共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
连铸坯表面裂纹缺陷分析 总被引:1,自引:0,他引:1
连铸坯质量缺陷中约70%为连铸坯裂纹缺陷。为此,对连铸坯表面裂纹缺陷进行取样分析,明确了连铸坯表面裂纹缺陷的形成原因是一冷水强度大,冷却速度快,冷却不均匀。 相似文献
7.
采用直弧型连铸机生产厚180 mm、200mm,宽1 030~1 240 mm的不锈钢板坯,铸坯出现裂纹缺陷.就裂纹形成的原因进行了分析,提出了改进工艺措施,取得了较好的效果. 相似文献
8.
从连铸坯角部纵裂纹产生原因分析入手 ,找出其控制措施 ,通过实践 ,有效地减少连铸坯角部纵裂的产生 ,为提高连铸坯表面质量进行了更深层次的探索 ,同时为解决连铸坯其它质量问题提供了参考依据 相似文献
9.
连铸厚板坯表面裂纹的成因及防止对策 总被引:1,自引:0,他引:1
对连铸厚板坯表面裂纹产生的机理进行分析,并对工艺、设备、操作等进行技术攻关,使铸坯表面质量得到改善,基本解决了铸坯的表面裂纹。 相似文献
10.
11.
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
12.
纵裂纹是一种常见的铸坯表面缺陷,准确预测铸坯表面纵裂对于提高铸坯质量有着重要意义。针对纵裂纹形成与扩展过程中结晶器热电偶温度在时间、空间上的变化趋势,捕获和提取了热电偶时序温度的典型变化特征,采用随机森林(Random Forest,RF)对捕捉到的特征进行降维,筛选出与纵裂联系密切的相关特征,在此基础上建立了基于K均值(K Means)聚类的纵裂检测模型。结果表明,提出的基于温度时序特征和聚类算法的纵裂预测模型能够正确区分和识别纵裂纹和正常工况样本,将机器学习方法引入连铸过程异常监控提供了新的思路。 相似文献
13.
14.
15.
16.
17.
18.
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