CN111872339A - 一种用于连铸低倍质量分析的方法 - Google Patents
一种用于连铸低倍质量分析的方法 Download PDFInfo
- Publication number
- CN111872339A CN111872339A CN202010775006.1A CN202010775006A CN111872339A CN 111872339 A CN111872339 A CN 111872339A CN 202010775006 A CN202010775006 A CN 202010775006A CN 111872339 A CN111872339 A CN 111872339A
- Authority
- CN
- China
- Prior art keywords
- low
- water distribution
- power
- continuous casting
- data
- 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
Images
Classifications
-
- 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
- B22D11/16—Controlling or regulating processes or operations
- B22D11/22—Controlling or regulating processes or operations for cooling cast stock or mould
- B22D11/225—Controlling or regulating processes or operations for cooling cast stock or mould for secondary cooling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Continuous Casting (AREA)
Abstract
本发明涉及一种用于连铸低倍质量分析的方法,将采集的精炼出站相关生产参数、连铸相关生产参数以及铸坯低倍结果数据上传至数据库;根据低倍结果自动分类,自动匹配当时的拉速、水流量、压力、温度信息,通过分析低倍结果好的数据的拉速和流量关系,拟合出回归方程,此条件下的拟合方程即为最佳配水曲线;记录和存储配水表,便于调整并和拟合配水曲线进行对比,指导配水优化;同时根据配水模型的变化,及不同低倍评级下的拟合方程,反向预测低倍质量评级,以确保低倍质量合格。通过火切时间推算出低倍样在生产过程中的参数,辅助工程师对于低倍结果进行判断和分析,通过汇总分析低倍结果自动拟合出效果优良的配水曲线,指导配水优化。
Description
技术领域
本发明属于连铸坯检测技术领域,具体涉及一种用于连铸低倍质量分析的方法。
背景技术
在钢坯连铸生产中,铸坯出结晶器后带着液芯进入二冷区,由于坯壳较薄,是铸坯内部缺陷的多发地带,例如小方坯中出现的中间裂纹、中心裂纹、缩孔、疏松、中心偏析等缺陷都与二冷各区的水流量设定有关。铸坯低倍取样结果数据,包含十项低倍评级(中心疏松、中心偏析、缩孔、角部裂纹、皮下裂纹、中间裂纹、中心裂纹、皮下气泡、非金属夹杂、异金属夹杂),每一项对铸坯质量均有不同程度影响,低倍缺陷会造成轧钢劈裂、裂纹、堆钢、性能不合等影响,因此进一步改善二冷水配水模型对于提高小方坯质量和产量都有重要的意义,同时也为现在连铸机的升级改造和各种工艺参数的选择提供参考。
发明内容
本发明的目的在于提供一种用于连铸低倍质量分析的方法。
本发明解决其技术问题所采用的技术方案是:一种用于连铸低倍质量分析的方法,包括以下步骤:
1)将采集的精炼出站相关生产参数、连铸相关生产参数以及铸坯低倍结果数据上传至数据库;
2)根据低倍结果自动分类,自动匹配当时的拉速、水流量、压力、温度信息,通过分析低倍结果好的数据的拉速和流量关系,拟合出回归方程,此条件下的拟合方程即为最佳配水曲线;
3)记录和存储配水表,便于调整并和拟合配水曲线进行对比,指导配水优化;
4)同时根据配水模型的变化,及不同低倍评级下的拟合方程,反向预测低倍质量评级,以确保低倍质量合格。
具体地,所述步骤1)中精炼出站相关生产参数包括出站的碳、硅、锰、硫、铬含量和碳当量数据,采集于钢水精炼出站自动检测值,按炉次储存在数据库中。
具体地,所述步骤1)中连铸相关生产参数包括自动采集的水流量、压力、拉速、温度信息,采集于传感器,传感器以转发的方式抛送数据并存储于Postgre数据库中。
具体地,所述拉速信息为秒级数据,水流量、压力、温度信息为毫秒级数据,数据结构均为时间序列。
具体地,所述步骤1)中铸坯低倍结果数据包括十项低倍评级和铸坯生产时的火切时间,铸坯低倍取样结果数据由品保人工记录,并定时上传至数据库。
具体地,所述步骤2)中回归方程的拟合步骤如下:依据铸坯火切时间及瞬时拉速计算铸坯在二冷区每一区域起点和末端的确切时间点,以此时间点反推铸坯生产过程中相对应的水流量、水压、拉速、过热度参数,以及二冷水流量与拉速的一元二次拟合方程。
本发明具有以下有益效果:本发明通过火切时间推算出低倍样在生产过程中的参数,辅助工程师对于低倍结果进行判断和分析,通过汇总分析低倍结果自动拟合出效果优良的配水曲线,指导配水优化。
附图说明
图1是本发明实施例中连铸机5-8流低倍取样实验结果图。
具体实施方式
以下是本发明的具体实施例,对本发明的技术方案做进一步描述,但是本发明的保护范围并不限于这些实施例。凡是不背离本发明构思的改变或等同替代均包括在本发明的保护范围之内。
一种用于连铸低倍质量分析的方法,包括以下步骤:
1)将采集的精炼出站相关生产参数、连铸相关生产参数以及铸坯低倍结果数据上传至数据库。
精炼出站相关生产参数包括出站的碳、硅、锰、硫、铬含量和碳当量数据,采集于钢水精炼出站自动检测值,按炉次储存在数据库中。
连铸相关生产参数包括自动采集的水流量、压力、拉速、温度信息,采集于传感器,传感器以转发的方式抛送数据并存储于Postgre数据库中。传感器数据记录频率不一,拉速信息为秒级数据,水流量、压力、温度信息为毫秒级数据,数据结构均为时间序列。
铸坯低倍结果数据包括十项低倍评级(中心疏松、中心偏析、缩孔、角部裂纹、皮下裂纹、中间裂纹、中心裂纹、皮下气泡、非金属夹杂、异金属夹杂)和铸坯生产时的火切时间,铸坯低倍取样结果数据由品保人工记录,并定时上传至数据库。
2)根据低倍结果自动分类,自动匹配当时的拉速、水流量、压力、温度信息,通过分析低倍结果好的数据的拉速和流量关系,拟合出回归方程,此条件下的拟合方程即为最佳配水曲线。通常低倍>3,低倍质量差;低倍1.5-3.0,低倍质量一般;低倍≤1.0,低倍质量好。
依据铸坯火切时间及瞬时拉速计算铸坯在二冷区每一区域起点和末端的确切时间点,以此时间点反推铸坯生产过程中相对应的水流量、水压、拉速、过热度参数,以及二冷水流量与拉速的一元二次拟合方程。
3)记录和存储配水表,然后跟原有配水曲线进行对比,发现改进方向的同时,进一步量化改进程度,指导工程师对配水曲线进行优化。
4)同时根据配水模型的变化,及不同低倍评级下的拟合方程,反向预测低倍质量评级,以确保低倍质量合格。
通过在线计算,回归得出拉速-水流量的一元二次函数关系:
Qi=Aiv2+Biv+C
其中,Qi代表铸坯代表理论水流量,v代表拉速,Ai、Bi、C为常数。
此处,我们在界面显示当前理论配水曲线、根据前述算法所推导出的实际低倍取样铸坯的拉速所对应的水流量曲线及根据低倍评级0-1的较为优良的实际低倍取样铸坯的拉速所对应的水流量曲线。对比即可得出当前理论配水曲线与实际低倍配水曲线及较为优良的配水曲线在拉速一定时的区别,基于此,可以考虑适度将理论配水的设置向较为优良的配水曲线方向调整,并在实际生产中检验效果;通过“调整——对比验证——再调整”的闭环迭代,来实现二冷水配水的优化。
从2019年6月12日起,将3号连铸机5-8流四区水流量按照本发明方法进行优化调整,优化方向为减少水量,具体修改细节如表1所示。
表1配水方案改动细节表
6月12日至6月16日间对3号连铸机5-8流进行低倍取样化验,实验结果如图1所示。调整四区配水后,铸坯出现中心裂纹与中间裂纹的比例有明显下降,中间裂纹评级大于等于2的铸坯占比从9.20%下降至3.13%。可见,二冷水配水改进方案行之有效。
本发明不局限于上述实施方式,任何人应得知在本发明的启示下作出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。
本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (6)
1.一种用于连铸低倍质量分析的方法,其特征在于,包括以下步骤:
1)将采集的精炼出站相关生产参数、连铸相关生产参数以及铸坯低倍结果数据上传至数据库;
2)根据低倍结果自动分类,自动匹配当时的拉速、水流量、压力、温度信息,通过分析低倍结果好的数据的拉速和流量关系,拟合出回归方程,此条件下的拟合方程即为最佳配水曲线;
3)记录和存储配水表,便于调整并和拟合配水曲线进行对比,指导配水优化;
4)同时根据配水模型的变化,及不同低倍评级下的拟合方程,反向预测低倍质量评级,以确保低倍质量合格。
2.如权利要求1所述的用于连铸低倍质量分析的方法,其特征在于,所述步骤1)中精炼出站相关生产参数包括出站的碳、硅、锰、硫、铬含量和碳当量数据,采集于钢水精炼出站自动检测值,按炉次储存在数据库中。
3.如权利要求1所述的用于连铸低倍质量分析的方法,其特征在于,所述步骤1)中连铸相关生产参数包括自动采集的水流量、压力、拉速、温度信息,采集于传感器,传感器以转发的方式抛送数据并存储于Postgre数据库中。
4.如权利要求3所述的用于连铸低倍质量分析的方法,其特征在于,所述拉速信息为秒级数据,水流量、压力、温度信息为毫秒级数据,数据结构均为时间序列。
5.如权利要求1所述的用于连铸低倍质量分析的方法,其特征在于,所述步骤1)中铸坯低倍结果数据包括十项低倍评级和铸坯生产时的火切时间,铸坯低倍取样结果数据由品保人工记录,并定时上传至数据库。
6.如权利要求1所述的用于连铸低倍质量分析的方法,其特征在于,所述步骤2)中回归方程的拟合步骤如下:依据铸坯火切时间及瞬时拉速计算铸坯在二冷区每一区域起点和末端的确切时间点,以此时间点反推铸坯生产过程中相对应的水流量、水压、拉速、过热度参数,以及二冷水流量与拉速的一元二次拟合方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010775006.1A CN111872339A (zh) | 2020-08-05 | 2020-08-05 | 一种用于连铸低倍质量分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010775006.1A CN111872339A (zh) | 2020-08-05 | 2020-08-05 | 一种用于连铸低倍质量分析的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111872339A true CN111872339A (zh) | 2020-11-03 |
Family
ID=73210201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010775006.1A Pending CN111872339A (zh) | 2020-08-05 | 2020-08-05 | 一种用于连铸低倍质量分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111872339A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272761A (zh) * | 2023-11-21 | 2023-12-22 | 北京科技大学 | 一种大方坯中间裂纹的监控方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2004376C1 (ru) * | 1992-07-07 | 1993-12-15 | Акционерное общество открытого типа "Уральский завод т желого машиностроени " | Способ непрерывного лить заготовок пр моугольного поперечного сечени |
JPH06315762A (ja) * | 1993-05-07 | 1994-11-15 | Asahi Tec Corp | 鋳造管理方法 |
CN101458175A (zh) * | 2007-12-12 | 2009-06-17 | 鞍钢股份有限公司 | 连铸连轧生产过程中的产品取样检验方法 |
JP4893068B2 (ja) * | 2006-03-31 | 2012-03-07 | Jfeスチール株式会社 | 連続鋳造鋳片の凝固完了位置制御方法及び装置並びに連続鋳造鋳片の製造方法 |
CN102527971A (zh) * | 2012-02-27 | 2012-07-04 | 宝山钢铁股份有限公司 | 一种铸坯内裂缺陷的在线预报方法 |
CN102581244A (zh) * | 2012-03-02 | 2012-07-18 | 中冶连铸技术工程股份有限公司 | 一种连铸铸坯表面质量的在线控制系统及控制方法 |
CN106077555A (zh) * | 2016-08-12 | 2016-11-09 | 湖南千盟物联信息技术有限公司 | 一种连铸协调优化控制方法 |
CN107552753A (zh) * | 2017-08-31 | 2018-01-09 | 山东莱钢永锋钢铁有限公司 | 钢水连续浇铸过程中的二冷室配水工艺 |
CN109047698A (zh) * | 2018-09-03 | 2018-12-21 | 中冶连铸技术工程有限责任公司 | 一种连铸坯定重定尺在线预测方法 |
CN109500371A (zh) * | 2018-12-20 | 2019-03-22 | 南京钢铁股份有限公司 | 一种板坯动态二冷和轻压下控制系统 |
CN109712141A (zh) * | 2019-01-07 | 2019-05-03 | 重庆赛宝工业技术研究院 | 连铸钢方坯中心偏析缺陷检验量化评级方法 |
CN109865810A (zh) * | 2019-03-22 | 2019-06-11 | 麦特勒智能科技(张家港)有限公司 | 一种冶金连铸冷却水的智能控制方法 |
-
2020
- 2020-08-05 CN CN202010775006.1A patent/CN111872339A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2004376C1 (ru) * | 1992-07-07 | 1993-12-15 | Акционерное общество открытого типа "Уральский завод т желого машиностроени " | Способ непрерывного лить заготовок пр моугольного поперечного сечени |
JPH06315762A (ja) * | 1993-05-07 | 1994-11-15 | Asahi Tec Corp | 鋳造管理方法 |
JP4893068B2 (ja) * | 2006-03-31 | 2012-03-07 | Jfeスチール株式会社 | 連続鋳造鋳片の凝固完了位置制御方法及び装置並びに連続鋳造鋳片の製造方法 |
CN101458175A (zh) * | 2007-12-12 | 2009-06-17 | 鞍钢股份有限公司 | 连铸连轧生产过程中的产品取样检验方法 |
CN102527971A (zh) * | 2012-02-27 | 2012-07-04 | 宝山钢铁股份有限公司 | 一种铸坯内裂缺陷的在线预报方法 |
CN102581244A (zh) * | 2012-03-02 | 2012-07-18 | 中冶连铸技术工程股份有限公司 | 一种连铸铸坯表面质量的在线控制系统及控制方法 |
CN106077555A (zh) * | 2016-08-12 | 2016-11-09 | 湖南千盟物联信息技术有限公司 | 一种连铸协调优化控制方法 |
CN107552753A (zh) * | 2017-08-31 | 2018-01-09 | 山东莱钢永锋钢铁有限公司 | 钢水连续浇铸过程中的二冷室配水工艺 |
CN109047698A (zh) * | 2018-09-03 | 2018-12-21 | 中冶连铸技术工程有限责任公司 | 一种连铸坯定重定尺在线预测方法 |
CN109500371A (zh) * | 2018-12-20 | 2019-03-22 | 南京钢铁股份有限公司 | 一种板坯动态二冷和轻压下控制系统 |
CN109712141A (zh) * | 2019-01-07 | 2019-05-03 | 重庆赛宝工业技术研究院 | 连铸钢方坯中心偏析缺陷检验量化评级方法 |
CN109865810A (zh) * | 2019-03-22 | 2019-06-11 | 麦特勒智能科技(张家港)有限公司 | 一种冶金连铸冷却水的智能控制方法 |
Non-Patent Citations (4)
Title |
---|
中国金属学会: "《2004年全国炼钢、轧钢生产技术会议文集》", 31 May 2004 * |
周一玲: "马氏体不锈钢方坯连铸中过热度与拉速回归方程的建立", 《2012年全国炼钢—连铸生产技术会论文集(下)》 * |
本书编辑委员会: "《钢铁工业节能减排新技术5000问》", 31 July 2009, 中国科学技术出版社 * |
杨军等: "《铸坯成型理论》", 31 March 2015, 冶金工业出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272761A (zh) * | 2023-11-21 | 2023-12-22 | 北京科技大学 | 一种大方坯中间裂纹的监控方法及系统 |
CN117272761B (zh) * | 2023-11-21 | 2024-04-26 | 北京科技大学 | 一种大方坯中间裂纹的监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104630410B (zh) | 一种基于数据解析的转炉炼钢质量实时动态预测方法 | |
CN104751288B (zh) | 一种钢卷分段多维在线质量判定系统及其方法 | |
CN114329940A (zh) | 一种基于极限学习机的连铸坯质量预测方法 | |
CN104493121B (zh) | 一种大方坯连铸生产过程的凝固末端位置在线检测方法 | |
CN110066895A (zh) | 一种基于Stacking的高炉铁水质量区间预测方法 | |
CN111259307B (zh) | 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法 | |
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 | |
CN111872339A (zh) | 一种用于连铸低倍质量分析的方法 | |
CN112418538A (zh) | 一种基于随机森林分类的连铸坯夹杂预测方法 | |
CN109014105A (zh) | 一种基于神经网络方法进行连铸坯定重的工艺设施和方法 | |
CN108705058B (zh) | 一种基于K-Means聚类预报结晶器漏钢的方法 | |
CN115049319B (zh) | 一种钢材锻造成型的质量评估方法及系统 | |
CN107052292A (zh) | 一种基于热物性参数分布计算的连铸坯热跟踪计算方法 | |
CN115106499B (zh) | 一种结晶器液面异常波动判别方法及系统 | |
Zhou et al. | Application of time series data anomaly detection based on deep learning in continuous casting process | |
CN111518980B (zh) | 一种转炉终点碳含量预报模型的修正方法和系统 | |
CN1641356B (zh) | 硬线产品显微组织与力学性能预报系统 | |
Duan et al. | Modeling of breakout prediction approach integrating feature dimension reduction with K-means clustering for slab continuous casting | |
CN110472342B (zh) | 一种预测微合金钢连铸坯奥氏体静态再结晶行为的方法 | |
CN112765535B (zh) | 一种连铸辊列位置固相率计算方法 | |
CN110405173B (zh) | 一种采用希尔伯特-黄变换检测和定位连铸坯鼓肚的方法 | |
CN113239562A (zh) | 一种带钢全板面力学性能预测方法 | |
CN118095091A (zh) | 一种板坯铸坯质量预测准确度的提升方法、装置及介质 | |
CN115034370B (zh) | 基于bp网络模型预测高炉炉缸活性的方法 | |
Zhikharev et al. | Artificial Intelligence and Machine Learning In Metallurgy. Part 2. Application Examples |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201103 |