連鑄機漏鋼預報系統應用和開發研究

徐西平

摘 要：本文主要分析連鑄機的漏鋼預報系統原理及應用，對系統研發的可行性進行研究，提出自主開發漏鋼預報系統的思路。

關鍵詞：連鑄機；漏鋼預報

1 漏鋼預報背景及意義

連鑄機漏鋼事故對于鋼廠是災難性事故，減少或者避免漏鋼是各大鋼廠孜孜不倦追求的技術。中國近幾年引進了各種漏鋼預報系統，主要有奧鋼聯的結晶器專家系統、達涅利的MPBS結晶器漏鋼系統、西馬克-德馬克的MMS漏鋼預報系統、寶鋼在引進日本技術基礎上開發的BBPS漏鋼預報系統等，其漏鋼檢測方法不外乎以下幾種：結晶器銅板熱流密度監測法、拉坯阻力（摩擦力）監測法、熱電偶檢測法、神經元網絡漏鋼預報法等。國內外設備供應商及部分鋼廠依上述方法開發不同算法的漏鋼預報系統，在生產應用過程中表現出漏報、誤報率較高，人機界面友好性差等特點。由此根據生產現場的需要在優化各項操作工藝的基礎上研究與開發有效的漏鋼預報算法，建立良好的漏鋼預報人機界面對我國鋼鐵行業提高產品質量及防治漏鋼事故有非常重要的意義：通過結晶器銅板熱流監控，改善結晶器配水，減少鑄坯表面裂紋，減少結晶器窄面油缸負載，降低結晶器跑錐度故障率；通過振動狀態檢測可以監控保護渣潤滑情況，指導保護渣的運用及加入過程，減少鑄坯裂紋，防止保護渣使用不當造成漏鋼；通過漏鋼預報，降低拉速，修復破裂的坯殼，可以預防漏鋼，減少事故損失。

2 漏鋼預報技術

板坯連鑄機拉漏事故一般有粘結性漏鋼、裂紋漏鋼、卷渣（或夾渣）漏鋼、其他形式漏鋼，其中粘結性漏鋼為多數。控制結晶器銅板與坯殼之間的相互作用是避免漏鋼的根本措施，鑄坯質量也與結晶器與坯殼之間的作用行為密切相關，結晶器與坯殼的相互作用包括熱和力的作用，外在表現是熱傳遞和摩擦.所以只有把二者同時監測好，才能更好地控制漏鋼。因此，各種漏鋼預報方法相繼開發出來，具體有如下幾種：

2.1 基于結晶器熱流分析的預報方法

其原理如下：當粘結漏鋼發生前，坯殼的表面會形成熱點，即坯殼溫度較高，從反面驗證了結晶器的傳熱比正常澆鑄的時候偏低，即熱流偏低。在裂紋漏鋼發生前，一般表現為熱流偏高。從而通過監控結晶器四個面（2個寬面、2個窄面）的實時熱流與各面漏鋼臨界熱流，進行比對，作為漏鋼報警的標準。該種方法早期使用較多，只可以預測由傳熱量不足而造成的漏鋼事故，但其對后來漏鋼預報技術的發展有很大的推動作用，并對沒有漏鋼預報系統或預報不準的鑄機現場操作人員使用較多。

2.2 基于坯殼與結晶器銅板之間摩擦力監測的預報方法

其原理如下：連鑄在拉坯過程中，結晶器銅板與鑄坯坯殼之間產生摩擦力（受到保護渣性能、鋼種、鋼水潔凈度、拉速、結晶器錐度、鋼水過熱度、結晶器振動以及結晶器液面控制等因素的影響），在恒拉速條件下摩擦力的變化為漏鋼預報提供了可行性。無論是粘結、裂紋還是卷渣漏鋼，在漏鋼之前坯殼均在結晶器內產生缺陷，隨之結晶器摩擦力就會有顯著的變化。通過連鑄液壓振動系統的位置、壓力傳感器和振動曲線實時監測結晶器的摩擦力。當坯殼與結晶器銅板間發生粘結后，坯殼粘結在結晶器銅板上并隨結晶器一起同步上、下振動，在結晶器液面高度不變、拉速恒定情況下，坯殼與銅板發生粘結比不發生粘結時坯殼與銅板間相對滑動面積變小，結晶器摩擦應力顯著減小；在澆鋼過程中裂紋產生瞬間，在鋼水靜壓力作用下使得坯殼往外鼓，造成坯殼與銅板之間正壓力增大，結晶器摩擦力突然增大；異物卷入后在坯殼表面或皮下形成大塊夾雜，由于異物導熱系數和凝固系數與鋼水不同，所以異物與坯殼之間存在裂紋，而且隨坯殼向下運動，裂紋在逐漸擴大，異物卷在坯殼處導致熱流分布不均，坯殼薄厚不均，在該處產生較大的熱應力，在鋼水靜壓力作用下坯殼外鼓，所以結晶器摩擦力逐漸增大，隨異物拉出結晶器，摩擦力減小并恢復正常。此種方法由于摩擦力的變化受到過多因素的制約，所以預報精度較低。

2.3 熱電偶測溫的漏鋼預報系統

熱電偶測溫法技術比較成熟，而且預報準確率相對較高，誤報相對較少，但相對要求熱電偶測溫精度高（5℃以內），國內外設備供應商大多提供此種漏鋼預報系統。基于熱電偶測溫的漏鋼預報模型大體分為兩類，一是通過邏輯運算判斷是否漏鋼，二是依靠神經網絡模型進行模式識別。對于邏輯判斷模型而言，先后出現了很多檢查算式，如：偏差檢查算式、變化速度檢查算式、各層熱電偶溫度變化延遲檢查算式、溫度下降檢查算式、以及接近檢查算式等，通過以上部分或全部算式的組合使用使得對生產過程中的漏鋼事故的預測成功率大大提高，但存在的問題是如何能夠開發出最簡單、有效的邏輯判斷模式以提高系統的反應速度和精度，從而有效地降低損失。

2.3.1 粘結漏鋼

結晶器寬面、窄面第一排的熱電偶可檢測到彎月面區域溫度變化，在澆注過程中，系統時刻把第一排每個熱電偶檢測到的溫度和同列其它熱電偶所檢測到的溫度進行比較，如圖1所示。如果彎月面以下的熱電偶同時滿足以下兩個條件，即把該熱電偶計為“粘結跡象”熱電偶。

（1）某列第一排熱電偶X溫度下降，該列彎月面以下的熱電偶Y溫度上升并超過熱電偶X的溫度，并且熱電偶Y和熱電偶X的溫度差值超過設置的粘結判斷界限值。

（2）在最后一個檢測周期內，熱電偶X的溫度變化梯度（溫度變化和檢測周期時間的比值）超過設置的粘結判斷界限值。

2.3.2 裂紋和卷（夾）渣漏鋼

當坯殼有嚴重縱裂、角裂和脫方時會引起裂紋漏鋼，當保護渣熔化不好或者渣條卷入坯殼導產生卷渣漏鋼。漏鋼預報系統持續監控每個結晶器寬面、窄面除過第一排之外的所以熱電偶的溫度變化梯度，如果兩個連續周期內檢測到某個熱電偶的溫度變化梯度大于漏鋼溫度變化極限則判斷該熱電偶為“熱點”，如果相鄰有兩個及以上熱點就發出漏鋼報警（如圖2所示）。

2.3.3 其他漏鋼

開澆過程時間控制不好或澆注過程中拉速太慢造成鑄坯過冷，結晶器銅板與坯殼形成縫隙冷，通過熱電偶溫度檢測出中間某列的溫度與相鄰兩列平均溫度的差值異常時，預報為鑄坯過冷。隨后的鋼水溢出彎月面進入這些縫隙后凝固，導致拉坯阻力增加出現不暢就可能形成拉伸裂紋點，當拉伸裂紋點通經過熱電偶排布位置時系統會檢測到溫度頻繁波動及時作出報警。

