基于密度聚类和动态时间弯曲的结晶器黏结漏钢预报方法的开发

针对漏钢时结晶器铜板温度呈现出的“时间滞后”和“空间倒置”等典型特征,本文通过引入动态时间弯曲(DTW)和机器学习中的密度聚类(DBSCAN)方法,提取、汇集并区分结晶器温度的典型变化模式,在此基础上开发出一种新型的漏钢预报方法。借助动态时间弯曲度量不同拉速、钢种或工艺操作条件下结晶器热电偶温度的相似性,并运用密度聚类方法聚集和分离正常工况、黏结漏钢状况下的温度样本,在此基础上检测和预报结晶器漏钢。结果证实,相较于传统的逻辑判断和人工神经元网络预报结晶器漏钢的方法,基于聚类的漏钢预报方法无需人为设置阈值或参数,能够依据漏钢历史样本中温度变化的共性规律,提取并融合热电偶温度在时间、空间上典型的变化特征,准确区分和预报结晶器漏钢,具有较好的自适应性和鲁棒性。      

连铸机漏钢预报系统优化改造

连铸机漏钢预报系统由检测和控制两部分组成,检测部分负责采集现场结晶器内的温度变化,通过控制部分在上位机显示发出漏钢预报信号,并通过PLC自动降低拉速。为提高漏钢预报准确率,对检测系统及应用软件进行二次开发和优化,增设了热电偶连接缓冲器、大容量中继补偿导线,优化了检测部位的密封性,重点对信号进行防水、防振动、防高温处理,并增加了离线仿真功能,使得漏钢预报系统长期稳定运行,综合漏钢次数从10次/a降到低于4次/a。     

结晶器漏钢预报系统在济钢5~#连铸机中的应用

为了稳定生产和提高铸坯质量,济钢5#连铸机应用了结晶器漏钢预报系统,通过对生产过程中结晶器运行参数的处理,检测结晶器内铸流的漏钢趋势并发出报警信号,同时向连铸机L1级系统反馈降低拉速的信号,主要应用预报系统的热流画面与冷点检测、反粘钢和反漏钢等功能。预报系统应用后,降低了粘结漏钢事故的发生率,保证了产品质量,延长了设备寿命,改善了铸机岗位人员的操作条件。     

基于模糊聚类及神经网络的连铸漏钢预报

在模糊RBF神经网络的基础上,通过融合基于贴近度的改进FCM和Conditional FCM算法,建立了改进的模糊RBF网络模型;并结合某钢厂连铸现场采集的历史数据将该模型应用于连铸漏钢预报的过程中。结果表明,改进的网络模型能更准确地辨识连铸粘结漏钢过程中典型温度模式1和模式2,对二者的预报率分别达到949%和983%,报出率均达到100%,其预报性能更佳,能更有效地预报拉漏事故。     

结晶器专家系统在莱钢宽厚板连铸机中的应用

为减少漏钢事故,莱钢在宽厚板连铸机应用结晶器专家系统,使用神经元网络模块建立振动摩擦力分析模型,通过拉钢过程中摩擦力的变化特征来预报不同类型的漏钢;将实时采集到的热电偶温度、拉速、液位、摩擦力等作为模型的基本参数,钢种、水垢厚度、保护渣、铸坯宽度等作为辅助参数,建立结晶器热力学模型,采用离线方式训练神经元网络。应用表明,连铸过程漏钢预警预报频率逐渐减少。     

基于热-力信息融合的智能漏钢预报技术研究

通过连铸机拉钢过程中坯壳发生粘结、纵裂及异物卷入漏钢时坯壳特征、坯壳与钢板间温度及摩擦力特征变化,对热电偶信息源、热通量信息源及结晶器与坯壳间摩擦力、摩擦功信息源的特征变化建立基于热-力信息融合的智能漏钢预报系统。该漏钢预报系统漏钢预报的准确率由原系统的71.43%提高到90.28%。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上，有机结合模糊模式识别和模糊聚类算法，并通过引入新的学习机制和优化网络结构，建立了改进的新型模糊ART神经网络模型；同时，结合某钢厂连铸现场采集的历史数据，将该模型应用于连铸漏钢预报过程中。其结果表明，该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到956%和978%，报出率都达到100%，且在避免漏报的同时保证了较低的误报率，能准确识别典型的温度模式和预测拉漏事故的发生。     

板坯连铸结晶器黏结及其传播行为

 基于国内某钢厂宽厚板坯连铸机,及黏结漏钢过程中结晶器铜板的实测温度样本,重点讨论了黏结的横向、纵向速度与角度等传播行为,分析和对比结晶器黏结的发展特征,及其随拉速和断面浇铸工艺的变化,为进一步认识宽厚板坯黏结漏钢的传播特性,以及热电偶优化布置与漏钢预报系统开发提供参考和依据。     

连铸漏钢预报方法及装置

连铸机在浇注中由于拉漏而造成的漏钢是实现连铸机高速铸造提高铸机产量的一大障碍,且漏钢还损坏了设备,因此国内外都竞相研究产生漏钢的原因及其防止对策,开发了能预报漏钢的仪表装置。连铸机的漏钢大致可分为两类,即粘结性漏钢和非粘结性漏钢。漏钢预报的方法根据漏钢种类的不同采取了不同的测量原理。对于漏钢事故中发生率最高的粘结性漏钢,目前较成熟的预报方法是将热电偶埋入结晶器铜板内测量其温度的变化。宝钢1930板坯连铸机配置了这种测量原理的漏钢预报仪表系统。     

连铸机拉漏预报技术的发展及有关建议

分析了连铸机在浇钢过程中产生拉漏事故的原因。介绍国内外钢厂为预报和防止产生拉漏而采用的技术措施,包括用测量结晶器铜板温度和测量结晶器器壁与铸坯之间摩擦力的方法来预报和防止拉漏。针对鞍钢第三炼钢厂板坯连铸机在生产中存在的漏钢问题,提出了采用拉漏预报技术的几点建议。     

连铸结晶器黏结漏钢的可视化及其识别方法

基于现场实测热电偶温度数据,将结晶器铜板温度及其变化速率进行2维可视化。综合考虑黏结形成和发展过程中结晶器铜板温度随时间的变化和空间传播行为,借助计算机图像处理中的8连通区域标记和边界跟踪算法,提取了异常区域的结晶器铜板温度、位置、时间等信息,计算了结晶器铜板温度变化速率的均值、最大值、区域的面积、宽度、高度及其纵向和横向移动速率特征,对实际浇铸过程中多例漏钢样本的共性特征进行了统计和归纳。结果表明,结晶器铜板温度变化速率、几何特征与传播速率能够作为黏结漏钢在线预报的重要判据,为提高漏钢预报系统准确率提供参考,减少漏钢事故,同时为结晶器可视化、智能化监控技术开发提供方法和依据。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到95.6%和97.8%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到956%和978%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

酒钢CSP连铸机典型漏钢的特征及原因分析

本文结合酒钢CSP生产实践,对CSP连铸机典型漏钢原理、特征及原因进行分析并提出预防措施,实践表明强化岗位操作、严格控制钢水成分、温度,可有效的减少开浇漏钢和裂纹漏钢;采用三孔窄面铜板,可减少结晶器铜板划伤,避免飞边悬挂漏钢;提高扇形段对中精度和减小结晶器偏振,优化结晶器保护渣,是控制粘结漏钢的关键。目前酒钢CSP漏钢事故得到有效控制,漏钢率由2009年的0.26%,降低到2011年的0.09%,投产5年来首次实现了百日无漏钢事故。     

烧结终点位置的模糊控制

运用模糊控制理论研制出烧结终点位置模糊控制模型。提出了前馈－反馈控制方法。反馈控制采用二维参数自校正模糊控制器,前馈控制采用单输入单输出模糊控制器,最终用查表法求出控制参量,用于适时调节烧结机的速度,稳定烧结终点位置,提高烧结矿质量。     

连铸结晶器拉坯阻力异常数据分析及应用方法研究

以功率法原理检测到的宝钢2号板坯连铸机生产中的结晶器拉坯阻力数据为基础,讨论了液位波动、水口异常、测温系统报警、漏钢等情况发生时拉坯阻力的波动规律及变化特征。研究其应用方法,并开发出拉坯阻力异常分析软件。结果表明,结晶器拉坯阻力对工艺操作及异常情况能作出明显反应,可利用拉坯阻力的均方根对异常进行预报,显示出其在异常预报及提高漏钢预报准确率等方面的作用和应用潜力。     

API圆螺纹套管接头上卸扣力学性能实验研究

为了深入了解上卸扣工况对套管接头力学性能的影响,给研究套管接头产生粘扣的力学因素提供实验依据,采用在套管接 头内外表面巾应变片的方法,利用全尺寸上卸扣试验机,对套管接头进行了重复上卸扣实验,测量了接头内外表面应变和上卸扣扭矩。通过实验结果分析,确定了影响接头粘扣的主要力学条件和部件,所确定部件与实际操作过程发生粘扣部件相吻合,采用增大接箍螺纹端部锥度,降低端部接触压力的方法,提高了套管的抗粘扣性能     

小方坯连铸结晶器钢水液面自动控制仪的研究应用

在连铸生产工艺中,结晶器中钢水液面的波动必须保持在一定范围内,否则将直接影响拉坯质量,造成拉漏事故,采用钢水液面控制仪,可将结晶器的钢水稳定在一定的范围内,大大提高高拉坯质量,避免拉漏现象的发生。