馬鋼板坯連鑄漏鋼預報技術的進展

臧紅臣

(馬鋼股份公司第四鋼軋總廠 安徽馬鞍山 243011)

馬鋼四鋼軋的漏鋼預報系統(tǒng)(簡稱MMS)是由西馬克集團于2006年提供的。經(jīng)過了10年的運行，系統(tǒng)老化、無法滿足當前的快節(jié)奏的工藝生產(chǎn)要求。

2016年6月份由于漏報造成2次粘結漏鋼事故，導致生產(chǎn)中斷和嚴重的生產(chǎn)損失。老的漏鋼預報系統(tǒng)，沒有自學習功能，報警閾值根據(jù)鋼種特性及熱電偶梯度變化進行人為摸索，控制精度很難保證，為了預防漏報造成漏鋼事故，工藝技術人員收窄了報警閾值，雖然杜絕了漏報，但增加了大量誤報，約180塊/月，因粘結報警造成的降速澆鑄，既影響了生產(chǎn)節(jié)點，不利于高效生產(chǎn)，降低生產(chǎn)成本，又造成了非穩(wěn)態(tài)澆鑄，結晶器流場不穩(wěn)定，鋼液卷渣，降低了鑄坯質(zhì)量。

另外老系統(tǒng)還需要連鑄機主控每次開澆前檢查兩個流BPS曲線選取情況以及BPS曲線選取是否與鋼種相應。在生產(chǎn)斷面為1600 mm、1300 mm、1400 mm還需要人工進行熱電偶屏蔽，極大增加了工人的工作量。

在此背景下，尋找具有自學習功能，能自適應熱電偶梯度變化，自動放大縮小閾值，不需要人工干預的新系統(tǒng)勢在必行。

1 馬鋼四鋼軋連鑄漏鋼預報系統(tǒng)技術變遷

馬鞍山鋼鐵股份有限公司第四鋼軋總廠(以下簡稱四鋼軋)從德國SM S-DEM AG公司引進2臺1機2流直弧形連鑄機，其設計生產(chǎn)能力567 t/a,鑄坯斷面950 mm-2150 mm，鋼種多達200多種。自2007年9月正式投產(chǎn)以來，四鋼軋所使用的SM S-DEM AG公司的漏鋼預報系統(tǒng)(BPS)已成功預防了多起粘結漏鋼事故，取得了巨大的經(jīng)濟效益;但是在使用隨著年限的增加，這套漏鋼預報系統(tǒng)越來越不滿足四鋼軋現(xiàn)階段快節(jié)奏的生產(chǎn)工藝要求，主要體現(xiàn)在誤報增多，漏報頻次增加，而且需要人工干預[1]。

在此前提下，四鋼軋于今年初從西馬克引進一套帶有自適應功能的漏鋼預報系統(tǒng)(簡稱HD MoIdTC)，應用于四鋼軋的1#、2#鑄機。這次改造的新BPS系統(tǒng)HDmold由倆部分組成： HDKernel和 HDmold。其中HDKernel是HDMold系統(tǒng)中的計算程序，運行于BPS的服務器上，里面包括了BPS及其他助手的計算模塊，每個模塊都獨立運行于不同的進程中，互不影響。 HDmold是系統(tǒng)的HMI部分，負責顯示系統(tǒng)的運行數(shù)據(jù)，運行于客戶端。

2 HD MoIdTC的系統(tǒng)構成

新的BPS系統(tǒng)現(xiàn)場信號采集是由西門子公司的信號處理器和S7-400構成，為了保證信號采集的準確性，增強數(shù)據(jù)的抗干擾能力，熱電偶信號通過補償導線進入信號處理器，然后經(jīng)過DP網(wǎng)線到達PLC，PLC具備對熱電偶輸入的模擬量信號進行濾波處理功能。BPS系統(tǒng)和一級系統(tǒng)之間是靠OLE for Process Control軟件進行數(shù)據(jù)交換，通過這個橋梁將處理過的熱電偶信號送到SMS公司自己研發(fā)的數(shù)據(jù)處理模型HDKernel中進行運算，在這個模型中可以將各種干擾因素排除，如圖1。

圖1 設備結構

除了主要的漏鋼預報系統(tǒng)外還自帶了七大助手，如熱成像助手、鼓肚助手、摩擦力助手、水口助手、堵塞助手等功能，能夠更好的為生產(chǎn)服務。

3 粘結漏鋼產(chǎn)生原因

在正常澆鑄狀況下，鑄坯在結晶器里行走，由于銅板冷卻作用，沿著拉坯方向，銅板溫度不斷下降。當某種原因造成保護渣的分布不均，致使彎月面附近的鋼水與銅板的直接接觸而產(chǎn)生粘結，隨結晶器的振動及拉坯的進行，粘結處被V字型撕裂如圖2，撕裂處會被鋼水滲透而修復，由于修復處坯殼薄弱，抗拉強度低，會繼續(xù)在下一次振動中重新撕裂[2]。這樣，周而復始，斷口持續(xù)下移，當端口到達結晶器下口時，鋼水失去支撐，會從裂口噴出如圖3。

4 HD MoIdTC系統(tǒng)模型預報原理

若發(fā)生粘結時能夠及時預報，并采取降速措施(速度降到0.2 m/min)，則可防止漏鋼的發(fā)生如圖2。

圖2 V型撕裂痕圖

圖3 粘結漏鋼形成過程

圖4 熱電偶排布

為實現(xiàn)上述功能，在結晶器銅板內(nèi)埋入一定數(shù)量的熱電偶如圖4所示，正常狀況下第一排的熱電偶溫度高于第二排，澆鑄過程中如果坯殼與銅板粘結現(xiàn)象，隨著V型撕裂痕的擴張，粘結點的溫度會在空間和時間上分別向橫向和縱向擴展，粘結時熱電偶溫度的典型特征如圖5(紅線代表粘結處熱電偶溫度變化，灰線和青色先天代表相鄰熱電偶溫度變化趨勢)。漏鋼預報技術就是基于這種典型溫度變化特征來進行提前預報的[3]。當發(fā)生報警時，二級系統(tǒng)會發(fā)出一個降速信號給一級，要求降低拉坯速度，從而增加負滑脫時間而使粘結處坯殼有充分時間脫離銅板，同時斷口復合并在出結晶器之前形成一定坯殼厚度，避免漏鋼發(fā)生[4]。

圖5 粘結漏鋼典型溫度變化

5 HD MoIdTC的優(yōu)勢

5.1 新漏鋼預報具有自適應性

當粘結發(fā)生時，粘結點的熱電偶和其相鄰的2個熱電偶的溫度梯度值在10 s內(nèi)，有3.5 s時間大于所設閾值時，系統(tǒng)會報黃警。在黃警的基礎之上，當坯殼下移，粘結點到達第二排，粘結點的熱電偶和其相鄰的2個熱電偶的溫度梯度值在10 s內(nèi)，有4 s時間大于所設閾值時會報紅警產(chǎn)生降速信號，其靈敏時間可以根據(jù)鋼種特性進行人為設定。

由于上述特性，當系統(tǒng)處于不穩(wěn)定狀態(tài)時，比如化渣不良，液面波動，降速升速等狀況時，溫度梯度會明顯變化，因此為避免誤報警，其閾值設定具有以下特性：

①當拉坯速度小于等于0.6 m/min時，鑄坯在結晶器停留時間可達1.5 min以上，即使在結晶器內(nèi)發(fā)生坯殼粘結，亦有充足的時間對粘結的V型裂紋進行愈合，所以漏鋼預報在0.6 m/min的低拉速下，閾值設定比較大，避免報警降速。老系統(tǒng)是根據(jù)長度進行界定。

②當拉速大于0.6 m/min時，系統(tǒng)的閾值設定是熱電偶溫度梯度的函數(shù)，計算公式如下：

式中：Y——實時報警閾值；

σ——實時報警閾值；

A——溫度梯度閾值系數(shù)；

B——系數(shù)(<1.0)；

C——基礎閾值。

其閾值取自2 s之前的180 s的溫度梯度值進行計算，隨著梯度的增加而自適應變化，如圖6。

圖6 漏鋼預報系統(tǒng)閾值自適應調(diào)整

5.2 增加熱成像可視化系統(tǒng)

漏鋼預報系統(tǒng)中加入了熱成像技術，可實時、動態(tài)顯示結晶器銅板表面的溫度場及板坯在長度方向上的的歷史溫度變化情況。當鑄坯坯殼發(fā)生銅板粘結時，粘結處對應的溫度會大幅上升，在可視畫面呈現(xiàn)出粘結的V字型特征狀，從而判斷是否發(fā)生真粘結。熱成像可視化技術的使用，為工藝技術員及操作人員判斷是否發(fā)生真粘結提供了更方便、更準確的參考。以方便當班人員及時作出更準確的反應措施。如圖7所示。是由于保護渣潤滑不當導致的坯殼粘接，從而在可視化系統(tǒng)中呈現(xiàn)的典型V形溫度圖案。如果此時不及時降低拉速焊合撕裂坯殼就會直接引發(fā)漏鋼[5]。

5.3 HD MoIdTC自分析功能

所有的BPS報警記錄，自動記錄在事件統(tǒng)計監(jiān)控系統(tǒng)中,如圖8。

該畫面包括3部分組成，左上角的矩形圖展示的是最近七天(時間范圍可可在下拉菜單選擇)每天的報警趨勢變化，橫坐標標識日期，縱坐標表示報警次數(shù)?？梢愿鶕?jù)報警趨勢可以間接分析原料的穩(wěn)定性。

圖7 二維典型V形粘掛移動

右上角的餅圖，展示的是結晶器各面和各鋼種的報警比例，數(shù)據(jù)基于下部文本框中的數(shù)據(jù)，該數(shù)據(jù)可以自由設定日期區(qū)間，根據(jù)餅圖有利于技術人員進行直觀預判，然后對鋼種對應保護渣進行合理優(yōu)化。

圖8 事件統(tǒng)計監(jiān)控

6 HD MoIdTC的效果

由于HD MoIdTC綜合采用了邏輯判斷、神經(jīng)元網(wǎng)絡技術、濾波技術以及空間網(wǎng)絡判斷模型等[6]。系統(tǒng)通過升級，自8月初應用于四鋼軋1#、2#連鑄機4個月以來， 粘結漏鋼檢測率(SDR)100%， 粘結誤報率(SFAR)9.52%。誤報率比升級前減少了93.26%，大大降低了1#、2#連鑄機報警次數(shù)，極大提高了四鋼軋連鑄生產(chǎn)效率。

[1] 王志政, 孫健, 楊曉剛. 提高板坯連鑄漏鋼預報系統(tǒng)準確性的措施[J]. 連鑄, 2010, 1(3):39-42.

[2] 職建軍, 黃可為, 田正宏,等. 寶鋼板坯連鑄漏鋼預報技術的進展[J]. 寶鋼技術, 2007(6):69-72.

[3] 秦旭, 朱超甫, 高光河,等. 板坯漏鋼機理及基于熱電偶檢測的漏鋼預報技術研究[J]. 鋼鐵研究學報, 2011, 23(2):7-11.

[4] 朱薛輝. 連鑄漏鋼預報模型的研究[D]. 重慶：重慶大學, 2009.

[5] 劉永貞. 基于人工智能與熱成像的結晶器漏鋼預報系統(tǒng)[D]. 大連：大連理工大學, 2009.

[6] 張本國. 薄板坯連鑄神經(jīng)網(wǎng)絡漏鋼預報系統(tǒng)研究[D]. 秦皇島：燕山大學, 2012.