CN113579190B - 一种基于区域特征的板坯连铸漏钢预报方法 - Google Patents
一种基于区域特征的板坯连铸漏钢预报方法 Download PDFInfo
- Publication number
- CN113579190B CN113579190B CN202110703659.3A CN202110703659A CN113579190B CN 113579190 B CN113579190 B CN 113579190B CN 202110703659 A CN202110703659 A CN 202110703659A CN 113579190 B CN113579190 B CN 113579190B
- Authority
- CN
- China
- Prior art keywords
- temperature
- thermocouple
- temperature rise
- time
- slope
- 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.)
- Active
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
- B22D11/18—Controlling or regulating processes or operations for pouring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Continuous Casting (AREA)
Abstract
本发明涉及一种基于区域特征的板坯连铸漏钢预报方法，属于板坯连铸生产工艺技术领域。本发明的技术方案是：根据热电偶状态自动屏蔽异常波动热电偶，对异常温度值进行剔除；通过逻辑规则判断温升后再判断温降，最后通过区域热电偶温升数量特征及传播特性识别粘结过程，完全依据粘结发展顺序进行判断。本发明的有益效果是：具有较强的抗干扰能力，且简单明了可维护性强。
Description
技术领域
本发明涉及一种基于区域特征的板坯连铸漏钢预报方法，属于板坯连铸生产工艺技术领域。
背景技术
连铸漏钢是粘结或裂纹等铸坯表面质量缺陷发展到一定程度产生的恶性质量事故。尤其是随着现代化高效连铸技术的发展，不仅要求高品质连铸坯，而且要求高拉速，高拉速连铸引发出更复杂的结晶器传热、摩擦和润滑等问题，导致粘结性漏钢事故大大增加。
粘结性漏钢是指由于结晶器液面波动过大或保护渣熔化不好等导致结晶器铜板和坯壳润滑不良，发生粘结现象，然后坯壳在结晶器振动和拉坯作用力下，不断向下移动和被撕裂，当下移到结晶器出口时发生的漏钢。在实际生产中，粘结性漏钢在各类漏钢事件中发生比例超过80％。通过在结晶器铜板上安装热电偶，对热电偶温度特征识别成为预防粘结漏钢的有效手段，软件模型也成为漏钢预报的核心内容。
传统漏钢预报系统一类是通过神经网络、聚类等智能识别技术对特征进行识别，不确定性较多，生产人员对各种异常报警分析较为困难，且工艺、钢种变化适应性不强。另一类是通过逻辑判断进行特征识别，各种厂家有方法不尽相同，专利文件CN102825234A及CN107096899A公开的报警逻辑规则中，都使用了“温度倒置”的逻辑规则，但是生产过程中热电偶温度异常、拉速变动等条件都会有可能产生这种“温度倒置”的现象，因此不可避免的产生部分误报，且温升温降识别采用连续模式，因此异常信号对报警及时性有很大影响。
发明内容
本发明目的是提供一种基于区域特征的板坯连铸漏钢预报方法，根据热电偶状态自动屏蔽异常波动热电偶，对异常温度值进行剔除；通过逻辑规则判断温升后再判断温降，最后通过区域热电偶温升数量特征及传播特性识别粘结过程，完全依据粘结发展顺序进行判断，具有较强的抗干扰能力，且简单明了可维护性强，有效地解决了背景技术中存在的上述问题。
本发明的技术方案是：一种基于区域特征的板坯连铸漏钢预报方法，包含以下步骤：
(1)结晶器热电偶安装排数R_num≥3，排间距R≤120mm，列间距C≤250mm，热电偶温度采样周期t0≤1秒；
(2)热电偶温度状态识别；T(i,j)为第i行、第j列热电偶温度值。
温度范围异常识别，热电偶温度值不在合理温度范围内(40～170℃)时，该热电偶不参与模型控制；
温度波动异常识别，设定统计周期为150～250S，波动阈值为30～60℃；统计周期内累差大于波动阈值时，该热电偶自动屏蔽，反之小于波动阈值时，则自动恢复正常；
(3)热电偶温升识别
设定最小温升斜率0.15～0.3℃/s，最大温升斜率1～2℃/s，温升时间阈值Tu 4-6s，最大温升等待时间Tu2为20-35s；
当前时刻温度斜率介于最小温升斜率与最大温升斜率之间时，有效温升时间T_up(i,j)＝T_up(i,j)+t0；否则T_up(i,j)＝max(T_up(i,j)-t0,0)，即T_up(i,j)-t0与0中的较大值；
当T_up(i,j)等于Tu时，记录温升时间Time(i,j)，温升标志Uf(i,j)为1，在之后的Tu2时间内，温升标志Uf(i,j)一直保持为1，超过Tu2时间后Uf(i,j)为0；
(4)热电偶温降识别：只针对温升标志Uf(i,j)为1的热电偶识别温降特征，
设定最小温降斜率-2～-1℃/s，最大温降升斜率-0.3～-0.15℃/s，温降时间阈值Td 5-8s；
当前时刻温度斜率介于最小温降斜率与最大温降斜率之间时，有效温降时间T_d(i,j)＝T_d(i,j)-t0；否则T_d(i,j)＝max(T_d(i,j)-t0,0)，即T_d(i,j)-t0与0中的较大值；
当有效温降时间T_d(i,j)>＝Td时，温升标志Df(i,j)为1，否则Df(i,j)为0；
(5)区域温升检查：只针对温降标志Df(i,j)为1的热电偶进行区域温升统计，
区域范围为该热电偶所在列及左右各两列，共5列区域参与报警的热电偶；
区域范围内所有温升标志Uf(i,j)为1的数量之和不小于温降热电偶所在排*3，否则模型返回；
(6)传播特性检查
满足上述区域温升检查的热电偶，依次与区域内各温升热电偶进行传播特性检查，计算温升热电偶(m,n)与温降热电偶(i,j)温升时间差值Time_span＝Time(m,n)-Time(i,j)；
根据横向传播速度大于纵向传播速度的特征，设定横向传播最小系数C_rmin，为0.3～0.5；横向传播最大系数C_rmax，为0.8～1.1；设定纵向传播最小系数C_cmin，为0.7～0.9；纵向传播最大系数C_cmax，为1.3～1.6；
两个热电偶间横向距离为D_row，纵向距离为D_col，铸机拉速为V mm/s；温升时间差值Time_span满足以下条件时，即满足传播特性特征要求，向连铸机控制系统发出降报警信号
本发明的有益效果是：根据热电偶状态自动屏蔽异常波动热电偶，对异常温度值进行剔除；通过逻辑规则判断温升后再判断温降，最后通过区域热电偶温升数量特征及传播特性识别粘结过程，完全依据粘结发展顺序进行判断，具有较强的抗干扰能力，且简单明了可维护性强。
附图说明
图1是本发明的流程图；
图2是本发明实施例某段时刻热电偶温度曲线图。
具体实施方式
为了使发明实施案例的目的、技术方案和优点更加清楚，下面将结合实施案例中的附图，对本发明实施案例中的技术方案进行清晰的、完整的描述，显然，所表述的实施案例是本发明一小部分实施案例，而不是全部的实施案例，基于本发明中的实施案例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施案例，都属于本发明保护范围。
一种基于区域特征的板坯连铸漏钢预报方法，包含以下步骤：
(1)结晶器热电偶安装排数R_num≥3，排间距R≤120mm，列间距C≤250mm，热电偶温度采样周期t0≤1秒；
(2)热电偶温度状态识别；T(i,j)为第i行、第j列热电偶温度值。
温度范围异常识别，热电偶温度值不在合理温度范围内(40～170℃)时，该热电偶不参与模型控制；
温度波动异常识别，设定统计周期为150～250S，波动阈值为30～60℃；统计周期内累差(当前时刻温度值减去前一时刻温度值的绝对值之和)大于波动阈值时，该热电偶自动屏蔽，反之小于波动阈值时，则自动恢复正常；
(3)热电偶温升识别
设定最小温升斜率0.15～0.3℃/s，最大温升斜率1～2℃/s，温升时间阈值Tu 4-6s，最大温升等待时间Tu2为20-35s；
当前时刻温度斜率介于最小温升斜率与最大温升斜率之间时，有效温升时间T_up(i,j)＝T_up(i,j)+t0；否则T_up(i,j)＝max(T_up(i,j)-t0,0)，即T_up(i,j)-t0与0中的较大值；
当T_up(i,j)等于Tu时，记录温升时间Time(i,j)，温升标志Uf(i,j)为1，在之后的Tu2时间内，温升标志Uf(i,j)一直保持为1，超过Tu2时间后Uf(i,j)为0；
(4)热电偶温降识别：只针对温升标志Uf(i,j)为1的热电偶识别温降特征，
设定最小温降斜率-2～-1℃/s，最大温降升斜率-0.3～-0.15℃/s，温降时间阈值Td 5-8s；
当前时刻温度斜率介于最小温降斜率与最大温降斜率之间时，有效温降时间T_d(i,j)＝T_d(i,j)-t0；否则T_d(i,j)＝max(T_d(i,j)-t0,0)，即T_d(i,j)-t0与0中的较大值；
当有效温降时间T_d(i,j)>＝Td时，温升标志Df(i,j)为1，否则Df(i,j)为0；
(5)区域温升检查：只针对温降标志Df(i,j)为1的热电偶进行区域温升统计，
区域范围为该热电偶所在列及左右各两列，共5列区域参与报警的热电偶；
区域范围内所有温升标志Uf(i,j)为1的数量之和不小于温降热电偶所在排*3，否则模型返回；
(6)传播特性检查
满足上述区域温升检查的热电偶，依次与区域内各温升热电偶进行传播特性检查，计算温升热电偶(m,n)与温降热电偶(i,j)温升时间差值Time_span＝Time(m,n)-Time(i,j)；
根据横向传播速度大于纵向传播速度的特征，设定横向传播最小系数C_rmin，为0.3～0.5；横向传播最大系数C_rmax，为0.8～1.1；设定纵向传播最小系数C_cmin，为0.7～0.9；纵向传播最大系数C_cmax，为1.3～1.6；
两个热电偶间横向距离为D_row，纵向距离为D_col，铸机拉速为V mm/s；温升时间差值Time_span满足以下条件时，即满足传播特性特征要求，向连铸机控制系统发出降报警信号
实施例：
某厂板坯连铸机结晶器热电偶安装排数R_num＝3；排间距R＝100mm，列间距C＝200mm。热电偶温度采样周期t0＝1秒，内外弧各安装9列热电偶，依次为A～I列。
(1)参数设定
热电偶温度值合理温度范围(40～170℃)，设定统计周期为200S，波动阈值为45℃；
设定最小温升斜率0.15℃/s，最大温升斜率1.5℃/s，温升时间阈值Tu 5s，最大温升等待时间Tu2为25s。
最小温降斜率-1.8℃/s，最大温降升斜率-0.15℃/s，温降时间阈值Td 6s。
设定横向传播最小系数C_rmin，为0.4；横向传播最大系数C_rmax，为1.0；
设定纵向传播最小系数C_cmin，为0.8；纵向传播最大系数C_cmax，为1.5。
图为外弧B～F列一段时间的温度曲线图，粘结报警识别过程如下：
(2)热电偶温度状态识别；除B2热电偶温度值T(2,2)温度异常外，其它都符合要求，参与判定。B2对应第二行、第二列热电偶，其余热电偶类推。
(3)热电偶温升识别
有效温降时间T_up(i,j)＝5s时，该热电偶温升标志Uf(i,j)为1，并持续25s，25s后归0。具体温升时间如下：
D1热电偶22:02:58温升；E1热电偶22:03:04温升
D2热电偶22:03:08温升；C1热电偶22:03:09温升
F1热电偶22:03:11温升；E2热电偶22:03:13温升
(4)热电偶温降识别
当有效温降时间T_d(i,j)>＝6s时，温升标志Df(i,j)为1，否则Df(i,j)为0。
D1热电偶22:03:12温降；
(5)区域温升检查
D1热电偶22:03:12温降时，BCDEF列共有温升热电偶个数5个，D1为第一排r＝1，满足≮r*3个的要求。
(6)传播特性检查
铸机拉速为1m/min；
D1热电偶22:03:12温降时，与E1、D2、C1、F1热电偶检查传播特性；
D1与E1检查Time_span＝22:03:04-22:02:58＝6s
即22:03:12D1与E1符合粘结传播特征，发出粘结报警。同理22:03:12D1与C1符合粘结传播特征，发出粘结报警。
D1与F1检查，Time_span＝22:03:11-22:02:58＝13s
22:03:12D1与F1符合粘结传播特征，发出粘结报警。
Claims (1)
1.一种基于区域特征的板坯连铸漏钢预报方法，其特征在于包含以下步骤：
（1）结晶器热电偶安装排数R_num≥3，排间距R≤120mm，列间距C≤250mm，热电偶温度采样周期t0≤1秒；
（2）热电偶温度状态识别；T(i,j）为第i行、第j列热电偶温度值；
温度范围异常识别，热电偶温度值不在合理温度范围40～170℃时，该热电偶不参与模型控制；
温度波动异常识别，设定统计周期为150～250S，波动阈值为30～60℃；统计周期内累差大于波动阈值时，该热电偶自动屏蔽，反之小于波动阈值时，则自动恢复正常；
（3）热电偶温升识别
设定最小温升斜率0.15～0.3℃/s，最大温升斜率1～2℃/s，温升时间阈值Tu 4-6s，最大温升等待时间Tu2为20-35s；
当前时刻温度斜率介于最小温升斜率与最大温升斜率之间时，有效温升时间T_up(i,j)=T_up(i,j)+t0；否则T_up(i,j)=max(T_up(i,j)-t0,0)，即T_up(i,j)-t0与0中的较大值；
当T_up(i,j)等于Tu时，记录温升时间Time(i,j)，温升标志Uf(i,j)为1，在之后的Tu2时间内，温升标志Uf(i,j)一直保持为1，超过Tu2时间后Uf(i,j)为0；
（4）热电偶温降识别：只针对温升标志Uf(i,j)为1的热电偶识别温降特征，
设定最小温降斜率-2～-1℃/s，最大温降升斜率-0.3～-0.15℃/s，温降时间阈值Td5-8s；
当前时刻温度斜率介于最小温降斜率与最大温降斜率之间时，有效温降时间T_d(i,j)= T_d(i,j)-t0；否则T_d(i,j)=max(T_d(i,j)-t0,0)，即T_d(i,j)-t0与0中的较大值；
当有效温降时间T_d(i,j)>=Td时，温升标志Df(i,j)为1，否则Df(i,j)为0；
（5）区域温升检查：只针对温降标志Df(i,j)为1的热电偶进行区域温升统计，
区域范围为该热电偶所在列及左右各两列，共5列区域参与报警的热电偶；
区域范围内所有温升标志Uf(i,j)为1的数量之和不小于温降热电偶所在排*3，否则模型返回；
（6）传播特性检查
满足上述区域温升检查的热电偶，依次与区域内各温升热电偶进行传播特性检查，计算温升热电偶（m,n）与温降热电偶（i,j）温升时间差值Time_span= Time(m,n) - Time(i,j)；
根据横向传播速度大于纵向传播速度的特征，设定横向传播最小系数C_rmin，为0.3～0.5；横向传播最大系数C_rmax，为0.8～1.1；设定纵向传播最小系数C_cmin，为0.7～0.9；纵向传播最大系数C_cmax，为1.3～1.6；
两个热电偶间横向距离为D_row，纵向距离为D_col，铸机拉速为V mm/s；温升时间差值Time_span满足以下条件时，即满足传播特性特征要求，向连铸机控制系统发出降报警信号
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110703659.3A CN113579190B (zh) | 2021-06-24 | 2021-06-24 | 一种基于区域特征的板坯连铸漏钢预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110703659.3A CN113579190B (zh) | 2021-06-24 | 2021-06-24 | 一种基于区域特征的板坯连铸漏钢预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113579190A CN113579190A (zh) | 2021-11-02 |
| CN113579190B true CN113579190B (zh) | 2022-10-28 |
Family
ID=78244561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110703659.3A Active CN113579190B (zh) | 2021-06-24 | 2021-06-24 | 一种基于区域特征的板坯连铸漏钢预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113579190B (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5020585A (en) * | 1989-03-20 | 1991-06-04 | Inland Steel Company | Break-out detection in continuous casting |
| JP3617423B2 (ja) * | 2000-07-25 | 2005-02-02 | Ｊｆｅスチール株式会社 | 拘束性ブレークアウトの推定方法 |
| JP2008260044A (ja) * | 2007-04-12 | 2008-10-30 | Kobe Steel Ltd | 凝固遅れによるブレークアウトを防止する、スラブ鋼の連続鋳造方法 |
| CN101332499B (zh) * | 2007-06-28 | 2011-01-19 | 上海梅山钢铁股份有限公司 | 一种板坯连铸漏钢预报控制方法 |
| CN101985166B (zh) * | 2009-07-29 | 2012-04-25 | 宝山钢铁股份有限公司 | 一种连铸板坯纵裂漏钢预报方法 |
| CN103878335B (zh) * | 2014-02-10 | 2015-11-04 | 河北钢铁股份有限公司邯郸分公司 | 一种预防连铸机结晶器黏结性漏钢的方法 |
| CN106980729B (zh) * | 2015-07-24 | 2018-08-17 | 安徽工业大学 | 一种基于混合模型的连铸漏钢预报方法 |
| CN105522133B (zh) * | 2015-12-21 | 2018-04-06 | 安徽工业大学 | 一种连铸坯与结晶器铜板粘结行为的判定方法 |
| CN107159862B (zh) * | 2017-05-17 | 2018-09-11 | 安徽工业大学 | 一种基于逻辑判断的结晶器漏钢预报方法 |
-
2021
- 2021-06-24 CN CN202110703659.3A patent/CN113579190B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113579190A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815967B (zh) | 一种基于二次交通事故预防的高速公路动态限速控制方法 | |
| US11105758B2 (en) | Prediction method for mold breakout based on feature vectors and hierarchical clustering | |
| CN108580827B (zh) | 一种基于凝聚层次聚类预报结晶器漏钢的方法 | |
| CN104923567B (zh) | 热轧带钢精轧时带钢头部咬入机架打滑的识别和监控方法 | |
| US20090113968A1 (en) | Method for Detecting Strip Edges | |
| CN113579190B (zh) | 一种基于区域特征的板坯连铸漏钢预报方法 | |
| CN101883649A (zh) | 用于控制或调节温度的装置 | |
| CA2727558A1 (en) | Method for predicting the occurrence of longitudinal cracks in continuous casting | |
| CN102527971A (zh) | 一种铸坯内裂缺陷的在线预报方法 | |
| CN108705058B (zh) | 一种基于K-Means聚类预报结晶器漏钢的方法 | |
| CN109894479B (zh) | 棒材尾尺识别方法、装置、系统以及存储介质和设备 | |
| CN105014032A (zh) | 铸坯切割长度异常监测系统及监测方法 | |
| US5904202A (en) | Device for early detection of run-out in continuous casting | |
| CN111804984B (zh) | 一种带尾分切定位控制方法 | |
| CN111014308B (zh) | 一种炉卷轧线中粗轧中间坯头部跑偏的预警方法 | |
| CN113340444A (zh) | 基于热电偶温度和逻辑判断的连铸坯表面纵裂预测方法 | |
| CN108607968B (zh) | 一种基于下渣检测的连铸机中间包卷渣的预报方法 | |
| CN109029830B (zh) | 一种漏钢检测系统及方法 | |
| CN115933618A (zh) | 一种基于车联网的行车故障智能化监测系统及方法 | |
| CN114283580B (zh) | 一种基于大数据的车流引导方法 | |
| CN201791938U (zh) | 一种连铸结晶器漏钢预报系统 | |
| CN110315043B (zh) | 避免连铸结晶器热调宽坯壳受挤压造成漏钢方法 | |
| 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 | |
| CN115578865B (zh) | 一种基于人工智能的自动驾驶车辆汇入间隙选择优化方法 | |
| CN113934237B (zh) | 一种锌锅液位控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |