结晶器漏钢预报系统的原理分析

通过粘结漏钢产生的原因及粘结时坯壳的特征,对结晶器漏钢预报系统的原理进行分析.得出发生粘结漏钢必须满足三个必要条件,并得出发生漏钢预报后铸坯拉出结晶器不漏钢应满足的条件.     

板坯漏钢机理及基于热电偶检测的漏钢预报技术研究

通过粘结漏钢、裂纹漏钢(纵裂、角裂)及异物卷入漏钢发生的原因,产生的机理及漏钢发生的部位,坯壳特征等因素的研究与分析,建立一种可预报粘结、裂纹及异物卷入漏钢的新型板坯漏钢预报系统.     

VAI连铸结晶器漏钢预报系统的应用实践

介绍了鞍钢鲅鱼圈钢铁分公司连铸机结晶器漏钢预报系统的工作原理和应用实践;通过对实际应用中产生的粘结漏钢报警信息分析,找出了影响漏钢误报和漏报的原因,并提出相应的改进措施,提高了结晶器漏钢预报系统的精度,降低粘结漏钢误报率。     

结晶器漏钢预报系统的原理分析

通过对粘结漏钢产生的原因及粘结时坯壳的特征 ,结晶器漏钢预报系统的原理进行分析 ,得出发生粘结漏钢必须满足三个必要条件 ,并得出发生漏钢预报后铸坯拉出结晶器不漏钢应满足的条件     

FTSC薄板坯连铸漏钢预报及热像图技术应用

介绍了FTSC薄板坯连铸漏钢预报及热像图技术的组成、特点、工作原理及实际应用情况.实践证明,该漏钢预报系统具有非常高的粘结漏钢预报准确性,粘结后恢复浇注的成功率达到99%,特有的热像图技术非常直观的反应了结晶器内的温度场情况,在弥补漏钢预报判断逻辑不足的同时,也为深入研究连铸过程中结晶器内的冶金行为提供了可视化平台.     

板坯连铸粘结漏钢坯壳特征及结晶器铜板温度变化研究

为了研究板坯粘结漏钢的机理和预防粘结漏钢的发生,分析了粘结漏钢后凝固坯壳的厚度、裂纹形貌和表面振痕等特点,建立了初生凝固坯壳受力的数学模型,研究了正常生产及粘结漏钢前后结晶器热电偶温度变化规律.总结出粘结漏钢坯壳的典型特征,确立了保护渣性质、拉速、振动参数等对粘结的作用,得到粘结的热电偶温度变化特征,为漏钢预报系统的优化提供参考.     

基于温度比波形识别的BP神经网络漏钢预报模型

通过对粘结漏钢过程的研究,提出了一种温度比波形,该波形可以反映粘结发生时热点的传播过程,弥补了以往漏钢预报模型只能通过延迟检查对热点传播过程进行监控的不足.利用BP神经网络对温度比波形和粘结发生时的两种典型温度模式进行识别,建立漏钢预报模型.将该模型应用于板坯连铸漏钢预报中,并用某厂的现场数据对该模型进行测试,测试结果表明该模型能有效地进行漏钢预报.     

结晶器漏钢过程解析及预报原理

介绍了结晶器内粘结漏钢的发生过程及变化特点,展示了粘结坯壳撕裂处的形貌特征。通过几何方法解析粘结撕裂线的扩展规律及粘结过程中的温度传递特征;根据横向和纵向温度传递时间相等的原则进行热电偶布置,以提高预报准确性。此外,分析了结晶器内几种典型的温度变化模式,并补充了两种非典型的粘结漏钢温度变化模式,为粘结漏钢和铸坯表面缺陷的准确有效动态识别提供了参考和依据,从而为开发基于热电偶测温的先进漏钢预报系统奠定了良好的基础。     

连铸的粘结性漏钢及其预报

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。     

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%。     

神经网络在宝钢连铸漏钢预报系统中的应用

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。     

酒钢板坯连铸漏钢成因分析及预防措施

对于酒钢4号、5号板坯连铸机的主要产品Q235及低合金钢的生产,近几年由于操作、设备等因素造成较高的漏钢率,给生产和设备造成极大危害.分析了漏钢的原因,在无漏钢预警系统的前提下制定了针对粘结漏钢与裂纹漏钢的预防措施,使板坯漏钢率显著下降.     

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。     

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。      

宽厚板连铸黏结漏钢的工艺因素

以钢厂宽厚板连铸黏结漏钢的实测样本为基础,重点考察了断面、拉速、液位等主要工艺因素对铸坯黏结的影响,统计和分析了黏结发生时的结晶器热流及其变化规律,对可能诱发黏结的浇铸参数和结晶器热流等进行了分析和探讨.      

板坯连铸机粘结漏钢分析与预防措施

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。     

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。