CN110625079A - 一种智能型连铸电磁搅拌在线控制系统及方法 - Google Patents

一种智能型连铸电磁搅拌在线控制系统及方法 Download PDF

Info

Publication number
CN110625079A
CN110625079A CN201910999861.8A CN201910999861A CN110625079A CN 110625079 A CN110625079 A CN 110625079A CN 201910999861 A CN201910999861 A CN 201910999861A CN 110625079 A CN110625079 A CN 110625079A
Authority
CN
China
Prior art keywords
data
electromagnetic stirring
state information
continuous casting
equation
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.)
Granted
Application number
CN201910999861.8A
Other languages
English (en)
Other versions
CN110625079B (zh
Inventor
兰鹏
张家泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201910999861.8A priority Critical patent/CN110625079B/zh
Publication of CN110625079A publication Critical patent/CN110625079A/zh
Application granted granted Critical
Publication of CN110625079B publication Critical patent/CN110625079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B22CASTING; POWDER METALLURGY
    • B22DCASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/10Supplying or treating molten metal
    • B22D11/11Treating the molten metal
    • B22D11/114Treating the molten metal by using agitating or vibrating means
    • B22D11/115Treating the molten metal by using agitating or vibrating means by using magnetic fields
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B22CASTING; POWDER METALLURGY
    • B22DCASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/16Controlling or regulating processes or operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Continuous Casting (AREA)

Abstract

本发明提供了一种智能型连铸电磁搅拌在线控制系统及方法,涉及钢铁冶金技术领域,能够实现对铸坯纯净度、均质度和致密度的精准控制,提高和强化电磁搅拌的冶金效果;该系统包括:数据读取模块用于读取工况数据和凝固特性参数;数据求解模块用于离线建模以及根据实时工况数据和凝固控制方程组在线求解该时刻对应钢种和工况数据下的热状态信息、流动状态信息和溶质状态信息;数据运算与输出模块,将在线求解的数据与目标数据库中数据作对比,根据差异对电磁搅拌参数进行调整;数据分析与存储模块,用于记录和存储运算数据,并将筛选的新数据定期更新到目标数据库中。本发明提供的技术方案适用于钢铁冶金的连铸过程中。

