CN110991916A - 一种铸坯质量判定系统和方法 - Google Patents
一种铸坯质量判定系统和方法 Download PDFInfo
- Publication number
- CN110991916A CN110991916A CN201911258171.3A CN201911258171A CN110991916A CN 110991916 A CN110991916 A CN 110991916A CN 201911258171 A CN201911258171 A CN 201911258171A CN 110991916 A CN110991916 A CN 110991916A
- Authority
- CN
- China
- Prior art keywords
- quality
- casting blank
- casting
- quality factor
- module
- 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.)
- Pending
Links
- 238000005266 casting Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 115
- 239000010959 steel Substances 0.000 claims abstract description 51
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 50
- 238000009749 continuous casting Methods 0.000 claims abstract description 26
- 238000007670 refining Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000013441 quality evaluation Methods 0.000 claims abstract description 12
- 238000002360 preparation method Methods 0.000 claims abstract description 10
- 239000002994 raw material Substances 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 21
- 229910052760 oxygen Inorganic materials 0.000 claims description 21
- 239000001301 oxygen Substances 0.000 claims description 21
- 239000007788 liquid Substances 0.000 claims description 8
- 239000002893 slag Substances 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- 229910052785 arsenic Inorganic materials 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000007664 blowing Methods 0.000 claims description 3
- 229910052804 chromium Inorganic materials 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 238000005261 decarburization Methods 0.000 claims description 3
- 238000006477 desulfuration reaction Methods 0.000 claims description 3
- 230000023556 desulfurization Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 229910052750 molybdenum Inorganic materials 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 229910052759 nickel Inorganic materials 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 4
- 238000006731 degradation reaction Methods 0.000 abstract description 4
- 238000003723 Smelting Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mechanical Engineering (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种铸坯质量判定系统和方法,属于钢铁冶炼技术领域。系统包括数据采集、数据存储、模型建立、数据处理和质量评定五个模块;数据采集模块采集原料准备工序、转炉工序、精炼工序和连铸工序的过程工艺质量因子参数,模型建立模块基于采集的参数建立质量因子模型,数据处理模块基于质量因子模型计算出铸坯质量总风险系数R总,质量评定模块将铸坯质量总风险系数R总与规则库进行对比评定出铸坯质量等级。本发明综合考虑了原料准备工序、转炉工序、精炼工序和连铸工序中的铸坯质量影响因子,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,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,提高了订单兑现率。
Description
技术领域
本发明涉及钢铁冶炼技术领域,具体是一种铸坯质量判定系统和方法。
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。
经检索,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。
上述现有技术中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
发明要解决的技术问题
针对现有技术中铸坯质量判定方法不能保证铸坯质量判定的准确性的问题,本发明提供了一种铸坯质量判定系统和方法,综合考虑了原料准备工序、转炉工序、精炼工序和连铸工序中对铸坯质量产生影响的过程工艺质量因子参数,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,提高了订单兑现率。
