连铸坯在线质量预测判定模型的建立

温 恒，刘 峰，张 申

(中国重型机械研究院自动化研究所，陕西 西安710032)

连铸坯在线质量预测判定模型的建立

温 恒，刘 峰，张 申

(中国重型机械研究院自动化研究所，陕西 西安710032)

本文主要阐述了利用现代信息化技术实现对连铸坯质量的在线预测判定。该模型的特点是采用切片原理对生产过程中的铸坯进行跟踪及异常事件标定，运用统计学原理对影响铸坯质量的过程及工艺标准数据进行量化，通过尖端的计算机计算技术对铸坯质量进行预测和综合判定。

切片;质量预测判定;神经网络

0 前言

在连铸生产中，及时在线预报和判定铸坯质量对确保生产的连续性、提高产品质量及降低生产成本具有重要意义。钢铁企业中各个生产作业区高效率的生产过程和整个炼钢－连铸－轧钢工艺过程的高速运转节奏，已成为连铸技术发展的一个主要方向。连铸坯在线质量预测判定模型的主要功能是对生产过程中超出正常范围的现象进行判别，确定各种异常事件对铸坯质量的影响程度和相应的处置方法，并指导板坯切割及精整作业，实现高效作业和过程管理，提高连续作业率。

1 连铸坯在线质量预测判定模型的目的

现代化的大型板坯连铸机采用多炉连浇、热送热装技术已非常普遍，通过采取必要的技术措施较为明显地提高连铸机铸造速度、提高连铸机乃至整个炼钢－连铸－轧钢工艺过程的运转节奏已经成为连铸技术发展的一个主要方向。

为适应连铸机高效率的生产过程，保证向热轧厂提供无缺陷铸坯，除了采取一系列严格的工艺措施以外，还必须建立一套对于因操作条件和设备异常引起的铸坯质量异常进行判定的系统，用以在线快速判定板坯内部或表面可能出现的质量缺陷，对可能存在质量异常缺陷的铸坯段位置进行跟踪定位，并将判断结果在铸坯还没有离开生产线时报出，这样就可以指导板坯在线优化切割、减少废坯量和在随后的铸坯精整区域对该段铸坯采取对应措施。

2 连铸坯在线质量预测判定模型的功能

连铸坯在线质量预测判定模型既能对生产过程中超出正常参数指标范围的现象进行判别，确定各种异常事件对铸坯质量的影响程度和相应的处置方法，也能指导板坯切割及精整作业。模型主要具备以下四项具体功能:

(1)实现质量数据全线跟踪功能。此功能可以使连铸生产工艺数据得到有机的组织，即可了解每一块铸坯的生产浇次、生产炉次、生产的所有生产工艺数据，为特殊区段的重点研究提供了条件;为生产标准的修改、生产工艺的改进等长期研究课题提供了丰富的实际生产数据，以达到最佳的生产工艺。

(2)在线质量异常监视功能。利用此功能可监测、判断发生在线质量异常的生产工艺参数和过程参数，给出异常参数超出标准值的差值;并对此情况做出报警和质量异常的在线和离线处理建议。在很大程度上减少了连铸废坯和待处理坯的进一步形成，提高了连铸坯合格率。

(3)在线铸坯质量缺陷判定功能。利用此功能可以在线及时监测、判断铸坯质量情况，并根据铸坯不同的质量缺陷给切割优化模型切割长度计算指导指令。对切割形成的板坯质量进行综合判断，对板坯在线热装热送或下线处理给予指导。

(4)输入异常定义功能。实现了用户超标准异常生产定义，免除了随工艺研究的深入或对标准的提高或新钢种的投人生产，引起生产标准的变化(即异常定义的变化)，进而需对程序代码做维护工作。

3 铸坯在线质量预测判定模型的工作原理

3.1 连铸坯在线质量预测判定模型的工作原理

在连铸生产过程中有许多过程值会对连铸坯的质量产生影响，当这些过程值的变化超出工艺规定范围时，或者生产过程中发生某些意外事件和不可避免的操作时，都会对铸坯的质量产生不良影响，使可能受此影响的局部长度的铸坯出现各种质量缺陷甚至报废。质量判定模型的预报方法为对大量生产数据及质量数据进行考察分析，用统计方法找出与连铸坯质量缺陷相关的数据特征，然后在生产过程中如果从实时数据中发现了这些数据特征，就可以预报连铸坯质量将要出现缺陷。显而易见，在这个过程中数据积累得越多就越容易发现与缺陷相关的主要因素和特征，预报也会越准确。所以质量判定模型的远期效果需要拥有相当规模数据量的冶金数据库来支持。

3.2 连铸坯在线质量预测判定模型的工作过程

质量判定过程如图1所示。

图1 连铸坯在线质量预测判定过程示意图Fig.1 The continuous casting slab online quality prediction judgement process schematic diagram

模型检查判断的过程值主要分为两大类，一类是工艺操作参数，如拉坯速度、结晶器液面波动值、中间包内钢水液位值(称重值)、中间包内钢水温度、结晶器铜板温度、结晶器冷却水温差等;第二类主要是连铸生产过程中发生的突发事件或不可避免的操作，前者如水口破裂、中间包结壳、浇注停顿等，后者如异钢种连浇、坯头坯尾形成、更换中间包、更换保护渣、大包与中间包之间敞开浇注等。

连铸坯在线质量预测判定模型检查主要的过程值并产生质量记录。系统工作时将采集主要过程值，当发现某一过程值出现异常值，或该过程值异常波动持续一定时间时，质量判定系统就自动生成一个标号，对该标号产生时刻以前或以后生产出的一定长度的铸坯进行标记并跟踪，同时根据连铸机操作工艺及作业标准对该质量异常事件做出处置决定。其结果用来进行切割长度计算－优化出最佳的切割长度以及板坯实绩收集，进而通过切割长度计算模型向切割机下达切割指令，通过精整计算机向精整作业区下达精整作业指令。简言之，质量判定系统的工作过程就是收集和判定质量信息，做出相应异常事件的处置决定，为切割和精整操作提供与铸坯质量相关的作业指令。

4 铸坯在线质量预测判定模型的建立条件

目前在国内外现有的连铸过程控制系统的基础上完全可以建立此模型，不需要额外增加软硬件配置。但必须保证连铸过程控制系统的完善并且正常投入使用。本模型的建立硬件上需要高性能的模型运行服务器和大容量的数据存储设备。软件上需要大型数据库管理软件和程序开发软件以及标准参数训练所需要的大量铸机正常生产数据(可通过本模型自动采集)。

5 连铸坯在线质量预测判定模型功能的实现方法

5.1 标准过程值的形成

连铸机连续生产过程中的过程数据的大量采集并通过人工智能神经网络进行训练学习，形成一个庞大的连铸过程数据标准值数据库，作为连铸坯质量在线预测和最终判定的工艺数值标准。这是连铸坯在线自动判断的基础依据。

5.2 补正值的建立

大多数质量异常事件发生时，都会对该事件发生时刻之前或之后一定长度范围内的铸坯质量产生影响。所以当发生各种质量异常情况时，除输入质量异常代码外，还须作一些补正。连铸过程计算机采集到的异常发生和解除时刻是以铸坯总长度来表示的，所以补正也以长度形式给出。

5.3 连铸坯的跟踪及质量预报

根据切片原理将连铸生产过程形成的铸坯分成若干个定长切片(切片的生成是从结晶器液面高度有凝固坯壳开始)，切片的标识以切片产生流水号和产生时的浇铸长度定义。切片的成长是切片在铸流生产过程中发生异常事件的集合。对产生的每一个切片在生产过程中的成长进行跟踪直到切割完成形成板坯为止。每一个切片成长过程中经历的过程工艺数据与冶金标准过程工艺数据进行对比计算，判断是否异常并将结果以异常代码的形式记录在切片的成长记录中。根据连续长度内切片的异常标识进行综合分析判断，进行质量预报并指导生产操作和工艺控制。

5.4 铸坯质量判定及处理

根据每一个切片的成长记录(异常信息记录)和铸坯质量缺陷的定义进行铸坯质量判定，其结果以长度的方式传送给切割优化模型进行切割优化长度计算，提高连铸良坯收得率和合格板坯的连续热送。计算机将根据异常处理组号和异常处理代码变换表对该信息进行处理，指导生产操作和工艺控制。其中异常处理组号由连铸机生产的钢种决定。

5.5 板坯质量判定及处理

根据板坯切割的起始长度和结束长度，进行切片归属，把归属板坯的切片成长过程中的的质量异常数据按优先次序，最多取出4个异常信息对该块板坯的质量进行综合判断得到板坯质量结果。由于质量异常的数据采集和处理都是以炉次为单位进行的，而切割计算和精整均以板坯为单位进行，故应把处理信息汇集到以板坯为单位的信息区中，需做如下处理:

(1)根据质量结果决定是否可以热送。

(2)根据质量异常代码/处理代码对照表确定板坯是报废还是保留，给出异常坯的质量缺陷具体位置，并对保留坯确定随后的精整处理途径。

6 连铸坯在线质量预测判定的内容

质量判定系统工作的简要过程为:收集由仪表、电气控制系统提供的过程数据和部分来自炼钢计算机的炼钢异常信息，接受人工从人机界面输入的质量异常信息，对质量异常事件进行判断，跟踪那些可能发生质量异常的铸坯段，确定对这些铸坯段实施哪种处理方案，并通知操作人员或直接指挥控制设备进行处理。

质量判定的内容如表1，主要分为两大类:第一类是工艺操作参数，也就是通过检测仪表系统、自动化控制系统自动采集的生产过程数据;第二类主要是连铸生产过程中发生的突发事件或不可避免的操作即需要操作人员通过人机界面进 行铸坯质量异常输入和从炼钢过来的钢水信息。

表1 连铸坯在线质量预测判定内容Tab.1 Content of online quality prediction judgement for contious casting slab

7 结束语

连铸坯在线质量预测判定模型的建立，对质量合格的连铸坯直接热送以有效节能和有效提高连续生产节奏;对表面有缺陷的连铸坯离线修磨清理后再加热轧制以减少钢材废品率，提高成材率;对内部缺陷严重的连铸坯直接判废以减少进一步检查处理成本。使企业整体生产快节奏、高效率、低成本的连续运行。

［1］刘名延，李平，栾兴家，等．板坯连铸机设计与计算上册［M］．机械工业出版社，1990．

［2］王雅贞，张岩，刘术国，等．连续铸钢工艺及设备［M］．北京:冶金工业出版社，1999．

［3］刘玠．连铸及炉外精炼自动化技术［M］．冶金工业出版社，2006．

Establishment of online quality prediction judgementmodel for continuous casting slab

WEN Heng，LIU Feng，ZHANG Shen
(China National Heavy Machinery Research Institute Co．，Ltd．，Xi'an 710032，China)

The online forecast judgementof continuous casting slab quality is elaborated in detail，which is realized by themodern information technique．The feature of themodel is to adopt the slicing principle tomonitor the slab in the production process and record the unconventional affairs;use statistics principle to quantize the process and technical standard data which influence the slab quality．The advanced computing technology is adopted to forecast and estimate the slab quality．

slice;quality forecast judgement;neural network

TF777.1

A

1001－196X(2012)04－0060－04

2011－11－18;

2011－12－10

温恒(1984－)，男，中国重型机械研究院自动化研究所，工程师。