结晶器漏钢预报系统

对连铸机结晶器漏钢预报系统的控制原理,功能,结构进行了说明,该系统对提高连铸机作业率具有重要意义。     

基于漏钢预报的连铸拉速模糊控制

利用模糊控制器和神经元的优点，基于漏钢预报较成熟的热电偶方法，设计出一种基于漏钢预报的连铸拉速模糊控制系统，在保证不产生漏钢的前提下尽可能提高铸坯的拉速，从而提高钢产量。离线模拟结果了该方法的有效性。     

漏钢预报在板坯连铸的应用

以天津钢铁有限公司炼钢厂4#板坯连铸机为应用背景,结合炼钢厂4#板坯连铸热电偶在结晶器中的实际埋设情况,对4#板坯连铸的漏钢预报系统进行了软件部分的理论分析和现场应用研究,从而实现了提高4#板坯连铸机漏钢预报系统的预报准确率和及时性的目的.     

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。     

漏钢预报技术在梅钢连铸生产中的应用

介绍了梅钢2号连铸机漏钢预报技术的组成和生产应用实践;通过对漏钢预报技术各种不同类型报警信息的分析还可以发现生产中存在的问题,便于指导改进生产操作和工艺,漏钢预报技术的智能化可以使该技术得到进一步完善.     

连铸漏钢预报系统应用及改进

介绍了达涅利漏钢预报系统的结构组成、漏钢预报判断原理、预报算法以及现场应用存在的问题及改进措施。     

连铸漏钢预报技术

介绍了连铸漏钢预报几种方式的工作原理,并对国内外漏钢预报应用举有明：漏钢预报可以大幅度地减少连铸漏钢事故。     

粘结漏钢预报技术的现状与动向

介绍了近年来国内外漏钢预报技术的发展概况和粘接漏钢形成的原因，讨论了现有几种漏钢检测方法的优劣。指出逻辑漏钢预报系统只有漏钢机理研究获得突破性进展，才有可能提高漏钢预报的准确率，并认为神经元网络漏钢预报技术的研究有望取得突破。     

连铸粘连漏钢预报系统的研究

根据粘连扩散理论，对漏钢预报系统参数进行了分析和修改，并提出进一步改善的方法。     

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。     

神经元网络应用于圆坯连铸结晶器传热计算

以圆坯连铸结晶器温度实测数据为基础,研究应用神经元网络求解结晶器传热反问题的可行性,并尝试将神经元网络与数值计算结合用于结晶器传热计算,探索针对实测数据的结晶器传热在线计算方法.结果表明,数值计算结果与实测温度符合较好,可真实反映实际生产中圆坯结晶器传热的非均匀特性.     

韶钢第三炼钢厂板坯连铸生产实践

针对新投产板坯铸机生产中出现的Q345钢粘结漏钢频繁和包晶钢表面纵向裂纹多的状况,分析其原因,并采取相应措施,解决了粘结漏钢问题,提高了铸坯表面质量。     

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。     

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.     

板坯质量判定与产品质量诊断系统

针对中冶连铸技术工程股份有限公司自主研发的铸坯质量判定与产品质量诊断系统,介绍了该系统的原理、功能和应用情况。系统主要包括4个核心模块：数据采集、质量事件触发、质量跟踪和铸坯质量判定。其主要功能是：铸坯质量参数全线跟踪、在线监视异常信息、判定铸坯质量等级、重放历史浇铸和积淀冶金专家经验等。莱芜钢铁股份有限公司铸机在线应...     

Online prediction and monitoring of mechanical properties of industrial galvanised steel coils using neural networks

In galvanising line of cold rolling mill, mechanical properties, i.e. yield strength (YS) and ultimate tensile strength (UTS), are achieved by controlling the key process parameters within specified limits. In this paper, a feed-forward back-propagation artificial neural network (ANN) is proposed to predict the mechanical properties of a coil from its chemical composition, thickness, width and key galvanising process parameters. Principal component analysis is used to avoid redundancy and collinearity effects in input variables for the ANN. The model predicted the YS and UTS with an accuracy of ±10?megapascal (MPa) for 90% of the data. The model was implemented in the continuous galvanising line of Tata Steel, India. An online quality monitoring system was developed to monitor the predicted mechanical properties and process parameters of a galvanised coil. This system helps quality team in decision making.     

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.     

用神经网络方法确定冷轧厚度预测模型灵敏度系数

利用神经网络方法确定灵敏度系数,建立了冷轧厚度预测模型。该模型能很好地克服外界干扰或参数扰动,是一种能确定厚度控制参数的算法,通过一个单机架上的应用实例表明该方案具有好的应用前途。     

基于极限学习机(ELM)的连铸坯质量预测

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法.