[發明專利]一種連鑄漏鋼預報的方法

有效

• 申請號: 201110431124.1
• 申請日: 2011-12-21
• 公開（公告）號: CN102554171A
• 公開（公告）日: 2012-07-11
• 發明（設計）人: 鞏文旭;朱苗勇;侯葵;陶乃標;祭程
• 申請（專利權）人: 天津鋼鐵集團有限公司
• 主分類號: B22D11/18
• 分類號: B22D11/18
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 呂志英

技術領域

本發明屬于冶金連鑄中監控技術領域，特別涉及一種板坯連鑄過程的漏鋼預報方法。

背景技術

漏鋼是連鑄生產過程中危害性最大的生產事故之一，不僅直接影響連鑄生產順行，而且嚴重損害結晶器、輥道等設備，增加維修量和維修成本，造成巨大的經濟損失，更存在巨大的安全隱患。

目前國內外幾乎所有漏鋼預報系統主要通過邏輯判斷和神經網絡對連鑄粘結漏鋼進行預報。其中，神經網絡法相對于邏輯判斷法具有較好的自適應能力和容錯能力，且其性能隨時間的增長不斷提高，因此成為近年來漏鋼預報的主要方法。例如專利200910010163.7介紹了一種利用模糊神經網絡建立了時序空間組合診斷漏鋼預報模型的方法。專利201010207115.X介紹了一種基于遺傳算法的BP神經元網絡在漏鋼預報中的應用方法。以上預報技術都是在熱電偶測溫法的基礎上，利用神經元網絡識別粘結狀態下的典型溫度模式來達到預報目的。但在實際應用中，由于某些漏鋼事故(比如縱裂漏鋼)在并不一定引發坯殼與銅板的粘結，因此不會引起溫度監控的明顯反應，從而導致漏報；還有在非穩態澆鑄過程中，結晶器銅板溫度會發生顯著的溫度變化，會造出系統誤報。這些問題都降低了漏鋼預報的準確率。

摩擦力監控手段具有很高的靈敏性，可以對結晶器摩擦力(拉坯阻力)的各種異常特征給出反應，也有學者利用摩擦力對漏鋼進行預報。文獻“用連鑄拉坯阻力異常進行漏鋼預報研究”(《連鑄》2002年第5期第4～6頁，魏樹立，等著)報道了一種利用型BP算法對拉坯阻力進行在線學習和預測，從而提出通過拉坯阻力的實測值與預測值的差值預報拉坯阻力異常和漏鋼的新方法。但在實際生產過程中，由于摩擦力信號容易受到各種干擾，導致該方法的誤報率很高，同時也存在著漏報現象。因此將摩擦力監控與溫度監控相結合是結晶器漏鋼預報發展的一大趨勢。

發明內容

針對現有技術的不足，本發明的目的是提供一種將溫度監控模型與摩擦力監控模型進行耦合的方法，將溫度監控的準確性與摩擦力監控的靈敏性有機結合，創建一種新的聯合預報機制，從而增大監控范圍，提高識別精度，減少誤報、漏報現象的發生。

本發明主要靠如下方法實現。將溫度監控的準確性與摩擦力監控的靈敏性有機結合，即由溫度監控模型和摩擦力監控模型耦合而成。本耦合模型共有溫度監控的單偶報警、溫度監控的組偶報警、摩擦力邏輯判斷報警、摩擦力時序網絡報警等四處報警點；采用以溫度監控報警為主，以摩擦力監控報警為輔；報警分為黃、橙、紅三個級別，漏鋼可能性依次增大；溫度監控單偶報警給出紅色報警級別，溫度監控組偶報警暫定為橙色報警級別，如果其它報警點報警則升級為紅色報警級別，摩擦力兩個報警，在沒有溫度監控報警的情況下，其中之一給出報警設為黃色報警級別，兩者同時報警設定為橙色報警級別。

在基于溫度監控模型中，將在線采集溫度數據入庫并對不良數據實施濾除處理，將自適應遺傳算法應用于BP神經網絡，將利用矩陣交叉的方式實現了網絡結構的自動優化，建立時序空間組合判斷模型。在基于摩擦力監控模型中，將連續采集結晶器與鑄坯間的摩擦力，并對該摩擦力數據進行歸一化處理；建立包括邏輯判斷模型和基于自適應遺傳算法的BP神經網絡模型的摩擦力監控模型。摩擦力監控采用延時報警設置，并且在開澆、拉速變化、在線調寬、拉尾坯等情況下屏蔽摩擦力監控。使用本發明的方法誤報率從41.7％降低到了15.4％，大大減少了誤報次數。

附圖說明

圖1為本發明溫度監控和摩擦力監控耦合模型示意圖。

圖2為本發明預報流程圖。

具體實施方式

在創建溫度監控模型與摩擦力監控模型耦合模型之前，本發明首先利用自適應遺傳算法建立了一種溫度監控模型，并建立了一種同時使用邏輯判斷和神經網絡的摩擦力監控模型。

1.溫度監控模型

溫度監控是漏鋼預報控制方法最為普遍也是最為成熟的手段，本發明在傳統BP神經網絡算法基礎上，采用自適應遺傳算法，進一步提高模型精度。具體步驟如下：

(1)采集數據：在線采集連鑄現場結晶器熱電偶的溫度數據并存入數據庫。

(2)數據預處理：不良數據處理是將當前時刻溫度與前一時刻溫度進行比較，如果兩者相差在大于35％，則將前一時刻溫度代替當前時刻溫度，具體公式如下：