基于神经网络的炼钢过程高灵敏大包下渣检测的探究.pdfVIP

《冶金自动化))2005年增刊 基于神经网络的炼钢过程高灵敏大包下渣检测研究 钟诚1，王友钊1，沈春和2 (1．浙江大学数字技术及仪器研究所，浙江杭州310027；2．杭州三高科技有限公司) [摘要]大包下渣控制是连铸行业一个重要的工艺，运用神经网络和小波变换对振动、红外、大包重量、长水 121操作状态及水121开度等参数进行综合分析，可以获得大包下渣的准确时间，为高灵敏大包下渣检测提供了一 种新的实用方法。 [关键词]神经网络；高灵敏；大包；下渣检测 O 引言 量，该方法就象引言中所介绍的，存在着许多问 题。本文的出发点是依靠下渣过程中水口冲击振 钢铁企业近年来发展很快，而连铸过程是各 动的模型参数变化，由神经网络系统来决定大包 种钢坯成型很重要的生产环节。在连铸过程中如 下渣的时间。 何解决大包中的钢水向中包转换过程中在线高灵 敏检测钢渣的出现时间是业界的一大难题。目前 应用最多的大包下渣检测系统是电磁感应式大包 大包／ 传絮 信号处理l曩酬信号采集器 下渣检测系统，由于这种检测系统要在大包中埋 人线圈，对钢包进行改造，而线圈价格昂贵，大包 工作温度很高，线圈经常烧坏，耐用性能差，导致 钢厂在电磁感应式钢包下渣检测系统使用过程中 中间包 每年都要花费几十万至上百万元人民币的备件及 维护费用。 本文所介绍的技术采用基于多参数(振动、红 外、大包重量、长水口操作状态及水口开度等)神 图1下渣检测过程装置示意图 经网络分析方法解决大包下渣高灵敏检测问题， 2下渣过程中信号特征分析处理方法 不需要对大包进行任何改造，可为使用厂每年节 由于钢水和钢渣的比重相差很大，且其流动 约大量的备品备件和维护费用。 性也大不一样，在流经钢包长水口时，两者对长水 l 大包下渣过程介绍 口的冲刷作用必定有较大的差别。这就造成了在 · 图l是大包下渣检测过程的装置示意图。连 长水口区域所产生的振动模型不一样，由于这些 铸生产过程中，钢水由钢包经长水口流人中包，然 微小的振动信号淹没在强而复杂的背景噪声下， 后流到结晶器。经过结晶器冷却变成各种型号的 因此必须通过先进的微弱信号检测处理方法，才 钢坯。渣层对大包及中包钢水有保温防氧化作 能对这些渣子所产生的振动信号进行有效的提取 用，但中包渣层过厚会导致钢水污染，增加中包耐 和处理，从而获得滑动水口控制所需要的渣子信 火材料浸蚀并增加中包残余渣壳重量。因此必须 号。 在连铸过程中控制下渣。传统的下渣控制是由操 2．1基于频谱分析的下渣检测技术 作工在钢水浇注末期由肉眼进行观察，这种方法