共查询到18条相似文献,搜索用时 343 毫秒
1.
纵裂纹是典型的铸坯表面缺陷,严重影响过程顺行和连铸坯质量。铸坯表面纵裂纹的识别和预测对于铸坯质量的提升具有重要意义。针对纵裂纹形成与扩展过程中,结晶器热电偶温度在时间序列上的动态演化和一维传播特征,捕获和提取了纵裂纹和正常工况下热电偶时序温度的典型变化趋势;运用动态时间弯曲(Dynamic Time Warping,DTW)方法度量不同工况下时序温度的相似性和差异性,结合k近邻(k-Nearest Neighbor,kNN)分类算法,建立了针对连铸坯纵裂的在线识别和分类模型。结果表明,建立的模型对纵裂纹和正常工况样本具有较高的识别准确率。提出的基于温度时序特征动态时间弯曲及kNN方法的纵裂预测模型,为铸坯纵裂的实时检测和准确预报提供了可靠途径。 相似文献
2.
漏斗型结晶器内坯壳凝固过程热力耦合数值模拟 总被引:1,自引:0,他引:1
应用热弹塑性有限元法,考虑铸坯与铜板的接触状态,建立了漏斗型结晶器内坯壳凝固过程的热力耦合模型.计算分析了结晶器内坯壳表面的温度场、应力场和纵裂指数的分布规律以及拉速对应力和纵裂指数的影响.结果表明,铸坯偏角部温度高于宽面和窄面中心温度并出现两个平台期;漏斗区域边缘出现应力峰值,是铸坯裂纹敏感区;宽面中心、漏斗区边缘和偏角部纵裂指数偏高,容易出现纵裂纹.适当提高拉速能够减小初生坯壳纵裂指数,减少裂纹形成机会. 相似文献
3.
4.
表面纵裂纹是铸坯质量缺陷中一种最常见的表面质量缺陷。环境因素使得铸坯表面纵裂纹在线检测精度不高,各大钢厂铸坯质检仍要依赖人工,因此提出一种基于粒子群PSO优化概率神经网络PNN的铸坯全长表面纵裂纹预测方法。首先,建立铸坯生产过程跟踪及数据时空变换模型,构建铸坯生产系统将生产过程数据与铸坯长度方向进行匹配;再利用PNN的Bayes 最小风险准则进行有监督特征学习,并利用寻优算法PSO优化PNN关键参数的选取,得到最终的模型PSO-PNN;最后,利用某钢厂连铸产线铸坯质量缺陷数据和生产过程数据进行试验验证。结果表明,该方法对铸坯整体的质量预测分类精度达到97.5%,铸坯全长的裂纹缺陷的预测精确率和召回率均在92%以上,能有效实现铸坯全长表面纵裂纹的预测,为现场质检人员提供参考。 相似文献
5.
6.
7.
8.
9.
针对涟钢210转炉厂1号连铸机生产线上实际生产情况,分析了板坯的表面纵裂形成的原因,认为连铸板坯表面纵裂与结晶器冷却强度、钢水成分、拉坯速度、液位波动等诸多因素相关,通过采取相应的措施后,铸坯的表面纵裂纹比例由4.99%下降到0.05%以下。 相似文献
10.
11.
12.
13.
14.
15.
16.
传统铸坯质量预测大多基于全局建模方法,存在自适应能力较差、预测精度不稳定等不足。为此,提出了一种基于即时学习算法的铸坯质量预测方法,主要特征为构建基于即时学习算法的局部模型,以取代传统全局模型,实现建模和预测同时在线进行,更适应于场景复杂、工况多变的连铸生产过程;根据连铸生产数据的时变性特点,在相似度计算中引入时间权重因子,强化样本数据与待测数据的相关性,更有利于提高铸坯质量预测模型精度。以国内某钢厂65号高碳钢铸坯三角区裂纹为例,具体说明即时学习算法在铸坯质量预测局部模型构建中的应用,并与铸坯质量预测全局模型的预测结果进行对比分析及评价。结果表明,基于即时学习算法的局部模型在评价指标上均优于全局模型,全局模型的预测准确率为65%,基于即时学习算法的局部模型准确率提升至90%,进一步阐明基于即时学习算法的局部模型用于铸坯质量预测的有效性。 相似文献
17.
针对大方坯含硫钢表面纵裂纹问题,对裂纹缺陷进行了金相、能谱观察,发现纵裂纹在铸坯出结晶器后发生;通过高温热塑性测试和组织析出区间的确定,分析了硫加入对钢的高温热塑性和组织析出区间的影响,确认在900 ℃以下第三脆性区间,奥氏体晶界形成的先共析铁素体弱化了晶界强度,在热应力、组织应力、机械矫直应力的作用下发生晶界开裂是导致含硫钢表面纵裂纹的根本原因。在此基础上开展了保护渣优化、二冷区改造、铸坯加热和堆冷过程保温等工艺研究。研究结果表明,提高保护渣碱度、降低保护渣熔点和黏度、延长二冷区长度、规范加热和堆冷工艺,大方坯含硫钢铸坯表面纵裂纹得到了较好控制,因纵裂纹导致的圆钢钢质原因修磨率从20%降低到5%以下。 相似文献
18.
济钢5号连铸机生产300 mm厚度铸坯时出现许多质量问题。出现的铸坯缺陷有外弧角横裂、表面纵裂纹、中间裂纹。现场实践表明,外弧角横裂产生的主要原因是铸坯在弯曲之前冷却过强。通过喷嘴改造、调整冷却强度消除了外弧角横裂。通过优化浸入式水口尺寸和调整保护渣性能基本消除了表面纵裂纹。通过优化轻压下工艺和消除机械间隙消除了中间裂纹。工艺优化后取得了良好的表面质量和内部质量。 相似文献