基于最小二乘的漏鋼預報方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種基于最小二乘的漏鋼預報方法及系統(tǒng)，其中的方法包括：通過設置在板坯結晶器銅板上的熱電偶測量獲得銅板上各采樣點的溫度數(shù)據(jù)，并將溫度數(shù)據(jù)實時輸入模型計算機；模型計算機根據(jù)所接收到的每個采樣點的當前溫度數(shù)據(jù)和歷史溫度數(shù)據(jù)構建一個溫度時間序列；對每個溫度時間序列進行最小二乘擬合，獲得溫度時間序列的擬合曲線，擬合曲線為二次曲線，根據(jù)二次曲線獲得溫度時間序列的特征值；根據(jù)溫度時間序列的特征值和預設閾值，判斷銅板上的采樣點是否產生粘結，并予以報警。利用本發(fā)明，能夠解決在粘結產生初期捕捉到粘結時溫度曲線的特征，使漏鋼報警提前的問題。
【專利說明】基于最小二乘的漏鋼預報方法及系統(tǒng)【技術領域】
[0001]本發(fā)明涉及冶金領域的板坯連鑄結晶器智能漏鋼預報【技術領域】，更為具體地，涉及一種基于最小二乘的漏鋼預報方法及系統(tǒng)。
【背景技術】
[0002]漏鋼事故是連鑄生產中危害性很大的生產事故。漏鋼事故的發(fā)生，不僅會影響連鑄生產，而且還會嚴重損害結晶器、輥道，增加連鑄設備的維修量和維修成本，造成巨大的經濟損失，同時也會帶來很大的安全隱患。特別是對于板坯連鑄機，由于結晶器下方的足輥和扇形段結構復雜，設備昂貴，而且更換費時間，漏鋼損失大。據(jù)估計，一次“常規(guī)”的漏鋼事故直接或間接導致的經濟損失將達到200000美元。
[0003]為了減少漏鋼的發(fā)生，研究人員一直致力于漏鋼預報系統(tǒng)的開發(fā)。比較成熟的方法是在結晶器銅板內安裝測量溫度的熱電偶，根據(jù)銅板溫度的變化規(guī)律來判斷鑄坯與銅板之間是否有粘結產生，這也是粘結漏鋼預報的常用方法。多年來隨著漏鋼預報技術的發(fā)展，粘結漏鋼的判斷方法主要包括以下幾種:
[0004]1.邏輯判斷方法
[0005]粘結漏鋼發(fā)生時，主要表現(xiàn)為熱電偶溫度梯度和溫差的變化；因此可以通過設定限值，一旦溫度梯度以及溫差的變化超過限值，就判定粘結發(fā)生，存在漏鋼風險。
[0006]圖1示出了粘結漏鋼時邏輯判斷方法的熱電偶溫度變化。如圖1所示，在判斷是否發(fā)生粘結漏鋼時，設定溫度限制，當熱電偶測得的溫度梯度以及溫差的變化超過設定的溫度限值時，就判定粘結發(fā)生，存在漏鋼風險，發(fā)出預報警告。
[0007]近年我國大多鋼廠新建鑄機采用的漏鋼預報系統(tǒng)就是基于邏輯判斷方法。該預報方法的實現(xiàn)不需要大量的原始數(shù)據(jù)，特別適合新建鑄機。但是這種方法的邏輯條件參數(shù)的設定與鋼的種類、工藝和環(huán)境有很大的關系，模型有一定局限性。
[0008]2.神經網絡方法
[0009]神經元網絡漏鋼預報方法利用神經元網絡技術對現(xiàn)場的漏鋼數(shù)據(jù)進行學習，再加上必要的工藝條件，用于辨別具有漏鋼特征的熱電偶溫度變化曲線，進而做出漏鋼預報。國內外均有開發(fā)連鑄神經元網絡漏鋼預報系統(tǒng)的應用案例。
[0010]完善的神經網絡系統(tǒng)必然能顯著增加漏鋼預報的準確率，但是神經元網絡在漏鋼預報中的存在它的局限性。首先，完善的神經網絡必需大量的訓練樣本，樣本不全面將導致網絡功能不全。其次，由于連鑄機工作條件復雜，影響因素很多，對獲取的樣本數(shù)據(jù)有嚴重的干擾，因此要想得到完全排除含有噪音的樣本幾乎是不可能的。連鑄還存在一些特殊的情況，比如開澆、換包和終澆等異常情況下，神經元網絡系統(tǒng)變得極不穩(wěn)定。故對于新建連鑄機，神經網絡方法不可行，必須與其它方式結合。
[0011]3.統(tǒng)計分析方法 [0012]多兀統(tǒng)計過程控制(MultivariateStatistical Process Control,簡稱 MSPC)方法是基于主元分析(Principal Component Analysis,簡稱PCA)和偏最小二乘(PartialLeast Squares，簡稱PLS)方法對連續(xù)過程進行監(jiān)控控制的方法。在連鑄過程中，特別是在漏鋼預報過程中，MSPC方法應用極少。北美Dofasco公司分別與1997年和2003年在它的I號機、2號機上裝上基于該技術的漏鋼預報系統(tǒng)。
