流探伤和超声波探伤设备对单个轧辊的表面和内部结构进行检查，以检测夹持辊表面的缺陷，也可以使用更大规模的超声波传感器对夹持辊表面到中心的内部结构进行检查。

如图2所示为一些公司的不同测量系统的例子。他们广告宣称提供在线夹持辊表面测量、夹持辊对中测量、辊子表面形状、夹持辊弯曲和辊子旋转状况等。[5,6]

准确的几何形状和对连铸扇形段辊子的调整被认为对最终坯的质量和对整个工艺的顺行是非常重要的，特别是现在一段时间生产后。[7]测量技术是在不断进步中，但评估来自这些测量系统的数据工作还是落在了操作者和现场工程师的身上。本项目的目标是将夹持辊之间的辊缝和对中数据集成到连铸数字孪生模型中，结合二冷计算机模型中的凝固模拟计算，使其更好地达到可视化目的。

通过使用多个应变仪阵列、线性可变位移传感器(LVDTs)、两个彩色高温计和线扫描高温计，二冷模型更加精确。组合夹持辊辊缝数据信息和凝固信息到数字孪生中，将使操作人员和工程师能够更好地做出实时决策，选择合适的连铸拉速，以避免在连铸扇形段内处于不恰当凝固区域。诸如此类的测量工具所提供的数据的正确解释可以帮助减少板坯缺陷，不需要中断连铸生产进行人工测量或分析都可以减少停机时间和节省运行成本。[9]

虽然一些有经验的操作者和现场工程师可以看到原始数据或图表，并迅速或直接地得出结论进行操作作业，但新人的或缺乏经验的人可能需要更长的时间才能得出相同的结论，甚至更糟糕的是会误解数据。开发这个项目是为了获取适时当前数据，并创建新的方法来帮助可视化操作，而现有方法可能显示不出来问题。在决策过程中节省需要的时间，或者在某些情况下，在炼钢冶炼决策之前达到更好地理解，都可以帮助创造更好的产品，使设备保持更好的状态和更长久安全正常生产，并节省维护资金。

该项目由某国钢铁协会(AIST)数字转型赠款资助，由Purdue大学西北分校通过可视化和模拟创新中心(CIVS)的学生和工作人员以及Cleveland-Cliffs Burns Harbor钢厂的工作人员组成。当前的工作是在之前的项目上持续开发的，之前的项目在2021年的AISTech上发表过一篇题为“使用Unity 3D开发过程数字孪生框架”的论文，[10] 论文详细介绍了该软件如何使用视频游戏行业的工具来开发的一般方法，该工具可以创建一些基本的界面来查看从工厂数据库查询的外部文件提供的数据，并以一种允许过程数据的2D和3D可视化的格式提供数据。开发了一个数字孪生软件原型，涵盖了生产数据、连铸机设备健康指数、冷却信息和驱动辊校准信息等领域的部分内容(图3)。

由于开发时间大大缩短，之前的项目与预期的结果好坏参半，但总体想法引发了一些关于如何继续进行的讨论和想法。利用从ClevelandCliffs钢厂的项目中学到的东西，下一步是瞄准原型的特定部分，开始开发它们，使其功能更全面，用户界面更友好。

目前，该项目正在使用Burns Harbor钢厂1号连铸机作为继续研发的参照连铸机。与本项目相关的是，该连铸机使用电池驱动的计算机控制辊缝测量仪装置进行了各种测量，然后由人员进行分析和评估，以确定夹持辊状况和扇形段设备是否符合已知目标值。其中一些价值信息包括：

• 辊缝值-测量外弧辊面和内弧辊面之间的距离。

• 辊子外形状况-辊面与直边基准的偏差。

• 辊子弯曲-辊子旋转时的偏心量。

• 辊子旋转-在已知负载和最小摩擦情况下自由旋转。

• 外弧辊对弧校正-用于识别扇形段错位造成连铸机对中的偏差。

在停机期间，辊缝测量仪连接到引锭杆上，并在铸流扇形段内上下移动，每个完整的引锭上下时产生两个数据集。一旦完成，信息将被下载，然后传给维护或操作人员进行查看对比，他们将确定扇形段设备是否处于合理的范围内，使用几种类型的2D图显示数据。关于一些测量和有问题的铸机数据由一些合作者先前发表在《钢铁技术》上。[10]

