CN103639385B - 基于最小二乘的漏钢预报方法及系统 - Google Patents
基于最小二乘的漏钢预报方法及系统 Download PDFInfo
- Publication number
- CN103639385B CN103639385B CN201310652803.0A CN201310652803A CN103639385B CN 103639385 B CN103639385 B CN 103639385B CN 201310652803 A CN201310652803 A CN 201310652803A CN 103639385 B CN103639385 B CN 103639385B
- Authority
- CN
- China
- Prior art keywords
- temperature
- time sequence
- square
- temperature data
- sampled point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供一种基于最小二乘的漏钢预报方法及系统,其中的方法包括:通过设置在板坯结晶器铜板上的热电偶测量获得铜板上各采样点的温度数据,并将温度数据实时输入模型计算机;模型计算机根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列;对每个温度时间序列进行最小二乘拟合,获得温度时间序列的拟合曲线,拟合曲线为二次曲线,根据二次曲线获得温度时间序列的特征值;根据温度时间序列的特征值和预设阈值,判断铜板上的采样点是否产生粘结,并予以报警。利用本发明,能够解决在粘结产生初期捕捉到粘结时温度曲线的特征,使漏钢报警提前的问题。
Description
技术领域
本发明涉及冶金领域的板坯连铸结晶器智能漏钢预报技术领域,更为具体地,涉及一种基于最小二乘的漏钢预报方法及系统。
背景技术
漏钢事故是连铸生产中危害性很大的生产事故。漏钢事故的发生,不仅会影响连铸生产,而且还会严重损害结晶器、辊道,增加连铸设备的维修量和维修成本,造成巨大的经济损失,同时也会带来很大的安全隐患。特别是对于板坯连铸机,由于结晶器下方的足辊和扇形段结构复杂,设备昂贵,而且更换费时间,漏钢损失大。据估计,一次“常规”的漏钢事故直接或间接导致的经济损失将达到200000美元。
为了减少漏钢的发生,研究人员一直致力于漏钢预报系统的开发。比较成熟的方法是在结晶器铜板内安装测量温度的热电偶,根据铜板温度的变化规律来判断铸坯与铜板之间是否有粘结产生,这也是粘结漏钢预报的常用方法。多年来随着漏钢预报技术的发展,粘结漏钢的判断方法主要包括以下几种:
1.逻辑判断方法
粘结漏钢发生时,主要表现为热电偶温度梯度和温差的变化;因此可以通过设定限值,一旦温度梯度以及温差的变化超过限值,就判定粘结发生,存在漏钢风险。
图1示出了粘结漏钢时逻辑判断方法的热电偶温度变化。如图1所示,在判断是否发生粘结漏钢时,设定温度限制,当热电偶测得的温度梯度以及温差的变化超过设定的温度限值时,就判定粘结发生,存在漏钢风险,发出预报警告。
近年我国大多钢厂新建铸机采用的漏钢预报系统就是基于逻辑判断方法。该预报方法的实现不需要大量的原始数据,特别适合新建铸机。但是这种方法的逻辑条件参数的设定与钢的种类、工艺和环境有很大的关系,模型有一定局限性。
2.神经网络方法
神经元网络漏钢预报方法利用神经元网络技术对现场的漏钢数据进行学习,再加上必要的工艺条件,用于辨别具有漏钢特征的热电偶温度变化曲线,进而做出漏钢预报。国内外均有开发连铸神经元网络漏钢预报系统的应用案例。
完善的神经网络系统必然能显著增加漏钢预报的准确率,但是神经元网络在漏钢预报中的存在它的局限性。首先,完善的神经网络必需大量的训练样本,样本不全面将导致网络功能不全。其次,由于连铸机工作条件复杂,影响因素很多,对获取的样本数据有严重的干扰,因此要想得到完全排除含有噪音的样本几乎是不可能的。连铸还存在一些特殊的情况,比如开浇、换包和终浇等异常情况下,神经元网络系统变得极不稳定。故对于新建连铸机,神经网络方法不可行,必须与其它方式结合。
3.统计分析方法
多元统计过程控制(Multivariate Statistical Process Control,简称MSPC)方法是基于主元分析(Principal Component Analysis,简称PCA)和偏最小二乘(Partial Least Squares,简称PLS)方法对连续过程进行监控控制的方法。在连铸过程中,特别是在漏钢预报过程中,MSPC方法应用极少。北美Dofasco公司分别与1997年和2003年在它的1号机、2号机上装上基于该技术的漏钢预报系统。