Description

一种智能型连铸电磁搅拌在线控制系统及方法
【技术领域】
本发明涉及钢铁冶金技术领域,尤其涉及一种智能型连铸电磁搅拌在线控制系统及方法。
【背景技术】
连铸是钢铁冶金中承上启下的关键流程。连铸坯常见的缺陷如纯净度、表面质量、内部质量等均与凝固传输过程有关。目前,电磁搅拌已成为最常用的铸坯质量调控手段,对提升铸坯品质起到非常重要的作用。
传统连铸电磁搅拌普遍采用静态搅拌模式,其位置和功率一般不随现场拉速、过热度和冷却参数的变化而调整。实际上,同一钢种不同工况参数下凝固特征不同。例如,同一结晶器搅拌参数下,高拉速时可能出现液面卷渣,而低拉速下可能导致化渣不良;对于固定的二冷搅拌或末端搅拌,高速拉下坯壳较薄、钢水温度高且流动性好,可导致白亮带缺陷,相反,低拉速下搅拌不足,铸坯等轴晶率低、中心偏析和缩孔严重。
此外,传统连铸搅拌器对多钢种情况的适应性也比较有限,难以在不同钢种时均发挥出最佳冶金效果,生产中常出现钢种之间铸坯质量难以调和。低碳钢固液两相区窄、液芯长度小,高碳钢两相区宽、液芯长度比较大,对于低碳钢合适的搅拌位置和功率,则在高碳钢上可能出现搅拌强度不够的问题。
因此,有必要研究一种智能型连铸电磁搅拌在线控制系统及方法来应对现有技术的不足,以解决或减轻上述一个或多个问题。
【发明内容】
有鉴于此,本发明提供了一种智能型连铸电磁搅拌在线控制系统及方法,能够实现对铸坯纯净度、均质度和致密度的精准控制,提高和强化电磁搅拌的冶金效果。
一方面,本发明提供一种智能型连铸电磁搅拌在线控制系统,其特征在于,所述系统包括:
数据读取模块,用于读取工况数据和钢种凝固特性参数;
数据求解模块,用于建模和求解;所述建模具体为根据读取的数据和/或历史数据离线求解凝固控制方程组;所述求解具体为根据读取的实时数据和凝固控制方程组在线求解该时刻对应钢种和工况数据下的热状态信息、流动状态信息和/或溶质状态信息;
数据运算与输出模块,将数据求解模块求解的热状态信息、流动状态信息和/或溶质状态信息与目标数据库中对应铸坯质量要求下的热状态信息、流动状态信息和溶质状态信息作对比,若存在差异,则对电磁搅拌参数进行调整;
数据分析与存储模块,用于记录和存储运算数据,并将筛选的新数据定期更新到目标数据库中。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述目标数据库为包括不同钢种、不同工况条件下电磁搅拌参数与铸坯质量之间对应关系的数据库。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述凝固控制方程组包括热量传输方程、动量传输方程、质量传输方程、连续性方程、电磁场方程和凝固分率方程中的一种或多种。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述热量传输方程具体为:其中,t为时间、T为温度、α为热扩散系数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述动量传输方程具体为:其中,t为时间、为速度矢量、p为压力、ν为粘度系数、F为体积力、ρ为密度。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述质量传输方程具体为:其中,t为时间、Ci为溶质i的浓度、Di为溶质i的扩散系数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述连续性方程具体为:其中,t为时间、ρ为密度、为速度矢量。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述电磁场方程具体为: 其中,t为时间、为磁场强度矢量、为电场强度矢量、为电流密度矢量、FE为电磁力、μ为磁导率、σ为电导率、为速度矢量。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述凝固分率方程具体为:其中,fS为凝固分率,TL和TS为液相线和固相线温度、T为温度。
另一方面,本发明提供一种连铸电磁搅拌在线控制方法,其特征在于,所述方法使用如上任一所述的连铸电磁搅拌在线控制系统,所述方法的步骤包括:
S1、读取工况数据和钢种凝固特性参数;根据读取的数据离线建模,求解凝固控制方程组;
S2、建立目标数据库,所述目标数据库包括不同钢种、不同工况条件下电磁搅拌参数与铸坯质量之间的对应关系;
S3、读取实时钢种数据和工况数据输入到凝固控制方程组,求解出热状态信息、流动状态信息和溶质状态信息;
所述钢种数据包括溶质元素含量、平衡分配系数、扩散系数、液相线温度、固相线温度、比热、密度、导热系数、黏度、磁导率、电导率等;
所述工况数据包括断面尺寸、拉速、过热度、冷却强度和电磁搅拌电流与频率等;
将钢种数据和工况数据作为初始条件和边界条件输入到凝固控制方程进行求解,获得热状态信息、流动状态信息和溶质状态信息;热状态信息包括温度和凝固分率;流动状态信息包括流速和压强;溶质状态信息包括溶质元素浓度;
