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.     

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     

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.     

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。      

液压伺服振动式板坯连铸机的漏钢预报技术

通过对板坯连铸机结晶器液压伺服振动系统液压伺服油缸压力及活塞行程的检测,并应用结晶器伺服液压振动系统的运动方程,确定结晶器与连铸坯坯壳之间的摩擦力,找出该摩擦力在漏钢前的变化特征,用来预报粘结、裂纹及异物卷入漏钢,有效减少漏钢事故的发生。     

结晶器专家系统在莱钢宽厚板连铸机中的应用

为减少漏钢事故,莱钢在宽厚板连铸机应用结晶器专家系统,使用神经元网络模块建立振动摩擦力分析模型,通过拉钢过程中摩擦力的变化特征来预报不同类型的漏钢;将实时采集到的热电偶温度、拉速、液位、摩擦力等作为模型的基本参数,钢种、水垢厚度、保护渣、铸坯宽度等作为辅助参数,建立结晶器热力学模型,采用离线方式训练神经元网络。应用表明,连铸过程漏钢预警预报频率逐渐减少。     

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。