• 目标

项目的目标是细化先前原型软件的选定部分，并使其在日常生产中更加实用。这还包括研究一些额外的功能，这些功能可以在未来的多个目标更新中包含。

该项目的目标包括几个主题，但建议中的目标主要集中在下列领域：

• 基于Burns Harbor钢厂1号连铸机的选定的读数，探索数字孪生原型的扇形段夹持辊数据部分新的可视化方法。

• 补充和改进由软件生成的现有夹持辊图数据。

• 改进数据加载方法和用户加载数据的选项。

• 探索数据库访问功能，与同等重要的加载分离文件一起工作。

• 研究创建机器学习模型预测的可行方法。

• 让学生参与项目开发工作，让他们接触了解钢铁行业。

由于可以在前一篇文章中找到该软件以前方法的详细版本，因此本文只在较高的层次上介绍它，然后详细介绍这个特定项目的新部分或重点部分。

Unity 3D被用作软件的主要开发平台，它提供了许多工具和集成软件，允许二维和三维可视化的不同应用程序，合并用户定义的函数，用户界面元素，所需的插件等。一些原始的可视化也将使用内置的特性和资源来构建。

Microsoft Visual Studio用于集成开发环境(IDE)平台，用于软件中任何开发或修改的代码，主要使用C#语言，因为Unity直接支持C#语言和Visual Studio。

Autodesk 3ds Max用于任何模型，需要创建或修改为项目所需，这可能是需要更多的模型调整，以使使用的模型更接近目标铸机的实际几何形状。

这个项目的很大一部分是为所提供的数据生成新的可视化方法，因此，首先至少需要能够复制或重建一些与现有设备类似的图形东西。为了做到这一点，Unity使用了一个名为XCharts的数据可视化插件，它支持在各种图形模板中使用解析数据集，其中包含一些定制元素，可以对每个图形进行更改，所有这些都可以实时运行。这对于在运行时加载新数据集尤为重要，如图4所示，这是一个简单的曲线图，由Unity插件生成，并从.csv文件中读取样本数据集。

• 绘图和2D/3D可视化

利用来自数据集的一些信息，可以建立一些检查，以帮助在图形上可视化地后期处理数据。第一个也可以在图4中看到，这是数据集的阈值的建立。阈值本身是预先设置的数据组，就像从.csv文件加载的数据一样。它们可以是类似于图4中所示的静态值，也可以是由外部值集提供的一系列值。基于一个简单逻辑上，可以在运行时执行，每个要放在图上的数据点都可以接受以下检查:

下限阈值（n）< 当前数值（n）<上限阈值（n）

其中n是正在检查的当前夹持辊号。如果数值不符合给定的阈值范围，可以将其标记为需要更多关注的数值。这些数据可以用不同于图表上其他数据点的方式进行表示，并做到可视化使其突出。在需要强调严重性差异的情况下，还可以建立多个级别的阈值。

到目前为止，开发该功能的目的是保留现有可视化2D图形的一些基本功能，但允许根据可视化需求和反馈允许进行一些修改。在项目接近结束时，可能还会对如何将颜色编码、闪烁和其他可视指示器应用到绘图中进行一些探索，以使加载数据集中的异常和有问题的值更容易被挑选出来。

在2021年的论文中，连铸机状况检测仪对驱动辊试图使用了一些以前的可视化软件，在阈值或其他后处理数据中检测到的问题类型得到更好的可视化指标方面取得了进展，虽然最终版本的更改应该包含2D和3D可视化方面的一些修改，但当前的可视化概念目前正在制作2D原型，利用扇形段中的一对上辊和下辊的二维映射，二维图形后处理的输出可用于对二维映射应用进行更改。如图5所示，是基于阈值检查的一些2D映射的模型示例。

在数据中发现的问题通常很难直观可视地表达问题是什么，特别是在某些情况下，数据被处理成绝对值之类的数值，在这种情况下，导致的问题需要用户参考原始数据来进行识别。这些问题将按比例扩大化，以便明显地显示错误的位置，因为有些问题的阈值在某些情况下可能达到千分之一英寸，如果按正常的比例绘制，仍然几乎不可能可视看到问题的出现，这可以与颜色编码相结合，以突出表明问题的严重性(图6)。

也可能在某些情况下，在读数中需要忽略已知的某些特定辊子数值(尤其是在测量开始时)，并可以这样标记，如图6中的灰色部分。此外，在一些已知不符合设置阈值的情况下，或者使用过滤器屏蔽掉某些数值，或者是某些特定独立范围，如图6中的蓝色部分。不同的颜色可以用于不同的目的，标记显示检测到的问题的严重性，或者标记不同类型的已经知晓问题，结合其他视觉效果，可以类似于图4所示的数据图表点。

随着对初始2D映射和绘图功能进行微调优化的工作越来越多，还需要将过滤出来的信息传输到虚拟环境中的3D模型中，并显示与2D映射中相同的所有信息。当向这个方向移动时，需要考虑的其他事情是，扇形段辊子本身可能是一根直辊或者是分节辊的组合，在辊子的长度方向上，在不同的位置上要使用不同的辊缝测量仪，这可能为2D和3D可视化增加额外的维度。

这通常现场实际观察并与CAD图纸结合起来才能起到真实的效果，所以以这种方式探索辊缝数据的可视化可以使一些问题更加直观。如图7所示为几个扇形段俯视投影示意图，可以看出单辊和分节辊布置上的不同。

• 访问数据库功能

由于该软件是用C#语言开发的，并利用了Microsoft System . net数据库，因此可以访问一些不同的自带数据库类型，目前正在进行一些测试，以开发Unity项目中SQL数据库的工作流程和尾端。

Cleveland-Cliffs钢厂目前正在研究测试这些功能的选项，以及如何将最终的版本放在一起，以便在工厂中实际使用，以便通过项目的其余部分进行进一步的测试和反馈。

• 使用过程数据的机器学习

在撰写本文时，在将机器学习技术应用于连铸工艺数据方面还没有进行大量的工作，但在拨款期限结束前，如果时间允许，将完成了一些初步的文献综述，以研究调查潜在的选项。

将一些不同的论文和案例研究作为参考，但目前正在研究的是非线性技术的使用，如支持向量机(svm)在一些时间序列预测应用中的成功使用。[11]更常见的线性技术无法以最佳结果来预测某些过程的性质，而支持向量机是一种通常在非线性、非稳态和在某些情况下不完全由原来定义的情况中表现良好的技术。在支持向量机不是一个可行的预测建模选择的情况下，研究了不同的更常见的解决方案的优缺点。目前，已经发表的论文比较不同线性和非线性方法正在评估中。[12]

项目期限定于2022年6月结束，在撰写本文时，根据项目提案中最初的时间表，项目进展顺利。图形和2D可视化方面的可视化工作正在进展，到2022年4月，它们应该可以由钢厂的工作人员进行审查和修订，3D可视化方面的继续工作将在项目结束时进行。

将软件硬件组合在一起并进行验证之后，接下来的步骤将是帮助引入用于数据库的访问步骤，并改进数据输入方法，以允许更用户友好的数据访问。如果处理得当，这一改进变化将极大地影响该软件对其它数据集的使用性能，最终目标是使软件能够以处理离线数据文件的相同方式直接访问数据库值。这还包括处理不同数据集的能力，因此随着连铸机的需求发生变化，对用户界面上目标变量的更改更容易迭代和贯彻实现。

机器学习一直是工业应用中的热门话题，连铸也不例外。找到一些对预测建模有用的初始变量，并建立一些模型来进行工艺过程预报，在未来不仅可以查看现有数据，还可以添加一个“预测”模式，允许用户查看“假设”场景。

这本身就可以改变操作者和技术人员操作思维方式，了解连铸机参数的变化如何影响影响工艺过程，并帮助他们实时对连铸机操作做出更明智的决策。使用故障场景的预测建模也可以很好地在数据中找到潜在的导致故障的主要因素，如论文中提到的辊缝测定仪数据，或者是工艺生产过程中的数据，并在以前的生产过程中对最终产品中出现质量问题进行分析对比，发现和测试具有不同变量集的各种线性和非线性模型可能是未来需要进行长期工作的一个项目，预测可能会显示出更加良好的结果。

这个项目在CIVS和Cleveland-Cliffs钢厂引起的兴趣导致了一个更大、更复杂的项目，将起源于CESMII正在研究的结果和改进应用到其它连铸机上。最终，该软硬件改造成为系列模块，使其可用于除了当前测试钢厂以外的其他连铸机上。

致谢：作者要感谢某国钢铁协会(AIST)基金会通过数字转型赠款资助这个项目，感谢Cleveland-Cliffs钢厂团队对这个项目上合作并提供信息和建议，感谢CIVS的学生和工作人员在项目期间做出的贡献。

参考文献

作者