專利名稱：一種鋼包卷渣過程識別方法
技術領域：
本發明涉及鋼鐵冶金過程檢測與控制領域，尤其是涉及一種鋼包卷渣過程識別方法。
背景技術：
隨著全球一體化進程的不斷深入，鋼鐵需求日益增加。我國的鋼鐵產量更是增勢 迅猛，截止到2007年，粗鋼產量已經達到4. 89億噸，占全球總產量的36. 4%，超過日本、美 國、俄羅斯、印度、韓國、德國、烏克蘭、巴西、等國的總和。但是我國鋼鐵質量卻始終處于較 低水平，出口鋼材也是以低附加值的普通鋼材為主，而用于制造精密機械、儀表以及轎車的 高質量鋼材卻基本依靠進口。鋼鐵生產中的連鑄技術具有生產率和成材率高及節約能源的特點，同時可減少鑄 件中夾雜物的含量，提高鑄件質量，是目前應用最為廣泛的冶金技術之一。利用連鑄技術生 產鋼材的產量占總產量的比重稱為連鑄比(Continuous Casting Ratio, CCR)。發達國家 的CCR—般在95%以上，有些國家如意大利已經達到100% ；我國的CCR為94. 8%，高于世 界平均水平90. 5%。因此在這種形勢下，提高我國鋼鐵企業的連鑄生產工藝水平與競爭能力 就顯得尤為迫切。在鋼鐵連鑄生產過程中，氧化劑和鋼水中的雜質混合形成液體鋼渣，其比重較輕， 只有純鋼水比重的0. 4^0. 6倍，浮于鋼水上部。在鋼包澆注后期，鋼渣逐漸從鋼包流入中間 包，并在中間包內逐步積累，影響鋼材品質，嚴重時甚至使連鑄生產無法進行。隨著現代工 業生產的不斷擴大與發展，對鋼鐵品種和質量的要求不斷提高，當然對連鑄生產中鋼水純 凈度要求也就越來越高。連鑄下渣檢測技術(Slag Carry-over Detection Technology, SCDT)就是通過對鋼包澆注后期鋼水狀態的有效識別來控制鋼水純凈度，提高鑄件質量與 鋼水收得率的重要手段之一。S⑶T作為鋼鐵連鑄生產的關鍵技術，世界各國尤其是西方發達國家都給予了高度 重視。上世紀80年代末，德國成功的開發出基于電磁感應原理的S⑶T，成為目前世界上應 用最為廣泛的SCDT。但電磁式SCDT在應用過程中存在使用壽命短、不易安裝維護、使用成 本較高等缺點。針對以上問題，一些其它檢測方法逐步被開發應用，如超聲波檢測法、紅外 檢測法、振動檢測法等，其中振動檢測法能夠有效的解決電磁檢測法存在的問題。與電磁檢 測法相比，其在使用壽命、檢測準確率、穩定性、系統維護等方面均具有優勢。但是振動檢測 法的技術要求很高，振動傳感器的設計安裝、振動信號干擾剔除與分離、鋼包卷渣過程動態 識別等問題具有很高的難度。
發明內容
為了克服在充滿諸多振動干擾源的連鑄工業現場特殊環境條件下，進行鋼流沖擊 振動信號的干擾剔除與分離、鋼包卷渣過程動態識別技術具有高難度的問題，本發明提供 一種能在連鑄工業現場強噪聲環境下的鋼流沖擊振動信號的干擾剔除與動態模式識別的鋼包卷渣過程識別方法。本發明的技術方案
一種鋼包卷渣過程識別方法，其特征在于其步驟過程如下
首先，對鋼包澆注過程中的鋼流沖擊振動信號時間序列進行階段定義，包括未有鋼渣 混入鋼流的初始階段，鋼水、鋼渣與空氣混合成鋼流的過渡階段，以鋼渣為主的鋼流的完結 階段；
然后，處理現場干擾信號，確定鋼包卷渣過程特征參數，包括最大值、最小值、平均值、 均方根、標準差、峰峰值、偏度、峭度、頻率重心、均方頻率、頻率方差和烈度；
再者，基于動態模式識別方法，建立面向鋼包卷渣過程識別的人工神經網絡模型；所述 人工神經網絡模型的信號輸入層以卷渣過程特征參數作為輸入信號，其過程輸出層是需要 識別的三個階段定義；所述輸入層的輸入信號在中間隱含層經過作用函數運算后得到輸出 值；
其中，所述 的作用 函數是
權利要求
一種鋼包卷渣過程識別方法，其特征在于其步驟過程如下首先，對鋼包澆注過程中的鋼流沖擊振動信號時間序列進行階段定義，包括未有鋼渣混入鋼流的初始階段，鋼水、鋼渣與空氣混合成鋼流的過渡階段，以鋼渣為主的鋼流的完結階段；然后，處理現場干擾信號，確定鋼包卷渣過程特征參數，包括最大值、最小值、平均值、均方根、標準差、峰峰值、偏度、峭度、頻率重心、均方頻率、頻率方差和烈度；再者，基于動態模式識別方法，建立面向鋼包卷渣過程識別的人工神經網絡模型；所述人工神經網絡模型的信號輸入層以卷渣過程特征參數作為輸入信號，其過程輸出層是需要識別的三個階段定義；所述輸入層的輸入信號在中間隱含層經過作用函數運算后得到輸出值；其中，所述的作用函數是； (1)然后利用快速模擬退火組合優化算法把網絡中所有權重的集合看成是一個解向量，然后構造目標函數；(2)式(2)中，為訓練樣本數，為輸出層神經元的個數，為第神經元關于第個樣本的期望輸出，為第神經元關于第個樣本的實際網絡輸出；最后，通過修改網絡權值來得到式(2)的目標函數的最小值，取得鋼包卷渣過程中各個階段定義的標準狀態。2010102801947100001dest_path_image001.jpg,2010102801947100001dest_path_image002.jpg,2010102801947100001dest_path_image003.jpg,dest_path_image004.jpg,dest_path_image005.jpg,471063dest_path_image004.jpg,823547dest_path_image003.jpg,dest_path_image006.jpg,139997dest_path_image004.jpg,640248dest_path_image003.jpg
2.根據權利要求1所述的一種鋼包卷渣過程識別方法，其特征在于所述修改網絡權 值來取得目標函數最小值步驟如下①初始化，隨機產生一組初始網絡權值而，并設置初始溫度石>O、迭代次數=0、檢驗精度f，e是目標函數的取值,令Xpi = /(S0)、/· = / (S0S^=Ssj ；②將網絡權值,作為初始點S^CO,利用鮑威爾算法進行優化,快速搜素到某一個局部 極小點，得到一組新的網絡權值^ ,令Si= ‘、/·=趣、β = J (Si)；③將網絡權值名作為迭代值Λ,設當前解= ζ,令Γ = TI,進行最佳保留模擬退火操 作；按照接受準則，得到一組新的網絡權值名+1 ;令:1+1，其下降實現方法為Ti = ^^tt .(3)`1 1 + 1η(ι)，⑶④若經過模擬退操作后所得的網絡權值馬+Γ滿足精度要求或迭代次數，則算法結束；否貝1J，若/(名+1) </_，則令& =孓+1，轉入步驟②；若/(馬+1)2/織，則令5； = ,轉入步驟③。
3.根據權利要求1或2所述的一種鋼包卷渣過程識別方法，其特征在于所述的現場 干擾信號的處理方法，是首先通過程序判斷濾波克服隨機脈沖干擾，然后利用滑動平均濾 波有效抑制周期性干擾信號，最后進行無限沖擊響應濾波。
全文摘要
一種鋼包卷渣過程識別方法，其步驟過程如下首先對鋼包澆注過程中的鋼流沖擊振動信號時間序列進行階段定義，然后處理現場干擾信號，確定鋼包卷渣過程特征參數；基于動態模式識別方法，建立面向鋼包卷渣過程識別的人工神經網絡模型，然后利用改進的模擬退火-神經網絡算法實現對鋼包卷渣過程中各個階段定義的標準狀態的識別。本發明的有益效果主要表現在實現在連鑄工業現場強噪聲環境下的鋼流沖擊振動信號的干擾剔除與動態模式識別，為振動式鋼包下渣檢測系統的在線判斷提供可靠依據；為振動式鋼包下渣系統識別的準確性與穩定性提供有力保證；提高了目標參數的預測精度；保證了對鋼流沖擊振動信號識別的實時性。
文檔編號B22D11/18GK101947645SQ20101028019
公開日2011年1月19日 申請日期2010年9月14日 優先權日2010年9月14日
發明者計時鳴, 譚大鵬, 金明生 申請人:浙江工業大學