S4、将S3中求解出的数据与目标数据库中对应铸坯质量要求下的目标数据作对比,判断是否存在差异;
S5、若不存在差异,控制结束;若存在差异,则对电磁搅拌参数进行调整;电磁搅拌参数包括电流、频率、搅拌方向和搅拌时间;
S1~S3顺序不固定。
与现有技术相比,本发明可以获得包括以下技术效果:通过实时读取工况参数并基于数值算法在线求解连铸坯凝固特征信息进而根据目标数据库进行电磁搅拌智能控制的系统,提高多钢种、变拉速工况下电磁搅拌的冶金效果,其投资少、成本低,具有广阔的工业应用前景。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明一个实施例提供的连铸电磁搅拌在线控制系统的原理框图;
图2是本发明一个实施例提供的连铸电磁搅拌在线控制系统的结构示意图。
其中,图中:
01-结晶器电磁搅拌器;
02-二冷区电磁搅拌器;
03-凝固末端电磁搅拌器;
04-结晶器电磁搅拌器的自动化控制装置;
05-二冷区电磁搅拌器的自动化控制装置;
06-凝固末端电磁搅拌器的自动化控制装置;
07-自动化控制计算机;
08-中心计算机;
09-连铸坯。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
本发明提供一种连铸电磁搅拌的智能在线控制系统,通过实时读取钢种成分参数(包括溶质元素含量、平衡分配系数、扩散系数、液相线温度、固相线温度、比热、密度、导热系数、黏度、磁导率、电导率等)和工况参数(包括断面尺寸、拉速、过热度、冷却强度和电磁搅拌电流与频率等)并基于数值算法在线求解传输方程(热量、动量、质量传输方程和连续性方程,电磁场方程的一种或多种)获得连铸坯凝固特征信息(即热状态信息、流动状态信息和溶质状态信息中的一种或多种),进而根据目标数据库(即不同钢种、不同工况条件下电磁搅拌参数与铸坯质量之间对应关系)进行电磁搅拌控制。即:可根据钢种特性和实际工况数据对连铸电磁搅拌进行在线控制,其核心是基于大数据技术建立前述三者之间的关系,通过实时数据与目标值的对比并采用PID法对电磁搅拌工作参数(电流、频率、方向和时间等)进行动态智能控制。
其目的在于提高和强化电磁搅拌的冶金效果,实现对铸坯纯净度、均质度和致密度进行精准控制。其要求对钢种、断面、拉速、过热度、冷却强度和电磁搅拌参数进行实时采集,基于数值方法在线求解铸坯凝固模型并将其结果与目标数据库进行对比,通过PID法实现电磁搅拌参数的智能控制。
本发明的控制系统对连铸电磁搅拌进行控制时,步骤包括:
步骤1:建立钢种凝固特性参数数据库,求解不同断面、拉速、过热度、冷却强度和电磁搅拌参数下铸坯的凝固控制方程,获得整个冶金长度范围内的钢水凝固信息,完成图1中数据读取模块和求解模块;读取模块用于读取钢种凝固特性参数数据库中的数据到求解模块,求解模块根据数据库内的数据求解连铸坯凝固控制方程。连铸坯包括任意断面的方坯、矩形坯、板坯、圆坯和异形坯。优选方法如下:
基于历史数据建立钢种凝固特性参数数据库,即图1中的物性参数数据库,包括溶质元素含量、平衡分配系数、扩散系数、液相线温度、固相线温度、比热、密度、导热系数、黏度、磁导率、电导率等。采用PLC建立传动层L0与基础自动化层L1的通讯,实现对图1中现场工况数据(钢种成分、断面尺寸、拉速、过热度、冷却强度和电磁搅拌参数等)的读取,完成图1中的数据读取模块。
在初期离线建模阶段,数据求解模块采用数值法(如Ansys,OpenFoam,Comsol等软件)离线求解不同工况参数下铸坯的凝固控制方程,涉及热量、动量和质量传输场和电磁场等。系统正式启用后,数据求解模块在线求解出整个冶金长度范围内的钢水凝固信息,即,热状态信息、流动状态信息和溶质状态信息中的一种或多种。
金属凝固过程中的热量、动量、质量传输和外加电磁场等均影响凝固进程,因此凝固控制方程为一组方程组。凝固控制方程主要包括:
热量传输方程:
动量传输方程:
质量传输方程:
连续性方程:
电磁场方程:
凝固分率方程:
其中,t为时间,T为温度,为速度矢量,p为压力,Ci为溶质i的浓度,为磁场强度矢量,为电场强度矢量,为电流密度矢量;F为体积力,体积力为重力FG、浮力FB和电磁力FE之和;fS为凝固分率,TL和TS为液相线和固相线温度,α、ν、Di、ρ、μ和σ分别为热扩散系数、粘度系数、溶质扩散系数、密度、磁导率和电导率。
凝固控制方程中的偏微分方程采用数值法求解,如有限元、有限差分、有限体积等。其求解过程涉及求解域、初始条件、边界条件、收敛条件、输入参数和输出参数,分别对应数据读取和输出项,具体如下:
求解域:断面尺寸等;
初始条件:过热度等;
边界条件:拉速、冷却强度、电磁搅拌参数等;
收敛条件:温度误差ΔT≤10-2℃,速度误差Δv≤10-5m/s,溶质溶度误差ΔCi≤10-4wt%;
输入参数:钢种成分及其物性参数,包括溶质元素含量、平衡分配系数、扩散系数、液相线温度、固相线温度、比热、密度、导热系数、黏度、磁导率、电导率等;
输出参数:凝固状态信息,包括热状态信息、流动状态信息和溶质状态信息,具体为凝固控制方程可求解出的变量,如温度、速度、浓度、压力、凝固分率等。
