连铸过程可视化及漏钢预报方法研究与应用

摘要

连铸是现代钢铁生产链中的关键环节。随着近年来高拉速连铸技术的快速发展，急剧增加的通钢量导致结晶器热负荷显著增加，铸坯的各类表面缺陷和漏钢等异常层出不穷，对生产过程的监控水平提出了更高要求。顺应现代化工业的可视化、智能化发展趋势，开发新的过程在线检测方法和技术装备，进一步提高结晶器控制水平，对于促进高效连铸技术发展具有积极作用。
　　本文基于计算机视觉和人工智能方法，重点围绕结晶器过程的可视化和漏钢预报方法进行研究，主要研究内容如下:
　　首先，基于国内某钢厂弧型宽厚板坯连铸机4190炉浇铸数据和64例黏结漏钢样本，对影响黏结漏钢的工艺因素及其形成、传播行为进行实证研究。分别从铸坯尺寸、拉速、液位波动以及热流等方面，归纳影响黏结漏钢的主要因素;同时，依据实测的热电偶温度对黏结漏钢的温度模式进行分析，重点考察黏结的移动速率、角度等传播特征，为开发漏钢可视化预报方法提供参考和借鉴。
　　其次，依据计算机视觉技术，研究开发结晶器过程可视化方法和热成像技术，采用帧间差分、阈值分割、八连通区域标记及边界跟踪等图像处理算法，对漏钢和纵裂纹发生时结晶器的温度异常区域进行标记和特征提取，从温度变化、几何、位置、移动等方面，归纳和提炼结晶器黏结的共性特征，并与伪黏结进行比照和区分。结果证实，伴随漏钢出现的温度、几何与传播等行为特征，能够作为区分真、伪黏结漏钢的重要判据。
　　在此基础之上，针对黏结漏钢的可视化和智能预报方法进行研究。以黏结热点区域温度速率、几何以及移动特征为输入参量，建立了基于BP神经元网络的漏钢预报模型，分别采用LM(Levenberg-Marquardt)算法和GA(Genetic Algorithm)遗传算法，对BP神经网络模型进行训练和优化。利用现场追踪和收集的64例黏结漏钢和200例伪黏结样本，对BP网络、LM-BP网络和GA-LM-BP网络模型进行测试和分析，综合考察、比照各模型的预报精度和效率。
　　最后，基于连铸现场结晶器温度、液压振动、铸机设备、工艺参数等信号检测条件，依据上述开发的过程可视化、计算机视觉及人工智能等相关算法，设计和开发结晶器过程可视化及漏钢预报专家系统，集成铜板温度检测、摩擦力检测、振动状态检测、过程可视化和漏钢预报等功能。系统于国内某钢厂弧形板坯铸机上线投入应用，在近一年与国外某系统并行监控结晶器的服役过程中，系统未发生漏报，且误报次数大幅降低，漏钢报警的准确率显著提升，在保障生产顺行方面发挥了重要作用，显示出良好应用潜力。

目录

声明

摘要

图目录

表目录

1 绪论

1．1 课题研究背景

1．2 连铸结晶器漏钢及纵裂纹

1．2．1 漏钢的危害和分类

1．2．2 黏结漏钢形成机理

1．2．3 表面纵裂纹及其形成机理

1．2．4 改善纵裂纹的途径

1．3 结晶器漏钢与纵裂的在线预测

1．3．1 热流

1．3．2 摩擦力

1．3．3 热电偶测温

1．3．4 铸坯纵裂预测

1．4 结晶器在线监控技术开发和应用现状

1．4．1 国内外研究现状

1．4．2 应用中存在的主要问题

1．5 计算机视觉检测技术

1．5．1 图像分割

1．5．2 特征提取和选择

1．5．3 模式识别

1．6 本文主要研究内容

2 宽厚板结晶器黏结的工艺因素及其传播行为研究

2．1 引言

2．2 连铸机设备参数及热电偶布置

2．2．1 连铸机设备参数

2．2．2 结晶器铜板热电偶布置

2．3 影响黏结漏钢的工艺因素分析

2．3．1 铸坯尺寸

2．3．2 拉速

2．3．3 液位波动

2．3．4 黏结位置

2．4 热流对铸坯黏结影响

2．4．1 结晶器宽面热流

2．4．2 热流波动

2．4．3 结晶器窄面热流

2．5 铸坯结晶器内黏结的传播行为

2．5．1 黏结传播行为计算方法

2．5．2 铸坯黏结纵向传播速率

2．5．3 铸坯黏结横向传播速率

2．5．4 铸坯黏结的夹角

2．6 不同规格铸坯黏结传播行为对比

2．7 本章小结

3 基于计算机视觉的黏结漏钢可视化特征检测

3．1 引言

3．2 结晶器铜板温度可视化

3．2．1 温度热成像

3．2．2 温度热像图帧间差分

3．2．3 温度变化速率可视化

3．3 黏结异常图像处理

3．3．1 区域分割

3．3．2 连通性标记

3．3．3 边界和轮廓提取

3．4 黏结异常的特征提取

3．4．1 温度变化速率

3．4．2 几何特征

3．4．3 移动速率

3．5 结晶器真、伪黏结的特征提取与统计

3．5．1 黏结的可视化形成和传播过程

3．5．2 伪黏结的一般特征

3．5．3 黏结漏钢的典型可视化特征

3．5．4 黏结实例的特征统计

3．5．5 真、伪黏结的鉴别和区分

3．6 本章小结

4 板坯纵裂纹可视化特征提取与检测方法研究

4．1 引言

4．2 铸坯纵裂纹热成像

4．2．1 纵裂纹典型的温度特征

4．2．2 纵裂纹的可视化呈现

4．3 纵裂纹区域的分割和标记

4．3．1 区域分割

4．3．2 温降区域标记

4．4 纵裂纹区域特征提取

4．4．1 温降特征

4．4．2 几何特征

4．4．3 重心和位置

4．4．4 角度和移动特征

4．5 纵裂纹的可视化与检测流程

4．5．1 纵裂纹检测流程

4．5．2 纵裂纹异常特征分析

4．6 本章小结

5 基于改进BP神经网络的黏结漏钢预报方法研究

5．1 引言

5．2 黏结漏钢特征选择与归一化

5．2．1 黏结特征的选择

5．2．2 黏结特征数据归一化

5．3 LM-BP网络黏结漏钢预报模型

5．3．1 人工神经元网络

5．3．2 BP神经网络模型及训练

5．3．3 LM-BP算法流程

5．3．4 LM-BP网络的训练与测试

5．4 基于GA-LM-BP网络的漏钢预报模型

5．4．1 遗传算法

5．4．2 种群和个体操作

5．4．3 算法的优化流程

5．4．4 GA优化LM-BP神经网络模型

5．5 GA-LM-BP网络模型的训练和测试

5．5．1 模型参数设置

5．5．2 GA-LM-BP网络模型训练

5．5．3 GA-LM-BP网络模型测试

5．6 预测结果及指标对比

5．7 本章小结

6 结晶器可视化及漏钢预报专家系统开发

6．1 引言

6．2 系统总体构成

6．3 信号采集和通讯

6．3．1 热电偶及温度测量

6．3．2 液压振动系统数据采集

6．3．3 工艺参数检测

6．4 软件设计和开发

6．4．1 C／S模式架构的选择

6．4．2 任务和功能分解

6．4．3 系统软件开发

6．5 专家系统在线运行

6．5．1 系统在线运行情况

6．5．2 铜板温度在线检测

6．5．3 结晶器铜板热流检测

6．5．4 瞬态摩擦力在线检测

6．5．5 结晶器振动状态监测

6．5．6 结晶器过程可视化

6．6 漏钢预报统计结果

6．6．1 现场检测实例

6．6．2 漏钢预报结果与指标对比

6．7 本章小结

7 结论与展望

7．1 结论

7．2 创新点摘要

7．3 展望

参考文献

攻读博士学位期间科研项目及科研成果

致谢

作者简介