申请号为CN201791938U的中国实用新型专利申请公开了一种连铸结晶器漏钢预报系统,在该披露的漏钢预报系统中,在振动电机上连接有电流传感器,结晶器PLC中加入漏钢预报模型,电流传感器与结晶器PLC漏钢预报模型通讯,结晶器PLC还与人机界面连接。结晶器PLC内的漏钢预报模型将收集到的电机实时电流信号经过数据库维护模块归类整理和模型数据库搜索,再由神经网络模块进行学习和数据库优化。同时,遗传算法模块进行对比和判定,将结果显示在人机界面,对超出规定的则予以报警和记录。此方法的不足之处在于在模型投入初期很长一段时间内,现场数据不完善,训练样本不充足时,漏钢预报的准确率会低很多,而且报警的时间相对滞后。
随着板坯拉速越来越高,漏钢预报对报警时间越来越要求靠前,越及时,以便留出足够的反应时间。因此,需要一种新的漏钢预报技术解决以上提到的问题。
发明内容
鉴于上述问题,本发明的目的是提供一种基于最小二乘的漏钢预报方法及系统,以解决在粘结产生初期能捕捉到粘结时温度曲线的特征,使漏钢报警提前的问题。
本发明提供一种基于最小二乘的漏钢预报方法,包括:
通过设置在板坯结晶器铜板上的热电偶测量获得板坯结晶器铜板上各采样点的温度数据,并将温度数据实时输入模型计算机;
模型计算机根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列;
对每个温度时间序列进行最小二乘拟合,获得温度时间序列的拟合曲线,拟合曲线为二次曲线,根据二次曲线获得温度时间序列的特征值;
根据温度时间序列的特征值和预设阈值,判断板坯结晶器铜板上的采样点是否产生粘结,并予以报警。
此外,优选的方案是,热电偶按照预定的行和列的排列方式设置在板坯结晶器铜板上。
此外,优选的方案是,对温度时间序列进行最小二乘拟合的方法为:
最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据最小二乘曲线拟合公式,令
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为温度时间序列的特征值。
本发明还提供一种基于最小二乘的漏钢预报系统,包括:
温度数据获取单元,用于通过设置在板坯结晶器铜板上的热电偶测量获得板坯结晶器铜板上各采样点的温度数据;
温度数据传输单元,用于将温度数据实时输入模型计算机;
温度时间序列构建单元,用于在模型计算机中根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列;
特征值获取单元,用于对每个温度时间序列进行最小二乘拟合,获得温度时间序列的拟合曲线,拟合曲线为二次曲线,根据二次曲线获得温度时间序列的特征值;
粘结判断单元,用于根据温度时间序列的特征值和预设阈值,判断板坯结晶器铜板上的采样点是否产生粘结,并予以报警。
优选的方案是,在温度数据获取单元中,热电偶按照预定的行和列的排列方式设置在板坯结晶器铜板上。
优选的方案是,在特征值获取单元中,对温度时间序列进行最小二乘拟合的方法为:最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据最小二乘曲线拟合公式,令
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为温度时间序列的特征值。
从上面的技术方案可知,本发明的基于最小二乘的漏钢预报方法及系统,相对于现有技术,能够在粘结产生的初期捕捉到粘结时温度变化的特征,并发出报警,比传统的方法要提前10-20秒,使得现场有足够的反应时间,更适合于高拉速的板坯连铸生产实践。
为了实现上述以及相关目的,本发明的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而,这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外,本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明及权利要求书的内容,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为传统方法粘结漏钢时逻辑判断方法的热电偶温度变化示意图;
图2为根据本发明实施例的基于最小二乘的漏钢预报方法流程图;
图3为根据本发明实施例的热电偶布置结构示意图;
图4为本发明方法与传统方法的报警时间的比较示意图;
图5为根据本发明实施例的基于最小二乘的漏钢预报系统逻辑结构图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。
从前述中了解到,板坯结晶器漏钢预报在板坯连铸生产中具有重要意义。随着板坯拉速越来越高,漏钢预报对报警时间越来越要求靠前,越及时,以便留出足够的反应时间。漏钢预报在关注准确率的同时,也要考虑报警时间的及时性。本发明提出了一种新的漏钢预报方法,利用最小二乘法对采集的温度数据进行拟合,计算得到特征值的大小,通过相邻行与列上特征值的逻辑组合,判断铸坯与铜板之间是否产生粘结。
本发明基于最小二乘的漏钢预报方法,能够比一般方法报警时间提前10-20秒,能够给现场操作提供更多的应急处理时间。基于最小二乘的漏钢预报新方法,是漏钢预报系统的核心;整个漏钢预报系统在工程应用中的实施比较复杂,下面将以在某钢厂的实践为例说明集成了新方法的漏钢预报系统的具体实施过程。
以下将结合附图对本发明的具体实施例进行详细描述。
图2示出了根据本发明实施例的基于最小二乘的漏钢预报方法流程。
如图2所示,本发明提供的基于最小二乘的漏钢预报方法包括:
S210:通过设置在板坯结晶器铜板上的热电偶测量获得板坯结晶器铜板上各采样点的温度数据。
需要说明的是,采样点处的热电偶按照预定的行和列的排列方式设置在板坯结晶器铜板上。
具体地,作为示例,在本发明中,热电偶采用K(镍铬)型;宽面铜板埋设6行9列共54支热电偶,窄面铜板埋设6行2列共12支热电偶。图3示出了根据本发明实施例的热电偶布置结构,如图3所示,热电偶布置行间距为136mm,列间距为183mm;第一行热电偶安装位置位于弯月面附近,钢水在此附近区域进行初始凝固,液体保护渣在此处通过液渣通道流入铸坯与结晶器铜板之间,然后对二者进行润滑,液位的波动以及渣圈的形成都能强烈地影响该区域的铜板温度。热电偶安装好之后,利用温度检测仪对热电偶进行上线前的检测,检测热电偶对温度的响应是否正常。
S220:将温度数据实时输入模型计算机。
需要说明的是,热电偶测得的温度数据是电压信号,首先温度数据进入数据转换模块进行信号转换,将温度数据的电压信号转换为温度数据的数字信号,然后通过工业以太网将温度数据的数字信号传输到模型计算机。
在此数据传输过程中,包含的设备有数据转换模块、网络电缆、网络交换机和模型计算机;数据转换模块用于将温度数据的电压信号转换为温度数据的数字信号;网络电缆和网络交换机用于将温度数据的数字信号传输到模型计算机上。
S230:模型计算机根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列。
在数据传输的过程中,温度数据的传输为实时传输。也就是说,模型计算机每一秒接收一次温度数据,并且根据当前接收的温度数据与之前的历史温度数据组合构建成一个温度时间序列;其中,在本发明的实施例中,一般六十次的温度数据构建成一个温度时间序列。
S240:对每个温度时间序列进行最小二乘拟合,获得温度时间序列的拟合曲线,拟合曲线为二次曲线,根据该二次曲线获得温度时间序列的特征值。
需要说明的是,每个热电偶温度数据形成的温度时间序列进行最小二乘拟合,本发明采用二次曲线进行最小二乘拟合,取二次项系数作为该支热电偶温度变化的特征值,设特征值为a。
对温度时间序列进行最小二乘拟合的方法如下:
设最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据最小二乘曲线拟合公式,令
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为温度时间序列的特征值。
在本发明的一个实施例中,n值取2,而且取系数a2为拟合曲线的特征值。采用本发明基于最小二乘的漏钢预报方法进行漏钢预报,能够使报警时间提前,图4示出了本发明方法与传统方法的报警时间的比较,从图4中可以看出本发明的报警点为12002秒,一般的传统方法的报警点在12015秒;因此本发明的方法报警时间提前13秒左右。
S250:根据温度时间序列的特征值和预设阈值,判断板坯结晶器铜板上的采样点是否产生粘结,并予以报警。
具体地,若某支热电偶的温度变化特征值a大于预设阈值b,则认为热电偶所测量的采样点处有粘结产生的可能,即有报警趋势。为了提高报警的准确性,在本发明中对该采样点相邻行或列的特征值进行一定的逻辑组合,如果满足设定条件,则发出报警信号。在本发明的一个具体实施方式中,预设阈值b的取值为0.3~1.0,特征值a大于预设阈值b的范围,则认为采样点处可能发生粘结,有报警的趋势。