步骤2:建立目标数据库;
根据数值模型求解的连铸过程钢水凝固信息和现场质量检测结果(如铸坯表面凹陷、振痕、裂纹、夹渣、气孔等缺陷数量与尺寸,内部等轴晶比例、疏松和缩孔评级、V型偏析评级、中心偏析指数、中心裂纹评级、碳极差等)建立目标数据库,即不同钢种、不同工况参数下电磁搅拌参数与铸坯质量之间的对应关系;
步骤3:基于实时读取的现场钢种和工况数据,通过在线求解凝固控制方程获取铸坯的凝固特征信息,对于每个运算周期,对比该时刻下热状态、流动状态和溶质状态参数(如某位置处的温度、速度、压力、溶质浓度和凝固分率等)与目标数据库的差异,根据铸坯质量目标要求、采用PID算法对电磁搅拌参数进行自动调整,完成图1中的数据运算与输出模块;
通过离线模型和现场实测质量评级结果建立数据库,实质是工况参数与铸坯质量的关系,可以是函数、矩阵,也可以表格,形式可多样;将离线建立的数据库载入到在线模型中,基于实时读取到现场浇铸时刻的工况参数,并通过求解凝固模型输出状态参数,根据铸坯质量目标要求、通过对比该时刻输出参数与数据库中对应质量下参数的差异,采用PID法调控电磁搅拌参数。举例:如生产某齿轮钢20Cr,数据库中的系列参数为:质量评级A对应的过热度为20℃、拉速为0.8m/min,电磁搅拌参数为450A;质量评级B对应的过热度为20℃、拉速为0.8m/min,电磁搅拌参数为350A;而目前质量目标是A,某时刻搅拌器参数为400A,与数据库对比后根据PID法调整为450A。
在线控制系统还包括数据分析与存储模块,设有数据的回放、查找、提取、对比、逻辑运算和智能分析功能,根据实际需要可以配备一种或多种上述分析功能,记录并存储每个运算周期内的数据,根据人工智能算法将筛选的新数据定期更新到目标数据库中。随着生产时间增加,设备和工艺条件会变化,数据库可根据系统运行结果不断更新,需要对已记录数据筛选、验证和植入目标数据库。
数据回放:对过往数据以图形或表格形式呈现出来,方便工程师对某一过往数据进行观察和调用;
数据查找:对过往数据进行搜索和定位,帮助工程师快速、准确地处理过往数据;
数据提取:对过往数据进行格式转换输出,方便工程师采用其他数据处理软件分析数据;
数据对比:对过往数据的不同批次结果进行对比,帮助工程师找出参数变化规律;
数据逻辑运算:对过往数据进行简单逻辑运算,如+、-、×、/、与、或、非等。
数据智能分析:对过往数据进行智能算法分析,如根据工程师要求列出某一质量要求下、某一工况参数限定下的其他参数可调范围。
基于计算机语言将上述内容程序化,可采用单线程或多线程模式,将程序安装到智能系统L2的计算机上(即中心计算机08),根据计算机运算和网络通讯性能将在线控制系统的求解周期调整至5s以内。
基于以太网建立基础自动化层L1与智能系统L2之间的通讯,实现L2对L1或/和L0的数据写入功能;在L1与L2之间设置自动和手动切换,以备硬件或通讯异常时切入L1控制,系统主要结构框架如图2所示。按正常参数浇铸,启动程序,切入L2过程控制系统,电磁搅拌即转为智能化控制。
如图2所示,沿着连铸坯09的拉坯方向,设有若干组电磁搅拌器,每组电磁搅拌器分别与对应的自动化控制装置连接,自动化控制装置均与自动化控制计算机07连接,自动化控制计算机07与中心计算机08连接。其中,自动化控制计算机07实现的功能是数据读取模块和传递的功能,中心计算机08实现的功能是数据求解、运算、输出、分析和存储模块的功能。两台计算机分别对不同级别自动化数据处理和运算,有助于整个控制系统稳定和高效。
实施例1:
针对某厂410×530mm2大方坯连铸生产20CrMo、42CrMo、GCr15等系列钢种开发其凝固特性参数数据库,建立热物性参数与温度的函数关系;基于有限体积法求解热量、动量和质量传输方程并揭示不同钢种和不同工艺参数下的铸坯凝固特征信息,结合现场纯净度、均质度和致密度等评级结果建立模型的目标数据库;通过实时工况参数与目标值对比并采用PID法实现对结晶器电磁搅拌、二冷电磁搅拌和凝固末端电磁搅拌的动态控制;采用C++语言将上述内容程序化,并开发工艺数据读取、计算、分析、输出和存储模块。现场上线后,程序读取、运算到输出的总周期为3s,三个电磁搅拌器参数均随钢种、拉速、过热度和冷却强度的变化而实时变化,上述3个钢种在多个工况下的铸坯质量提高30%以上,实现了电磁搅拌的智能化控制。
本发明能够提高多钢种、变拉速工况下电磁搅拌的冶金效果,对方坯、矩形坯、板坯、圆坯和异形坯连铸的电磁搅拌均具有较强的适用性,设计、运行和维护成本低,可大规模工业推广。
以上对本申请实施例所提供的一种智能型连铸电磁搅拌在线控制系统及方法,进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语,故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述申请构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求书的保护范围内。

