|
1概述
漏钢一直是影响连铸生产及其设备寿命的主要因素，在各种造成漏钢的原因中，粘结性漏钢占绝大多数。因此，减少粘结性漏钢是降低连铸漏钢率的关键。
粘结性漏钢首先是由于某种原因造成弯月面附近钢水与铜板的直接接触而粘结，并随结晶器的振动及坯壳的下移，在粘结部的下方被拉断，破断处钢液流入而修复，但在下一次振动中重新拉断，这样，随着凝固的进行，断口不断下移，到结晶器下口时钢水从断口漏出。断口在下移的同时，也不断向二边扩展而形成破断线，宽边中央的粘结破断源可扩展到窄边，甚至到另一宽边。漏钢发生后，粘结的坯壳有时残留于结晶器的内壁。如果粘结发生时能够预报并采取措施，则可防止漏钢的发生，且板坯上可看到由破断线构成的明显的V形粘结痕迹。
为了能够预报粘结性漏钢的发生，宝信软件开发的漏钢预报系统及结晶器可视化系统（简称BBPS）采用模糊神经网络+逻辑判断技术，能准确地预报粘结性漏钢，并可根据用户的需要提供对“检测到粘结漏钢后的自动降速功能”及“粘结漏钢消失后的自动升速功能”的功能。
2系统的特征
2.1基于历史数据的数据挖掘技术的应用
BBPS的判断和报警模型是根据大量历史数据的样本学习而成，不仅采用了神经网络方法，而且开发了基于历史数据的空间判别网络。从历史数据形成的模型，应用于实时系统的数据分类和判别，这是典型的数据挖掘和从数据发现知识技术的应用。所有的模型数据都是在历史数据的基础上通过网络的学习而来，保证了判别的客观性，克服经验数据在不同工况情况下的偏差，对报警和判别提供了客观数据的保证[1]。
在系统投入初期，采用具备典型特征的3排的温度数据，系统稳定后，拟采用9排热电偶的温度数据参与判断漏钢，最终模糊神经元网络模型投入运行。
判别模型中空间判别网络的构造和应用
考虑粘结性漏钢在结晶器内的时间和空间的传递和延迟性，BBPS构造了空间判别网络来判别漏钢特征的发生。利用历史数据学习和构造了空间判别网络，预测漏钢发生时的传递特性，更合理更准确地确定漏钢特征，从而达到提高预报准确率的作用。
逻辑方法和模糊神经网络判断模型的综合应用
在实践中，我们发现单纯使用模糊神经网络判断模型在某些工况情况下会出现不稳定的情况，增加了逻辑判断方法后，使BBPS成为一个逻辑方法和模糊神经网络判断模型综合应用的一个实例。既利用了逻辑方法分类界面清晰的优点对数据进行预处理，又利用模糊神经网络判断模型进行智能化的报警判断。
2.2结晶器可视化技术的应用 |
|
核心期刊网（www.hexinqk.com）秉承“诚以为基，信以为本”的宗旨，为广大学者老师提供投稿辅导、写作指导、核心期刊推荐等服务。 核心期刊网专业期刊发表机构，为学术研究工作者解决北大核心、CSSCI核心、统计源核心、EI核心等投稿辅导咨询与写作指导的问题。 投稿辅导咨询电话：18915033935 投稿辅导客服QQ： 投稿辅导投稿邮箱：1003158336@qq.com |
| 你好，欢迎来到！ 设为首页 ｜收藏本站 | ||
|
