宝信漏钢预报系统应用后带来的经济效益分析

宝信漏钢预报系统应用后带来的经济效益分析

【摘 要】 宝信板坯连铸机漏钢预报及结晶器可视化系统是一种采集安装在结晶器铜板上多排热电偶的温度来预报板坯连铸过程中的粘结漏钢和裂纹漏钢并在线计算和显示结晶器热相图的系统，其成功开发和在唐钢的成功应用，给宝信带来了很好的国内外市场效应和经济效益，同时更为我们的用户创造了显著的经济效益和社会效益。

【关键词】 连铸 漏钢预报 可视化

1 概述

漏钢一直是影响连铸生产及其设备寿命的主要因素，在各种造成漏钢的原因中，粘结性漏钢占绝大多数。因此，减少粘结性漏钢是降低连铸漏钢率的关键。

粘结性漏钢首先是由于某种原因造成弯月面附近钢水与铜板的直接接触而粘结，并随结晶器的振动及坯壳的下移，在粘结部的下方被拉断，破断处钢液流入而修复，但在下一次振动中重新拉断，这样，随着凝固的进行，断口不断下移，到结晶器下口时钢水从断口漏出。断口在下移的同时，也不断向二边扩展而形成破断线，宽边中央的粘结破断源可扩展到窄边，甚至到另一宽边。漏钢发生后，粘结的坯壳有时残留于结晶器的内壁。如果粘结发生时能够预报并采取措施，则可防止漏钢的发生，且板坯上可看到由破断线构成的明显的V形粘结痕迹。

为了能够预报粘结性漏钢的发生，宝信软件开发的漏钢预报系统及结晶器可视化系统（简称BBPS）采用模糊神经网络+逻辑判断技术，能准确地预报粘结性漏钢，并可根据用户的需要提供对“检测到粘结漏钢后的自动降速功能”及“粘结漏钢消失后的自动升速功能”的功能。

2 系统的特征

2.1 基于历史数据的数据挖掘技术的应用

BBPS的判断和报警模型是根据大量历史数据的样本学习而成，不仅采用了神经网络方法，而且开发了基于历史数据的空间判别网络。从历史数据形成的模型，应用于实时系统的数据分类和判别，这是典型的数据挖掘和从数据发现知识技术的应用。所有的模型数据都是在历史数据的基础上通过网络的学习而来，保证了判别的客观性，克服经验数据在不同工况情况下的偏差，对报警和判别提供了客观数据的保证[1]。

在系统投入初期，采用具备典型特征的3排的温度数据，系统稳定后，拟采用9排热电偶的温度数据参与判断漏钢，最终模糊神经元网络模型投入运行。

判别模型中空间判别网络的构造和应用

本文来源：https://www.bwwdw.com/article/qqe3.html