Claims (10)

1.一种智能型连铸电磁搅拌在线控制系统,其特征在于,所述系统包括:
数据读取模块,用于读取工况数据和钢种凝固特性参数;
数据求解模块,用于建模和求解;所述建模具体为根据读取的数据和/或历史数据离线求解凝固控制方程组;所述求解具体为根据读取的实时数据和凝固控制方程组在线求解该时刻对应钢种和工况数据下的热状态信息、流动状态信息和/或溶质状态信息;
数据运算与输出模块,将数据求解模块求解的热状态信息、流动状态信息和/或溶质状态信息与目标数据库中对应铸坯质量要求下的热状态信息、流动状态信息和溶质状态信息作对比,根据差异情况对电磁搅拌参数进行调整;
以及数据分析与存储模块,能够记录和存储运算数据,并将筛选的新数据定期更新到目标数据库中。
2.根据权利要求1所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述目标数据库为包括不同钢种、不同工况条件下电磁搅拌参数与铸坯质量之间对应关系的数据库。
3.根据权利要求1所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述凝固控制方程组包括热量传输方程、动量传输方程、质量传输方程、连续性方程、电磁场方程和凝固分率方程中的一种或多种。
4.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述热量传输方程具体为:其中,t为时间、T为温度、α为热扩散系数。
5.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述动量传输方程具体为:其中,t为时间、为速度矢量、p为压力、ν为粘度系数、F为体积力、ρ为密度。
6.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述质量传输方程具体为:其中,t为时间、Ci为溶质i的浓度、Di为溶质i的扩散系数。
7.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述连续性方程具体为:其中,t为时间、ρ为密度、为速度矢量。
8.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述电磁场方程具体为: 其中,t为时间、为磁场强度矢量、为电场强度矢量、为电流密度矢量、FE为电磁力、μ为磁导率、σ为电导率、为速度矢量。
9.根据权利要求3所述的智能型连铸电磁搅拌在线控制系统,其特征在于,所述凝固分率方程具体为:其中,fS为凝固分率,TL和TS为液相线和固相线温度、T为温度。
10.一种连铸电磁搅拌在线控制方法,其特征在于,所述方法使用如权利要求1-9任一所述的连铸电磁搅拌在线控制系统,所述方法的步骤包括:
S1、读取工况数据和钢种凝固特性参数;根据读取的数据离线建模,求解凝固控制方程组;
S2、建立目标数据库,所述目标数据库包括不同钢种、不同工况条件下电磁搅拌参数与铸坯质量之间的对应关系;
S3、读取实时钢种数据和工况数据输入到凝固控制方程组,求解出热状态信息、流动状态信息和溶质状态信息;
S4、将S3中求解出的数据与目标数据库中对应铸坯质量要求下的目标数据作对比,判断是否存在差异;
S5、若不存在差异,控制结束;若存在差异,则对电磁搅拌参数进行调整;
S1~S3顺序不固定。
CN201910999861.8A 2019-10-21 2019-10-21 一种智能型连铸电磁搅拌在线控制系统及方法 Active CN110625079B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910999861.8A CN110625079B (zh) 2019-10-21 2019-10-21 一种智能型连铸电磁搅拌在线控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910999861.8A CN110625079B (zh) 2019-10-21 2019-10-21 一种智能型连铸电磁搅拌在线控制系统及方法

