薄板坯连铸可视化漏钢预报系统的研究

【摘要】：漏钢是连铸生产中的灾难性事故,不仅危害人身安全和损坏设备,还会严重影响铸坯质量,给企业造成巨大的经济损失。因此对漏钢的形成机理进行研究并开发出有效的漏钢预报系统来减少或避免漏钢具有重要的研究意义和经济价值。 本文首先探讨了粘结漏钢的形成机理,然后总结了连铸中诱发粘结的因素并给出了相应的预防措施。 利用L-M算法对传统BP神经网络的学习算法进行了优化,并将其应用于薄板坯连铸可视化漏钢预报系统。建立了时序网络来识别单个热电偶的温度在时间序列上的变化波形是否符合粘结特征,同时根据板坯发生粘结时裂口的传播机理建立了空间网络,在某个时序网络判断发生粘结时用于进一步判别是否在组偶的空间上发生了单个热电偶粘结温度特征波形的传递。 开发出了薄板坯连铸可视化漏钢预报系统,本系统基于WINDOWS平台,利用Microsoft Visual C++ 6.0编程软件,同时结合有限元分析软件ANSYS的二次开发功能来编程实现。系统的主要功能包括:数据预处理、神经网络漏钢预报、热电偶温度实时显示,热电偶温度变化曲线动态显示、结晶器铜板热面云图实时显示、报警信息处理等。 从某钢厂生产现场采集的数据中选择符合漏钢征兆的样本和正常样本用于漏钢预报系统神经网络预报模块的训练和检验。然后应用的该钢厂的历史温度数据进行了薄板坯连铸可视化漏钢预报系统的离线仿真,并取得较好的效果。