[0013]申請?zhí)枮镃N201791938U的中國實用新型專利申請公開了一種連鑄結晶器漏鋼預報系統(tǒng)，在該披露的漏鋼預報系統(tǒng)中，在振動電機上連接有電流傳感器，結晶器PLC中加入漏鋼預報模型，電流傳感器與結晶器PLC漏鋼預報模型通訊，結晶器PLC還與人機界面連接。結晶器PLC內的漏鋼預報模型將收集到的電機實時電流信號經過數(shù)據(jù)庫維護模塊歸類整理和模型數(shù)據(jù)庫搜索，再由神經網絡模塊進行學習和數(shù)據(jù)庫優(yōu)化。同時，遺傳算法模塊進行對比和判定，將結果顯示在人機界面，對超出規(guī)定的則予以報警和記錄。此方法的不足之處在于在模型投入初期很長一段時間內，現(xiàn)場數(shù)據(jù)不完善，訓練樣本不充足時，漏鋼預報的準確率會低很多，而且報警的時間相對滯后。
[0014]隨著板坯拉速越來越高，漏鋼預報對報警時間越來越要求靠前，越及時，以便留出足夠的反應時間。因此，需要一種新的漏鋼預報技術解決以上提到的問題。

【發(fā)明內容】

[0015]鑒于上述問題，本發(fā)明的目的是提供一種基于最小二乘的漏鋼預報方法及系統(tǒng)，以解決在粘結產生初期能捕捉到粘結時溫度曲線的特征，使漏鋼報警提前的問題。
[0016]本發(fā)明提供一種基于最小二乘的漏鋼預報方法，包括:
[0017]通過設置在板坯結晶器銅板上的熱電偶測量獲得板坯結晶器銅板上各采樣點的溫度數(shù)據(jù)，并將溫度數(shù)據(jù)實時輸入模型計算機；
[0018]模型計算機根據(jù)所接收到的每個采樣點的當前溫度數(shù)據(jù)和歷史溫度數(shù)據(jù)構建一個溫度時間序列；
[0019]對每個溫度時間序列進行最小二乘擬合，獲得溫度時間序列的擬合曲線，擬合曲線為二次曲線，根據(jù)二次曲線獲得溫度時間序列的特征值；
[0020]根據(jù)溫度時間序列的特征值和預設閾值，判斷板坯結晶器銅板上的采樣點是否產生粘結，并予以報警。
[0021]此外，優(yōu)選的方案是，熱電偶按照預定的行和列的排列方式設置在板坯結晶器銅板上。
[0022]此外，優(yōu)選的方案是，對溫度時間序列進行最小二乘擬合的方法為:
n
[0023]最小二乘曲線擬合公式為:
【權利要求】
1.一種基于最小二乘的漏鋼預報方法，包括: 通過設置在板坯結晶器銅板上的熱電偶測量獲得所述板坯結晶器銅板上各采樣點的溫度數(shù)據(jù)，并將所述溫度數(shù)據(jù)實時輸入模型計算機； 所述模型計算機根據(jù)所接收到的每個采樣點的當前溫度數(shù)據(jù)和歷史溫度數(shù)據(jù)構建一個溫度時間序列； 對每個溫度時間序列進行最小二乘擬合，獲得所述溫度時間序列的擬合曲線，所述擬合曲線為二次曲線，根據(jù)所述二次曲線獲得所述溫度時間序列的特征值； 根據(jù)所述溫度時間序列的特征值和預設閾值，判斷所述板坯結晶器銅板上的采樣點是否產生粘結，并予以報警。
2.如權利要求1所述的基于最小二乘的漏鋼預報方法，其中， 所述熱電偶按照預定的行和列的排列方式設置在所述板坯結晶器銅板上。
3.如權利要求1所述的基于最小二乘的漏鋼預報方法， 對所述溫度時間序列進行最小二乘擬合的方法為: 最小二乘曲線擬合公式為
4.一種基于最小二乘的漏鋼預報系統(tǒng)，包括: 溫度數(shù)據(jù)獲取單元，用于通過設置在板坯結晶器銅板上的熱電偶測量獲得所述板坯結晶器銅板上各采樣點的溫度數(shù)據(jù)； 溫度數(shù)據(jù)傳輸單元，用于將所述溫度數(shù)據(jù)實時輸入模型計算機； 溫度時間序列構建單元，用于在所述模型計算機中根據(jù)所接收到的每個采樣點的當前溫度數(shù)據(jù)和歷史溫度數(shù)據(jù)構建一個溫度時間序列；特征值獲取單元，用于對每個所述溫度時間序列進行最小二乘擬合，獲得所述溫度時間序列的擬合曲線，所述擬合曲線為二次曲線，根據(jù)所述二次曲線獲得所述溫度時間序列的特征值； 粘結判斷單元，用于根據(jù)所述溫度時間序列的特征值和預設閾值，判斷板坯結晶器銅板上的采樣點是否產生粘結，并予以報警。
5.如權利要求4所述的基于最小二乘的漏鋼預報系統(tǒng)，其中， 在所述溫度數(shù)據(jù)獲取單元中，所述熱電偶按照預定的行和列的排列方式設置在板坯結晶器銅板上。
6.如權利要求4所述的基于最小二乘的漏鋼預報方法，其中， 在所述特征值獲取單元中，對所述溫度時間序列進行最小二乘擬合的方法為:最小二乘曲線擬合公式為
【文檔編號】B22D11/16GK103639385SQ201310652803
【公開日】2014年3月19日 申請日期:2013年12月5日 優(yōu)先權日:2013年12月5日
【發(fā)明者】倪賽珍, 羅佳, 白居冰, 蔡娥, 許軍, 孫麗娟, 張愛霞, 吳鵬, 趙加江 申請人:中冶連鑄技術工程股份有限公司