鈦及鈦合金真空自耗熔煉爆炸預(yù)警系統(tǒng)研制

張乃祿，王 偉，李偉強(qiáng)，宋 濤，韓 凱

(1.西安石油大學(xué)，陜西 西安 710065)(2.西安海聯(lián)石化科技有限公司， 陜西 西安 710065)

0 引 言

本研究以鈦及鈦合金真空自耗熔煉爆炸現(xiàn)象為研究對象，對真空自耗電弧爐爆炸機(jī)理及征兆要素進(jìn)行分析，確定爆炸征兆及爆炸征兆要素，提出一種基于信息融合[2]的模糊神經(jīng)網(wǎng)絡(luò)爆炸預(yù)警模型系統(tǒng)。期待該系統(tǒng)能夠?qū)崿F(xiàn)鈦及鈦合金真空自耗熔煉爆炸的可靠預(yù)警，避免電弧爐爆炸事故的發(fā)生。

1 爆炸機(jī)理及征兆要素分析

1.1 鈦及鈦合金熔煉爆炸機(jī)理分析

鈦及鈦合金真空自耗熔煉過程中，電極桿帶動鈦自耗電極與坩堝底(熔池)形成穩(wěn)定電弧，電弧釋放出巨大熱量使鈦自耗電極底端逐漸融化，在水冷銅坩堝中冷凝成鑄錠。 熔煉質(zhì)地疏松、含氣量高的鈦及鈦合金自耗電極時，因電弧燃燒不穩(wěn)定，極易產(chǎn)生邊弧擊穿坩堝；坩堝冷卻水故障時，不能及時帶走熔煉產(chǎn)生的大量熱，使高溫狀態(tài)坩堝在內(nèi)外壓差和重力的作用下發(fā)生形變被擊穿。坩堝被擊穿會導(dǎo)致冷卻水進(jìn)入坩堝迅速汽化或與熔融態(tài)金屬反應(yīng)釋放氫氣，從而發(fā)生壓力爆炸[3]。鈦及鈦合金真空自耗熔煉爆炸具有3個征兆：①發(fā)生邊弧，電弧直接作用在坩堝壁，造成高溫態(tài)坩堝擊穿，征兆變化為熔煉電壓降低、熔煉電流增大、冷卻水溫度逐漸升高；②冷卻水中斷，冷卻水不足致使坩堝冷卻不及時，導(dǎo)致高溫態(tài)坩堝發(fā)生形變擊穿產(chǎn)生爆炸，征兆變化為冷卻水溫度升高、流量降低；③坩堝水系統(tǒng)短路，坩堝與水套間冷卻水氣化形成氣墊致坩堝冷卻失效，導(dǎo)致高溫態(tài)坩堝發(fā)生形變擊穿，征兆變化為冷卻水出水口溫度降低及流量突變，該征兆預(yù)示著可能發(fā)生極危險的熔煉爆炸事故。

1.2 鈦及鈦合金熔煉爆炸征兆要素分析

鈦及鈦合金真空自耗熔煉爆炸的前提是熔煉過程中發(fā)生坩堝擊穿，冷卻水進(jìn)入坩堝。根據(jù)影響真空自耗熔煉安全因素分析[4-6]，以φ622 mm坩堝熔煉工藝數(shù)據(jù)為例，確定了5個爆炸征兆要素。

(1)真空度：表征熔煉室氣氛與熔煉電弧穩(wěn)定性。真空度小于67 Pa，電弧趨于穩(wěn)定；真空度處于67～670 Pa范圍內(nèi)，電弧在坩堝內(nèi)發(fā)生嚴(yán)重漂移，易產(chǎn)生邊弧。

(2)熔煉電壓：表征熔煉電弧長度。熔煉電壓需控制在30～33 V，過大易產(chǎn)生邊弧。

(3)熔煉電流：表征熔池溫度、形狀、深度及熔速。熔煉電流控制在16～17 kA，過大易導(dǎo)致熔液飛濺，產(chǎn)生邊弧。

(4)冷卻水流量：表征坩堝溫度冷卻程度的快慢。正常熔煉冷卻水流量70 m3/h，流量小于40 m3/h則冷卻水中斷；流量出現(xiàn)突變則坩堝水系統(tǒng)短路。

（2）加強(qiáng)質(zhì)量監(jiān)督機(jī)構(gòu)能力建設(shè)[3]。新時期的監(jiān)督工作對人員數(shù)量、素質(zhì)的要求更高，急需新增一批具備綜合性、專業(yè)性的人才隊伍投入長江流域監(jiān)督崗位上來，通過開辦一系列質(zhì)量監(jiān)督培訓(xùn)班加強(qiáng)對這類人員的教育，要求監(jiān)督人員熟練掌握有關(guān)政策、法律、法規(guī)和技術(shù)標(biāo)準(zhǔn)以及混凝土結(jié)構(gòu)、金屬結(jié)構(gòu)、工程地質(zhì)等專業(yè)知識，組織各項專業(yè)齊備的專家巡查組開展巡查工作，并通過選擇合理的第三方抽檢機(jī)構(gòu)開展監(jiān)督抽檢，逐步使監(jiān)督機(jī)構(gòu)數(shù)量、能力與新形勢下水利建設(shè)發(fā)展相適應(yīng)，切實承擔(dān)起水利工程的質(zhì)量監(jiān)督職責(zé)，為長江流域質(zhì)量監(jiān)督工作提供有力的組織保障。

(5)冷卻水溫度：表征坩堝溫度的高低。正常熔煉冷卻水出口與進(jìn)口溫差控制在10～15 ℃，出口溫度不超過50 ℃。冷卻出口與進(jìn)口溫差大于15 ℃則發(fā)生冷卻水短路，溫差小于0 ℃則發(fā)生坩堝水系統(tǒng)短路。

2 真空自耗熔煉爆炸預(yù)警系統(tǒng)實現(xiàn)

2.1 熔煉爆炸預(yù)警系統(tǒng)硬件構(gòu)成

鈦及鈦合金真空自耗熔煉爆炸預(yù)警系統(tǒng)硬件主要由數(shù)據(jù)采集和爆炸預(yù)警2部分組成，系統(tǒng)硬件構(gòu)成如圖1所示。

圖1 真空自耗熔煉爆炸預(yù)警系統(tǒng)構(gòu)成Fig.1 Diagram of explosion early-warning system for vacuum consumes smelting

2.1.1 數(shù)據(jù)采集單元

數(shù)據(jù)采集單元包括真空計、電壓變送器、電流傳感器、流量計和溫度計等構(gòu)成的傳感器組，主要實現(xiàn)爆炸征兆參數(shù)的采集。

2.1.2 爆炸預(yù)警單元

爆炸預(yù)警單元選用高性能的工業(yè)計算機(jī)，數(shù)據(jù)服務(wù)器構(gòu)建鈦及鈦合金爆炸預(yù)警的硬件平臺。結(jié)合爆炸預(yù)警軟件，實現(xiàn)鈦及鈦合金熔煉過程真空度、熔煉電壓、熔煉電流、冷卻水溫度、冷卻水流量等安全信息的融合及爆炸危險程度的判斷。

2.2 熔煉爆炸預(yù)警軟件設(shè)計

2.2.1 熔煉爆炸預(yù)警軟件組成

鈦及鈦合金真空自耗熔煉爆炸預(yù)警軟件采用Intouch組態(tài)軟件作為平臺軟件進(jìn)行開發(fā)，分為數(shù)據(jù)采集、預(yù)警處理、預(yù)警顯示3層，爆炸預(yù)警軟件組成如圖2所示。數(shù)據(jù)采集單元采集鈦及鈦合金真空自耗熔煉過程中真空度、熔煉電壓、熔煉電流、冷卻水流量和溫度等安全信息，并存入數(shù)據(jù)庫；同時，安全狀態(tài)信息通過爆炸預(yù)警單元得到鈦及鈦合金真空自耗熔煉安全狀態(tài)的判斷及危險狀態(tài)的可靠預(yù)警。熔煉爆炸預(yù)警軟件的核心是構(gòu)建熔煉爆炸預(yù)警模型及算法。

圖2 真空自耗熔煉爆炸預(yù)警軟件組成Fig.2 Software architecture of explosion early-warning system for vacuum consumes smelting

2.2.2 模糊神經(jīng)網(wǎng)絡(luò)熔煉爆炸預(yù)警模型

鈦及鈦合金真空自耗熔煉爆炸預(yù)警模型關(guān)鍵是熔煉過程爆炸征兆參數(shù)的采集和特征提取，核心是基于BP神經(jīng)網(wǎng)絡(luò)和模糊評價算法的爆炸征兆信息融合。BP神經(jīng)網(wǎng)絡(luò)在處理鈦及鈦合金熔煉爆炸不確定性強(qiáng)的安全信息融合具有較強(qiáng)的魯棒性；模糊評價法綜合考慮爆炸征兆的影響，得出爆炸危險程度判斷結(jié)果。結(jié)合二者優(yōu)勢，構(gòu)建爆炸預(yù)警模型如圖3所示。

圖3 真空自耗電弧熔煉爆炸預(yù)警模糊神經(jīng)網(wǎng)絡(luò)模型Fig.3 Fuzzy neural network model of explosion early-warning for vacuum consumes smelting

(1)數(shù)據(jù)預(yù)處理 采用合適的隸屬度函數(shù)對傳感器組采集的征兆參數(shù)進(jìn)行特征提取，得到征兆參數(shù)輸入特征向量X=[x1，x2，x3，x4，x5]，其中xi表示第i個征兆參數(shù)經(jīng)隸屬度函數(shù)處理后的征兆參數(shù)特征值。選取三角分布函數(shù)，并結(jié)合征兆參數(shù)變化規(guī)律，得到下式作為征兆參數(shù)模糊處理的隸屬度函數(shù)[7]。

(2)BP神經(jīng)網(wǎng)絡(luò)預(yù)測 采用BP神經(jīng)網(wǎng)絡(luò)對征兆參數(shù)特征向量進(jìn)行局部融合判斷，得到熔煉爆炸的3個爆炸征兆概率。BP神經(jīng)網(wǎng)絡(luò)輸入為爆炸征兆輸入特征向量，輸出為爆炸征兆概率向量Y=[y1,y2,y3]，其中y1表示產(chǎn)生邊弧的概率，y2表示發(fā)生冷卻水中斷的概率，y3表示發(fā)生坩堝水系統(tǒng)短路的概率。故選用3層BP神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點數(shù)為5，輸出層節(jié)點數(shù)為3，考慮到網(wǎng)絡(luò)的性能和速度，經(jīng)過多次試算得到隱含層神經(jīng)元的個數(shù)為10。故該BP神經(jīng)網(wǎng)絡(luò)采用5-10-3的拓?fù)浣Y(jié)構(gòu)，如圖4所示。隱含層采用tansig函數(shù)，隱含層到輸出層采用logsig函數(shù)。

圖4 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.4 Topology structure of BP neural network

(3)爆炸預(yù)警 采用模糊評價法對爆炸征兆概率向量進(jìn)行綜合評價，得出爆炸危險程度向量Z=[z1，z2，z3]，其中，爆炸危險程度劃分為“z1=安全”、“z2=臨界”、“z3=危險”3種[8]。根據(jù)人為經(jīng)驗獲取爆炸征兆與爆炸危險程度關(guān)系建一個模糊評價矩陣R，將爆炸征兆概率向量作為模糊評價的系統(tǒng)的輸入，即得到設(shè)備當(dāng)前運行的狀況，如下式所示。

式中，Rij表示該爆炸征兆占熔煉爆炸發(fā)生的權(quán)重值,“?！北硎灸：仃嚭铣伤阕?。

通過對爆炸預(yù)警結(jié)果的解析即可知道設(shè)備發(fā)生爆炸風(fēng)險的大小，爆炸預(yù)警結(jié)果為危險時，系統(tǒng)電源自動跳閘；爆炸預(yù)警結(jié)果為臨界時，發(fā)出報警提示操作人員采取相應(yīng)的應(yīng)對策略；爆炸預(yù)警結(jié)果為安全時，無需進(jìn)行操作。

3 仿真結(jié)果及應(yīng)用

根據(jù)鈦和鈦合金真空自耗電弧爐熔煉安全因素和爆炸機(jī)理分析，建立爆炸征兆與征兆要素知識庫(見表1)，并以此作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。

表1爆炸征兆與征兆要素知識庫

Table 1 Knowledge base of explosion causes and symptom

BP神經(jīng)網(wǎng)絡(luò)在MATLAB平臺進(jìn)行仿真，設(shè)置最大迭代次數(shù)為1 000，學(xué)習(xí)目標(biāo)為均方誤差≤0.001。通過仿真得到該神經(jīng)網(wǎng)絡(luò)的誤差函數(shù)經(jīng)143步迭代后收斂，如圖5所示。

圖5 BP神經(jīng)網(wǎng)誤差收斂仿真結(jié)果Fig.5 Simulation results of error convergence of BP neural network

鈦及鈦合金真空自耗熔煉爆炸預(yù)警系統(tǒng)已在某企業(yè)投入運行。在一次3 t真空自耗電弧爐熔煉鈦合金過程中，爆炸征兆要素輸入特征向量為X=[0.481 5，0.532 0，0.502 1,0.236 1,0.956 3]；BP神經(jīng)網(wǎng)絡(luò)處理得到爆炸征兆概率向量Y=[0.009 3；0.038 1；0.995 6]，預(yù)測爆炸征兆為坩堝水系統(tǒng)短路；通過模糊評價得到結(jié)果為Z=[0.816 6,0.251 0，0.030 6]，爆炸預(yù)警結(jié)果為危險，電源進(jìn)行自動跳閘。經(jīng)過現(xiàn)場檢查分析，發(fā)現(xiàn)是由于密封圈變形造成了坩堝水系統(tǒng)短路。故該爆炸預(yù)警系統(tǒng)能夠?qū)崿F(xiàn)爆炸預(yù)警。

4 結(jié) 論

(1)依據(jù)真空自耗電弧爐的工藝特點，結(jié)合傳感器組獲取熔煉過程中的真空度、熔煉電壓、熔煉電流、冷卻水溫度和流量等安全信息及爆炸機(jī)理，總結(jié)出3個爆炸征兆——產(chǎn)生邊弧、冷卻水中斷、坩堝水系統(tǒng)短路。

(2)采用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建了真空自耗熔煉爆炸預(yù)警系統(tǒng)，實現(xiàn)了真空自耗電弧爐熔煉爆炸預(yù)警，提高了鈦及鈦合金熔煉的安全性。

[1] 盧新昌.影響VAR爐真空自耗爐熔煉安全的因素及對策[J].真空,2004,41(3):83-88.

[2] 譚章祿,張麗娜,呂明.基于人工神經(jīng)網(wǎng)絡(luò)和模糊診斷技術(shù)的煤礦安全預(yù)測系統(tǒng)[J].礦業(yè)安全與環(huán)保,2012,39(5):89-92.

[3] 張文政.真空自耗爐熔煉鈦時發(fā)生爆炸的原因分析[J].工業(yè)爐,2015,37(5):54-56.

[4] 張晶宇,范麗娟,張一鵬,等.影響真空自耗電極電弧爐電弧穩(wěn)定性的因素及對策[J].真空,2003,40(3):21-24.

[5] 鄒武裝.真空自耗電弧爐控制系統(tǒng)設(shè)計及實現(xiàn)[J].現(xiàn)代電子技術(shù),2011,34(18):192-194.

[6] 鄒武裝.鈦及鈦合金真空自耗熔煉過程中關(guān)鍵參數(shù)控制分析[J].鈦工業(yè)進(jìn)展,2011,28(5):41-44.

[7] 梁華.基于模糊神經(jīng)網(wǎng)絡(luò)的凝汽器真空故障診斷方法[J].儀器儀表用戶,2015(4):72-76.

[8] 白威,張乃祿,胡建國.油氣田天然氣集氣站安全性模糊綜合評價研究[J].西安石油大學(xué)學(xué)報(自然科學(xué)版),2014(6):70-73.