連鑄坯在線質(zhì)量預(yù)測判定模型的建立

溫 恒，劉 峰，張 申

(中國重型機(jī)械研究院自動化研究所，陜西 西安710032)

連鑄坯在線質(zhì)量預(yù)測判定模型的建立

溫 恒，劉 峰，張 申

(中國重型機(jī)械研究院自動化研究所，陜西 西安710032)

本文主要闡述了利用現(xiàn)代信息化技術(shù)實現(xiàn)對連鑄坯質(zhì)量的在線預(yù)測判定。該模型的特點是采用切片原理對生產(chǎn)過程中的鑄坯進(jìn)行跟蹤及異常事件標(biāo)定，運用統(tǒng)計學(xué)原理對影響鑄坯質(zhì)量的過程及工藝標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行量化，通過尖端的計算機(jī)計算技術(shù)對鑄坯質(zhì)量進(jìn)行預(yù)測和綜合判定。

切片;質(zhì)量預(yù)測判定;神經(jīng)網(wǎng)絡(luò)

0 前言

在連鑄生產(chǎn)中，及時在線預(yù)報和判定鑄坯質(zhì)量對確保生產(chǎn)的連續(xù)性、提高產(chǎn)品質(zhì)量及降低生產(chǎn)成本具有重要意義。鋼鐵企業(yè)中各個生產(chǎn)作業(yè)區(qū)高效率的生產(chǎn)過程和整個煉鋼－連鑄－軋鋼工藝過程的高速運轉(zhuǎn)節(jié)奏，已成為連鑄技術(shù)發(fā)展的一個主要方向。連鑄坯在線質(zhì)量預(yù)測判定模型的主要功能是對生產(chǎn)過程中超出正常范圍的現(xiàn)象進(jìn)行判別，確定各種異常事件對鑄坯質(zhì)量的影響程度和相應(yīng)的處置方法，并指導(dǎo)板坯切割及精整作業(yè)，實現(xiàn)高效作業(yè)和過程管理，提高連續(xù)作業(yè)率。

1 連鑄坯在線質(zhì)量預(yù)測判定模型的目的

現(xiàn)代化的大型板坯連鑄機(jī)采用多爐連澆、熱送熱裝技術(shù)已非常普遍，通過采取必要的技術(shù)措施較為明顯地提高連鑄機(jī)鑄造速度、提高連鑄機(jī)乃至整個煉鋼－連鑄－軋鋼工藝過程的運轉(zhuǎn)節(jié)奏已經(jīng)成為連鑄技術(shù)發(fā)展的一個主要方向。

為適應(yīng)連鑄機(jī)高效率的生產(chǎn)過程，保證向熱軋廠提供無缺陷鑄坯，除了采取一系列嚴(yán)格的工藝措施以外，還必須建立一套對于因操作條件和設(shè)備異常引起的鑄坯質(zhì)量異常進(jìn)行判定的系統(tǒng)，用以在線快速判定板坯內(nèi)部或表面可能出現(xiàn)的質(zhì)量缺陷，對可能存在質(zhì)量異常缺陷的鑄坯段位置進(jìn)行跟蹤定位，并將判斷結(jié)果在鑄坯還沒有離開生產(chǎn)線時報出，這樣就可以指導(dǎo)板坯在線優(yōu)化切割、減少廢坯量和在隨后的鑄坯精整區(qū)域?qū)υ摱舞T坯采取對應(yīng)措施。

2 連鑄坯在線質(zhì)量預(yù)測判定模型的功能

連鑄坯在線質(zhì)量預(yù)測判定模型既能對生產(chǎn)過程中超出正常參數(shù)指標(biāo)范圍的現(xiàn)象進(jìn)行判別，確定各種異常事件對鑄坯質(zhì)量的影響程度和相應(yīng)的處置方法，也能指導(dǎo)板坯切割及精整作業(yè)。模型主要具備以下四項具體功能:

(1)實現(xiàn)質(zhì)量數(shù)據(jù)全線跟蹤功能。此功能可以使連鑄生產(chǎn)工藝數(shù)據(jù)得到有機(jī)的組織，即可了解每一塊鑄坯的生產(chǎn)澆次、生產(chǎn)爐次、生產(chǎn)的所有生產(chǎn)工藝數(shù)據(jù)，為特殊區(qū)段的重點研究提供了條件;為生產(chǎn)標(biāo)準(zhǔn)的修改、生產(chǎn)工藝的改進(jìn)等長期研究課題提供了豐富的實際生產(chǎn)數(shù)據(jù)，以達(dá)到最佳的生產(chǎn)工藝。

(2)在線質(zhì)量異常監(jiān)視功能。利用此功能可監(jiān)測、判斷發(fā)生在線質(zhì)量異常的生產(chǎn)工藝參數(shù)和過程參數(shù)，給出異常參數(shù)超出標(biāo)準(zhǔn)值的差值;并對此情況做出報警和質(zhì)量異常的在線和離線處理建議。在很大程度上減少了連鑄廢坯和待處理坯的進(jìn)一步形成，提高了連鑄坯合格率。

(3)在線鑄坯質(zhì)量缺陷判定功能。利用此功能可以在線及時監(jiān)測、判斷鑄坯質(zhì)量情況，并根據(jù)鑄坯不同的質(zhì)量缺陷給切割優(yōu)化模型切割長度計算指導(dǎo)指令。對切割形成的板坯質(zhì)量進(jìn)行綜合判斷，對板坯在線熱裝熱送或下線處理給予指導(dǎo)。

(4)輸入異常定義功能。實現(xiàn)了用戶超標(biāo)準(zhǔn)異常生產(chǎn)定義，免除了隨工藝研究的深入或?qū)?biāo)準(zhǔn)的提高或新鋼種的投人生產(chǎn)，引起生產(chǎn)標(biāo)準(zhǔn)的變化(即異常定義的變化)，進(jìn)而需對程序代碼做維護(hù)工作。

3 鑄坯在線質(zhì)量預(yù)測判定模型的工作原理

3.1 連鑄坯在線質(zhì)量預(yù)測判定模型的工作原理

在連鑄生產(chǎn)過程中有許多過程值會對連鑄坯的質(zhì)量產(chǎn)生影響，當(dāng)這些過程值的變化超出工藝規(guī)定范圍時，或者生產(chǎn)過程中發(fā)生某些意外事件和不可避免的操作時，都會對鑄坯的質(zhì)量產(chǎn)生不良影響，使可能受此影響的局部長度的鑄坯出現(xiàn)各種質(zhì)量缺陷甚至報廢。質(zhì)量判定模型的預(yù)報方法為對大量生產(chǎn)數(shù)據(jù)及質(zhì)量數(shù)據(jù)進(jìn)行考察分析，用統(tǒng)計方法找出與連鑄坯質(zhì)量缺陷相關(guān)的數(shù)據(jù)特征，然后在生產(chǎn)過程中如果從實時數(shù)據(jù)中發(fā)現(xiàn)了這些數(shù)據(jù)特征，就可以預(yù)報連鑄坯質(zhì)量將要出現(xiàn)缺陷。顯而易見，在這個過程中數(shù)據(jù)積累得越多就越容易發(fā)現(xiàn)與缺陷相關(guān)的主要因素和特征，預(yù)報也會越準(zhǔn)確。所以質(zhì)量判定模型的遠(yuǎn)期效果需要擁有相當(dāng)規(guī)模數(shù)據(jù)量的冶金數(shù)據(jù)庫來支持。

3.2 連鑄坯在線質(zhì)量預(yù)測判定模型的工作過程

質(zhì)量判定過程如圖1所示。

圖1 連鑄坯在線質(zhì)量預(yù)測判定過程示意圖Fig.1 The continuous casting slab online quality prediction judgement process schematic diagram

模型檢查判斷的過程值主要分為兩大類，一類是工藝操作參數(shù)，如拉坯速度、結(jié)晶器液面波動值、中間包內(nèi)鋼水液位值(稱重值)、中間包內(nèi)鋼水溫度、結(jié)晶器銅板溫度、結(jié)晶器冷卻水溫差等;第二類主要是連鑄生產(chǎn)過程中發(fā)生的突發(fā)事件或不可避免的操作，前者如水口破裂、中間包結(jié)殼、澆注停頓等，后者如異鋼種連澆、坯頭坯尾形成、更換中間包、更換保護(hù)渣、大包與中間包之間敞開澆注等。

連鑄坯在線質(zhì)量預(yù)測判定模型檢查主要的過程值并產(chǎn)生質(zhì)量記錄。系統(tǒng)工作時將采集主要過程值，當(dāng)發(fā)現(xiàn)某一過程值出現(xiàn)異常值，或該過程值異常波動持續(xù)一定時間時，質(zhì)量判定系統(tǒng)就自動生成一個標(biāo)號，對該標(biāo)號產(chǎn)生時刻以前或以后生產(chǎn)出的一定長度的鑄坯進(jìn)行標(biāo)記并跟蹤，同時根據(jù)連鑄機(jī)操作工藝及作業(yè)標(biāo)準(zhǔn)對該質(zhì)量異常事件做出處置決定。其結(jié)果用來進(jìn)行切割長度計算－優(yōu)化出最佳的切割長度以及板坯實績收集，進(jìn)而通過切割長度計算模型向切割機(jī)下達(dá)切割指令，通過精整計算機(jī)向精整作業(yè)區(qū)下達(dá)精整作業(yè)指令。簡言之，質(zhì)量判定系統(tǒng)的工作過程就是收集和判定質(zhì)量信息，做出相應(yīng)異常事件的處置決定，為切割和精整操作提供與鑄坯質(zhì)量相關(guān)的作業(yè)指令。

4 鑄坯在線質(zhì)量預(yù)測判定模型的建立條件

目前在國內(nèi)外現(xiàn)有的連鑄過程控制系統(tǒng)的基礎(chǔ)上完全可以建立此模型，不需要額外增加軟硬件配置。但必須保證連鑄過程控制系統(tǒng)的完善并且正常投入使用。本模型的建立硬件上需要高性能的模型運行服務(wù)器和大容量的數(shù)據(jù)存儲設(shè)備。軟件上需要大型數(shù)據(jù)庫管理軟件和程序開發(fā)軟件以及標(biāo)準(zhǔn)參數(shù)訓(xùn)練所需要的大量鑄機(jī)正常生產(chǎn)數(shù)據(jù)(可通過本模型自動采集)。

5 連鑄坯在線質(zhì)量預(yù)測判定模型功能的實現(xiàn)方法

5.1 標(biāo)準(zhǔn)過程值的形成

連鑄機(jī)連續(xù)生產(chǎn)過程中的過程數(shù)據(jù)的大量采集并通過人工智能神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)，形成一個龐大的連鑄過程數(shù)據(jù)標(biāo)準(zhǔn)值數(shù)據(jù)庫，作為連鑄坯質(zhì)量在線預(yù)測和最終判定的工藝數(shù)值標(biāo)準(zhǔn)。這是連鑄坯在線自動判斷的基礎(chǔ)依據(jù)。

5.2 補(bǔ)正值的建立

大多數(shù)質(zhì)量異常事件發(fā)生時，都會對該事件發(fā)生時刻之前或之后一定長度范圍內(nèi)的鑄坯質(zhì)量產(chǎn)生影響。所以當(dāng)發(fā)生各種質(zhì)量異常情況時，除輸入質(zhì)量異常代碼外，還須作一些補(bǔ)正。連鑄過程計算機(jī)采集到的異常發(fā)生和解除時刻是以鑄坯總長度來表示的，所以補(bǔ)正也以長度形式給出。

5.3 連鑄坯的跟蹤及質(zhì)量預(yù)報

根據(jù)切片原理將連鑄生產(chǎn)過程形成的鑄坯分成若干個定長切片(切片的生成是從結(jié)晶器液面高度有凝固坯殼開始)，切片的標(biāo)識以切片產(chǎn)生流水號和產(chǎn)生時的澆鑄長度定義。切片的成長是切片在鑄流生產(chǎn)過程中發(fā)生異常事件的集合。對產(chǎn)生的每一個切片在生產(chǎn)過程中的成長進(jìn)行跟蹤直到切割完成形成板坯為止。每一個切片成長過程中經(jīng)歷的過程工藝數(shù)據(jù)與冶金標(biāo)準(zhǔn)過程工藝數(shù)據(jù)進(jìn)行對比計算，判斷是否異常并將結(jié)果以異常代碼的形式記錄在切片的成長記錄中。根據(jù)連續(xù)長度內(nèi)切片的異常標(biāo)識進(jìn)行綜合分析判斷，進(jìn)行質(zhì)量預(yù)報并指導(dǎo)生產(chǎn)操作和工藝控制。

5.4 鑄坯質(zhì)量判定及處理

根據(jù)每一個切片的成長記錄(異常信息記錄)和鑄坯質(zhì)量缺陷的定義進(jìn)行鑄坯質(zhì)量判定，其結(jié)果以長度的方式傳送給切割優(yōu)化模型進(jìn)行切割優(yōu)化長度計算，提高連鑄良坯收得率和合格板坯的連續(xù)熱送。計算機(jī)將根據(jù)異常處理組號和異常處理代碼變換表對該信息進(jìn)行處理，指導(dǎo)生產(chǎn)操作和工藝控制。其中異常處理組號由連鑄機(jī)生產(chǎn)的鋼種決定。

5.5 板坯質(zhì)量判定及處理

根據(jù)板坯切割的起始長度和結(jié)束長度，進(jìn)行切片歸屬，把歸屬板坯的切片成長過程中的的質(zhì)量異常數(shù)據(jù)按優(yōu)先次序，最多取出4個異常信息對該塊板坯的質(zhì)量進(jìn)行綜合判斷得到板坯質(zhì)量結(jié)果。由于質(zhì)量異常的數(shù)據(jù)采集和處理都是以爐次為單位進(jìn)行的，而切割計算和精整均以板坯為單位進(jìn)行，故應(yīng)把處理信息匯集到以板坯為單位的信息區(qū)中，需做如下處理:

(1)根據(jù)質(zhì)量結(jié)果決定是否可以熱送。

(2)根據(jù)質(zhì)量異常代碼/處理代碼對照表確定板坯是報廢還是保留，給出異常坯的質(zhì)量缺陷具體位置，并對保留坯確定隨后的精整處理途徑。

6 連鑄坯在線質(zhì)量預(yù)測判定的內(nèi)容

質(zhì)量判定系統(tǒng)工作的簡要過程為:收集由儀表、電氣控制系統(tǒng)提供的過程數(shù)據(jù)和部分來自煉鋼計算機(jī)的煉鋼異常信息，接受人工從人機(jī)界面輸入的質(zhì)量異常信息，對質(zhì)量異常事件進(jìn)行判斷，跟蹤那些可能發(fā)生質(zhì)量異常的鑄坯段，確定對這些鑄坯段實施哪種處理方案，并通知操作人員或直接指揮控制設(shè)備進(jìn)行處理。

質(zhì)量判定的內(nèi)容如表1，主要分為兩大類:第一類是工藝操作參數(shù)，也就是通過檢測儀表系統(tǒng)、自動化控制系統(tǒng)自動采集的生產(chǎn)過程數(shù)據(jù);第二類主要是連鑄生產(chǎn)過程中發(fā)生的突發(fā)事件或不可避免的操作即需要操作人員通過人機(jī)界面進(jìn) 行鑄坯質(zhì)量異常輸入和從煉鋼過來的鋼水信息。

表1 連鑄坯在線質(zhì)量預(yù)測判定內(nèi)容Tab.1 Content of online quality prediction judgement for contious casting slab

7 結(jié)束語

連鑄坯在線質(zhì)量預(yù)測判定模型的建立，對質(zhì)量合格的連鑄坯直接熱送以有效節(jié)能和有效提高連續(xù)生產(chǎn)節(jié)奏;對表面有缺陷的連鑄坯離線修磨清理后再加熱軋制以減少鋼材廢品率，提高成材率;對內(nèi)部缺陷嚴(yán)重的連鑄坯直接判廢以減少進(jìn)一步檢查處理成本。使企業(yè)整體生產(chǎn)快節(jié)奏、高效率、低成本的連續(xù)運行。

［1］劉名延，李平，欒興家，等．板坯連鑄機(jī)設(shè)計與計算上冊［M］．機(jī)械工業(yè)出版社，1990．

［2］王雅貞，張巖，劉術(shù)國，等．連續(xù)鑄鋼工藝及設(shè)備［M］．北京:冶金工業(yè)出版社，1999．

［3］劉玠．連鑄及爐外精煉自動化技術(shù)［M］．冶金工業(yè)出版社，2006．

Establishment of online quality prediction judgementmodel for continuous casting slab

WEN Heng，LIU Feng，ZHANG Shen
(China National Heavy Machinery Research Institute Co．，Ltd．，Xi'an 710032，China)

The online forecast judgementof continuous casting slab quality is elaborated in detail，which is realized by themodern information technique．The feature of themodel is to adopt the slicing principle tomonitor the slab in the production process and record the unconventional affairs;use statistics principle to quantize the process and technical standard data which influence the slab quality．The advanced computing technology is adopted to forecast and estimate the slab quality．

slice;quality forecast judgement;neural network

TF777.1

A

1001－196X(2012)04－0060－04

2011－11－18;

2011－12－10

溫恒(1984－)，男，中國重型機(jī)械研究院自動化研究所，工程師。