在上述实施方式中,发出报警信号的设定条件可以根据具体的工作现场需要而设定,比如,当与采样点相邻的一定数量的行和/或列(如:一行、两列)的特征值均超过预设阈值时,则需要发出报警信号。
在本发明中,报警信号通过PLC一级控制系统,触发声光报警器,发出报警声音;漏钢预报系统报警后,迅速将拉速降到零,停浇30秒待粘结点愈合后继续浇钢。
在本发明的一个具体实施例中,某钢厂采用基于最小二乘的漏钢预报方法对漏钢进行预报,对6个月的漏钢预报数据进行分析统计,其中,正确报警32次,误报5次,没有漏报。本发明的漏钢预报方法准确率提高的同时,报警时间更加及时,比一般的方法要提前10-20秒,使得现场有足够的反应时间,更适合于高拉速的板坯连铸生产实践。
与上述方法相对应,本发明还提供一种基于最小二乘的漏钢预报系统,图5示出了根据本发明实施例的基于最小二乘的漏钢预报系统逻辑结构。
如图5所示,本发明提供的基于最小二乘的漏钢预报系统500包括温度数据获取单元510、温度数据传输单元520、温度时间序列构建单元530、特征值获取单元540和粘结判断单元550。
其中,温度数据获取单元510用于通过设置在板坯结晶器铜板上的热电偶测量获得板坯结晶器铜板上各采样点的温度数据。
温度数据传输单元520用于将温度数据实时输入模型计算机。
温度时间序列构建单元530用于在模型计算机中根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列。
特征值获取单元540用于对每个温度时间序列进行最小二乘拟合,获得温度时间序列的拟合曲线,拟合曲线为二次曲线,根据二次曲线获得温度时间序列的特征值。
粘结判断单元550用于根据温度时间序列的特征值和预设阈值,判断板坯结晶器铜板上的采样点是否产生粘结,并予以报警。
其中,在温度数据获取单元510中,热电偶按照行和列的排列方式设置在铜板上。
在特征值获取单元540中,对温度时间序列进行最小二乘拟合的方法为:最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据最小二乘曲线拟合公式,令
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为温度时间序列的特征值。
通过上述实施方式可以看出,本发明提供的基于最小二乘的漏钢预报方法及系统,能够在粘结产生的初期捕捉到粘结时温度变化的特征,并发出报警,使报警准确率提高;并且比传统的方法要提前10-20秒,使现场有足够的反应时间,更适合于高拉速的板坯连铸生产。
如上参照附图以示例的方式描述了根据本发明提出的基于最小二乘的漏钢预报方法及系统。但是,本领域技术人员应当理解,对于上述本发明所提出的基于最小二乘的漏钢预报方法及系统,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (6)
1.一种基于最小二乘的漏钢预报方法,包括:
通过设置在板坯结晶器铜板上的热电偶测量获得所述板坯结晶器铜板上各采样点的温度数据,并将所述温度数据实时输入模型计算机;
所述模型计算机根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列;
对每个温度时间序列进行最小二乘拟合,获得所述温度时间序列的拟合曲线,所述拟合曲线为二次曲线,根据所述二次曲线获得所述温度时间序列的特征值;
根据所述温度时间序列的特征值和预设阈值,判断所述板坯结晶器铜板上的采样点是否产生粘结,若产生粘结,则存在漏钢风险,并予以报警。
2.如权利要求1所述的基于最小二乘的漏钢预报方法,其中,
所述热电偶按照预定的行和列的排列方式设置在所述板坯结晶器铜板上,其中,所述板坯结晶器铜板包括宽面铜板和窄面铜板,
所述热电偶按照6行9列的排列方式设置在所述宽面铜板上,
所述热电偶按照6行2列的排列方式设置在所述窄面铜板上。
3.如权利要求1所述的基于最小二乘的漏钢预报方法,
对所述温度时间序列进行最小二乘拟合的方法为:
最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,所述m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据所述最小二乘曲线拟合公式,令(k=0,1,...,n),
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为所述温度时间序列的特征值。
