多变量统计在连铸结晶器过程检测中的应用方法研究

摘要

本文由圆坯连铸结晶器的热流分析和多变量统计方法在连铸结晶器过程检测中的应用两部分组成.结晶器内的热过程对铸坯质量具有决定性的影响,本文第一部分在实验室工作的基础上,以圆坯连铸为研究对象,基于大量的生产现场热流实测数据,对结晶器的平均热流和局部热流进行同时分析.主要通过拉速、搅拌电流、弯月面波动等工艺参数对热流的影响,讨论圆坯连铸结晶器平均热流和高热流区热流的特征及分布规律.连铸的高拉速和生产无缺陷铸坯的发展趋势对连铸,尤其是它的结晶器过程关键参数的在线监控提出了越来越高的要求.本文第二部份使用多变量统计方法对连铸结晶器过程进行分析和诊断.运用关键因素分析方法对连铸过程出现的异常情况进行检测.基于神经元网络的PCA方法的研究,是将神经元网络与关键因素分析方法相结合,运用神经网络技术消除系统的非线性.

目录

文摘

英文文摘

1绪论

1.1连铸过程的概况与发展

1.2连铸结晶器传热的特点及研究意义

1.3结晶器传热的影响因素

1.4连铸结晶器过程分析和异常状态检测研究的现状

1.5多变量统计方法在连铸过程的应用现状

1.6本论文主要内容

2圆坯连铸结晶器实测热流数据分析

2.1引言

2.2研究方法

2.2.1平均热流计算方法

2.2.2局部热流检测与计算方法

2.3温度、热流检测结果及数据分析

2.3.1圆坯结晶器热流分布特征

2.3.2热流影响因素分析

2.3.3数据结果分析

2.4本章小结

3多变量统计方法在连铸过程中应用的研究

3.1引言

3.2故障检测的多变量性质

3.3连铸结晶器过程数据的特征

3.4数学模型的推导

3.4.1关键因素分析方法的模型

3.4.2基于关键因素分析的故障检测

3.4.3基于关键因素分析的故障诊断

3.5过程变量参数的选择

3.6简化模型的具体算法

3.7本章小结

4连铸结晶器应用PCA方法的异常分析

4.1引言

4.2单变量统计方法异常分析

4.3 PCA方法异常检测的结果

4.3.1摩擦力为主要影响因素的异常情况

4.3.2拉速为主要影响因素的异常情况

4.3.3浇注温度为主要影响因素的异常情况

4.4单变量统计与多变量统计分析结果的比较

4.5本章小结

5基于神经元网络的PCA方法的研究

5.1引言

5.2输入训练神经网络

5.3基于神经元网络的PCA方法

5.4残余值计算的动态神经元网络

5.5残余量估计的PCA控制图

5.6仿真实例分析

5.7本章小结

6结论与进一步工作的建议

6.1结论

6.1.1圆坯连铸结晶器热流研究部分

6.1.2多变量统计方法在连铸结晶器过程检测的应用研究部分

6.2建议

参考文献

攻读硕士学位期间发表的论文

致谢

大连理工大学学位论文版权使用授权书