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.     

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。     

结晶器漏钢预报专家系统的开发与应用

通过对河钢唐钢不锈钢公司板坯连铸机历史数据及粘结点传播行为进行分析研究,开发了一种基于逻辑判断的粘结点面传播判断模型,同时开发了整套结晶器漏钢预报专家系统。经实际生产验证,该专家系统对粘结漏钢的报出率为100%,预报准确率为81.8%,可满足现场使用要求。     

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     

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%。     

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.     

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。     

连铸粘结漏钢的结晶器温度变化及其传播行为

以国内某钢厂板坯连铸粘结漏钢的实测样本为基础,重点调查了铸坯粘结时结晶器热电偶温度变化,分析了粘结传播行为,讨论了现行热电偶布置合理性和漏钢预报模型的设计.研究结果表明:粘结时单个热电偶温度在时间上表现先升后降变化规律,且具有一定温度变化速率和持续时间,多行多列相邻热电偶温度变化在空间上表现粘结传播的"时滞性",具有典型性,同列热电偶温度变化表现"温度倒置"现象,但不具典型性;粘结纵向传播速度小于拉速,与拉速呈线性正相关,横向传播速度与拉速比为 0.91 ~ 1.91,存在较大不稳定性;从纵横向检测快慢和稳定性综合考虑,以纵向检测为主、横向检测为辅设计漏钢预报模型更为合适;现行热电偶布置较为合理.     

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。     

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。     

板坯漏钢预报系统在生产中的应用

阐述了粘结漏钢的形成机理和漏钢预报系统的基本原理.通过统计典型粘结数据,分析并优化了漏钢预报系统的参数,提出提高漏钢预报系统预报准确率的措施,以进一步降低粘结漏钢率.     

连铸黏结漏钢发生机理及预报模型

连铸是炼钢过程非常重要的工序之一。连铸过程多发漏钢事故，其影响因素多且机理复杂，其中以黏结漏钢最为常见，约占总漏钢事故的70%。连铸漏钢事故造成钢液泄漏，容易发生灼烫、火灾甚至爆炸等安全事故，造成人员伤亡和巨大的财产损失。为解决上述问题，剖析了黏结裂口的扩展方式和黏结漏钢的形成机理；基于热电偶测温法预报黏结漏钢的原理，利用神经网络建立黏结漏钢预报模型，并运用遗传算法完成神经网络的优化，预报模型测试样本的正确报出率达到100%,预报率为97.56%;对空间网络模型进行了验证，A型空间网络模型的输出符合期望，可以实现黏结在空间裂口扩展的预报。模型具有很好的应用价值，可为连铸安全生产提供支撑。     

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。     

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。     

基于逻辑判断的板坯漏钢预报系统研究

对结晶器铜板热电偶温度的4种不同信号模式进行了分析,发现应用模式下不同温度信号模式在传播速度和变化趋势上存在明显的差异。针对目前国内引进的板坯漏钢预报系统因无法调整其预报参数而造成的高漏报、误报率,利用VC＋＋编程语言开发了可调整预报参数并可显示热相图的逻辑漏钢预报系统,并利用国内某厂的实际生产数据进行了实验。实验结果表明：该系统运行稳定,能够更有效地对浇铸过程中的漏钢事故和铸坯有关表面缺陷进行预报。     

几种常用漏钢预报系统模型的比较（上）

漏钢预报系统属于高效连铸生产的关键工艺和装备。作为漏钢预报核心技术的模型是目前技术开发和运用的热点和难点。本文从连铸漏钢预报工程技术实际出发,总结铸坯振痕和裂纹生成的规律,介绍了坯壳生长热力学模型及其振痕、厚度模型;同时基于漏钢预报流行的热电偶测温方法,介绍了结晶器埋设热电偶间距的优化模型、基于结晶器铜板热传播的漏钢预报逻辑判断模型、热电偶网络化的漏钢预报逻辑判断模型及其神经网络模型,并对这些模型在现场的实际应用效果进行了评价。     

连铸结晶器内粘结漏钢的形成机理及对策

连铸结晶器内钢液弯月面在连铸生产中起着至关重要的作用，本文结合钢液弯月面的行为对粘结漏钢的形成进行了详细地分析，介绍了一种新的粘结漏钢形成机理，认为钢液弯月面的破损是粘结漏钢发生的直接起因，此外，还在该机理的基础上，探讨了防止粘结漏钢的对策。     

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.