技术方案
为解决上述问题,本发明提供的技术方案为:
一种铸坯质量判定系统,包括
数据采集模块,其用于采集工艺质量因子参数,所述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;以及
模型建立模块,其基于所述工艺质量因子参数,建立质量因子模型;以及
数据处理模块,其基于所述质量因子模型,计算出铸坯质量总风险系数R总;以及
质量评定模块,其基于将所述铸坯质量总风险系数R总与规则库进行对比,以对铸坯质量进行分级评定。
进一步地,进一步地,还包括数据存储模块,其用于存储采集的所述工艺质量因子参数。
进一步地,所述数据采集模块、数据存储模块、模型建立模块、数据处理模块和质量评定模块集成在工控机中。
进一步地,在所述规则库中设置基准参数R1和R2,R1<R2;所述R1和R2为综合考虑钢种和用户使用要求设定的常数,其数值越小代表同等级钢种铸坯的要求越高。
一种铸坯质量判定方法,该方法基于上述所述的铸坯质量判定系统对铸坯质量进行判定,步骤包括:
S01、利用所述数据采集模块采集所述工艺质量因子参数;
S02、在所述模型建立模块中,利用所述工艺质量因子参数建立质量因子模型;
S03、在所述数据处理模块中,利用所述质量因子模型计算铸坯质量总风险系数R总;
S04、在所述质量评定模块中判定铸坯质量等级,评定的结果分为:
Ⅰ、若R总<R1,则所述质量判定结果是一级铸坯;
Ⅱ、若R1≤R总<R2,则所述质量判定结果是二级铸坯;
Ⅲ、若R总≥R2,则所述质量判定结果是三级铸坯。
进一步地,所述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。
进一步地,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。
进一步地,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。
进一步地,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。
进一步地,所述铸坯质量总风险系数R总=∑Ri=∑Xi*fi,其中,
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。
有益效果
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
(1)本发明提供的一种铸坯质量判定系统,通过设置数据采集模块采集原料准备工序、转炉工序、精炼工序和连铸工序的过程工艺质量因子参数,并利用模型建立模块基于采集的工艺质量因子参数建立质量因子模型,利用数据处理模块基于质量因子模型计算出铸坯质量总风险系数R总,再通过质量评定模块将所述铸坯质量总风险系数R总与规则库进行对比,以对铸坯质量进行分级评定,能够实现铸坯内部质量的自动判定和评级,且评级结果的准确性高;
(2)本发明提供的一种铸坯质量判定系统,利用数据存储模块存储采集的工艺质量因子参数,并建立工艺质量因子参数库,在长期生产过程中,可通过不断矫正和完善工艺质量因子参数库中的参数,逐步提高评级结果的准确性;
(3)本发明提供的一种铸坯质量判定方法,实现了铸坯内部质量的自动判定和评级,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,订单合同兑现率由使用前的40%提高到90%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;
(4)本发明提供的一种铸坯质量判定方法,质量风险权重系数fi能够根据后工序质量情况统计进行优化,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,评级结果的准确性会越来越高。
附图说明
图1、铸坯质量判定流程示意图。
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。
实施例1
本实施例中的一种铸坯质量判定系统,包括数据采集模块、数据存储模块、模型建立模块、数据处理模块和质量评定模块,所述数据采集模块、数据存储模块、模型建立模块、数据处理模块和质量评定模块集成在工控机中。其中:数据采集模块用于采集基础自动化控制单元、过程控制单元和制造执行单元中的工艺质量因子参数,所述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;数据存储模块用于存储采集的所述工艺质量因子参数;模型建立模块基于所述工艺质量因子参数,建立质量因子模型;数据处理模块基于所述质量因子模型,计算出铸坯质量总风险系数R总;质量评定模块基于将所述铸坯质量总风险系数R总与规则库进行对比,以对铸坯质量进行分级评定。
本实施例中,所述规则库中设置基准参数R1和R2,R1<R2;所述R1和R2为综合考虑钢种和用户使用要求设定的常数,其数值越小代表同等级钢种铸坯的要求越高。
一种基于本实施例中的铸坯质量判定系统的铸坯质量判定方法,如图1中所示,步骤包括:
S01、利用所述数据采集模块采集所述工艺质量因子参数,其中:
所述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;
S02、在所述模型建立模块中,利用所述工艺质量因子参数建立质量因子模型,所述质量因子模型包括控制值Xi和质量风险权重系数fi;
S03、在所述数据处理模块中,利用所述质量因子模型计算得出铸坯质量总风险系数R总,R总=∑Ri=∑Xi*fi,其中,
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;
S04、在所述质量评定模块中判定铸坯质量等级,评定的结果分为:
Ⅰ、若R总<R1,则所述质量判定结果是一级铸坯;
Ⅱ、若R1≤R总<R2,则所述质量判定结果是二级铸坯;
Ⅲ、若R总≥R2,则所述质量判定结果是三级铸坯。
为了进一步提高铸坯质量判定的准确性,所述质量风险权重系数fi需要根据后工序质量情况统计进行优化。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。
本实施例中,以铸坯号为1905981003的IF钢为例,取R1=10,R2=30,若R总<10,则质量判定结果是一级铸坯,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,用于生产汽车内板、家电面板等;若R总≥30,则质量判定结果是三级铸坯,用于生产普通用途板。
表1:IF钢(铸坯号:1905981003)全工序生产控制情况
根据表1中相应参数计算出R总=13.2666,10≤R总<30,则对该IF钢的质量判定结果是二级铸坯,用于生产汽车内板、家电面板。
本实施例中的铸坯质量判定系统和方法,实现了铸坯内部质量的自动判定和评级,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,订单合同兑现率由使用前的40%提高到90%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。
实施例2
本实施例中的一种铸坯质量判定系统,基本方法同实施例1中,不同之处在于,本实施例中以铸坯号为1907831015的管线钢为例,取R1=20,R2=40,若R总<20,则质量判定结果是一级铸坯,用于生产直缝焊管线钢产品等;若20≤R总<40,则质量判定结果是二级铸坯,用于非直缝焊管线钢产品等;若R总≥40,则质量判定结果是三级铸坯,用于非管线钢的普通低合金产品。
表2:管线钢(铸坯号:1907831015)全工序生产控制情况
根据表2中相应参数计算出R总=42.4976,R总≥40,则对该管线钢的质量判定结果是三级铸坯,三级铸坯用于生产非管线钢的普通低合金产品。
实施例3
本实施例中的一种铸坯质量判定系统,基本方法同实施例1和2中,不同之处在于,本实施例中以铸坯号为1922345015的磷强化钢为例,取R1=15,R2=40,若R总<15,则质量判定结果是一级铸坯,用于生产汽车面板、高级家电面板等;若15≤R总<40,则质量判定结果是二级铸坯,用于生产汽车内板、家电面板等;若R总≥40,则质量判定结果是三级铸坯,用于生产普通用途板。
表3:磷强化钢(铸坯号:1922345015)全工序生产控制情况
根据表3中相应参数计算出R总=18.3632,15≤R总<40,则对该磷强化钢的质量判定结果是二级铸坯,二级铸坯用于生产汽车内板、家电面板等。
需要说明的是:上述表1、表2和表3中,控制范围Xi为理想控制参数范围,但是实际情况下,有些参数无法达到相应的控制要求,因此实际生产中选择这些参数时通常选取能够达到的接近该相应控制范围Xi的数值,而非控制范围Xi内的数值。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (10)
1.一种铸坯质量判定系统,其特征在于:包括
数据采集模块,其用于采集工艺质量因子参数,所述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;以及
模型建立模块,其基于所述工艺质量因子参数,建立质量因子模型;以及
数据处理模块,其基于所述质量因子模型,计算出铸坯质量总风险系数R总;以及
质量评定模块,其基于将所述铸坯质量总风险系数R总与规则库进行对比,以对铸坯质量进行分级评定。
2.根据权利要求1所述的铸坯质量判定系统,其特征在于:还包括数据存储模块,其用于存储采集的所述工艺质量因子参数。
3.根据权利要求2所述的铸坯质量判定系统,其特征在于:所述数据采集模块、数据存储模块、模型建立模块、数据处理模块和质量评定模块集成在工控机中。
4.根据权利要求1至3任一所述的铸坯质量判定系统,其特征在于:在所述规则库中设置基准参数R1和R2,R1<R2;所述R1和R2为综合考虑钢种和用户使用要求设定的常数,其数值越小代表同等级钢种铸坯的要求越高。
5.一种铸坯质量判定方法,其特征在于:该方法基于权利要求4中所述的铸坯质量判定系统对铸坯质量进行判定,步骤包括:
S01、利用所述数据采集模块采集所述工艺质量因子参数;
S02、在所述模型建立模块中,利用所述工艺质量因子参数建立质量因子模型;
S03、在所述数据处理模块中,利用所述质量因子模型计算铸坯质量总风险系数R总;
S04、在所述质量评定模块中判定铸坯质量等级,评定的结果分为:
Ⅰ、若R总<R1,则所述质量判定结果是一级铸坯;
Ⅱ、若R1≤R总<R2,则所述质量判定结果是二级铸坯;
Ⅲ、若R总≥R2,则所述质量判定结果是三级铸坯。
6.根据权利要求5所述的铸坯质量判定方法,其特征在于:所述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。
7.根据权利要求5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。
8.根据权利要求5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。
9.根据权利要求5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。
10.根据权利要求5至9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,其中,
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258171.3A CN110991916A (zh) | 2019-12-10 | 2019-12-10 | 一种铸坯质量判定系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258171.3A CN110991916A (zh) | 2019-12-10 | 2019-12-10 | 一种铸坯质量判定系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991916A true CN110991916A (zh) | 2020-04-10 |
Family
ID=70091689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911258171.3A Pending CN110991916A (zh) | 2019-12-10 | 2019-12-10 | 一种铸坯质量判定系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991916A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112077273A (zh) * | 2020-09-18 | 2020-12-15 | 马鞍山钢铁股份有限公司 | 一种拉速变动的板坯质量判定评价系统及方法 |
CN112330206A (zh) * | 2020-11-25 | 2021-02-05 | 攀钢集团西昌钢钒有限公司 | 一种夹杂高风险铸坯的识别方法 |
CN112775404A (zh) * | 2021-01-21 | 2021-05-11 | 江阴兴澄特种钢铁有限公司 | 一种连铸方坯的矫直段温度预测方法 |
CN113092712A (zh) * | 2021-02-26 | 2021-07-09 | 邯郸钢铁集团有限责任公司 | 一种高端汽车用外板暴露件铸坯质量评估方法 |
CN113240244A (zh) * | 2021-04-15 | 2021-08-10 | 唐山钢铁集团有限责任公司 | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 |
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 |
CN116944446A (zh) * | 2023-07-27 | 2023-10-27 | 常州润来科技有限公司 | 一种水平连铸铜管坯工艺参数异常监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004306085A (ja) * | 2003-04-07 | 2004-11-04 | Jfe Steel Kk | 連続鋳造鋳片の品質監視装置及び品質監視方法 |
CN102319883A (zh) * | 2011-10-09 | 2012-01-18 | 北京首钢自动化信息技术有限公司 | 一种连铸坯质量在线预报的控制方法 |
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 |
CN110930065A (zh) * | 2019-12-09 | 2020-03-27 | 马鞍山钢铁股份有限公司 | 铸坯质量判定方法及系统 |
-
2019
- 2019-12-10 CN CN201911258171.3A patent/CN110991916A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004306085A (ja) * | 2003-04-07 | 2004-11-04 | Jfe Steel Kk | 連続鋳造鋳片の品質監視装置及び品質監視方法 |
CN102319883A (zh) * | 2011-10-09 | 2012-01-18 | 北京首钢自动化信息技术有限公司 | 一种连铸坯质量在线预报的控制方法 |
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 |
CN110930065A (zh) * | 2019-12-09 | 2020-03-27 | 马鞍山钢铁股份有限公司 | 铸坯质量判定方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112077273A (zh) * | 2020-09-18 | 2020-12-15 | 马鞍山钢铁股份有限公司 | 一种拉速变动的板坯质量判定评价系统及方法 |
CN112077273B (zh) * | 2020-09-18 | 2022-03-01 | 马鞍山钢铁股份有限公司 | 一种拉速变动的板坯质量判定评价系统及方法 |
CN112330206A (zh) * | 2020-11-25 | 2021-02-05 | 攀钢集团西昌钢钒有限公司 | 一种夹杂高风险铸坯的识别方法 |
CN112775404A (zh) * | 2021-01-21 | 2021-05-11 | 江阴兴澄特种钢铁有限公司 | 一种连铸方坯的矫直段温度预测方法 |
CN113092712A (zh) * | 2021-02-26 | 2021-07-09 | 邯郸钢铁集团有限责任公司 | 一种高端汽车用外板暴露件铸坯质量评估方法 |
CN113092712B (zh) * | 2021-02-26 | 2023-05-09 | 邯郸钢铁集团有限责任公司 | 一种高端汽车用外板暴露件铸坯质量评估方法 |
CN113240244A (zh) * | 2021-04-15 | 2021-08-10 | 唐山钢铁集团有限责任公司 | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 |
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 |
CN116944446A (zh) * | 2023-07-27 | 2023-10-27 | 常州润来科技有限公司 | 一种水平连铸铜管坯工艺参数异常监测方法 |
CN116944446B (zh) * | 2023-07-27 | 2024-02-09 | 常州润来科技有限公司 | 一种水平连铸铜管坯工艺参数异常监测方法 |
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 | |
CN108787749B (zh) | 一种热轧生产计划预警方法 | |
CN108256260A (zh) | 一种基于极限学习机的连铸坯质量预测方法 | |
Cuartas et al. | Machine learning algorithms for the prediction of non-metallic inclusions in steel wires for tire reinforcement | |
CN110343805A (zh) | 钢包精炼炉钢水硅锰成分控制装置及控制方法 | |
CN106834593A (zh) | 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法 | |
CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断系统 | |
CN109047698B (zh) | 一种连铸坯定重定尺在线预测方法 | |
CN107765550B (zh) | 一种基于钢包自动定位的稳定出钢温度的方法 | |
CN109240203B (zh) | 一种基于多模型的连铸坯定重控制方法 | |
CN109840309B (zh) | 一种铁水脱硫剂用量的计算方法 | |
CN108364095B (zh) | 基于数据挖掘的炼钢生产过程钢水质量诊断方法 | |
CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
CN113435037B (zh) | 一种判断300t转炉铸余冶炼前期倒渣时机的方法 | |
CN113092712B (zh) | 一种高端汽车用外板暴露件铸坯质量评估方法 | |
CN115576285A (zh) | 一种lf精炼全自动生产的方法及系统 | |
CN113805537B (zh) | 一种冶炼合金成分控制系统及控制方法 | |
CN106844831B (zh) | 一种优化if钢冶炼参数降低冷轧夹杂类缺陷的方法 | |
CN110991772A (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
Chertov | Use of Artificial Intelligence Systems in the Metallurgical Industry (Survey). | |
CN111383723B (zh) | 一种高炉炼铁成分预控方法 | |
CN116579670B (zh) | 热态精炼渣回收利用的经济效益计算和可行性评估方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200410 |