CN112805561A - 炼钢-连铸工艺设备控制和状态分析方法及利用其的系统 - Google Patents
炼钢-连铸工艺设备控制和状态分析方法及利用其的系统 Download PDFInfo
- Publication number
- CN112805561A CN112805561A CN202080004970.2A CN202080004970A CN112805561A CN 112805561 A CN112805561 A CN 112805561A CN 202080004970 A CN202080004970 A CN 202080004970A CN 112805561 A CN112805561 A CN 112805561A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- nozzle
- information
- vibration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000009749 continuous casting Methods 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 230000008569 process Effects 0.000 title claims abstract description 27
- 230000007547 defect Effects 0.000 claims abstract description 31
- 238000010219 correlation analysis Methods 0.000 claims abstract description 28
- 238000007418 data mining Methods 0.000 claims abstract description 18
- 238000013135 deep learning Methods 0.000 claims abstract description 16
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 239000002893 slag Substances 0.000 claims description 32
- 229910000831 Steel Inorganic materials 0.000 claims description 30
- 239000010959 steel Substances 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000000926 separation method Methods 0.000 claims description 14
- 239000000945 filler Substances 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000009628 steelmaking Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 238000010079 rubber tapping Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 2
- 238000004886 process control Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000002184 metal Substances 0.000 description 19
- 238000005266 casting Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005058 metal casting Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000003749 cleanliness Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010405 reoxidation reaction Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007557 optical granulometry Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- 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
- B22D11/10—Supplying or treating molten metal
- B22D11/103—Distributing the molten metal, e.g. using runners, floats, distributors
-
- 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
- B22D11/14—Plants for continuous casting
- B22D11/142—Plants for continuous casting for curved casting
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D41/00—Casting melt-holding vessels, e.g. ladles, tundishes, cups or the like
- B22D41/50—Pouring-nozzles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D41/00—Casting melt-holding vessels, e.g. ladles, tundishes, cups or the like
- B22D41/50—Pouring-nozzles
- B22D41/502—Connection arrangements; Sealing means therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D41/00—Casting melt-holding vessels, e.g. ladles, tundishes, cups or the like
- B22D41/50—Pouring-nozzles
- B22D41/56—Means for supporting, manipulating or changing a pouring-nozzle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/24—Probes
