共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
9.
漏钢是连铸生产中最主要的问题之一。本文从宝钢连铸的生产实绩入手,分析了连铸过程中粘结性漏钢产生的原因、影响因素及粘结的发生倾向;描述了粘结性漏钢的主要特征及粘结过程中结晶器铜板温度变化的规律。通过对宝钢漏钢预报系统的实际应用结果调查,在对系统解剖的基础上,对现系统作了评价,指出了系统的局限性,提出了完善和建立一个更可靠的预报系统的方法。 相似文献
10.
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%。 相似文献
11.
神经网络在宝钢连铸漏钢预报系统中的应用 总被引:1,自引:0,他引:1
介绍了连铸粘结性漏钢产生的机理和过程,以及宝钢利用人工神经网络技术建立的一套新的漏钢预报系统。该系统在预报精度和系统性能等方面均优于宝钢原有的漏钢预报装置。 相似文献
12.
13.
14.
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。 相似文献
15.
16.
对河北钢铁集团公司邯宝炼钢厂两台板坯连铸机自2008年10月投产至2011年2月粘结漏钢情况进行统计,从漏钢坯壳形貌分析粘结漏钢过程,从保护渣性能、结晶器锥度、结晶器振动、液面波动、拉速变化以及标准化操作等方面分析粘结漏钢的原因,进而提出预防措施,降低了连铸机漏钢率。 相似文献
17.
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。 相似文献
18.
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956%和978%,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。 相似文献