Publications (2)

Publication Number Publication Date
CN110625079A true CN110625079A (zh) 2019-12-31
CN110625079B CN110625079B (zh) 2020-12-15

Family

ID=68977181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910999861.8A Active CN110625079B (zh) 2019-10-21 2019-10-21 一种智能型连铸电磁搅拌在线控制系统及方法

Country Status (1)

Country Link
CN (1) CN110625079B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113926865A (zh) * 2020-06-29 2022-01-14 宝山钢铁股份有限公司 铸坯夹渣预报方法、机清控制方法、计算设备及存储介质
CN114505456A (zh) * 2022-02-25 2022-05-17 麦特勒智能科技(张家港)有限公司 连铸机动态电磁搅拌系统
CN115121771A (zh) * 2022-07-27 2022-09-30 西北工业大学 一种金属型材智能化超声连铸方法及测控装置
CN115709279A (zh) * 2022-10-28 2023-02-24 东北大学 一种基于大数据与人工智能的电磁旋流水口系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58100955A (ja) * 1981-12-11 1983-06-15 Kawasaki Steel Corp 連続鋳造鋳型内溶鋼の撹拌方法およびその装置
JP2004025211A (ja) * 2002-06-24 2004-01-29 Jfe Steel Kk 連続鋳造用電磁攪拌装置の制御方法および装置
CN101187812A (zh) * 2007-12-14 2008-05-28 鞍钢股份有限公司 连铸坯二次冷却动态控制系统
CN102228974A (zh) * 2011-06-30 2011-11-02 中冶南方工程技术有限公司 连铸结晶器内钢液凝固传热过程仿真方法
CN102554172A (zh) * 2010-12-15 2012-07-11 鞍钢股份有限公司 一种板坯连铸电磁搅拌器动态控制方法
CN104759597A (zh) * 2015-04-08 2015-07-08 东北大学 一种用于连铸凝固末端的电磁搅拌器及其动态控制方法
CN107229803A (zh) * 2017-06-16 2017-10-03 东北大学 一种预测连铸生产的铸坯微观组织的方法
CN108284208A (zh) * 2017-01-09 2018-07-17 宝山钢铁股份有限公司 一种自适应拉速变化的电磁搅拌系统和搅拌方法
CN109165469A (zh) * 2018-09-26 2019-01-08 东北大学 方坯连铸结晶器电磁搅拌参数模拟设定及优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58100955A (ja) * 1981-12-11 1983-06-15 Kawasaki Steel Corp 連続鋳造鋳型内溶鋼の撹拌方法およびその装置
JP2004025211A (ja) * 2002-06-24 2004-01-29 Jfe Steel Kk 連続鋳造用電磁攪拌装置の制御方法および装置
CN101187812A (zh) * 2007-12-14 2008-05-28 鞍钢股份有限公司 连铸坯二次冷却动态控制系统
CN102554172A (zh) * 2010-12-15 2012-07-11 鞍钢股份有限公司 一种板坯连铸电磁搅拌器动态控制方法
CN102228974A (zh) * 2011-06-30 2011-11-02 中冶南方工程技术有限公司 连铸结晶器内钢液凝固传热过程仿真方法
CN104759597A (zh) * 2015-04-08 2015-07-08 东北大学 一种用于连铸凝固末端的电磁搅拌器及其动态控制方法
CN108284208A (zh) * 2017-01-09 2018-07-17 宝山钢铁股份有限公司 一种自适应拉速变化的电磁搅拌系统和搅拌方法
CN107229803A (zh) * 2017-06-16 2017-10-03 东北大学 一种预测连铸生产的铸坯微观组织的方法
CN109165469A (zh) * 2018-09-26 2019-01-08 东北大学 方坯连铸结晶器电磁搅拌参数模拟设定及优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴铿: "《冶金传输原理》", 31 December 2011 *
张彦华: "《热制造学引论》", 31 July 2012 *
李梅娥: "《传输过程数值计算》", 31 October 2008 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113926865A (zh) * 2020-06-29 2022-01-14 宝山钢铁股份有限公司 铸坯夹渣预报方法、机清控制方法、计算设备及存储介质
CN113926865B (zh) * 2020-06-29 2024-03-08 宝山钢铁股份有限公司 铸坯夹渣预报方法、机清控制方法、计算设备及存储介质
CN114505456A (zh) * 2022-02-25 2022-05-17 麦特勒智能科技(张家港)有限公司 连铸机动态电磁搅拌系统
CN115121771A (zh) * 2022-07-27 2022-09-30 西北工业大学 一种金属型材智能化超声连铸方法及测控装置
CN115121771B (zh) * 2022-07-27 2023-06-09 西北工业大学 一种金属型材智能化超声连铸方法及测控装置
CN115709279A (zh) * 2022-10-28 2023-02-24 东北大学 一种基于大数据与人工智能的电磁旋流水口系统

