（钢铁冶金专业论文）高拉速连铸结晶器漏钢诊断预报模型研究.pdf

、，：o - 囊侧_l一】1鼍1，、-，。一l3 ad i s s e r t a t i o ni nf e r r o u sm e t a l l u r g y m o d e lf o rb r e a k o u td i a g n o s i sa n dp r e d i c t i o n i nc o n t i n u o u sc a s t i n gm o l dw i t hh i g h c a s t i n gs p e e d b yz h a oq i s u p e r v i s o r ：p r o f e s s o rz h um i a o y o n g n o r t h e a s t e r nu n i v e r s i t y j a n u a r y2 0 0 8 2 哪8川2m 43m 4 舢8iiiil-哪y ir【r ：一 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取 得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰 写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明 并表示谢意。 学位论文作者签名： 起菊 h 期：加艿卜2 。 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位 论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文 的全部或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师不同意网上交流，请在下方签名；否则视为同意。) 学位论文作者签名： 签字日期： 导师签名： 签字日期： 呶 i 一 ； k j 东北大学硕士学位论文摘要 高拉速连铸结晶器漏钢诊断预报模型研究 摘要 连铸生产过程中，漏钢是最具危害性的生产事故，对作业的稳定性、产品的质 量及设备的寿命等都有不良影响，严重制约了连铸的高效化生产，其中结晶器内黏 结漏钢是造成漏钢的主要原因。目前，绝大部分漏钢预报系统都是在热电偶测温法 的基础上利用逻辑判断模型或神经网络模型来对漏钢进行预报，但逻辑判断模型预 报效果不是很理想，因此基于神经网络的漏钢预报模型成为近年来的主要研究方向。 本文以国内某钢厂技术创新项目高拉速连铸机结晶器技术集成研究开发为依托， 对其中漏钢和铸坯黏结预报尤其是漏钢预报系统的核心预报模型进行了深入研究， 主要内容及获得结果如下： ( 1 ) 结合连铸漏钢预报的总体流程，提出了有效的数据预处理方案，从而较好 地区分了稳定的和具有漏钢特征的温度序列，并最大限度地反映了温度波形的特征。 ( 2 ) 贴近度属于模糊模式识别的范畴，通过将其引入f c m 和c o n d i t i o n a lf c m 模糊聚类算法，实现了对上述算法中度量方式的优化，提出了基于贴近度的改进f c m 和c o n d i t i o n a lf c m 算法，从而获得了更满意的聚类效果和模型预报精度。 ( 3 ) 通过将基于贴近度的改进f c m 和c o n d i t i o n a lf c m 算法分别引入到两阶段 的训练过程中以初步确定聚类中心和对聚类中心作进一步调整，有效地优化了学习 算法，建立了基于改进模糊r b f 神经网络的漏钢预报模型，从而获得了更好的辨识 效果和更满意的预报性能。 ( 4 ) 通过对仿真测试结果的分析，发现误报警主要发生在连铸开浇和快换中间 包后升拉速的过程中，其原因可能是上述过程中结晶器内的温度变化行为与黏结漏 钢过程相似，从而对模型的预报产生了干扰。 ( 5 ) 结合国内某钢厂连铸现场采集的历史数据，将模糊r b f 网络和本研究建立 的改进网络模型应用于漏钢预报的过程中。仿真测试结果表明，改进网络模型能更 准确地对黏结漏钢过程中典型温度模式1 和2 进行辨识，对两者的预报率分别达到 9 4 9 和9 8 3 ，报出率都为1 0 0 ，其预报性能更好、能更有效地预测拉漏事故。 i i i j 0 l 东北大学硕士学位论丈 摘要 关键词：连铸，黏结漏钢，漏钢预报模型，模糊c 均值，模糊神经网络，贴近度 l 东北大学硕士学位论文a b s t r a c t 、_ _ _ 一i ii i i_ i ii _ - _ _ _ _ _ - - 宣 m o d e lf o rb r e a k o u td i a g n o s i sa n dp r e d i c t i o n i nc o n t i n u o u sc a s t i n gm o l dw i t hh i g h c a s t i n gs p e e d a bs t r a c t w i t h o u tq u e s t i o n , t h eb r e a k o u tc a u s e dm a i n l yb yt h es t i c k i n go fs o l i d i f y i n gs h e l li s t h em o s tc a t a s t r o p h i ca c c i d e n ta s s o c i a t e dw i t l lc o n t i n u o u sc a s t i n gp r o c e s s w i t l la d v e r s e i m p a c to np e r f o r m a n c e ，p r o d u c tq u a l i t ya n de q u i p m e n tl i f e ，i tb a d l ya f f e c t st h ee f f i c i e n c y o fc o n t i n u o u sc a s t i n gp r o c e s s a tp r e s e n t ，b yu s eo fd a t am e a s u r e da n dc o l l e c t e dw i t h t h e r m o c o u p l et e c h n i q u e ，m o s to fb r e a k o u tp r e d i c t i o ns y s t e m sa p p l ym o d e l sb a s e do n l o g i c a ld e c i s i o na n dn e u r a ln e t w o r kt op r e d i c tt h eb r e a k o u t w i t hh i g h e ra c c u r a c ya n d p e r f o r m a n c e ，n e u r a ln e t w o r k b a s e dp r e d i c t i o nm o d e l sb e c o m el e a d i n gd i r e c t i o ni nt h e r e s e a r c h r e c e n t l yo nb a s i so ft h et e c h n o l o g yi n n o v a t i v ep r o j e c t r & do fm o l d t e c h n o l o g yi n t e g r a t i o nf o rc o n t i n u o u sc a s t i n gm o l dw i t hh i g hc a s t i n gs p e e d i na d o m e s t i cs t e e lw o r k , b r e a k o u ta n ds h e l l s t i c k i n gp r e d i c t i o ne s p e c i a l l yt h e c r i t i c a l p r e d i c t i o nm o d e lw a si n v e s t i g a t e di nt h i sp a p e r t h ef o l l o w i n g sa r et h em a i nr e s e a r c h w o r kc a r r i e do u ta n dt h ec o r r e s p o n d e n tr e s u l t so b t a i n e d ： ( 1 ) d u r i n ga n a l y z i n gt h eo v e r a l lf l o wo fb r e a k o u tp r e d i c t i o ni nc o n t i n u o u sc a s t i n g p r o c e s s ，ae f f e c t i v ep r e p r o c e s s i n gm e t h o dw a sp r o p o s e d t h i sm e t h o dc o u l dc o m p l e t e l y d i s t i n g u i s ht h es t e a d yt e m p e r a t u r ep a t t e r nf r o mt h ep a r e mo fb r e a k o u t , a n dm 1 yr e f l e c t t h ec h a r a c t e r i s t i co ft e m p e r a t t w e w a v ep a t t e m ( 2 ) c l o s e n e s s - b a s e di m p r o v e df c ma n dc o n d i t i o n a lf c ma l g o r i t h m sw e r ep r o p o s e d a f t e ri n t r o d u c i n gas e l f - d e f i n e dc l o s e n e s sw h i c hb e l o n g st of u z z yp a t t e mr e c o g n i t i o ni n t o t h e c o r r e s p o n d i n gf u z z yc l u s t e r i n ga l g o r i t h m s t h e s ea d v a n c e da l g o r i t h m sg r e a t l y o p t i m i z e df u z z yc l u s t e r i n ge f f e c ta n di m p r o v e da c c u r a c yo ft h ef o r e c a s t i n gs y s t e m ( 3 ) b yi n t r o d u c i n g t h ec l o s e n e s s b a s e di m p r o v e df c ma n dc o n d i t i o n a lf c m a l g o r i t h m si n t ot w os t e p so fn e t w o r kt r a i n i n gt oi n i t i a l l yc a l c u l a t ea n du l t e r i o r l yo p t i m i z e v a l u e so fc l u s t e r i n gc e n t e r sr e s p e c t i v e l y ，t h em o d e lb a s e do na d v a n c e df r b fn e u r a l n e t w o r kw a sp r o p o s e di nt h i s p a p e rf o rb r e a k o u tp r e d i c t i o n t h ei m p r o v e dm o d e l v 东北大学硕士学位论文 a b s t r a c t o p t i m i z e dl e a r n i n ga l g o r i t h mo ff r b fn e t w o r k i ta l s os h o w e di t sa d v a n t a g ei nb o t h c a p a b i l i t yo fp a t e r nr e c o g n i t i o na n dp r e d i c t i n gp e r f o r m a n c e ( 4 ) t h es i m u l a t i o nt e s t i n gr e s u l t ss h o w e dt h a tt h eo c c u r r e n c eo ff a l s ea l a r m sf o c u s e d o nt h ep r o c e s so fc a s ts t a r t i n ga n di n c r e a s i n go fc a s t i n gs p e e da f t e rt u n d i s hq u i c k - c h a n g e i t i sp o s s i b l et h a tt h et e m p e r a t u r eb e h a v i o ri nm o u l do ft h e s ep r o c e s sw a ss i m i l a r 谢m p r o c e s so fs t i c k i n gb r e a k o u t ( 5 ) w i t hh i s t o r yd a t aa c q u i r e di nad o m e s t i cs t e e lw o r k ，t h ef r b f a n dc o r r e s p o n d i n g a d v a n c e dn e u r a ln e t w o r kw e r ea p p l i e dt ot h eb r e a k o u tp r e d i c t i o ni nc o n t i n u o u sc a s t i n g p r o c e s s t h es i m u l a t i o nr e s u l t ss h o w e dt h a tt h ep r e d i c t i o nr a t e so ft h ea d v a n c e d m o d e lf o r t w ot y p i c a lt e m p e r a t u r ep a a e m so fs t i c k i n gb r e a k o u tw e r e9 4 9 a n d9 8 3 r e s p e c t i v e l y , a n db o t ho ft h eq u o t er a t e sw e r e10 0 ，t h a ti n d i c a t e st h em o d e li sm o r ee f f e c t i v ei n p r e d i c t i n gp o s s i b l el e a k a g e so fl i q u i ds t e e l k e yw o r d s ：c o n t i n u o u sc a s t i n g ，s t i c k i n gb r e a k o u t , b r e a k o u tp r e d i c t i o nm o d e l ，f c m ， f u z z yn e u r a ln e t w o r k , c l o s e n e s s v i j ， 东北大学硕士学位论文目录 目录 独创性声明i 摘要。i i i a b s t r a c t v 目录v i i 第一章绪论1 1 1 高效连铸及其关键技术1 1 1 1 高效连铸简介1 1 1 2 高效连铸关键技术2 1 2 漏钢预报国内外研究现状2 1 2 1 漏钢预报系统的开发。3 1 2 2 漏钢预报模型的研究6 1 3 本文的研究意义、背景及内容9 第二章漏钢及其预报技术分析1 1 2 1 漏钢预报的检测方法。1 1 2 1 1 结晶器热交换监控1 1 2 1 2 摩擦力监控1 2 2 1 3 结晶器热监控1 4 2 2 黏结性漏钢分析与研究1 6 2 2 1 黏结漏钢的形成机理1 6 2 2 2 黏结漏钢的过程特征1 8 2 2 3 黏结漏钢裂口的传播速度模型1 9 2 3 黏结漏钢预报的原理及实质2 1 2 4 报警模式及温度曲线变化特征2 1 2 4 1 正常模式2 1 2 4 2 表面缺陷模式2 2 2 4 3 黏结漏钢模式2 2 2 4 4 角部漏钢模式2 3 v i i 东北大学硕士学位论文目录 第三章基于改进f r b f 网络漏钢预报模型的建立。2 5 3 1 漏钢预报模型的预报流程分析。2 5 3 1 1 总体流程2 5 3 1 2 数据预处理2 5 3 1 3 神经网络判别2 8 3 2f c m 及c o n d i t i o n a lf c m 算法2 9 3 2 1 算法原理及推导2 9 i 3 2 2 计算步骤31 3 3f r b f 神经网络模型的研究3 1 3 3 1 网络结构及原理3 2 3 3 2 网络学习算法3 3 3 4 基于改进f r b f 网络的预报模型3 3 3 4 1 基于贴近度的改进f c m 和c o n d i t i o n a lf c m 算法3 3 3 4 2 网络结构的确定3 7 3 4 3 网络学习规则的分析3 8 第四章基于改进f r b f 网络漏钢预报模型的仿真研究。4 3 4 1 改进f r b f 预报模型的仿真训练4 3 4 1 1 预报模型i 训练过程分析4 4 4 1 2 预报模型i i 训练过程分析4 7 4 2 改进f r b f 预报模型的仿真测试。5 1 4 2 1 测试计算方法5 l 4 2 2 测试结果及讨论5 1 第五章结论与展望5 5 5 1 研究结论5 5 i 5 2 未来展望5 6 参考文献5 9 致 射6 5 攻读学位期间获得成果6 7 论文包含图、表、公式及文献6 9 j 东北大学硕士学位论丈第一章绪论 第一章绪论 1 1 高效连铸及其关键技术 1 1 1 高效连铸简介 高效连铸是一种以高经济效益( 大幅度降低成本，提高综合竞争力) 为目标的系 统技术集成，是一系列先进技术和设备的组织和协作，是连铸发展的深化。实施高 效连铸，提高连铸机综合经济效益，已成为国内外连铸发展与完善的主要方向【l 】。 与常规连铸技术相比，高效连铸技术的特征就是具有更高的浇铸速度、高的连 铸机作业率、高的连浇率、高的质量水平、极高的出坯温度【2 】。其核心是高拉速，其 目的是提高连铸机和整个配套流程的生产效率及连铸坯质量。在发展连铸过程中， 为了发挥具有跨越优势的后发力，我国在上世纪9 0 年代初提出了“高速连铸 并在 此基础上于1 9 9 5 年提出了“高效连铸”的全景规划，以提高拉速、减少铸机台数和 投资、增加连铸生产率、降低生产成本，兼顾炉机匹配、高作业率、高质量无缺陷 铸坯的优势，使得高效连铸的实施和常规连铸机的高效化改造已成为面对新形式和 挑战时势在必行的发展方向之一【3 ，4 i 。 我国从“九五开始设立了“高效连铸技术”研究项目，以广钢( 方坯) 和攀 钢( 板坯) 为依托，联合科研院所开展相关课题攻关。目前，国内引进、合作及自 主研发的高效连铸机已达5 0 多台，许多连铸机的最大作业率已超过9 0 ，自行开发 的连续变化锥度结晶器、调整辅助水膜结晶器、二冷动态控制、连续矫直等关键设 备和技术已获突破性进展，并已进行系统集成与推广。方坯的高效连铸技术趋于成 熟，已在许多工厂转化实施，广钢1 5 0 m m 方坯平均拉速达2 6 m r a i n 1 ，首钢1 2 0 m m 方坯拉速达3 8 m r a i n l ；近终形连铸作为高效连铸的特殊形式，是今后连铸生产优化 和完善的发展方向，薄板坯连铸、中厚度薄板坯的国产化工作已见成效，珠钢 1 6 8 0 x 6 3 m m 薄板坯连铸稳定设计拉速达5 0 m m i n ，鞍钢具有完全自主知识产权的 1 7 0 0 x 1 3 5 m m 中薄板连铸连轧短流程生产线最高拉速达3 3 m m i n 1 ；板坯的高效连铸 也有了一定进展，宝钢1 5 0 0 2 3 0 m m 大板坯连铸拉速为1 5 m m i n ，梅钢1 2 7 0 x 2 1 0 m m 板坯连铸最大稳定拉速接近2 0 m m i n 。这样的拉速水平与日本钢铁企业的连铸水平 相比，仍有相当大的差距。因此在我国高效连铸技术的开发推广，尤其是板坯的高 - 1 东北大学硕士学位论文 第一章绪论 拉速尚有很大的空间。 1 1 2 高效连铸关键技术 为实现高拉速下稳定浇铸，不仅需要在强化组织管理基础上，对生产工艺、机 械设备、具体操作及相配套的各环节进行协调统一，还必须充分研究和利用连铸过 程中的流动、传热、应变及溶质偏析等现象的规律，开发出与高效连铸冶金特点相 适应的高效连铸关键技术【2 】：i l ( 1 ) 结晶器液面控制和自动浇铸。应用放射线、电磁涡流等传感器监测液面以 及带有控流塞棒或滑板的结晶器液面控制与自动浇铸系统已经成为连铸机的基本配 置。它已成为稳定工艺、保证铸坯表面质量、提高劳动生产率的重要措施。 ( 2 ) 结晶器非正弦振动及其液压驱动。结晶器内凝固坯壳与铜板之间的摩擦力 反比于保护渣渣膜的厚度，正比于坯壳与结晶器壁的相对速度。结晶器向上运动时 与坯壳的相对速度最大，产生的拉应力也最大。为了降低结晶器向上运动时的最大 速度，采用了非正弦振动技术，并通过液压驱动来实现，还可以在线调控振频和偏 斜率。实践证明它是改善铸坯表面质量、提高收得率和铸机作业率的重要手段。 ( 3 ) 结晶器在线调宽和锥度控制。板坯连铸机在线调宽技术是提高生产率的重 要措施，它还可以用于结晶器的锥度控制。我国进口的大型板坯连铸机大部分装有 此系统，但由于板材规格的批量普遍较大，在线调宽装置的使用频率很低。 ( 4 ) 漏钢和铸坯黏结预报。凝固坯壳黏结在结晶器壁上时结晶器铜板的温度场 会反映出特定的变化模式。通过埋设在结晶器铜板上的热电偶测得这种变化模式并 结合神经网络系统就可以预报黏结漏钢的发生，从而显著提高连铸机的产能，提高 铸坯的质量。但漏钢预报系统的设置需要与特定的铸机及操作状况相适应。 ( 5 ) 其他高效连铸关键技术还包括保护浇铸技术、低过热度浇铸技术、电磁搅 拌技术、铸坯支撑及强化冷却技术和动态轻压下技术等。 i 1 2 漏钢预报国内外研究现状 漏钢是连铸生产过程中最具危害性的生产事故，一旦发生将导致停产影响生产 过程的顺行，对作业的稳定性、产品的质量、人身安全及设备的寿命都有不良的影 响，进而影响连铸的高效化生产。其中黏结性漏钢是造成漏钢的主要原因，因此减 少黏结性漏钢成为降低连铸漏钢率的关键【5 】。 - 2 - 东北大学硕士学位论文 第一章绪论 目前，克服黏结性漏钢的主要途径有两种： ( a ) 研究高性能保护渣、保持拉速和结晶器液面稳定，并且使各种工艺条件和参 数保持最佳组合，从根本上杜绝产生漏钢的条件； ( b ) 研究各种检测和预报技术，在黏结产生后能及时地检测并进行预报，最后采 取措施使断裂口在传播到结晶器底部之前重新弥合，避免漏钢事故的发生。 经过多年的努力，人们在( a ) 途径己取得了较大进展，然而为了提高连铸机的生 产效率，拉速正在不断地提高，市场对铸坯质量和连铸生产的柔性化提出了越来越 高的要求，再加上结晶器内部的热动力学过程复杂等，在连铸生产中结晶器内部的 黏结尚不能完全杜绝。因此人们对( b ) 途径进行了大量的研究，发现利用结晶器热交 换分析、摩擦力测量、超声波测量、热电偶测温等检测方法能够有效地对连铸漏钢 进行预报。其中热电偶测温法主要依据安装在结晶器铜板上热电偶温度的变化信息 对漏钢进行预报，由于具有简便易行、成本低、准确性高等特点，该方法成为目前 国内外应用最为广泛的黏结漏钢检测方法。 1 2 1 漏钢预报系统的开发 为了避免漏钢事故发生，早在7 0 年代后期世界上就开始连铸漏钢预报系统的开 发，其中具有代表性的是日本新日铁公司制造株式会社开发的基于逻辑判断的预报 系统【6 】，该系统以热电偶测温系统为基础，采用指数平滑等方法建立温度预测模型， 并利用传统理论分析方法对温度测量数据加以分析，从而最终判断出是否漏钢。 8 0 年代，世界各大钢铁公司( 新日铁、s o l l a c 和b r i t i s hs t e e l 等) 的连铸生产线 上都安装了漏钢预报系统，在防止漏钢和改善钢坯质量上发挥了重要的作用，其方 法都是利用在结晶器铜板上埋设的热电偶并通过逻辑判断模型来对预报漏钢，但是 热电偶的配置方式和预报逻辑各不相同。至今比较有影响的是法国s e r t 公司的 s a p s o l 漏钢预报系统【7 j ，十几年来被世界著名工程公司如德马克、奥钢联所选择并 为各钢厂所使用，取得了显著的效果( 如表1 1 所示) ，漏钢的风险降到了最低，达 到平均每年1 2 次的水平。 进入9 0 年代以来，为了提高预报的准确性尤其是避免大量的误报，国外钢铁公 司在对逻辑判断系统作了深入研究后都转而另辟蹊径，又相继发展了不同类型基于 神经网络的黏结漏钢预报系统。1 9 9 0 年日本八幡制铁所和富士通合作开发了神经网 络漏钢预报系统并投入现场应用，该系统不仅考虑温度会随时间发生变化，而且考 - 3 东北大学硕士学位论文第一章绪论 虑了破裂线是随空间移动的，其误报警仅为原有系统的1 8 ，预报精度大大提高，而 且预报警时间也比原系统提前3 “s ；1 9 9 2 年，新日铁开发成功的另一种利用神经元 网络的漏钢预报系统在君津制铁所投入运行，该系统在结晶器宽面安装了6 2 个热电 偶，并通过输入层6 2 个结点、隐含层1 7 个结点和输出层2 个结点的前馈网络，可 以准确地检测出铸钢坯壳上黏结破裂线的形成和传播，进一步减少了误报【8 , 9 1 。 表1 1 使用s a p s o l 系统前后的漏钢情况对比( 次侔) t a b l e1 1c o n t r a s to f b r e a k o u tb e f o r ea n da f t e ru s i n gs a p s o ls y s t e m ( t i m e s y e a r ) 弋 近年来随着高效连铸技术的不断发展和推广，市场对铸坯质量和连铸生产的柔 性化提出了越来越高的要求，为了进一步提高连铸漏钢的预报准确率将漏钢损失降 低到最小，漏钢预报系统正朝着“多元化、综合型”的方向发展，其中具有代表性 的是奥钢联v a i 的m o l d e x p e r t 系统，该系统于2 0 0 0 年在奥地利l i n z 钢厂v o e s t a l p i n e c c 5 的板坯连铸机上首次投入使用，是一种能使连铸机操作人员和冶金学家“透视 结晶器 、观察连铸过程的工具【1 0 , 1 1 】。 如下图所示，该系统能采集、存储、计算和显示来自结晶器和振动装置的数据( 热 电偶、液压振动装置的活塞压力和冲程、一次冷却水的温度和流量、结晶器液面信 号等) ，然后这些数据由相互沟通的数学模型进行处理，以比较相应的范围和设定点。 它除了提供从整体上对工艺更深入的了解外，还能开发新的连铸技术，得出安全生 产的警报临界值，从而使操作稳定性和产品质量得到改进，在线可视化使操作人员 能发现临界状态，始终在最佳条件下连铸。 4 东北大学硕士学位论文第一章绪论 图1 1m o l d e x p e r t 的任务 f i g 1 1t a s ko f t h em o l d e x p e r t m o l d e x p e r t 系统的核心主要包括热力学软件包和振动软件包。热力学软件包中 集成了温度监控、黏结探测和热通量监控等功能。其中黏结探测主要通过三个独立 同时运行的自适应算法，以探测坯壳粘钢的出现，从而预防拉漏事故的发生；热通 量监控根据结晶器冷却水温度测量值和水量实时计算结晶器各面的平均热通量并显 示其趋势图，从而提供结晶器整体的传热情况。振动软件包主要用于实时显示和监 控液压振动装置的运转信息和结晶器摩擦力的变化趋势，其中摩擦力是根据振动装 置液压缸的冲程和压力反馈数据而在线计算得到。通过对摩擦力的实时监控和分析， 能够定量掌握浇铸期间保护渣的行为，并且可以对生产过程中出现的各种结晶器异 常工况( 包括漏钢) 进行预报。 我国漏钢预报系统的研制和开发工作起步较晚，目前国内大部分钢铁企业主要 通过从国外引进相应的系统解决漏钢预报的问题。鞍钢、武钢、攀钢、梅钢、韶钢 等国内一些企业相继引进了漏钢预报系统，并结合各钢厂的具体应用情况对原引进 的系统进行了一定的改进【1 2 16 1 ，其中最具代表性的是宝钢于1 9 9 9 年开发的b b p s 漏 钢预报系统【1 7 1 。 宝钢1 9 3 0 连铸机配备的逻辑漏钢预报系统是全套引进日本新日铁的技术，随着 宝钢连铸的不断发展，新开发的钢种越来越多，加之工况条件的变化，这套引进的 基于逻辑判断的漏钢预报系统越来越不适应宝钢的连铸生产，严重影响了连铸机产 能的充分发挥。为此宝钢开发研制了一套新的漏钢预报系统b b p s ( b a o s t e e lb r e a k o u t 一5 - 东北大学硕士学位论文第一章绪论 p r e d i c t i o ns y s t e m ) 以取代原来引进的漏钢预报系统。该系统通过神经网络模型、空间 网络模型以及逻辑判断模型实现了对原系统的完全替代，其中神经网络模型主要完 成对单点热电偶的温度特征识别，空间网络模型对黏结性漏钢的空间传递性进行判 别，逻辑判断模型用于对原始数据的预处理进而缩小前两个模型的输入数据范围， 提高报警的准确率。 1 2 2 漏钢预报模型的研究 伴随着连铸工艺的发展，各种漏钢诊断预报模型也相继出现。目前，世界范围 内得到广泛应用的主要包括基于逻辑判断或神经网络的预报模型。国内外早期开发 的漏钢预报系统基本上都是基于逻辑判断模型，一直到9 0 年代基于神经网络的预报 模型开始得到重视和广泛研究，该时期国内外已经有采用该类型模型的漏钢预报系 统投入使用。近年来，通过多种方法和思路的融合预报漏钢成为一种发展趋势，许 多文献报道了利用统计分析、模式识别、模糊聚类等对漏钢进行预报的新方法。 1 2 2 1 逻辑判断方法 该类型模型通过检测坯壳断裂发生的部位、裂口的发展方向和坯壳的生长情况， 获得结晶器温度变化方式的综合认识，从而对黏结漏钢进行预报。如图1 2 所示，整 个逻辑判断过程基本上由三个温度检测部分组成【l 8 】： p 、 型 疃 l 寸同s 图1 2 黏结漏钢预报的逻辑判断过程 f i g 1 2l o g i c a ld e c i s i o nc o u r s eo fs t i c k i n gb r e a k o u tp r e d i c t i o n ( a ) 第一部分：检测凝固壳层破裂的部位，即判断结晶器温度的上升变化方式； ( b ) 第二部分：检测凝固壳层破裂部位在铸造( 纵向) 和宽度方向( 横向) 扩展 的部分，即找出由于热电偶位置不同造成温度上升开始时刻的延迟； - 6 - 东北大学硕士学位论文第一章绪论 ( c ) 第三部分：检测凝固壳层破裂后继续冷却形成新凝固壳层的部分，即检测出 由于新凝固坯壳层形成而造成结晶器温度下降变化的部分。 据此可以建立用于温度偏差检查、变化速度检查、各层热电偶间温度变化延迟 检查、温度下降检查和接近检查等目的的由若干个逻辑判断运算式组成的诊断预报 模型，分别对系统热电偶组合逐一进行数据运算和逻辑判断。 由于各种黏结漏钢机理模型尚不十分完善特别是缺乏精确的定量结果，基于逻 辑判断的预报模型中各个设定参数的最佳值主要依据经验在现场调试中确定，因此 这类模型与具体的设备、工艺和钢种有很大的依赖关系，不具备自学习、自我调整 的功能，从而无法适应实际生产中的变化因素，要避免漏报通常会出现较高的误报 率，而降低误报率又会导致漏报的增加。较高的误报率将引起操作上的频繁降速， 造成板坯双浇多、质量差、拉速受到很大限制，严重影响了生产的连续运行。 1 2 2 2 神经网络方法 基于神经网络的预报模型的特点在于神经网络根据自身学习获得的知识对漏钢 征兆作出准确的识别，具有很强的自适应性、自学习能力、容错性和鲁棒性，并随 着时间的延长其预报性能不断提高，所以很快得到了认可和大面积应用。实践证明， 该类型模型在避免误报和提高预报准确率方面比逻辑判断模型要好。 t a n a k at 和h a t a n a k ak 等人【1 9 ，2 0 】采用误差反向传播b p 神经网络对结晶器上热 电偶的温度模式进行了识别，提出了单个热电偶温度的时序网络和在铸造方向上两 个相邻热电偶温度的空间网络的模型，并以测试样本验证和某钢厂的现场操作为例 表明较逻辑预报系统，b p 神经网络预报系统的准确性得到了提高。 ， b e l l o m op 等人【2 1 】提出了两阶段b p 网络算法实现的ab o 预报系统来对结晶器 上热电偶的温度进行识别。其中单个热电偶构成的时序网络称为“a ”网络，取相关两 个热电偶构成的组偶网络为b ”网络。 寇新民等人【2 2 】认为预报网络的结构应尽可能考虑过程的动态特性。由于前向网 络和输出反馈网络的动态特性不明显，因此他们利用存在内部反馈环的全内连网络 结构，使该网络具有了很强的时空学习能力，并满足系统的动态特性限制。 宝钢开发的b b p s 漏钢预报模型1 7 1 通过神经网络技术和基于数据的知识发现方 法，利用神经网络模型、空间网络模型以及逻辑判断模型，提高了报警准确率，其 误报警也大幅度减少。 王唯一等人【2 3 1 将一种有机结合r b f 神经网络结构特征和f c m ( f u z z yc m e a n s ) 7 ， 东北大学硕士学位论丈第一章绪论 算法实质的新型模糊r b f 神经网络( f r b f ) 6 2 】应用于连铸漏钢动态波形识别系统中， 并以某大型钢铁公司的实际采样数据为样本数据，对该神经网络进行训练，试验结 果表明此方法效果良好，具有较高的识别能力。 1 2 2 3 其它新方法 基于统计分析的预报模型利用结晶器铜板温度上升量、上升速度或上下热电偶 温度峰值的延迟时间等参数，用统计分析的方法建立铸坯温度的模型，根据由此算 得的温度与实测温度的偏差判断是否发生黏结漏钢。其中b e l l o m op 等人【2 4 1 提出了采 用自回归滑动平均a r i m a ( a u t or e g r e s s i v ei n t e g r a t e dm o v i n ga v e r a g e ) 模型和指数加 权滑动平均e w m a ( e x p o n e n t i a l l yw e i g h t e dm o v i n ga v e r a g e ) 模型进行温度预测的两 种方法；a k i r am a t s u s h i t a 等人f 2 5 1 把温度变化状态分成三个区域，并采用傅立叶变换 ( f o u r i e rt r a n s f o r m a t i o n ) 模型来分析每一区域内温度变化特性，以便识别黏结性漏钢 的特征。 1 9 9 7 年加拿大d o f a s c o 公司【2 6 1 首次将多变量统计方法中的关键因素主元分析 p c a ( p r i n c i p a lc o m p o n e n ta n a l y s i s ) 模型引入到连铸漏钢预报的过程中，在其1 撑铸机上 研制出铸机生产稳定监测控制系统( c a s t e rs t a b l eo p e r a t o rs u p e r v i s o r ) 。自该系统投入 使用以来，1 8 铸机生产效率得到显著提高，其漏钢发生率降低至过去1 2 年的5 0 ， 该系统同时能对其他结晶器异常过程作出预报。除此之外，国内外在漏钢预报中运 用p c a 方法的相关报道很少。国内姚曼课题组【2 7 】利用宝钢2 8 板坯连铸结晶器摩擦力 大量历史实测的数据，基于p c a 方法的降维处理功能和数据统计原理，通过计算分 析建立了主元模型并进行了优化，验证了p c a 方法用于包括漏钢在内的结晶器异常 过程预报的可行性，并最终运用b p 神经网络和p c a 相结合的方法对包括漏钢在内 的连铸结晶器过程异常的检测和预报进行了研究。其仿真结果表明，神经网络和p c a 相结合的方法对结晶器异常工况的诊断能力很强，对故障的反应十分明显，显示了 该方法在结晶器异常过程预报方面的应用潜力。 毕学工课题组【2 8 】针对武钢三炼钢从d e m a g 引进的逻辑判断漏钢预报系统在使 用过程中存在的问题，首次尝试应用神经元网络和专家系统两种人工智能技术开发 板坯连铸漏钢预报神经元网络专家系统，提出了新型混合式专家系统的理论结构框 架，其原理是将神经元网络的输出和知识库的知识输入到专家系统，由专家系统来 进行综合评判，判断是否会发生漏钢事故。 另外，一些文献报道了利用模糊聚类、模糊模式识别等新方法进行漏钢预报的 - 8 东北大学硕士学位论丈第一章绪论 研究：如文献 2 9 】提出了一种基于模糊模式识别和采用学习方法的模糊决策网络的漏 钢预报方法、文献【1 2 和 3 0 】分别提出了基于灰关联聚类和模糊c 均值聚类的漏钢预 报方法。 1 3 本文的研究意义、背景及内容 如上所述，漏钢是连铸生产过程中最具危害性的生产事故，据报道一次典型的 漏钢事故所造成的损失可能接近2 0 万美元【3 1 1 。对比国外板坯连铸漏钢率接近于零的 现状，我国的板坯连铸漏钢率较高，而且我国板坯生产维持在较低的拉速条件下， 拉坯速度是国外平均水平的5 0 8 0 ，漏钢事故的发生严重地制约了我国连铸生产 效率的提高。因此开发能有效检测漏钢出现前的征兆并根据可靠预报模型作出预报 的漏钢预报系统，对于提高现代连铸机的生产效率和产品质量具有十分重要的意义。 国内某钢厂2 4 板坯连铸机是一台一机一流立弯式高效板坯连铸机，其主体部分 由v a i 和s i m e n s 设计，配备了包括结晶器自动开浇、电磁制动、自动调宽、液压 振动、液位自动控制、漏钢预报和动态轻压下等国际先进技术，其中s i m e n sb o p s 漏钢预报系统从德国西门子引进。该系统通过从背板埋入结晶器铜板内的2 8 个k 型 热电偶( 分为两排布置，每排内外弧