- G01N29/2418—Probes using optoacoustic interaction with the material, e.g. laser radiation, photoacoustics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- 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
-
- 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
-
- 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
- G06Q50/10—Services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Acoustics & Sound (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Optics & Photonics (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
根据本发明的用于炼钢‑连铸设备的状态分析方法,包括以下步骤:通过使用激光振动测量仪测量炼钢‑连铸设备的振动数据;传输测得的振动数据;将接收到的测得的振动数据与现有数据进行比较,并对振动数据进行分析;存储和学习数据;以及显示所比较和分析的数据,其中,测得的数据根据各个情况和使用状态通过案例相关性分析或预定的缺陷诊断算法确定设备或工艺中的异常,必要时发送警报或控制信号,将数据存储在数据库(DB)中,使用数据挖掘、机器学习或深度学习技术将数据存储并用作大数据,并且将比较和分析后的数据显示给用户,以便用户能够实时监视和诊断炼钢‑连铸设备的状态。
Description
技术领域
本发明涉及一种用于炼钢-连铸工艺中设备状态分析的系统和方法,尤其涉及这样一种用于炼钢-连铸工艺中设备状态分析的系统和方法,其可以使用激光来测量、诊断和分析用于炼钢-连铸工艺的设备(例如浸入式喷嘴或罩式喷嘴)的振动,并且可以将测得和分析后的数据存储在数据库(DB)中,并利用深度学习、机器学习或数据挖掘技术向用户通知必要的数据,使得用户可以实时监视和预测炼钢-连铸设备的状态。
背景技术
连铸工艺是指连续制造诸如大方坯、方坯或板坯等金属铸造板坯的工艺。在铸造钢水包中的中间包之间的钢水时,为了防止由于空气接触而引起的再氧化,使用了罩式喷嘴。每当更换新的钢水包时,罩式喷嘴由机械臂分离,并且重新组装。
钢水通过钢水包中的罩式喷嘴移至中间包,并通过浸入式喷嘴注入到模具中。被引入模具的钢水的移动和初始凝固是决定成品金属铸造板坯质量的要素之一。
然而,在罩式喷嘴的喷嘴分离-重新组装过程中出现异常组装的情况下,局部滴落冲击会集中在倾斜的喷嘴的内壁上,从而导致裂纹和损坏,或由于室外空气引入喷嘴而导致降低铸造板坯质量。
喷嘴的垂直度扭曲可能是在连铸工艺中发生事故的危险因素,但是现在没有适当的措施。而且,由于钢水包内的比重差而浮起的熔渣在铸造结束时因偏转力产生涡流并且流入中间包中。因为它对钢的清洁度有不良影响,因此有必要测量熔渣流入罩式喷嘴的时间以关闭滑动闸阀。
有两种感测熔渣引入的技术:一种方法是利用熔渣流入量和通过罩式喷嘴的钢的电导率的特性通过改变电磁场来测量熔渣流入时间;另一种方法是通过将n加速度振动传感器附接到机械臂(机械臂用以分离并重新组装罩式喷嘴)来感测在熔渣流入时产生的涡流振动。
然而,这种技术存在各种缺点。测量电磁场变化的方法具有如下缺点:由于传感器被插入喷嘴中,所以其耐热性差并且经常发生故障。使用安装型加速度传感器的振动感测方法具有如下缺点:由于测量了通过操纵器衰减的振动,所以测量精度受到影响。
此外,根据情况,布置在钢水包和中间包之间的罩式喷嘴可能具有缺陷,例如由于差的垂直度而导致的裂纹或破裂,并且这种缺陷可能由于铸造板坯的质量下降和钢水的局部冲击集中而引起喷嘴的额外损坏。
为了解决该缺点,本发明的发明人开发了一种利用激光振动测量技术的非接触振动测量系统。本分析系统实时诊断炼钢-连铸设备的状态分析和检查、浸入式喷嘴的状态分析、罩式喷嘴或浸入式喷嘴的垂直度扭曲、罩式喷嘴的熔渣流入时间以及罩式喷嘴中是否存在任何裂纹,然后向工人提供信息使工人可以通过有线或无线方式监视连铸状态。
另外,不仅罩式喷嘴而且浸入式喷嘴也可能具有各种缺陷。根据情况,可能会发生喷嘴堵塞,由于熔渣流入钢水包中,使得钢水流过的浸入式喷嘴的内径减小,并且,混合在钢水中的填料脱氧时形成的氧化物或罩式喷嘴的耐火材料与钢水发生反应。在浸入式喷嘴被堵塞的情况下,由于钢水的不规则流动,钢水的高度变得不稳定,并且结晶器液位的变化对连铸产品的质量具有不良影响。另外,浸入式喷嘴的堵塞导致偏转气流的产生,并且由于保护渣流入到钢水中,因此可能使钢水的清洁度变差。
此外,如果附着在浸入式喷嘴的内壁上的一些堵塞材料(填料或氧化物)被剥落,则剥落部分中的一些混入钢水中,这使钢水的清洁度变差。如果浸入式喷嘴严重堵塞,则铸造工艺可能会停止。
为了感测炼钢-连铸设备中的罩式喷嘴或浸入式喷嘴的缺陷,有两种方法:一种是在连铸工艺期间利用滑动闸门的开度的感测方法,一种是利用当工人将条钢放到喷嘴的壁面上时通过手的触感而获得的振动的感测方法。
然而,根据滑动闸门的开度来感测喷嘴的堵塞程度的方法的缺点在于,实际上直到喷嘴内部的大约50%以上被堵塞都难以感测到浸入式喷嘴的堵塞。此外,当工人将条钢放到喷嘴的壁面上时通过手的触感感测振动的方法的限制性在于,工人之间存在偏差,其不准确,并且难以实时在线测量。
为了解决这些问题,韩国专利公开第10-2009-0071221号公开了“用于预测浸入式喷嘴的堵塞的方法和装置”以通过测量浸入式喷嘴的频率来分析浸入式喷嘴的状态。然而,用于预测浸入式喷嘴的堵塞的方法和装置具有若干问题,即,因为仅通过收集和分析的数据库而提供对当前状态的简单预测,数据库的利用率低,并且,因为不能向用户提供实时信息或警报,现场的适用性低。
除此之外,因为炼钢-连铸工艺是非常危险的并且难以接近,即使工人检查或查看用于工艺的设备或系统是非常重要的,但工人难以检查和查看设备或系统。此外,即使罩式喷嘴或浸入式喷嘴有缺陷或需要维护,由于高温、高热和高压的工作环境,也难以接近设备或系统以检查状态并维护设备或系统。
发明内容
技术问题
因此,做出本发明以解决现有技术中出现的上述问题,并且本发明的目的是提供如下分析系统和方法:能够利用深度学习或数据挖掘技术来制作大数据,通过人工智能(AI)的学习进行分析和预测,并且实时报警并在现场显示,以便使用激光来测量和分析炼钢-连铸设备的频率,并利用收集和分析的数据库(DB)。
技术方案
为了实现上述目的,本发明提供了一种炼钢-连铸设备的状态分析方法,包括以下步骤:通过使用激光振动测量仪测量炼钢-连铸设备的振动数据;传输测得的振动数据;将接收到的测得的振动数据与现有数据进行比较,并对振动数据进行分析;存储和学习数据;以及显示比较和分析后的数据,其中,测得的数据根据情形条件和使用状态通过案例相关性分析或预定的缺陷诊断算法确定设备或工艺中的异常,必要时发送警报或控制信号,将数据存储在数据库DB中,使用数据挖掘、机器学习或深度学习技术进行存储并用作大数据,并且将比较和分析后的所述数据显示给用户,以便用户能够实时监视和诊断炼钢-连铸设备的状态。
此外,存储和学习数据的步骤包括以下步骤:建立实时振动信息的数据库;建立设备中的异常的数据库;建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库;建立振动信息和关于状态的相关性分析信息的数据库;建立工作条件和状态之间的相关性分析信息的数据库;以及建立安全使用标准信息的数据库。
此外,显示比较和分析后的数据的步骤包括以下步骤:向用户显示数据,并且如果不满足预定条件则为用户提供警报和替换信息。
另外,数据被用作大数据,从而通过应用人工智能技术通过重复学习来提高信息的可预测性和监视数据的可靠性。
在本发明的另一个方面,本发明提供了一种用于炼钢-连铸设备的控制和状态分析的系统,该系统包括:振动测量单元,用于连续测量罩式喷嘴的表面;数据传输单元,用于传输测得的数据;数据分析单元,用于分析测得的数据;数据存储单元,用于存储测得和分析后的数据或数据库;以及数据输出单元,用于输出测得和分析后的数据,其中,数据分析单元根据情形条件和使用状态通过案例相关性分析或预定的缺陷诊断算法将测量的数据存储在数据库中,以判断设备或工艺的异常,并且必要时传输警报或控制信号,并且其中,将数据存储在数据库DB中,使用数据挖掘、机器学习或深度学习技术进行存储并用作大数据,并且将比较和分析的数据显示给用户,以便用户实时监视和诊断炼钢-连铸设备的状态。
此外,数据分析单元建立设备的实时振动信息的数据库,建立设备中的异常的数据库,建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库,建立振动信息和关于状态的相关性分析信息的数据库,建立工作条件和状态之间的相关性分析信息的数据库,并且建立安全使用标准信息的数据库。
此外,数据输出单元向用户显示数据,并且如果不满足预定条件则为用户提供警报和替换信息。
另外,数据被用作大数据,从而通过应用人工智能技术通过重复学习来提高信息的可预测性和监视数据的可靠性。
另外,振动测量单元使用非接触装置连续测量设备的振动数据,使用激光振动传感器,并且包括防尘和耐热装置。
此外,存储和学习数据的步骤包括以下步骤:建立实时振动信息的数据库;建立设备中的异常的数据库;建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库;建立振动信息和关于状态的相关性分析信息的数据库;建立工作条件和状态之间的相关性分析信息的数据库;以及建立安全使用标准信息的数据库。
此外,通过有线或无线方式传输预测信息。
另外,与流量控制装置和炼钢-连铸设备相关联地传输控制信号或信息,在连铸喷嘴的情况下,当感测到喷嘴的组装异常时,传输喷嘴位置的自动调节信号;当感测到大型填料的分离时,传输相应时间信息的警报信号;如果感测到渣池涡流或熔渣引入或者内径堵塞超过预定数值,则将控制信号或替换信号传输至流量控制装置。
另外,数据分析单元建立设备的实时振动信息的数据库,建立设备中的异常的数据库,建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库,,建立工作条件和状态之间的相关性分析信息的数据库,并且建立安全使用标准信息的数据库。
此外,通过分析单元计算出的监测信息通过有线或无线方式传输,或利用IoT环境传输。
此外,系统还包括通过相机的数字图像处理的测量位置固定功能。
另外,与流量控制装置和炼钢-连铸设备相关联地传输控制信号或信息,在连铸喷嘴的情况下,当感测到喷嘴的组装异常时,传输喷嘴位置的自动调节信号;当感测到大型填料的分离时,传输相应时间信息的警报信号;如果感测到渣池涡流或熔渣引入或者内径堵塞超过预定数值,则将控制信号或替换信号传输至流量控制装置。
此外,振动测量单元使用非接触装置连续测量炼钢-连铸设备的振动数据,使用激光振动测量仪,利用数据挖掘来诊断工艺的异常状态,诊断诸如在连铸喷嘴的情况下引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离的状态,并根据诊断内容将控制信号传输到外围设备以便通过有效的炼钢-连铸工艺控制来改善铸造板坯的质量并提高钢水的出钢率。
此外,炼钢-连铸设备是罩式喷嘴或浸入式喷嘴。
有益效果
根据本发明的炼钢-连铸设备的状态分析系统和方法可以使用激光振动测量仪来测量和分析物体的频率,利用深度学习或机器学习技术,利用分析数据库(DB),例如预测喷嘴的缺陷、扭曲和裂纹,室外空气的混合以及熔渣的流入,并提供实时警报并在现场显示。
附图说明
图1是根据本发明的连铸设备的示意图。
图2是用于诊断罩式喷嘴的状态的说明图,该罩式喷嘴是根据本发明的炼钢-连铸设备之一。
图3是示出根据本发明的罩式喷嘴的正常状态的截面图。
图4是示出根据本发明的罩式喷嘴具有缺陷的状态的截面图。
图5是关于根据本发明的罩式喷嘴的振动因素分析的说明图。
图6是示出图3的正常状态下的罩式喷嘴的振动测量的曲线图。
图7是示出在喷嘴具有图4所示的缺陷的状态下的罩式喷嘴的振动测量的曲线图。
图8是根据本发明的罩式喷嘴的状态分析系统的框图。
图9是根据本发明的第一实施例的罩式喷嘴的状态分析方法的流程图。
图10是根据本发明的第二实施例的罩式喷嘴的状态分析方法的流程图。
图11至图13是根据本发明的喷嘴的状态分析方法的局部详细图。
图14是根据本发明的罩式喷嘴的状态分析方法的说明图。
图15和图16是根据本发明的状态分析系统和方法的测试场景照片和与显示有关的照片。
图17和图18是根据测试的正常状态和异常状态的振动测量结果的曲线图。
图19和图20是根据本发明的处于正常状态和异常状态的罩式喷嘴的内部照片。
图21和图22是正常状态和异常状态的振动测量结果的曲线图。
图23和图24是示出根据本发明的罩式喷嘴的周边关系的参考图。
图25是应用于本发明的罩式喷嘴操纵器的说明图。
图26是示出浸入式喷嘴的状态的诊断状态的说明图,该浸入式喷嘴是根据本发明的炼钢-连铸设备的另一种。
图27是根据本发明的用于测量浸入式喷嘴的状态的系统的结构的说明图。
具体实施方式
在下文中,将参照附图详细描述根据本公开的实施例的用于炼钢-连铸设备的控制和状态分析的系统和方法,使得本领域技术人员可以容易地实施这些实施例。然而,本公开可以以各种方式实现而不限于实施例。另外,在附图中,可以省略公知的元件或部件以避免不必要地混淆所呈现的实施例,并且在整个说明书中,相同的附图标记表示相同或相似的元件。
在本发明的整个说明书中,“熔融金属”是指在铸造工作过程中金属熔融的液态。由于“熔融金属”是指金属的熔融状态,因此熔融金属在冷却后会凝固,然后变成金属铸造板坯。在这种情况下,金属铸造板坯可以是板坯、大方坯或方坯。详细地,在钢铸件中,熔融金属可以是钢水。
此外,在本发明的整个说明书中,可以根据情况以相同的含义来利用数据和数据库含义信息值,并且如果通过数据的累积和存储产生了新的含义,则现有的数据可以是数据库。
根据本发明的使用激光测量振动和分析状态的炼钢-连铸设备和系统不限于以下装置或设备,而可以是在所有工艺中的装置、设备或系统,并且优选地,是罩式喷嘴和浸入式喷嘴。
图1是根据本发明的连铸设备的示意图。如图所示,钢水包70中的熔融金属20通过罩式喷嘴200移入中间包10中,并且浸入式喷嘴100连接至从钢水包70接收熔融金属的中间包10,并且中间包10的底表面插入限定铸造板坯形状的模具30中。
图2是用于诊断罩式喷嘴的状态的说明图,该罩式喷嘴是根据本发明的炼钢-连铸设备之一。如图所示,罩式喷嘴200包括收集器喷嘴220和设置在其上部的SN板210,并且与钢水包70连接。用于观察和感测罩式喷嘴200的振动的振动测量单元300或310设置成与罩式喷嘴200间隔开。
熔融金属20通过钢水包70中的罩式喷嘴200移至中间包10。然而,如果罩式喷嘴200的垂直度不规则或不平衡或者喷嘴具有裂纹或破裂,则可能通过裂纹引入室外空气。因此,可能会重复许多问题,例如钢水再氧化的减少、钢的异常清洁以及将熔渣引入钢水包70中。
此外,熔融金属20通过浸入式喷嘴100从中间包10注入到模具30中,并在形成凝固层的同时经过初始凝固过程。从模具30出来的凝固层由冷却单元(例如通过喷嘴喷射的冷却介质)冷却,并变成板坯、大方坯或方坯形式的金属铸造板坯。
金属铸造板坯通过导辊移至下一步骤。另外,从切割点移动的铸造板坯可以按长度和尺寸切割。引入模具30中的熔融金属20的移动和初始凝固过程是确定连铸完成的金属铸造板坯的性能和质量的重要因素。因此,本发明旨在感测、分析和测量罩式喷嘴200的缺陷,并通过防止或应对缺陷来改善熔融金属和铸造板坯的质量。
如上所述,因为铸造板坯的质量可能由于罩式喷嘴200的缺陷或异常而降低,因此需要快速且连续地感测、分析和应对罩式喷嘴200的状态,并告知用户罩式喷嘴200的状态。
图3是示出根据本发明的罩式喷嘴的正常状态的放大截面图。如图所示,非接触振动测量单元300以长距离测量罩式喷嘴200的振动数据。另外,SN板210、收集器喷嘴220和罩式喷嘴200正常连接,使得不引入室外空气。
图6是测量正常状态下的罩式喷嘴200的振动的结果数据的曲线图。如果没有缺陷,则不存在振幅特别高的振动,并且振幅处于均匀状态。
图4是示出处于异常状态,即存在缺陷或异常的状态的罩式喷嘴200的放大截面图。如图所示,非接触振动测量单元300以长距离测量罩式喷嘴200的振动数据。另外,SN板210、收集器喷嘴220和罩式喷嘴200异常连接,从而引入室外空气。
如上所述,如果罩式喷嘴200的垂直度差,则引入室外空气并且铸造板坯的质量变差,并且根据情况,罩式喷嘴200可能具有裂纹。在异常状态下,当引入熔融金属20时,罩式喷嘴200产生异常振动数据。
图7示出了测量处于异常状态的罩式喷嘴200的振动的结果数据的曲线图。如果存在缺陷,则会产生高振幅的振动,并且如图所示,可能会产生6Hz至8Hz频率的非常高振幅的振动。如上所述,可以使用罩式喷嘴200的振动数据来实时检查或预测喷嘴的异常和状态信息。
图5是关于罩式喷嘴200的振动因素分析的说明图,以便综合地感测、分析和判断诸如钢水包70中的熔融金属的流量变化、熔渣的析出或旋转和移动信息、根据SN板210的开度的偏转气流、通过连接的部分的室外空气引入的各种因素。
由于可以测量因各种因素而变化的振动数据,因此必须将应用了加权值或因变量的算法应用于在数据分析时获得的振动数据,并且可以将获得的数据进行处理和利用作为参考值。
该算法是通过分析测得的振动数据而获得的基于数据的缺陷诊断算法。在这种情况下,可以结合振动变化数据、使用后的罩式喷嘴的缺陷检查数据以及操作条件来准备相关性分析和喷嘴缺陷判断标准。
如图2所示,根据本发明的罩式喷嘴的状态分析系统和方法是测量罩式喷嘴200的振动,比较和分析测得的数据,将数据存储在数据库中,以及将数据通知给用户并将数据输出,使得用户可以实时监视炼钢-连铸设备的状态并且在需要时可以预测罩式喷嘴200的状态。
如图9所示,根据本发明的罩式喷嘴的状态分析方法包括以下步骤:测量罩式喷嘴的表面的振动数据(S10);存储测得的振动数据(S20);将测得的振动数据与现有数据进行比较和分析,或者对测得的振动数据进行预处理和转换(S30);确定是否存在任何缺陷(S40);显示数据(S50);以及通知数据(S60)。
图10是根据本发明的第二实施例的罩式喷嘴的状态分析方法的流程图。根据本发明的第二实施例的罩式喷嘴的状态分析方法包括以下步骤:测量罩式喷嘴的表面的振动数据(S100);传输振动测量数据(S200);比较和分析数据(S300);存储和学习数据(S400);输出必要的数据(S500);以及监视、学习和预测数据(S600)。
存储和学习数据的步骤(S400)包括以下步骤:建立实时振动信息的数据库(S410);建立缺陷状态信息的数据库(S420);建立振动信息和状态的相关性分析信息的数据库(S430);建立工作条件与状态之间的相关性分析信息的数据库(S440);以及建立安全使用标准信息的数据库(S450)。
也就是说,状态分析方法能够根据情况对罩式喷嘴200的使用状态进行分析和数据挖掘,并且能够实时(连续)地建立罩式喷嘴的振动变化的数据库,以便检查使用后的罩式喷嘴的缺陷状态并建立缺陷状态的数据库,分析使用罩式喷嘴后的状态与使用罩式喷嘴期间产生的振动之间的相关性,分析使用罩式喷嘴后的状态与工作条件(温度、铸造速度和钢水的成分)之间的相关性,并通过比较和分析罩式喷嘴的振动测量值、使用罩式喷嘴后的状态和工作条件之间的相关性,建立用于设定与罩式喷嘴的缺陷产生相关的安全使用标准范围的数据库。
显示比较和分析后的数据的步骤(S500)包括将数据显示给用户并且如果不满足预定条件则向用户提供警报和替换信息的步骤(S530)。
也就是说,系统可以实时输出罩式喷嘴的振动测量数据并将其可视化显示,并提供警报和信息以告知使用罩式喷嘴是危险的,并且如果测得数据超出预定安全使用范围则有必要更换罩式喷嘴(系统可以感测振动测量数据的变化和罩式喷嘴中的缺陷水平,并提前实时掌握水平)。警报装置可以是所有视觉和听觉装置之一。
此外,振动测量单元使用非接触式装置(即激光振动测量仪)连续测量罩式喷嘴的振动数据,使用数据挖掘诊断喷嘴连接不良、熔渣引入钢水包中和产生裂纹,并根据诊断内容向外围设备传输控制信号,以便通过有效的浇口堵塞提高钢水的出钢率。
此外,可以根据情况和使用状态通过案例相关性分析将测量的数据建立数据库(DB),并可以使用数据挖掘(data mining)、深度学习(deep learning)或机器学习技术将其存储并利用为大数据。
应用于根据本发明的状态分析方法的数据挖掘是指通过数据库中的任何方法(例如序列模式或相似性)来查找用户感兴趣的知识的过程或者在大容量数据中查找有用信息的过程,也指不仅要查找预期信息还要查找意外信息的技术。
当通过数据挖掘掌握信息的相关性时,可以创建有价值的信息并将其应用于决策,从而将利润最大化。例如,可以基于所有可用的原始数据(包括日常交易数据、客户数据、产品数据或客户响应数据以及其他外部数据)找到隐藏的知识、意外趋势或新规则,并且它们可以用作用于实际业务中的决策的信息。
数据挖掘的代表性应用是数据库营销。因此,根据本发明的罩式喷嘴的表面振动数据可以通过处理和分类被用作数据库,并且数据挖掘被应用于该数据库。
应用于根据本发明的罩式喷嘴的状态分析方法的深度学习是指基于人工神经网络(ANN:artificial neural network)构建的机器学习技术,从而计算机可以像人一样自己学习各种数据。
深度学习是教作为机器的计算机通过模仿人类大脑在大量数据中查找图案后区分事物的信息处理方法来区分事物。如上所述,当应用深度学习技术时,即使人没有设置所有判断标准,计算机也可以自己识别、推断和判断。
因此,深度学习技术被广泛应用于语音识别、图像识别、照片分析等。因为计算机可以排列和分析关于罩式喷嘴的状态的信息,并且可以自己识别、推断和判断,所以本发明由于用户可以预测罩式喷嘴的状态而提供了使用便利性。
如上所述,在用户可以预测罩式喷嘴的状态和缺陷的产生的情况下,如有必要,可以进行库存的输送、管理和准备。因此,本发明可以提高生产率并提供时间和经济效益。
另外,因为将比较和分析的数据实时显示给用户,所以用户可以实时监视罩式喷嘴的状态。
在这种情况下,显示方法可以向用户发出直接警报或通过通用控制室同时做出判断,如果直接将警报发送给用户,则通过用户的移动终端、PDA、智能电话或平板电脑提供警报。
如上所述,因为可以实时向用户警报罩式喷嘴的状态信息,所以用户可以直观地掌握罩式喷嘴的当前状态,并且可以预测并应对状态。
数据或数据库可以被用作大数据。如果应用AI技术,则使得重复学习成为可能,并且可以提高信息的可预测性,并且可以应用能够在部件之间发送和接收数据的IoT技术。
也就是说,当站点的主管、主管的移动终端(未示出)和工场的部件之间相互发送和接收信息时,比罩式喷嘴现有的状态分析方法更有效、更快捷,并且使正确的分析和预测成为可能。
根据本发明利用的大数据是在数字环境中创建的数据,并且是规模巨大且创建周期短的大规模数据,不仅包括数字数据而且包括字符数据和图像数据。
图8是根据本发明的罩式喷嘴的状态分析系统的配置的框图。根据本发明的罩式喷嘴的状态分析系统包括:振动测量单元300,用于连续地测量罩式喷嘴的表面;数据传输单元400,用于传输测得的数据;数据分析单元500,用于分析测得的数据;数据存储单元700,用于存储测得和分析后的数据或数据库;以及数据输出单元600,用于输出测得和分析后的数据。
数据分析单元500根据情况和使用状态通过案例的相关性分析建立测得的数据的数据库(DB),并通过数据挖掘、机器学习或深度学习技术将测得的数据存储并利用为大数据,并且将比较和分析后的数据实时显示给用户,使得用户可以实时监视罩式喷嘴的状态。
另外,数据分析单元500可以建立实时振动信息的数据库、缺陷状态和缺陷产生时间以及裂纹状态信息的数据库、振动信息和状态之间的相关性分析信息的数据库、工作条件和状态之间的相关性分析信息的数据库以及安全使用标准信息的数据库。
另外,存储和学习数据的步骤包括以下步骤:建立实时振动信息的数据库;建立关于喷嘴组件扭曲、室外空气引入、裂纹产生和熔渣引入的状态信息的数据库;建立振动信息和状态之间的相关性分析信息的数据库;建立工作条件和状态之间的相关性分析信息的数据库;以及建立安全使用标准信息的数据库。此外,预测信息可以通过有线或无线方式传输。
此外,本发明还可以包括如下步骤或系统:通过传输与钢水包板机构和机械臂相关的预测诊断信号或信息,在感测到喷嘴组件异常时传输喷嘴位置的自动调节信号,并在感测到钢水包中有熔渣引入时传输机构打开和关闭信号,来有效地建立铸件截留时间。
另外,数据输出单元600向用户显示数据,并且如果不满足预定条件则向用户提供警报和替换信息。
另外,数据或数据库可以被用作大数据。如果应用AI技术,则使得重复学习成为可能,并且可以提高信息的可预测性,并且可以应用能够在部件之间发送和接收数据的IoT技术。
图15示出了检查根据本发明的罩式喷嘴的状态分析方法和系统的测试过程。振动测量单元300使用激光在距测试部分较长的距离,即超过10米处进行测量,并且根据情况可以使用红外线进行测量。该测试是在实地进行的,并且振动测量单元300在距罩式喷嘴2007米处进行了测量。
图16是监视通过振动测量单元300要测量的罩式喷嘴的点的屏幕。除了激光振动传感器之外,各种设备和装置(例如红外成像系统、使用长距离的温度测量装置等)可以同时应用。
此外,为了提高测量精度,除了非接触式传感器之外,还可以进一步准备成像系统(未示出),并且可以通过成像系统感测和比较关于罩式喷嘴的外观状态、位置和颜色变化的信息。
振动测量单元300可以包括防尘和耐热装置。防尘装置可以使用壳体、外壳、盖或阻尼器以防止由振动测量单元300的外部因素引起的振动,并且耐热装置可以包括风扇以应对作用在罩式喷嘴200附近的高温环境。
此外,振动测量单元300可以通过防尘装置、耐热装置和图像处理包括测量位置跟踪功能,还包括自动跟踪功能,以便测量相同位置。即,由于在工作期间罩式喷嘴由于滑动闸阀的开闭度而移动,所以测量位置移动。为了防止位置的移动,电动机通过图像处理移动,从而根据喷嘴的移动自动跟踪测量位置。
图17示出了根据测试结果的正常状态下的罩式喷嘴的振动测量结果的曲线图。该曲线图示出了由熔融金属的流动引起的振动的结果以及由工作条件引起的振动的变化,并且示出了未感测到特定部分处的高振幅的振动。
然而,如图18所示,异常状态下的振动测量曲线图示出室外空气被引入到罩式喷嘴中,并在特定部分处产生非常大的振幅的振动。如图所示,产生了正常状态(6Hz至8Hz)振幅的两倍至四倍大的振动。
另外,如果处于正常状态,即没有缺陷,则0至38Hz区域内的振幅在0.001m以内,如果处于异常状态,即存在缺陷,则在0至38Hz的区域内观察到高振幅的振动。
图19是示出正常状态下的喷嘴内部的照片,图20是示出垂直度差的异常状态下的喷嘴内部的照片。如图所示,在正常状态下,喷嘴的内表面的蓄积率是均匀的,但是在异常状态下,蓄积率存在10mm的偏差。
图21是根据图19的正常状态下的振动测量结果的曲线图,图22是根据图20的异常状态下的振动测量结果的曲线图。如图所示,在异常状态下,在特定部分处产生振幅非常大的振动。
图23至图25是示出用于测量根据本发明的罩式喷嘴的振动的配置和装置的说明图,图26和图27是示出浸入式喷嘴的状态分析的图,该浸入式喷嘴是根据本发明的炼钢-连铸设备的另一种。
也就是说,根据本发明的炼钢-连铸设备的控制和状态分析方法以及状态分析系统可以在所有的工序和设备中使用,优选地,适用于罩式喷嘴和浸入式喷嘴,从而通过激光振动测量来分析和预测状态。
例如,罩式喷嘴和浸入式喷嘴具有相似的目的以引导熔融金属的流动并防止氧化,但是具有根据工艺顺序和环境可能发生的不同种类的缺陷。因此,罩式喷嘴和浸入式喷嘴在对策、警报、分析和预测的结果上彼此不同。
由于本发明的目的是测量和分析炼钢-连铸设备的所有部件的状态并利用所收集的数据,因此本发明可以统一地用于所有工艺,并且可以应用于除了炼钢-连铸工艺之外的各种领域和工艺。
如上所述,尽管出于说明性目的公开了本发明的示例性实施例,但是应当理解,本发明不限于此,并且本领域技术人员将理解,在不背离本发明的范围和精神的情况下,可以进行各种修改、添加和替换。
工业实用性
根据本发明的用于分析炼钢-连铸设备的状态的系统和方法可以测量设备、罩式喷嘴或浸入式喷嘴的频率并且比较和分析所测量的数据,利用深度学习或数据挖掘技术来制备大数据,并且可以应用于通过人工智能(AI)学习来分析和预测情况。
Claims (19)
1.一种用于炼钢-连铸设备的控制和状态分析的方法,包括以下步骤:
通过使用激光振动测量仪测量所述炼钢-连铸设备的振动数据;
传输测得的所述振动数据;
将接收到的测得的所述振动数据与现有数据进行比较,并对所述振动数据进行分析;
存储和学习所述数据;以及
显示比较和分析后的所述数据,
其中,测得的所述数据根据情形条件和使用状态通过具体案例相关性分析或预定的缺陷诊断算法确定设备或工艺中的异常,必要时传输警报或控制信号,将所述数据存储在数据库DB中,使用数据挖掘、机器学习或深度学习技术进行存储并用作大数据,并且将比较和分析后的所述数据显示给用户,以便所述用户能够实时监视和诊断所述炼钢-连铸设备的状态。
2.根据权利要求1所述的方法,其中,存储和学习所述数据的步骤包括以下步骤:建立实时振动信息的数据库;建立所述设备中的异常的数据库;建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库;建立振动信息和关于所述状态的相关性分析信息的数据库;建立工作条件和状态之间的相关性分析信息的数据库;以及建立安全使用标准信息的数据库。
3.根据权利要求1所述的方法,其中,显示比较和分析后的所述数据的步骤包括以下步骤:向所述用户显示所述数据,并且如果不满足预定条件则为所述用户提供警报和替换信息。
4.根据权利要求1所述的方法,其中,所述数据被用作大数据,以便通过应用人工智能技术通过重复学习来提高信息的可预测性和监视数据的可靠性。
5.根据权利要求1所述的方法,其中,存储和学习所述数据的步骤包括以下步骤:建立实时振动信息的数据库;建立所述设备中的异常的数据库;建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库;建立振动信息和关于所述状态的相关性分析信息的数据库;建立工作条件和状态之间的相关性分析信息的数据库;以及建立安全使用标准信息的数据库。
6.根据权利要求4所述的方法,其中,通过有线或无线方式传输预测信息。
7.根据权利要求4所述的方法,其中,与流量控制装置和所述炼钢-连铸设备相关联地传输控制信号或信息,在连铸喷嘴的情况下,当感测到所述喷嘴的组装异常时,传输喷嘴位置的自动调节信号;当感测到大型填料的分离时,传输相应时间信息的警报信号;如果感测到渣池涡流或熔渣引入或者内径堵塞超过预定数值,则将控制信号或替换信号传输至所述流量控制装置。
8.根据权利要求1至4中任一项所述的方法,其中,所述炼钢-连铸设备是罩式喷嘴或浸入式喷嘴。
9.一种用于炼钢-连铸设备的控制和状态分析的系统,包括:
振动测量单元,用于连续测量罩式喷嘴的表面;
数据传输单元,用于传输测得的数据;
数据分析单元,用于分析测得的所述数据;
数据存储单元,用于存储测得和分析后的所述数据或数据库;以及
数据输出单元,用于输出测得和分析后的所述数据,
其中,所述数据分析单元根据情形条件和使用状态通过具体案例相关性分析或预定的缺陷诊断算法将测量的所述数据存储在数据库中,以判断所述设备或工艺的异常,并且必要时传输警报或控制信号,并且
其中,将所述数据存储在数据库DB中,使用数据挖掘、机器学习或深度学习技术进行存储并用作大数据,并且将比较和分析后的所述数据显示给用户,以便所述用户能够实时监视和诊断所述炼钢-连铸设备的状态。
10.根据权利要求9所述的系统,其中,所述数据分析单元建立所述设备的实时振动信息的数据库,建立所述设备中的异常的数据库,建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库,建立振动信息和关于所述状态的相关性分析信息的数据库,建立工作条件和状态之间的相关性分析信息的数据库,并且建立安全使用标准信息的数据库。
11.根据权利要求9所述的系统,其中,所述数据输出单元向所述用户显示所述数据,并且如果不满足预定条件则为所述用户提供警报和替换信息。
12.根据权利要求9所述的系统,其中,所述数据被用作大数据,以便通过应用人工智能技术通过重复学习来提高信息的可预测性和监视数据的可靠性。
13.根据权利要求9所述的系统,其中,所述振动测量单元使用非接触装置连续测量所述设备的振动数据,使用激光振动传感器,并且包括防尘和耐热装置。
14.根据权利要求9所述的系统,其中,所述数据分析单元建立所述设备的实时振动信息的数据库,建立所述设备中的异常的数据库,建立在连铸喷嘴的情况下的关于引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离状态的信息的数据库,建立工作条件和状态之间的相关性分析信息的数据库,并且建立安全使用标准信息的数据库。
15.根据权利要求12所述的系统,其中,通过所述分析单元计算出的监视信息通过有线或无线方式传输,或利用IoT环境传输。
16.根据权利要求13所述的系统,还包括通过相机的数字图像处理进行的测量位置固定功能。
17.根据权利要求12所述的系统,其中,与流量控制装置和所述炼钢-连铸设备相关联地传输控制信号或信息,在连铸喷嘴的情况下,当感测到所述喷嘴的组装异常时,传输喷嘴位置的自动调节信号;当感测到大型填料的分离时,传输相应时间信息的警报信号;如果感测到渣池涡流或熔渣引入或者内径堵塞超过预定数值,则将控制信号或替换信号传输至所述流量控制装置。
18.根据权利要求12所述的系统,其中,所述振动测量单元使用非接触装置连续测量所述炼钢-连铸设备的振动数据,使用激光振动测量仪,利用数据挖掘来诊断工艺的异常状态,诊断诸如在连铸喷嘴的情况下引入室外空气、喷嘴不良组装、内径堵塞、熔渣引入、裂纹产生或大型填料的分离的状态,并根据诊断内容将控制信号传输到外围设备以便通过有效的炼钢-连铸工艺控制来改善铸造板坯的质量并提高钢水的出钢率。
19.根据权利要求9至14中任一项所述的系统,其中,所述炼钢-连铸设备是罩式喷嘴或浸入式喷嘴。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20190032180 | 2019-03-21 | ||
KR10-2019-0032180 | 2019-03-21 | ||
KR10-2019-0075170 | 2019-06-24 | ||
KR1020190075170A KR102148792B1 (ko) | 2019-03-21 | 2019-06-24 | 레이저 진동측정을 이용한 제강 - 연주 공정설비 제어 및 상태분석 방법과 이를 이용한 시스템 |
PCT/KR2020/002558 WO2020189904A1 (ko) | 2019-03-21 | 2020-02-21 | 레이저 진동측정을 이용한 제강 - 연주 공정설비 제어 및 상태분석 방법과 이를 이용한 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112805561A true CN112805561A (zh) | 2021-05-14 |
Family
ID=72237354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004970.2A Pending CN112805561A (zh) | 2019-03-21 | 2020-02-21 | 炼钢-连铸工艺设备控制和状态分析方法及利用其的系统 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3835779A4 (zh) |
KR (1) | KR102148792B1 (zh) |
CN (1) | CN112805561A (zh) |
BR (1) | BR112021003767A2 (zh) |
WO (1) | WO2020189904A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504725A (zh) * | 2021-07-09 | 2021-10-15 | 衡阳镭目科技有限责任公司 | 转炉的实时炉渣状态监测装置 |
CN113988202A (zh) * | 2021-11-04 | 2022-01-28 | 季华实验室 | 一种基于深度学习的机械臂异常振动检测方法 |
CN114149254A (zh) * | 2021-12-10 | 2022-03-08 | 鞍山浦项特种耐火材料有限公司 | 不烧滑板及其制备方法 |
CN115430814A (zh) * | 2022-09-27 | 2022-12-06 | 联峰钢铁(张家港)有限公司 | 一种连铸机状态判断及预警的方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102495413B1 (ko) * | 2021-03-18 | 2023-02-06 | 현대제철 주식회사 | 래들 슬라이드 게이트 제어 장치 및 방법 |
CN114088913A (zh) * | 2021-10-22 | 2022-02-25 | 包头钢铁(集团)有限责任公司 | 一种判断不同含量稀土钢水对浸入式水口使用性能影响的方法 |
CN114130978A (zh) * | 2021-11-29 | 2022-03-04 | 中冶华天南京工程技术有限公司 | 一种连铸智慧集控方法 |
KR20230093868A (ko) | 2021-12-20 | 2023-06-27 | 주식회사 포스코 | 노즐 모니터링 장치 및 방법 |
CN115026271B (zh) * | 2022-05-25 | 2024-04-19 | 江阴兴澄特种钢铁有限公司 | 一种连铸水口安装测量校准系统的实现方法 |
KR102609751B1 (ko) | 2022-09-30 | 2023-12-06 | 현대제철 주식회사 | 조업 제어시스템 및 이의 제어방법 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05185201A (ja) * | 1992-01-14 | 1993-07-27 | Sumitomo Metal Ind Ltd | スラグ流出タイミング予知方法 |
JPH1133705A (ja) * | 1997-07-17 | 1999-02-09 | Nkk Corp | レードル鍋湯切れ検出方法 |
KR20000005093U (ko) * | 1998-08-21 | 2000-03-15 | 이구택 | 턴디쉬 노즐의 슬래그 검출장치 |
KR20010057261A (ko) * | 1999-12-21 | 2001-07-04 | 신현준 | 신경회로망을 이용한 주편폭 예측방법 |
US20010029785A1 (en) * | 1994-07-19 | 2001-10-18 | Heaslip Lawrence J. | Liquid metal flow condition detection |
KR20040054269A (ko) * | 2002-12-18 | 2004-06-25 | 주식회사 포스코 | 연속 주조용 침지 노즐내의 막힘 물질의 탈락 검출 및이를 이용한 연주정정 조업방법 |
KR20040088780A (ko) * | 2003-04-11 | 2004-10-20 | 주식회사 포스코 | 롱노즐부착형 진동센서를 이용한 슬래그 유출감지장치 |
KR20110065170A (ko) * | 2009-12-09 | 2011-06-15 | 주식회사 포스코 | 연주공정의 노즐 막힘두께 예측장치 및 예측방법 |
CN105880502A (zh) * | 2016-04-18 | 2016-08-24 | 马鞍山尚元冶金科技有限公司 | 一种连铸二冷区喷嘴工作状态的实时检测装置及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2360357A (en) * | 2000-03-17 | 2001-09-19 | Alex Davidkhanian | Slag detector for molten steel transfer operations |
KR100832424B1 (ko) * | 2001-11-30 | 2008-05-26 | 주식회사 포스코 | 신경회로망을 이용한 연속주조공정의 품질안정화 방법 |
KR101277962B1 (ko) | 2007-12-27 | 2013-06-27 | 주식회사 포스코 | 침지노즐의 막힘 예측 방법 및 장치 |
-
2019
- 2019-06-24 KR KR1020190075170A patent/KR102148792B1/ko active IP Right Grant
-
2020
- 2020-02-21 CN CN202080004970.2A patent/CN112805561A/zh active Pending
- 2020-02-21 EP EP20774473.1A patent/EP3835779A4/en active Pending
- 2020-02-21 BR BR112021003767-5A patent/BR112021003767A2/pt unknown
- 2020-02-21 WO PCT/KR2020/002558 patent/WO2020189904A1/ko unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05185201A (ja) * | 1992-01-14 | 1993-07-27 | Sumitomo Metal Ind Ltd | スラグ流出タイミング予知方法 |
US20010029785A1 (en) * | 1994-07-19 | 2001-10-18 | Heaslip Lawrence J. | Liquid metal flow condition detection |
JPH1133705A (ja) * | 1997-07-17 | 1999-02-09 | Nkk Corp | レードル鍋湯切れ検出方法 |
KR20000005093U (ko) * | 1998-08-21 | 2000-03-15 | 이구택 | 턴디쉬 노즐의 슬래그 검출장치 |
KR20010057261A (ko) * | 1999-12-21 | 2001-07-04 | 신현준 | 신경회로망을 이용한 주편폭 예측방법 |
KR20040054269A (ko) * | 2002-12-18 | 2004-06-25 | 주식회사 포스코 | 연속 주조용 침지 노즐내의 막힘 물질의 탈락 검출 및이를 이용한 연주정정 조업방법 |
KR20040088780A (ko) * | 2003-04-11 | 2004-10-20 | 주식회사 포스코 | 롱노즐부착형 진동센서를 이용한 슬래그 유출감지장치 |
KR20110065170A (ko) * | 2009-12-09 | 2011-06-15 | 주식회사 포스코 | 연주공정의 노즐 막힘두께 예측장치 및 예측방법 |
CN105880502A (zh) * | 2016-04-18 | 2016-08-24 | 马鞍山尚元冶金科技有限公司 | 一种连铸二冷区喷嘴工作状态的实时检测装置及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113504725A (zh) * | 2021-07-09 | 2021-10-15 | 衡阳镭目科技有限责任公司 | 转炉的实时炉渣状态监测装置 |
CN113988202A (zh) * | 2021-11-04 | 2022-01-28 | 季华实验室 | 一种基于深度学习的机械臂异常振动检测方法 |
CN114149254A (zh) * | 2021-12-10 | 2022-03-08 | 鞍山浦项特种耐火材料有限公司 | 不烧滑板及其制备方法 |
CN114149254B (zh) * | 2021-12-10 | 2023-06-06 | 鞍山浦项特种耐火材料有限公司 | 不烧滑板及其制备方法 |
CN115430814A (zh) * | 2022-09-27 | 2022-12-06 | 联峰钢铁(张家港)有限公司 | 一种连铸机状态判断及预警的方法 |
Also Published As
Publication number | Publication date |
---|---|
KR102148792B1 (ko) | 2020-08-27 |
EP3835779A1 (en) | 2021-06-16 |
EP3835779A4 (en) | 2022-06-15 |
BR112021003767A2 (pt) | 2021-05-25 |
WO2020189904A1 (ko) | 2020-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112805561A (zh) | 炼钢-连铸工艺设备控制和状态分析方法及利用其的系统 | |
EP1428598B1 (en) | Method and online system for monitoring continuous caster start-up operation and predicting start cast breakouts | |
EP1021263B1 (en) | Multivariate statistical model-based system for monitoring the operation of a continuous caster and detecting the onset of impending breakouts | |
US6737014B2 (en) | Slag detector for molten steel transfer operations | |
EP0371482B1 (en) | Continuous casting method and apparatus for implementing same method | |
CN112501377A (zh) | 一种转炉炼钢渣含量异常检测方法及系统 | |
CN100402194C (zh) | 滑盖的操作方法以及滑盖 | |
US5242014A (en) | Continuous casting method and apparatus for implementing same method | |
CN109029830B (zh) | 一种漏钢检测系统及方法 | |
CN203725730U (zh) | 一种钢包下渣检测装置 | |
JP6927461B1 (ja) | 生産設備の操業方法及び操業システム | |
CN110673563A (zh) | 一种高温熔融金属容器监控预警报警系统及实施方法 | |
JP4771669B2 (ja) | 拘束性ブレークアウトの監視方法および監視装置 | |
RU2796996C1 (ru) | Система и способ контроля, эксплуатации и технического обслуживания промышленной установки, в частности, в металлообрабатывающей или сталелитейной промышленности | |
CN112597625B (zh) | 基于大数据的钢包内衬材料的预计寿命的预测方法 | |
KR20200009364A (ko) | 대탕도 내화물 잔존 예측 시스템 및 방법 | |
Langer et al. | New approaches to breakout prediction | |
Bhattacharya et al. | Fuzzy diagnostics system for breakout prevention in continuous casting of steel | |
CN114365051B (zh) | 用于监控、运行和维护工业设施的系统和方法 | |
Lieftucht et al. | Online prediction of longitudinal facial cracks in thin slab casting using principal component analysis | |
JP2012246565A (ja) | 転炉炉口への転炉スカート衝突防止方法 | |
JPH02251362A (ja) | スラグ流出検知方法及びその装置 | |
CN115415490A (zh) | 一种炼钢连铸控制系统及方法 | |
Schiavon et al. | New Field Results on Ultrasonic Mould Thermal Mapping for Quality Improvement and Initial Solidification Diagnostics | |
CN115011750A (zh) | 一种炼钢转炉冶炼节奏分析方法与系统 |
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 |