2.4 神經網絡漏鋼預報系統

基于熱電偶測溫的神經網絡漏鋼預報系統以其特有的優勢成為漏鋼預報技術發展的方向。但結合目前實際的生產情況，在初期缺乏有效數據的條件下，系統開發應先結合結晶器熱流分析、坯殼與結晶器銅板之間摩擦力監測、熱電偶測溫等邏輯判斷各種漏鋼預報，設計出高效、準確的邏輯預報系統，一則應對鑄機使用初期頻繁的漏鋼事故；二則收集漏鋼數據，為漏鋼預報向人工智能方向發展提供數據上的支持。神經網絡模型是近年興起的信號模糊識別方式，常用的神經網絡模型有BP網絡、Hopfield網絡等，神經網絡憑借其在模式識別速度方面的優勢以及良好的魯棒性和容錯性，已經在各個領域得到推廣。但與此同時神經網絡也存在著一定的缺陷，當訓練數據的匱乏或不準確時會導致預測結果的失真，將大大影響系統的預報精度，因此收集全面的漏鋼數據是做好神經網絡預報系統的前提。該系統的網絡模型包括空間網絡和時間序列網絡。時間序列網絡是測量單個熱電偶的溫變情況。空間網絡用于反映結晶器空間中撕裂點的傳播趨勢。系統模型以熱電偶溫度變化情況為基礎，采集的熱電偶溫度和結晶器振動壓力等實時生產數據，計算成熱流分布和摩擦力，并和拉速組成基本參數，輔助參數為鋼種、鋼水液面、鋼坯斷面、鋼坯寬度、保護渣等。

根據以上漏鋼預報方法，奧鋼聯（VIA）開發了結晶器專家系統（基于坯殼與結晶器銅板之間摩擦力監測和熱電偶測溫），達涅利（Daniel）開發了MPBS結晶器漏鋼系統（基于熱電偶測溫），西馬克-德馬克（SMS-DEMAG）開發了MMS漏鋼預報系統（基于熱電偶測溫），日本開發了BBPS漏鋼預報系統（基于熱電偶測溫和神經網絡），基于熱電偶測溫的漏鋼預報系統嚴重依賴儀表檢測的精度，基于神經網絡，嚴重依賴大量而且準確的訓練數據。

3 模型開發研究

1）開發思路：漏鋼預報模型流程擬按下圖3進行，該模型采用三種數學算法：邏輯判斷算法，Bp神經網絡模型算法和空間網絡模型算法，通過綜合三種算法的優點，降低模型的漏報率和誤報率。

2）邏輯判斷模型：基于熱電偶測溫法的連鑄漏鋼預報邏輯判斷模型的實質是識別出可能引起漏鋼的溫度變化模式，即一個動態波形的模式識別問題，依據連鑄坯殼與結晶器銅板發生坯殼破裂部位的溫度變化特征來進行判斷，通常是對單個熱電偶的溫度信號在時間方向上的變化特征以及相關聯的熱電偶組在空間方向上的溫度變化特征進行綜合判斷后給出漏鋼報警的信息。詳細可見第二章的粘結漏鋼、裂紋和卷（夾）渣漏鋼及其他漏鋼的邏輯判斷原理。

3）神經網絡模型：BP神經網絡模型是一種基于誤差反向傳播算法的多層前饋網絡。采用梯度搜索技術使網絡的實際輸出值與期望輸出值的誤差均方最小化，包含輸入層、隱含層和輸出層。如圖4所示，有n個輸入節點，輸入層節點的輸出等于其輸入。隱含層有k個節點，隱含層是前一層輸出的加權和，輸出層的輸入是前一隱含層輸出的加權和，節點的關系由其激勵函數決定。反向傳播算法由正向傳播和反向傳播組成。正向傳播是從輸入層通過每層隱含層進行處理到輸出層。反向傳播根據輸出層到輸入層對誤差信號進行反向傳播，為了誤差信號最小不斷反復修改每個隱含層中每個神經元的權系數。

BP神經網絡模型預測漏鋼的基本原理是對熱電偶數據建立BP神經網絡模型，將熱電偶溫度和與拉速等工藝數據作為網絡輸入，應用數學方法研究輸入項與輸出信息之間的映射關系，來實現漏鋼征兆波形的識別，網絡的輸出為溫度變化模式的識別結果。該模型預報結構如下圖5。神經網絡模型主要完成對單點熱電偶的溫度特征識別。

4）空間網絡模型。空間網絡模型對粘結漏鋼的空間傳遞性進行判別，其作用是在時序網絡檢測到某一點熱電偶發生粘結漏鋼溫度變化模式后，用來進一步判別這種溫度模式是否在空間相鄰熱電偶間存在著傳播。根據現場結晶器銅板上熱電偶探頭實際分布情況，對每次測溫進行記錄，并且按時間順序進行排列，把每爐鋼的數據組成一個三維空間數組。采集一定數據后，并根據不同過熱度、不同冷卻模式進行分類。現漏鋼情況的數據形態進行分析，借助圖像處理與模糊聚類的方法進行統計。根據實際中漏鋼的規律，得到漏鋼時粘結點處向橫向和縱向上擴散的一般規則，從而選取相關點溫度數據建立模型。