4.一种基于最小二乘的漏钢预报系统,包括:
温度数据获取单元,用于通过设置在板坯结晶器铜板上的热电偶测量获得所述板坯结晶器铜板上各采样点的温度数据;
温度数据传输单元,用于将所述温度数据实时输入模型计算机;
温度时间序列构建单元,用于在所述模型计算机中根据所接收到的每个采样点的当前温度数据和历史温度数据构建一个温度时间序列;
特征值获取单元,用于对每个所述温度时间序列进行最小二乘拟合,获得所述温度时间序列的拟合曲线,所述拟合曲线为二次曲线,根据所述二次曲线获得所述温度时间序列的特征值;
粘结判断单元,用于根据所述温度时间序列的特征值和预设阈值,判断板坯结晶器铜板上的采样点是否产生粘结,若产生粘结,则存在漏钢风险,并予以报警。
5.如权利要求4所述的基于最小二乘的漏钢预报系统,其中,
在所述温度数据获取单元中,所述热电偶按照预定的行和列的排列方式设置在板坯结晶器铜板上,其中,所述板坯结晶器铜板包括宽面铜板和窄面铜板,
所述热电偶按照6行9列的排列方式设置在所述宽面铜板上,
所述热电偶按照6行2列的排列方式设置在所述窄面铜板上。
6.如权利要求4所述的基于最小二乘的漏钢预报系统,其中,
在所述特征值获取单元中,对所述温度时间序列进行最小二乘拟合的方法为:最小二乘曲线拟合公式为:
其中,a0,a1,...an为多项式的系数,为线性无关的函数;
对m+1个采样点进行曲线拟合,所述m+1个采样点的坐标分别为(x0,y0),(x1,y1),...(xm,ym);其中,yi=f(xi)
令
根据所述最小二乘曲线拟合公式,令(k=0,1,...,n),
写成矩阵形式为:
通过上面的线性方程组,得到系数a0,a1,...an的值,所得到的系数值为所述温度时间序列的特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652803.0A CN103639385B (zh) | 2013-12-05 | 2013-12-05 | 基于最小二乘的漏钢预报方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652803.0A CN103639385B (zh) | 2013-12-05 | 2013-12-05 | 基于最小二乘的漏钢预报方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103639385A CN103639385A (zh) | 2014-03-19 |
CN103639385B true CN103639385B (zh) | 2015-09-09 |
Family
ID=50244742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310652803.0A Active CN103639385B (zh) | 2013-12-05 | 2013-12-05 | 基于最小二乘的漏钢预报方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103639385B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105689675B (zh) * | 2015-07-24 | 2017-07-28 | 安徽工业大学 | 一种连铸粘结漏钢的治愈控制方法 |
CN106825475A (zh) * | 2016-12-26 | 2017-06-13 | 中冶连铸技术工程有限责任公司 | 消除电磁搅拌对热电偶信号干扰的数字滤波方法及系统 |
CN108097905B (zh) * | 2017-12-28 | 2020-02-28 | 北京首钢自动化信息技术有限公司 | 一种漏钢预警方法 |
CN110523941B (zh) * | 2019-08-06 | 2023-03-17 | 中冶南方连铸技术工程有限责任公司 | 连铸粘结漏钢多级风险控制方法及控制装置 |
CN110523940A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 基于特征区域的结晶器粘结预警方法及系统 |
CN113369451B (zh) * | 2020-03-10 | 2022-11-29 | 中冶京诚工程技术有限公司 | 连铸生产中的漏钢自动监测方法及装置 |
CN114653914B (zh) * | 2021-12-30 | 2023-12-29 | 白居冰 | 基于形态重构的结晶器漏钢预警方法及电子装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0557412A (ja) * | 1991-08-28 | 1993-03-09 | Nippon Steel Corp | 連続鋳造の拘束性ブレークアウト予知方法 |
CN101477374B (zh) * | 2009-01-20 | 2011-11-23 | 东北大学 | 基于模糊神经网络的连铸漏钢时序空间组合诊断预报方法 |
WO2012043985A2 (ko) * | 2010-09-29 | 2012-04-05 | 현대제철 주식회사 | 몰드내 응고쉘의 크랙 진단장치 및 그 방법 |
CN102151814B (zh) * | 2010-12-30 | 2012-11-28 | 中冶连铸技术工程股份有限公司 | 连铸生产中的粘结报警方法和系统 |
JP5867703B2 (ja) * | 2011-12-21 | 2016-02-24 | Jfeスチール株式会社 | 連続鋳造における鋳造鋳片の拘束性ブレークアウトの予知方法およびその予知方法を用いたスラブの連続鋳造方法 |
CN102699302B (zh) * | 2012-07-10 | 2014-01-22 | 中冶赛迪电气技术有限公司 | 一种板坯连铸结晶器漏钢预报系统及其预报方法 |
-
2013
- 2013-12-05 CN CN201310652803.0A patent/CN103639385B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103639385A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103639385B (zh) | 基于最小二乘的漏钢预报方法及系统 | |
CN102319883B (zh) | 一种连铸坯质量在线预报的控制方法 | |
CN102151814B (zh) | 连铸生产中的粘结报警方法和系统 | |
CN105522133A (zh) | 一种连铸坯与结晶器铜板粘结行为的判定方法 | |
CN102886504B (zh) | 一种基于机器视觉的结晶器漏钢可视化预报方法 | |
CN103324175A (zh) | 一种铝型材生产线的管控系统 | |
CN106124231A (zh) | 一种高铁列车健康状态监测装置及其使用方法 | |
CN106227167A (zh) | 一种油气生产设备运行状态的预警方法 | |
CN103256897B (zh) | 石化炼焦塔水力除焦运行状态光纤传感在线监测系统及方法 | |
CN101332499A (zh) | 一种板坯连铸漏钢预报控制方法 | |
CN101934353A (zh) | 预报板坯连铸过程中漏钢的装置及方法 | |
CN107159862B (zh) | 一种基于逻辑判断的结晶器漏钢预报方法 | |
CN206132406U (zh) | 一种高铁列车健康状态监测装置 | |
CN109365769A (zh) | 一种基于混合模型判断的结晶器漏钢预报方法 | |
CN109405889B (zh) | 用于掘进机工作臂减速器故障预测的系统与方法 | |
CN104181196B (zh) | 一种连铸坯表面纵裂纹在线检测方法 | |
CN114241741B (zh) | 一种应用于安全监测领域的综合预警方法及系统 | |
CN105014032A (zh) | 铸坯切割长度异常监测系统及监测方法 | |
CN206430822U (zh) | 一种防误判的温度报警电路 | |
CN108580827A (zh) | 一种基于凝聚层次聚类预报结晶器漏钢的方法 | |
CN102343427A (zh) | 基于拉坯阻力的板坯连铸结晶器漏钢预报方法 | |
CN103389427B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN107096899A (zh) | 一种基于逻辑判断的结晶器漏钢预报系统 | |
CN102943790A (zh) | 智能液压缸系统 | |
CN206147322U (zh) | 一种水电站金属结构设备智能化控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |