探究連鑄機漏鋼預警系統的應用開發

管 煒

（武漢西賽冶金工程有限責任公司， 湖北 武漢 430073）

0 引言

在連鑄設備中，結晶器作為其“心臟”，在一定程度上就決定了連鑄的實際生產過程， 同時也是鑄坯出現質量問題的“發源地”。伴隨著連鑄的高效化發展，不斷提高澆鑄速度就會面臨各種質量問題，如漏鋼。為了解決這一系列的問題， 就要求能夠實現對于連鑄機漏鋼預警系統的應用與開發，這樣就可以達到預期的生產要求。

1 連鑄機漏鋼預警系統簡介

當連鑄機投入使用之后， 連鑄機漏鋼預警系統就可以控制漏鋼率，以此來減少事故的出現。但是在實際的生產之中也會有各種問題的出現，如經常會發生漏報情況、個別啟動相對頻繁。所以，在對應的投入使用之后就需要多次的進行優化處理， 并且落實模型軟件相應的升級處理。不過因為熱電偶本身的數據量較為龐大，并且分析與回放不夠便利，就無法滿足系統化的分析，因此需要這一基礎上就需要做好對應的優化處理。針對連鑄機漏鋼預警系統就需要進行針對性的開發，然后才能夠加以應用[1]。

2 連鑄機漏鋼預警技術分析

針對板坯連鑄機的漏鋼事故， 主要是針對下述的幾個方面，其中最為頻繁的是中粘結性漏鋼。 針對控制結晶器銅板與坯殼之間產生相互的作用， 這樣就可以實現漏鋼的有效規避， 鑄坯的質量同時也直接關聯到結晶器與坯殼之間的對應作用。 針對結晶器與坯殼之間的相互作用，其主要是針對力與熱的基本作用，外在為熱傳遞與摩擦。 因此，就需要做好兩者的監測，這樣才能夠進行漏鋼的合理控制， 所以在當前的研究分析下就對應的開發出了各種漏鋼預報方法。

2.1 基于結晶器熱流分析

在粘結漏鋼產生之前， 就會有熱點在坯殼的表面形成，也就是當坯殼存在較高的溫度時，就驗證了結晶器本身的傳遞要明顯低于正常的澆鑄，也就是熱流較低。 在出現裂紋漏鋼之前，一般都會有熱流偏高的問題存在。 這樣就可以利用結晶器四個面的監控， 從而做好實時熱流與各面漏鋼鄰接熱流的比對，成為漏鋼預警的標準之一。 這一種方法在很早以前就開始使用， 但是只能夠針對因為傳熱量不足導致的漏鋼事故的預測， 但是對于后續的漏報預警技術的發展有著極大的幫助作用， 一般在沒有漏鋼預報系統的現場操作人員使用的相對較多[2]。

2.2 熱電偶測溫

目前，熱電偶測溫技術相對成熟，并且具有較高的預警準確率，但是要求測溫精度在5℃之內?；跓犭娕紲y溫的漏鋼預警模型，主要包含：①通過邏輯運算的方式對于是否出現了漏鋼加以判斷；②基于神經網絡模型來識別模式。 就邏輯判斷模型分析， 前后出現了變化速度檢查算式、偏差檢查算式、熱電偶溫度變化的延遲檢查算式等一系列的方式方法，通過上述的一部分或者是所有的算式進行相互之間的組合，這樣就能夠最大限度的提高漏鋼事故的預警成功率。但是其主要面臨的問題在于邏輯判斷模式如何能夠做到最有效、最簡單的反應出精度與速度，能夠將損失降至最低才是關鍵。

（1）粘結漏鋼。針對結晶器寬面與窄面的第一排熱電偶， 可以實現對于彎月面區域溫度的實際變化情況進行檢測。 在相應的澆注過程中，系統會將第一排的所有熱電偶檢測的溫度直接比較其余熱電偶檢測的溫度，見圖1。針對彎月面之下的熱電偶， 就要求能夠達到兩個標準條件：①針對某一列第一排的熱電偶X 溫度出現降低的時候，這一彎月面之下的熱電偶Y 溫度會逐漸上升，并且會直接超過熱電偶X 的溫度。 同時， 熱電偶Y和熱電偶X 的實際溫度差異已經完全超出了粘結判斷的界限值；②在最后的一個檢測周期之中，對于熱電偶X 的實際溫度變化梯度本身已經將粘結判斷的界限值超出。

圖1 粘結漏鋼判斷Fig.1 Judgment of bond breakout

（2）裂紋和卷（夾）渣漏鋼。當坯殼出現了脫方、縱裂、角裂的時候，就會導致裂紋漏鋼的問題出現。如果沒有進行良好的保護渣熔化處理，或是渣條直接卷入到坯殼，就會產生漏鋼的問題。針對漏鋼預報系統，針對每一個結晶器的寬面與窄面， 除開第一排之外的熱電偶的實際溫度變化梯度進行持續的監控， 如果兩個周期之中所監測的變化梯度都要比漏鋼溫度變化的極限大， 那么就可以將其看成“熱點”。對于兩個相鄰或者是以上熱點的存在，就會發出報警信息，具體見圖2 所示。

圖2 熱點報警信息Fig.2 Hot spot alarm information

（3）其他漏鋼。 當澆注之中拉速相對較慢或者是開澆過程之中沒有控制好時間，那么就會導致鑄坯過冷的問題出現。結晶器銅板和坯殼之間就會有縫隙冷的出現。 通過熱電偶溫度檢測，就會發現中間的某一列的溫度同周圍平均溫度值之間存在較大的差異，那么就會預報鑄坯過冷。之后的鋼水在溢出彎月面就會進入到相應的縫隙之后凝固，最終導致拉坯阻力不斷增加，引發不暢的現象，進而出現拉伸裂紋點。在經過熱電偶排布位置的時候， 系統就會對溫度頻繁波動的情況加以檢測，最終及時發出報警[3]。

2.3 坯殼與結晶器銅板的摩擦力

當連鑄拉坯的時候，在鑄坯坯殼體與結晶器銅板之間就會有摩擦力的產生，當處于恒拉速條件下的摩擦力出現變化，就讓漏鋼預警存在可行性。但是，無論是對于裂紋、粘結還是對于卷渣漏鋼來說， 在發生漏鋼之前結晶器之中的坯殼都會有缺陷的存在， 之后也會對應的改變結晶器的摩擦力。通過連鑄液壓振動系統的壓力傳感器、位置以及振動曲線實時檢測結晶器摩擦力的分析。 在兩者之間出現了相互粘結之后，在結晶器同伴上，坯殼粘結就會伴隨著結晶器一起進行上下的同步振動；當拉速恒定、結晶器的液面高度沒有任何變化的情況下， 坯殼與同伴之間的粘結在沒有出現粘結的時候， 其相對的滑動面的面積較小，這樣也會明顯的減少其對應的摩擦應力；當澆鋼過程之中瞬間產生裂紋，在受到鋼水靜壓力的作用之后，就會出現坯殼外鼓的情況，最終增大兩者之間的壓力，同時也會突然的增加結晶器的摩擦力； 如果在坯殼的表面卷入了異物或者是在皮下有大塊夾雜的形成，因為異物本身的凝固系數、導熱系數與鋼水之間存在明顯的差異性，所以就會導致兩者之間存在裂紋。 伴隨著坯殼的向下運動，逐漸擴大裂紋之后，因為坯殼處有異物的存在，這樣就會導致熱流分布不夠均勻， 并且坯殼的厚薄度也會存在差異， 從而產生較大的熱應力。 在鋼水靜壓力的作用下，坯殼就會出現外鼓的情況。 所以，這樣就會對應的增大結晶器的摩擦力，并且伴隨著異物直接拉出結晶器，讓摩擦力逐漸減小，并且恢復正常。但是考慮到諸多因素對于摩擦力變化情況的限制，其實際的預報精度并不高。

2.4 神經網絡漏鋼預報

對于漏鋼預警技術的實際發展而言， 基于熱電偶測溫的神經網絡漏鋼預報已經成為其主要的研究方向。 不過，結合現階段的生產實際情況分析，當初期欠缺有效數據的時候， 系統開發就需要與結晶器的熱流分析結合起來，并且還需要明確熱電偶測溫、坯殼和結晶器銅板之間的摩擦力監測， 這樣才能夠讓邏輯預報系統更加的準確與高效。 這樣就可以滿足對于初期頻繁的漏鋼事故加以預報，同時還能夠做好漏鋼數據對應的收集處理，從而提供數據來支持人工智能方面的發展。最近幾年，逐漸興起了神經網絡模型的信號模糊識別方法，一般會選擇BP 網絡等應用。 針對神經網絡，通過模式識別速度的優勢，再加上其本身具有良好的容錯性， 就能夠在各個領域之中加以推廣。不過神經網絡本身還是會有缺陷的存在，一旦缺少訓練數據，或者是訓練數據的準確度偏低，就會影響預測的結果，導致預測精度大幅度的降低。所以，神經網絡預報系統落實的前提就在于漏鋼數據的全面收集。在本系統中主要是包含了時間序列網絡與空間網絡。對于時間序列網絡， 主要是針對單個熱電偶的溫度變化情況進行測量； 空間網絡則主要是對于結晶器空間撕裂點相應傳播趨勢的集中表現。 系統模型基于熱電偶溫度變化的實際情況作為基礎，通過實時生產數據對應的采集與分析，就可以進行摩擦力與熱流分布情況的計算處理， 然后拉速直接組成基本參數[4]。

基于漏鋼預報方法的合理分析， 奧鋼聯進行了結晶器專家系統對應的開發， 達涅利進行了MPBs 結晶器漏鋼系統的開發， 西馬克-德馬克進行了MMs 漏鋼預報系統的開發。 但是還需要考慮到，基于熱電偶測溫的漏鋼預警系統，本身對于儀表檢測精度的依賴度較高，基于神經網絡，嚴重依賴準確的、大量的訓練數據才能夠進行后續的分析處理。

3 連鑄機漏鋼預報系統模型的開發研究

針對漏鋼預警模型的實際流程，見圖3?；谌N算法優點的綜合化分析，這樣就可以降低誤報率以及漏報率。

圖3 漏鋼預報模型流程圖Fig.3 Flow chart of breakout prediction model

3.1 邏輯判斷模型

對于熱電偶測溫法的連鑄漏鋼預報邏輯判斷模型， 本身主要是對于出現漏鋼溫度變化的模式加以識別， 也就是需要基于動態波形的模式來進行問題的分析與識別處理。 按照結晶器銅板與連鑄坯殼產生破裂位置的溫度變化的具體特點，就可以進行相對應的分析與判斷。 一般來說，主要是對于單個熱電偶溫度信號在時間上的具體變化以及熱電偶在空間上的溫度變化， 這樣就可以對于漏鋼預警信息進行綜合化的判斷與分析。

3.2 神經網絡模型

BP 神經網絡模型屬于基于誤差反向傳播算法的多層前饋網絡?；谔荻人阉骷夹g，可以讓實際的輸出值與期望輸出值達到最小化的誤差值， 一般來說包含了輸入層、隱含層和輸出層三個方面。其中，針對隱含層，本身通過節點，主要是前一層輸出的實際加權和。對于輸出層的輸入，則是針對前面隱含層輸出的加權和，針對節點之間的關系，則主要是通過激勵函數的方式來加以決定的。針對反向的傳播算法，其包含了正向與反向的兩種傳播。正向傳播主要是通過輸入層， 利用每一層隱含層來進行相應的處理，然后傳遞到輸出層。 對于反向傳播，其本身主要是按照輸出層到輸入層反向的傳播誤差信號， 進而能夠達到最小的誤差信號， 能夠針對每一個隱含層之中的每一個神經元的權系數進行反復的修改處理[5]。

對于BP 神經網絡模型預測漏鋼而言，主要是基于熱電偶的實際數據分析，從而實現BP 神經網絡模型的建立健全。然后直接將拉速、熱電偶溫度和等數據直接作為網絡輸入，應用數學方法，從而針對輸出信息與輸入項之間的相互映射關系加以分析， 這樣就能夠識別漏鋼征兆的波形， 并且網絡的實際輸出就是溫度變化模式的相應結果。 基于模型預警結構分析，見圖4，可以對于單點的熱電偶溫度特征的識別進行分析。

圖4 連鑄漏鋼預報系統結構Fig.4 Structure of continuous casting breakout prediction system

3.3 空間網絡模型

對于空間網絡模型而言，主要是判別粘結漏鋼的空間傳遞性，其根本作用在于：基于時序網絡鎖檢測到的熱電偶某一點粘結漏鋼溫度變化模式之后， 就能夠針對這一種模式是否在空間相鄰熱電偶之間存在傳播加以判別。 結合現場的結晶器銅板上的熱電偶探頭的具體分布情況加以分析，針對性的記錄每一次測溫，并且結合時間順序來做好相對應的安排，可以直接將每一爐鋼直接組合成為三維的空間數組。 在采集到一定的數據之后，就可以結合不同的冷卻模式以及不同的過熱度來進行劃分。對于漏鋼的實際情況來分析其數據形態，利用模糊聚類、圖像處理的方式來進行對應的分析與統計。 按照實際情況，找準漏鋼的具體規律，在獲取漏鋼時粘接點縱橫向擴散的一般性規則之后， 可以直接選擇相關點的溫度數據從而實現模型的建立健全。

4 結束語

隨著時代的不斷發展， 現階段為了能夠滿足連鑄機漏鋼預警的實際需求， 就需要做好針對性的連鑄機漏鋼預警系統的應用開發，這樣才能夠滿足實際的生產需求，同時也能夠避免在預警之中出現各種突發情況， 影響預警系統的有效應用。 所以， 在今后的研究與分析進程之中，還需要進一步加強研究與分析，以此來讓連鑄機漏鋼預警系統的應用與開發變得更加完善。