Also Published As

Publication number Publication date
CN110625079B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN110625079B (zh) 一种智能型连铸电磁搅拌在线控制系统及方法
Cemernek et al. Machine learning in continuous casting of steel: A state-of-the-art survey
CN106649986B (zh) 一种基于procast仿真平台对铜管水平连铸参数最优化匹配方法
CN114329940A (zh) 一种基于极限学习机的连铸坯质量预测方法
CN113343576B (zh) 基于深度神经网络的钙处理过程中钙的收得率的预测方法
CN105807632A (zh) 一种基于改进大林算法的加热炉温度控制器设计方法
CN116307289B (zh) 一种纺织品加工工序参数检测预测方法、系统及存储介质
CN108614434A (zh) 基于预测pi与串级控制相结合的双容系统控制方法
Saha Roy et al. Knowledge discovery and predictive accuracy comparison of different classification algorithms for mould level fluctuation phenomenon in thin slab caster
Zhao et al. Intelligent prediction method of quality for continuous casting process
CN107703743B (zh) 烧结矿碱度自动控制方法
Wang et al. A fast monitoring method for multiple operating batch processes with incomplete modeling data types
Lin et al. PID control strategy for UAV flight control system based on improved genetic algorithm optimization
CN113065222B (zh) 炉缸状态评估的方法及装置
CN110059940A (zh) 一种炼钢-连铸界面衔接节能方法及系统
CN114875196A (zh) 一种转炉出钢量的确定方法和系统
CN115454166A (zh) 一种铬合金熔炼温度控制方法、系统及熔炼装置
You et al. Compound control method of carbon content in argon–oxygen refining ferrochromium alloy
CN116341291B (zh) 一种连铸坯碳元素分布和偏析程度仿真预测方法及系统
CN116384160B (zh) 一种连铸工艺仿真预测方法、系统及其应用
Wang et al. Predicting tapping temperature in electric arc furnace based on an ensemble pruning framework
CN111950132A (zh) 一种基于凝固过程数值模拟的连铸坯质量预测系统
Zhou et al. Terminal Temperature Prediction of Molten Steel in VD Furnace based on XGBoost and LightGBM Algorithms
Jianling et al. Design of glass furnace control system based on model-free adaptive controller
Kazarinov et al. Distributed predictive process control in metallurgy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant