CN110930065A - 铸坯质量判定方法及系统 - Google Patents

铸坯质量判定方法及系统 Download PDF

Info

Publication number
CN110930065A
CN110930065A CN201911251362.7A CN201911251362A CN110930065A CN 110930065 A CN110930065 A CN 110930065A CN 201911251362 A CN201911251362 A CN 201911251362A CN 110930065 A CN110930065 A CN 110930065A
Authority
CN
China
Prior art keywords
quality
casting
casting blank
quality factor
risk coefficient
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.)
Withdrawn
Application number
CN201911251362.7A
Other languages
English (en)
Inventor
朱伦才
毛鸣
徐小伟
张虎
刘启龙
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.)
Maanshan Iron and Steel Co Ltd
Original Assignee
Maanshan Iron and Steel Co Ltd
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 Maanshan Iron and Steel Co Ltd filed Critical Maanshan Iron and Steel Co Ltd
Priority to CN201911251362.7A priority Critical patent/CN110930065A/zh
Publication of CN110930065A publication Critical patent/CN110930065A/zh
Priority to CN202011224683.0A priority patent/CN112232703A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种铸坯质量判定方法，包括步骤：采集工艺质量因子参数：包括采集原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；基于采集的工艺质量因子参数，建立质量因子模型；基于所述质量因子模型，计算铸坯质量总风险系数；基于所述铸坯质量总风险系数，确定铸坯质量判定结果。本发明的铸坯质量判定方法，考虑了前工序对铸坯质量的影响，可以大幅提高了铸坯内部质量判定的准确性，并可自动生成铸坯等级，不同等级的铸坯采用不同方式进行处理，减少了因前工序问题造成的质量改判和降级量。本发明还公开了一种铸坯质量判定系统。

Description

铸坯质量判定方法及系统
技术领域
本发明属于炼钢技术领域，具体地说，本发明涉及一种铸坯质量判定方法及铸坯质量判定系统。
背景技术
随着高级别钢种的开发，特别是汽车面板的开发，用户对铸坯的质量要求越来越高，不仅要求铸坯的化学成分和表面质量满足要求，同时对铸坯的内部质量要求也越来越高。目前单纯对铸坯的成分和表面质量预报相对比较容易实现，但对于铸坯的内部质量，如夹杂或孔洞，不容易被发现，需要到后工序生产过后，甚至要到用户使用时才能被发现，常常会造成较大损失。而且铸坯内部质量影响因素繁多，再加上信息跟踪反馈周期长、数据量大，不利于铸坯内部质量改进。
公开号为CN102319883A的专利文献公开了一种连铸坯质量在线预报的控制方法，其采用二级控制软件，将基于专家系统、数理统计和神经网络的综合质量预测规则程序化，通过二级控制软件和一级基础自动化控制系统数据通讯，实现连铸生产过程的铸坯质量的自动预测。
公开号为CN102896289A的专利文献公开了一种实现铸坯实时跟踪的系统和方法，该系统包括铸坯切割模块、质量信号处理模块、结晶器液面波动计算模块、过渡坯计算模块、过热度计算模块和铸坯与异常事件匹配模块；通过铸坯实时跟踪，实现了对铸坯的自动判定。
公开号为CN107321947A的专利文献公开了一种自动跟踪单支连铸坯质量的方法，其通过采集铸坯自动喷号机的喷号时刻，以铸机恒拉速为基础，结合定尺信息以及出坯辊道运转速度，实现对本支铸坯在结晶器内的液面波动、拉速及对应的中包温度的自动跟踪，实现对单支铸坯生产过程的可追溯性。
由此可见，现有技术对铸坯质量的判定主要基于连铸工艺参数来进行预报判定，而未考虑到前工序对铸坯质量的影响和后工序质量反馈对判定规则，因此，现有铸坯质量判定方法不能保证铸坯质量判定的准确性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种铸坯质量判定方法，目的是提高铸坯内部质量判定的准确性。
为了实现上述目的，本发明采取的技术方案为：铸坯质量判定方法，包括步骤：
采集工艺质量因子参数：包括采集转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；
基于采集的工艺质量因子参数，建立质量因子模型；
基于所述质量因子模型，计算铸坯质量总风险系数；
基于所述铸坯质量总风险系数，确定铸坯质量判定结果。
基于所述铸坯质量总风险系数和预先存储的规则库，对铸坯质量进行判定分级，其中所述规则库中包含定义了铸坯质量判定分级的规则。
所述质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一。
将所述铸坯质量总风险系数设为R总，R1和R2根据钢种设定的常数，R1<R2，若R总<R1，则所述质量判定结果是一级铸坯。
将所述铸坯质量总风险系数设为R总，若R1≤R总<R2，则所述质量判定结果是二级铸坯。
将所述铸坯质量总风险系数设为R总，若R总≥R2，则所述质量判定结果是三级铸坯。
所述铸坯质量总风险系数R总＝∑Ri＝∑Xi*fi，Ri为i项工艺质量因子参数对铸坯质量影响的质量风险系数，Xi为i项工艺质量因子参数的参数值，fi为i项工艺质量因子参数对应的质量风险权重系数。
所述采集工艺质量因子参数还包括采集原料准备工序过程工艺质量因子参数，原料准备工序过程工艺质量因子参数包括铁水中Cu、Ni、Cr、Mo和As元素含量、转炉装入回炉钢水量以及优质废钢占废钢用量比例中的一项或多项。
所述转炉工序过程工艺质量因子参数包括转炉补吹次数、转炉终点活度氧含量、转炉下渣监控指数和转炉终渣Tfe含量中的一项或多项。
所述精炼工序过程工艺质量因子参数包括RH精炼总铝加入量、RH出站钢水全氧含量、RH吹氧量、RH洗槽钢水脱碳结束活度氧和LF炉脱硫率中的一项或多项。
所述连铸工序过程工艺质量因子参数包括钢包烧氧引流状态信号、铸坯裸浇状态信号、换包期间钢包提前来渣状态信号、中间包过热度、RH精炼出站Als含量与连铸中间包Als含量差值、中间包钢水全氧含量、结晶器钢水全氧含量、中包钢水吨位、塞棒开口度下降值、塞棒开口度上升值、结晶器液面手动控制状态信号、结晶器液面波动值、连铸粘接预报状态信号、拉速变动量、连铸头坯状态标识信号、连铸尾坯状态标识信号中的一项或多项。
本发明还提供了一种铸坯质量判定系统，包括：
参数获取单元，其用于采集工艺质量因子参数，包括采集原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；
模型建立单元，其用于基于采集的工艺质量因子参数，建立质量因子模型；
计算单元，其用于基于质量因子模型，计算铸坯质量总风险系数；以及
质量确定单元，其用于基于铸坯质量总风险系数，确定铸坯质量判定结果。
所述质量确定单元基于所述铸坯质量总风险系数和预先存储的规则库，对铸坯质量进行判定分级，其中所述规则库中包含定义了铸坯质量分级的规则。
所述质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一。
将所述铸坯质量总风险系数设为R总，R1和R2根据钢种设定的常数，R1<R2，若R总<R1，则所述质量判定结果是一级铸坯；若R1≤R总<R2，则所述质量判定结果是二级铸坯；若R总≥R2，则所述质量判定结果是三级铸坯。
所述铸坯质量总风险系数R总＝∑Ri＝∑Xi*fi，Ri为i项工艺质量因子参数对铸坯质量影响的质量风险系数，Xi为i项工艺质量因子参数的参数值，fi为i项工艺质量因子参数对应的质量风险权重系数。
本发明的铸坯质量判定方法，考虑了前工序对铸坯质量的影响，可以大幅提高了铸坯内部质量判定的准确性，并可自动生成铸坯等级，不同等级的铸坯采用不同方式进行处理，减少了因前工序质量问题到后工序造成的质量改判和降级量损失，同时提升订单兑现。
附图说明
本说明书包括以下附图，所示内容分别是：
图1是本发明铸坯质量判定方法的流程图；
图2是质量风险权重系数优化流程图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，目的是帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解，并有助于其实施。
如图1所示，本发明提供了一种铸坯质量判定方法，包括如下的步骤：
S1、采集工艺质量因子参数：包括采集原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；
S2、基于采集的工艺质量因子参数，建立质量因子模型；
S3、基于质量因子模型，计算铸坯质量总风险系数；
S4、基于铸坯质量总风险系数，确定铸坯质量判定结果。
具体地说，本发明的铸坯质量判定方法是根据原料准备工序、转炉工序、精炼工序和连铸工序生产情况，提取关键质量因子参数，预报铸坯综合质量，将质量风险较大的铸坯改为他用，防止质量不合格铸坯流入下工序，而造成更多的损失。
如表1所示，在上述步骤S1中，需采集的工艺质量因子参数包括原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数，采集的工艺质量因子参数均是会影响铸坯质量的参数。
如表1所示，在上述步骤S1中，需采集的原料准备工序过程工艺质量因子参数，原料准备工序过程工艺质量因子参数包括铁水中Cu元素含量、铁水中Ni元素含量、铁水中Cr元素含量、铁水中Mo元素含量、铁水中As元素含量、转炉装入回炉钢水量以及优质废钢占废钢用量比例中的一项或多项。
如表1所示，在上述步骤S1中，需采集的转炉工序过程工艺质量因子参数包括转炉补吹次数、转炉终点活度氧含量、转炉下渣监控指数和转炉终渣Tfe含量中的一项或多项。
如表1所示，在上述步骤S1中，需采集的精炼工序过程工艺质量因子参数包括RH精炼总铝加入量、RH出站钢水全氧含量、RH吹氧量、RH洗槽钢水脱碳结束活度氧和LF炉脱硫率中的一项或多项。
如表1所示，在上述步骤S1中，需采集的连铸工序过程工艺质量因子参数包括钢包烧氧引流状态信号、铸坯裸浇状态信号、换包期间钢包提前来渣状态信号、中间包过热度、RH精炼出站Als含量与连铸中间包Als含量差值、中间包钢水全氧含量、结晶器钢水全氧含量、中包钢水吨位、塞棒开口度下降值、塞棒开口度上升值、结晶器液面手动控制状态信号、结晶器液面波动值、连铸粘接预报状态信号、拉速变动量、连铸头坯状态标识信号、连铸尾坯状态标识信号中的一项或多项。
在上述步骤S3中，将铸坯质量总风险系数设为R总，铸坯质量总风险系数R总＝∑Ri＝∑Xi*fi，Ri为i项工艺质量因子参数对铸坯质量影响的质量风险系数，Xi为i项工艺质量因子参数的参数值，fi为i项工艺质量因子参数对应的质量风险权重系数。
在上述步骤S2中，根据采集的所有工艺质量因子参数和后工序质量反馈，建立质量因子模型，不断优化各项工艺质量因子参数具有与其相对应的质量风险权重系数，质量风险权重系数存储在数据库中。在本实施例中，如表1所示，共采集了33项工艺质量因子参数的参数值，在计算铸坯质量总风险系数时，需先根据每项工艺质量因子参数的参数值和对应的质量风险权重系数计算每项工艺质量因子参数对铸坯质量影响的质量风险系数Ri，然后对所有的风险系数进行求和，计算获得铸坯质量总风险系数R总＝∑Ri，其中i＝A1，A2，A3，A4，A5，A6，A7，B1，B2，B3，B4，C1，C2，C3，C4，C5，D1，D2，D3，D4，D5，D6，D7，D8，D9，D10，D11，D12，D13，D14，D15，D16，即为求RA1+RA2+RA3+RA4+RA5+RA6+RA7+RB1+RB2+RB3+RB4+RC1+RC2+RC3+RC4+RC5+RD1+RD2+RD3+RD4+RD5+RD6+RD7+RD8+RD9+RD10+RD11+RD12+RD13+RD14+RD15+RD16的和。
如表1所示，铁水中Cu元素含量对铸坯质量影响的质量风险系数RA1＝XA1*fA1，XA1的范围控制在0-0.015％。铁水中Ni元素含量对铸坯质量影响的质量风险系数RA2＝XA2*fA2，XA2的范围控制在0-0.015％。铁水中Cr元素含量对铸坯质量影响的质量风险系数RA3＝XA3*fA3，XA3的范围控制在0-0.015％。铁水中Mo元素含量对铸坯质量影响的质量风险系数RA4＝XA4*fA4，XA4的范围控制在0-0.015％。铁水中As元素含量对铸坯质量影响的质量风险系数RA5＝XA5*fA5，XA5的范围控制在0-0.015％。转炉装入回炉钢水量的含量对铸坯质量影响的质量风险系数RA6＝XA6*fA6，XA6的范围控制在0-200吨。优质废钢占废钢用量比例对铸坯质量影响的质量风险系数RA7＝XA7*fA7，XA7的范围控制在45-100％。
如表1所示，转炉补吹次数对铸坯质量影响的质量风险系数RB1＝XB1*fB1，XB1的范围控制在0-1次。转炉终点活度氧含量对铸坯质量影响的质量风险系数RB2＝XB2*fB2，XB2的范围控制在400-900ppm。转炉下渣监控指数对铸坯质量影响的质量风险系数RB3＝XB3*fB3，XB3的范围控制在0-1。转炉终渣Tfe含量对铸坯质量影响的质量风险系数RB4＝XB4*fB4，XB4的范围控制在0-1％。
如表1所示，RH精炼总铝加入量对铸坯质量影响的质量风险系数RC1＝XC1*fC1，XC1的范围控制在250-400kg。RH出站钢水全氧含量对铸坯质量影响的质量风险系数RC2＝XC2*fC2，XC2的范围控制在0-35ppm。RH吹氧量对铸坯质量影响的质量风险系数RC3＝XC3*fC3，XC3的范围控制在0-50m3。RH洗槽钢水脱碳结束活度氧含量对铸坯质量影响的质量风险系数RC4＝XC4*fC4，XC4的范围控制在0-300ppm。LF炉脱硫率对铸坯质量影响的质量风险系数RC5＝XC5*fC5，XC5的范围控制在40-100％。
如表1所示，钢包烧氧引流状态信号对铸坯质量影响的质量风险系数RD1＝XD1*fD1，XD1的范围控制在0-1。铸坯裸浇状态信号对铸坯质量影响的质量风险系数RD2＝XD2*fD2，XD2的范围控制在0-1。换包期间钢包提前来渣状态信号对铸坯质量影响的质量风险系数RD3＝XD3*fD3，XD3的范围控制在0-1。中间包过热度对铸坯质量影响的质量风险系数RD4＝XD4*fD4，XD4的范围控制在0-40℃。RH精炼出站Als含量与连铸中间包Als含量差值对铸坯质量影响的质量风险系数RD5＝XD5*fD5，XD5的范围控制在0-0.010％。中间包钢水全氧含量对铸坯质量影响的质量风险系数RD6＝XD6*fD6，XD6的范围控制在0-40ppm。结晶器钢水全氧含量对铸坯质量影响的质量风险系数RD7＝XD7*fD7，XD7的范围控制在0-35ppm。中包钢水吨位对铸坯质量影响的质量风险系数RD8＝XD8*fD8，XD8的范围控制在30-80吨。塞棒开口度下降值对铸坯质量影响的质量风险系数RD9＝XD9*fD9，XD9的范围控制在0-20mm。塞棒开口度上升值对铸坯质量影响的质量风险系数RD10＝XD10*fD10，XD10的范围控制在0-20mm。结晶器液面手动控制状态信号对铸坯质量影响的质量风险系数RD11＝XD11*fD11，XD11的范围控制在0-1。结晶器液面波动值对铸坯质量影响的质量风险系数RD12＝XD12*fD12，XD12的范围控制在0-10mm。连铸粘接预报状态信号对铸坯质量影响的质量风险系数RD13＝XD13*fD13，XD13的范围控制在0-1。拉速变动量对铸坯质量影响的质量风险系数RD14＝XD14*fD14，XD14的范围控制在0-0.5m/分钟。连铸头坯状态标识信号对铸坯质量影响的质量风险系数RD15＝XD15*fD15，XD15的范围控制在0-1。连铸尾坯状态标识信号对铸坯质量影响的质量风险系数RD16＝XD16*fD16，XD16的范围控制在0-1。
如图2所示，在上述步骤S2中，还可以通过根据后工序质量情况，优化质量因子算法。如按照风险系数大，出现夹杂高的原则，收集大量热轧工序和冷轧工序反馈的夹杂铸坯号和炉号，通过大数据的统计分析，长期不断优化各参数的质量风险权重系数优化，让各质量风险权重系数更加准确。同样，收集大量用户使用效果数据，反查铸坯号和炉号，通过大数据的统计分析，长期不断优化各参数的质量风险权重系数优化，让各质量风险权重系数更加准确。
在上述步骤S4中，基于铸坯质量总风险系数和预先存储的规则库，对铸坯质量进行判定分级，其中规则库中包含定义了铸坯质量分级的规则。在预先存储的规则库中，对不同质量等级的铸坯定义了与其相对应的质量判定结果。
质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一，将铸坯质量总风险系数设为R总，IF钢R1＝10，R2＝30，若R总<10，则质量判定结果是一级铸坯，一级铸坯用于生产汽车面板、高级家电面板等。若10≤R总<30，则质量判定结果是二级铸坯，二级铸坯用于生产汽车面板、家电面板等。若R总≥30，则质量判定结果是三级铸坯，三级铸坯用于生产普通用途板。
模型已经确定了炼钢全工序过程控制参数要求，具体见下表。
表1全工序高洁净度钢生产控制要求
Figure BDA0002309130420000091
Figure BDA0002309130420000101
Figure BDA0002309130420000111
本发明还提供了一种铸坯质量判定系统，用于实现上述铸坯质量判定方法，该铸坯质量判定系统包括参数获取单元、模型建立单元、计算单元和质量确定单元。参数获取单元用于采集工艺质量因子参数，包括采集原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；模型建立单元是用于基于采集的工艺参数，建立质量因子模型；计算单元是用于基于质量因子模型，计算铸坯质量总风险系数；质量确定单元是用于基于铸坯质量总风险系数，确定铸坯质量判定结果。
上述参数获取单元、模型建立单元、计算单元和质量确定单元可集成在工控机中。铸坯质量判定系统还包括存储单元和控制单元，参数获取单元、模型建立单元、计算单元、质量确定单元和存储单元与控制单元连接。
在上述步骤S1中，参数获取单元采集原料准备工序过程工艺质量因子参数、转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数。具体的，参数获取单元采集原料准备工序的铁水中Cu元素含量、铁水中Ni元素含量、铁水中Cr元素含量、铁水中Mo元素含量、铁水中As元素含量、转炉装入回炉钢水量以及优质废钢占废钢用量比例中的一项或多项，参数获取单元采集转炉工序过程的转炉补吹次数、转炉终点活度氧含量、转炉下渣监控指数和转炉终渣Tfe含量中的一项或多项，参数获取单元采集精炼工序过程的RH精炼总铝加入量、RH出站钢水全氧含量、RH吹氧量、RH洗槽钢水脱碳结束活度氧和LF炉脱硫率中的一项或多项，参数获取单元采集连铸工序过程的钢包烧氧引流状态信号、铸坯裸浇状态信号、换包期间钢包提前来渣状态信号、中间包过热度、RH精炼出站Als含量与连铸中间包Als含量差值、中间包钢水全氧含量、结晶器钢水全氧含量、中包钢水吨位、塞棒开口度下降值、塞棒开口度上升值、结晶器液面手动控制状态信号、结晶器液面波动值、连铸粘接预报状态信号、拉速变动量、连铸头坯状态标识信号、连铸尾坯状态标识信号中的一项或多项。
在上述步骤S3中，基于参数获取单元采集的33项工艺质量因子参数的参数值和由模型建立单元建立的质量因子模型，由计算单元计算铸坯质量总风险系数，计算时，先根据每项工艺质量因子参数的参数值和对应的质量风险权重系数计算每项工艺质量因子参数对铸坯质量影响的质量风险系数Ri，然后对所有的风险系数进行求和，计算获得铸坯质量总风险系数R总＝∑Ri，其中i＝A1，A2，A3，A4，A5，A6，A7，B1，B2，B3，B4，C1，C2，C3，C4，C5，D1，D2，D3，D4，D5，D6，D7，D8，D9，D10，D11，D12，D13，D14，D15，D16，即为求RA1+RA2+RA3+RA4+RA5+RA6+RA7+RB1+RB2+RB3+RB4+RC1+RC2+RC3+RC4+RC5+RD1+RD2+RD3+RD4+RD5+RD6+RD7+RD8+RD9+RD10+RD11+RD12+RD13+RD14+RD15+RD16的和。
在上述步骤S4中，基于铸坯质量总风险系数和预先存储的规则库，由质量确定单元对铸坯质量进行判定分级，质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一。
本发明实现了铸坯内部质量的自动判定和评级，并通过信息化系统带到下工序，极大地提高铸坯判定速度，减少因前工序问题造成的质量改判和降级量，合同兑现率由使用前的20％提高到95％以上；铸坯质量综合判定后，现场操作和管理人员能及时了解铸坯判定情况，当铸坯质量异常时，能及时对生产控制情况作出反应，防止降级铸坯大量出现。
以上结合附图对本发明进行了示例性描述。显然，本发明具体实现并不受上述方式的限制。只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (16)

1.铸坯质量判定方法，其特征在于，包括步骤：
采集工艺质量因子参数：包括采集转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；
基于采集的工艺质量因子参数，建立质量因子模型；
基于所述质量因子模型，计算铸坯质量总风险系数；
基于所述铸坯质量总风险系数，确定铸坯质量判定结果。
2.根据权利要求1所述的铸坯质量判定方法，其特征在于，基于所述铸坯质量总风险系数和预先存储的规则库，对铸坯质量进行判定和分级，其中所述规则库中包含定义了铸坯质量分级的规则。
3.根据权利要求2所述的铸坯质量判定方法，其特征在于，所述质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一。
4.根据权利要求3所述的铸坯质量判定方法，其特征在于，将所述铸坯质量总风险系数设为R总，R1和R2为根据钢种设定的常数，R1<R2，若R总<R1，则所述质量判定结果是一级铸坯。
5.根据权利要求3所述的铸坯质量判定方法，其特征在于，将所述铸坯质量总风险系数设为R总，若R1≤R总<R2，则所述质量判定结果是二级铸坯。
6.根据权利要求3所述的铸坯质量判定方法，其特征在于，将所述铸坯质量总风险系数设为R总，若R总≥R2，则所述质量判定结果是三级铸坯。
7.根据权利要求4至6任一所述的铸坯质量判定方法，其特征在于，所述铸坯质量总风险系数R总＝∑Ri＝∑Xi*fi，Ri为i项工艺质量因子参数对铸坯质量影响的质量风险系数，Xi为i项工艺质量因子参数的参数值，fi为i项工艺质量因子参数对应的质量风险权重系数。
8.根据权利要求1至7任一所述的铸坯质量判定方法，其特征在于，所述采集工艺质量因子参数还包括采集原料准备工序过程工艺质量因子参数，原料准备工序过程工艺质量因子参数包括铁水中Cu、Ni、Cr、Mo和As元素含量、转炉装入回炉钢水量以及优质废钢占废钢用量比例中的一项或多项。
9.根据权利要求1至8任一所述的铸坯质量判定方法，其特征在于，所述转炉工序过程工艺质量因子参数包括转炉补吹次数、转炉终点活度氧含量、转炉下渣监控指数和转炉终渣Tfe含量中的一项或多项。
10.根据权利要求1至9任一所述的铸坯质量判定方法，其特征在于，所述精炼工序过程工艺质量因子参数包括RH精炼总铝加入量、RH出站钢水全氧含量、RH吹氧量、RH洗槽钢水脱碳结束活度氧和LF炉脱硫率中的一项或多项。
11.根据权利要求1至10任一所述的铸坯质量判定方法，其特征在于，所述连铸工序过程工艺质量因子参数包括钢包烧氧引流状态信号、铸坯裸浇状态信号、换包期间钢包提前来渣状态信号、中间包过热度、RH精炼出站Als含量与连铸中间包Als含量差值、中间包钢水全氧含量、结晶器钢水全氧含量、中包钢水吨位、塞棒开口度下降值、塞棒开口度上升值、结晶器液面手动控制状态信号、结晶器液面波动值、连铸粘接预报状态信号、拉速变动量、连铸头坯状态标识信号、连铸尾坯状态标识信号中的一项或多项。
12.铸坯质量判定系统，其特征在于，包括：
参数获取单元，其用于采集工艺质量因子参数，包括采集转炉工序过程工艺质量因子参数、精炼工序过程工艺质量因子参数和连铸工序过程工艺质量因子参数；
模型建立单元，其用于基于采集的工艺质量因子参数，建立质量因子模型；
计算单元，其用于基于质量因子模型，计算铸坯质量总风险系数；以及
质量确定单元，其用于基于铸坯质量总风险系数，确定铸坯质量判定结果。
13.根据权利要求12所述的铸坯质量判定系统，其特征在于，所述质量确定单元基于所述铸坯质量总风险系数和预先存储的规则库，对铸坯质量进行判定和分级，其中所述规则库中包含定义了铸坯质量分级的规则。
14.根据权利要求13所述的铸坯质量判定系统，其特征在于，所述质量判定结果是一级铸坯、二级铸坯和三级铸坯中之一。
15.根据权利要求14所述的铸坯质量判定系统，其特征在于，将所述铸坯质量总风险系数设为R总，R1和R2为根据钢种设定的常数，R1<R2，若R总<R1，则所述质量判定结果是一级铸坯；若R1≤R总<R2，则所述质量判定结果是二级铸坯；若R总≥R2，则所述质量判定结果是三级铸坯。
16.根据权利要求12至15任一所述的铸坯质量判定系统，其特征在于，所述铸坯质量总风险系数R总＝∑Ri＝∑Xi*fi，Ri为i项工艺质量因子参数对铸坯质量影响的质量风险系数，Xi为i项工艺质量因子参数的参数值，fi为i项工艺质量因子参数对应的质量风险权重系数。
CN201911251362.7A 2019-12-09 2019-12-09 铸坯质量判定方法及系统 Withdrawn CN110930065A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911251362.7A CN110930065A (zh) 2019-12-09 2019-12-09 铸坯质量判定方法及系统
CN202011224683.0A CN112232703A (zh) 2019-12-09 2020-11-05 铸坯质量判定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911251362.7A CN110930065A (zh) 2019-12-09 2019-12-09 铸坯质量判定方法及系统

Publications (1)

Publication Number Publication Date
CN110930065A true CN110930065A (zh) 2020-03-27

Family

ID=69858423

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201911251362.7A Withdrawn CN110930065A (zh) 2019-12-09 2019-12-09 铸坯质量判定方法及系统
CN202011224683.0A Pending CN112232703A (zh) 2019-12-09 2020-11-05 铸坯质量判定方法及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202011224683.0A Pending CN112232703A (zh) 2019-12-09 2020-11-05 铸坯质量判定方法及系统

Country Status (1)

Country Link
CN (2) CN110930065A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991916A (zh) * 2019-12-10 2020-04-10 马鞍山钢铁股份有限公司 一种铸坯质量判定系统和方法
CN114264786A (zh) * 2021-11-29 2022-04-01 马鞍山钢铁股份有限公司 基于连铸中间包浸入式水口结脱落瘤物的铸坯质量评价方法及系统
CN115049260A (zh) * 2022-06-15 2022-09-13 华院计算技术(上海)股份有限公司 认知智能连铸钢包质量预判模型的应用方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100228579A1 (en) * 2009-03-04 2010-09-09 Holden LLC Method and System for Quantitatively Expressing a Decision in a Multiple Risk Environment
CN105046362A (zh) * 2015-07-24 2015-11-11 河南科技大学 一种基于关联规则挖掘的食品安全实时预测方法
CN106054840B (zh) * 2016-06-29 2018-06-19 北京科技大学 一种全流程产品质量在线管控系统
CN107321947A (zh) * 2017-06-02 2017-11-07 河钢股份有限公司承德分公司 一种自动跟踪单支连铸坯质量的方法
CN108256260A (zh) * 2018-02-05 2018-07-06 北京科技大学 一种基于极限学习机的连铸坯质量预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991916A (zh) * 2019-12-10 2020-04-10 马鞍山钢铁股份有限公司 一种铸坯质量判定系统和方法
CN114264786A (zh) * 2021-11-29 2022-04-01 马鞍山钢铁股份有限公司 基于连铸中间包浸入式水口结脱落瘤物的铸坯质量评价方法及系统
CN114264786B (zh) * 2021-11-29 2024-01-12 马鞍山钢铁股份有限公司 基于连铸中间包浸入式水口脱落结瘤物的铸坯质量评价方法及系统
CN115049260A (zh) * 2022-06-15 2022-09-13 华院计算技术(上海)股份有限公司 认知智能连铸钢包质量预判模型的应用方法及系统

Also Published As

Publication number Publication date
CN112232703A (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN110991916A (zh) 一种铸坯质量判定系统和方法
CN112232703A (zh) 铸坯质量判定方法及系统
CN112036081B (zh) 基于收得率预测的转炉出钢硅锰合金加入量确定方法
CN102591286A (zh) 在线轧制计划动态预分析自调整系统及其方法
CN108256260A (zh) 一种基于极限学习机的连铸坯质量预测方法
CN113343576A (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
CN109047698B (zh) 一种连铸坯定重定尺在线预测方法
CN113832300B (zh) 一种基于预测的if钢精炼结束全氧控制方法
CN108941496B (zh) 炼钢连铸过程质量实时跟踪及控制系统及方法
CN108607968B (zh) 一种基于下渣检测的连铸机中间包卷渣的预报方法
CN113435037B (zh) 一种判断300t转炉铸余冶炼前期倒渣时机的方法
CN113805537B (zh) 一种冶炼合金成分控制系统及控制方法
CN109840309A (zh) 一种铁水脱硫剂用量的计算方法
CN113430333B (zh) 一种钢包精炼炉智能化稳定冶炼控制的方法
CN105798250B (zh) 一种中间坯的确定方法
CN114737020A (zh) 一种炼钢过程有效钛成分的高精度控制方法
CN117708708B (zh) 一种炼钢用铁合金的品质评级及推荐方法
CN106844831B (zh) 一种优化if钢冶炼参数降低冷轧夹杂类缺陷的方法
CN113134587A (zh) 一种通过塞棒开口度变化趋势判断水口堵塞和溶损的方法
CN112280925B (zh) 一种硅钢炼钢冶炼用钛元素管控方法
NL2030465B1 (en) Continuous casting slab quality predicting method based on extreme learning machine
CN111383723B (zh) 一种高炉炼铁成分预控方法
CN117035385A (zh) 一种预测和控制电渣重熔渣池碱度的工艺方法
CN112775404B (zh) 一种连铸方坯的矫直段温度预测方法
CN115239155A (zh) 一种薄板带钢冲压开裂的预测方法和装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200327