1、船板钢发展情况

最近几年，全球海运贸易量逐年上涨，船舶制造业呈现史无前例的兴盛现象。船舶制造业对我国的发展十分重要，体现了我国综合国力，在国防、外贸、经济等方面都有重要影响[1]。尽管中国的船舶制造业已经有了数十年的历史，但是还是有很多不足之处，轧机利用率低、小时产量比较低、对于厚板粗轧阶段设备利用率不够和轧制周期过长都是影响产能和能耗的重要问题，另外我国厚板生产在表面质量、除磷效果、厚度、精度控制和板形上还有待提高[2]。如今世界经济飞速发展，为了提高我国在国际上的竞争力，为了满足下游产业对船板的高强度、高精度、良好低温冲击韧性、焊接性等市场要求，我们需要结合新的方法合理设计轧制工艺来实现高产、优质和能耗低[3]。如今工业化正向信息化迈进，大数据分析和数据挖掘的是如今的热门技术，利用这些技术对厚板钢的原始数据进行处理，建立完善的计算机管理系统，就能提高船板钢的成材率和效率，减少人为因素或者设备的影响[4]。

2、数据挖掘在轧制领域中的应用

近年来，已经有了在轧制规程设计中引入数据挖掘的先例，在控制轧制规程上面起到了显著的作用。可以利用现场程序的实现，对现场后区数据进行维护[5]。如果出现了不在数据中的轧制规程，也可以人为对轧制道次数据进行维护。在冶金领域数据挖掘技术得到了重用，取得了显著的成果。通过建立有关轧制数据的数据库，能找到最适合的加工方式，对累积的大数据进行研究，找到其中隐含的规律，通过对限制参数的改善，来提高产品的精度和质量[6]。数据挖掘的作用在于能从大量的、不完全的、有噪声的、模糊的数据当中找到隐藏着但是有作用的信息和变量[7]。数据挖掘利用了统计的方法、决策树算法和模糊逻辑等方法进行分析，建立起数据挖掘模型，通过对模型的维护和改良，使得数据可用于决策支持。应用较多的还有人工智能技术，在轧制领域当中也得到了应用，通过人工智能技术避开对轧制过程深层规律的分析，以累积的数据变量为基础，来使轧制规程得到有效的控制[8]。神经网络在轧制力预测领域、板形控制领域和板形板厚综合控制领域等领域起到了较好的效果。人工智能技术的未来前景良好，充分结合不同人工智能技术的长处，可以减少人工智能技术的误差，使人对系统的影响比重减小，尽可能提高系统的正确率。

3、基于数据挖掘的中厚钢板轧制负荷分配方法的研究

中厚钢板轧制道次的分配直接影响板形和板厚。现代化轧机配备了大量的传感器、检测器和仪表，可获得大量的轧制信息，如温度、轧制力、速度、辊缝、轧件尺寸、液压系统压力、冷却系统流量、轧辊直径等。利用这些信息可进行轧制过程的轧制道次模型优化，改进中厚钢板板形和提高生产水平。通过对轧制生产过程的数据采集、转换、处理，建立轧制生产过程实测数据库，采用决策树和神经网络的建模方法对轧制运行数据库进行数据挖掘，以关联规则和网络模型的形式从实际经验中提取知识，建立知识模型，并与有关的数学模型相结合，计算生成轧制规程，能解决中厚钢板轧制道次分配问题[9]。