CN101251749A - 一种钢包下渣检测、控制方法与*** - Google Patents

Abstract

本发明公开了一种钢包下渣检测、控制方法与***，该方法包括两个方面的内容：根据振动信号、钢水流速、钢水液位、滑动水口开度、钢水温度、钢水密度和钢水粘性系数实现对浇铸过程中钢包下渣状态的检测，得到钢包是否下渣及下渣量的多少；根据检测到的钢包下渣状态，以预设的下渣灵敏度自动控制滑动水口的关闭。本发明改进了以往采用单一振动信号检测的不稳定性和不准确性，提高了下渣检测***的精确度和可靠性，通过自动控制能够及时关闭滑动水口，防止钢包过量下渣，提高钢液纯洁度，在保证钢水质量的前提下提高了钢水收得率。***成本低、可靠性高、维护成本低，广泛应用于冶金工业。

Description

一种钢包下渣检测、控制方法与***

技术领域：

本发明涉及冶金工业自动控制领域，具体涉及一种钢包下渣检测、控制方法与***。

背景技术

随着对钢材质量要求的日益严格，实现少渣或无渣出钢是改善钢质，进行有效二次精炼的前提，是降低合金、铝与耐火材料消耗的重要技术措施。而在浇注过程中实施良好的防下渣技术，则是最大限度地维持二次精炼的效果，提高钢水纯净度，稳定操作过程的重要保证。

当前钢包下渣检测技术有红外检测法、电磁检测法、称重检测法、超声波检测法、振动检测法等。电磁线圈检测法的检测原理是利用钢水与钢渣磁导率的不同来检测钢渣的。国外的产品主要是德国的AMEPA公司的钢渣检测***和Danieliceda公司的Hislag钢渣检测***等。电磁检测法在使用过程中最突出的问题是需要将传感器线圈埋在钢包座砖出口附近，需要对所有钢包进行改造，而且传感器线圈位于水口附近，环境温度较高，影响传感器的使用寿命，***的改造和维护的费用高。

超声波检测法的原理是利用当有渣和无渣时超声波发出信号和反射信号的差别来实现对钢渣的检测。这种方法可在刚开始形成汇流旋涡卷渣时就检测出下渣，检测灵敏度很高，但需要对钢包进行改造，而且超声波探头的工作环境也比较恶劣，工作温度高达1500℃，制造和使用的费用都较高。因此目前该检测方法还处于研制阶段。

振动检测法的原理就是利用钢渣和钢水的比重相差较大，且其流动性也大不一样，因此在涡流流经钢包长水口时，两者对长水口的冲刷作用有较大的差别，因此会引起钢包长水口的振动特性变化。通过检测钢包长水口的振动特性在时域或频域上的差异来监测长水口内钢水的流动状态，从而间接检测大包下渣。这种方法传感器可以直接安装在夹持长水口的机械手或其他振动敏感位置点，振动信号的获取容易，传感器的安装简便，而且降低了连铸***环境对传感器本身的要求，投资改造少。但是由于在连铸***周围存在的各种环境振动与操作过程对***振动特性存在影响，可能会使振动检测的准确性受到一定的影响，难以满足实际需要。

发明内容：

本发明的目的是提供一种低投入、低维护成本、高可靠性和高准确度的一种钢包下渣检测方法与***。

本发明的另一目的是提供一种钢包下渣自动控制***。

为了克服背景技术中的不足，本发明的技术方案是这样解决的：

一种钢包下渣检测方法，其突出的实质性特点和显著进步在于一种钢包下渣检测方法，按下述步骤进行：

1)、首先通过参考传感器消除掉主传感器中振动干扰信号，即消噪处理。

2)、消噪后的振动信号与滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数一起构建振动函数神经网络模型；

3)、通过振动函数神经网络模型将滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数的波动对振动信号的影响消除，得到标准工况下的振动信号，标准工况下的振动信号仅与连续涡流、断续涡流或下渣有关；

4)、振动函数神经网络模型包括有两种状态，即学习状态和检测状态；在学习状态下***获取当前的状态信息，在滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数发生变化时不断学习，学习状态为未出现连续涡流、断续涡流或下渣，当进入检测状态后根据滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数的变化，通过振动函数神经网络模型得到标准工况下的振动信号；

5)、标准工况下的振动信号采用三种方法进行分析：振动信号小波分析、振动信号能量分析和振动信号波形对比分析，其中无渣振动信号为本次浇注过程中采集的一组无渣时标准工况下的振动信号，三种分析方法同时给出有无下渣和夹渣量的信号，三个有无下渣信息融合后给出下渣判断；三个夹渣量信号融合后给出准确的加渣量。

一种钢包下渣检测***，其突出的实质性特点和显著进步在于包括钢包的下端连接一个滑动水口，滑动水口的另一端连接长水口，长水口上连接有机械手，机械手连接主振动传感器，在与机械手振动就近处连接有参考振动传感器，主振动传感器、参考振动传感器的信号通过IPC电源与钢包下渣检测站连接，其滑动水口开度、钢水流速、钢水液位、钢包重量、钢水温度、钢水密度、钢水粘度信号输入到钢包下渣检测站，钢包下渣检测站输出下渣报警和夹渣量信号。

一种钢包下渣自动控制***。该钢包下渣自动控制***具有就地、现场和集控室三种操作模式，三套控制模块通过通讯线连接。就地、现场和集控室能够实时查阅运行数据，具有历史数据、报表管理、报警、运行记录存放等功能。本发明所设计的钢包下渣自动控制***结构由数据通讯总线分为两个层面，上层为DCS控制站和钢包下渣检测站；下层为现场控制站、就地控制和滑动水口控制，所有接入通讯总线的装置实现信息共享。

DCS控制站为属于原有控制***，为实现下渣自动控制，需要将下渣报警信号、夹渣量信号以通讯方式引入DCS，同时在DCS中进行算法、流程、画面等组态，以实现根据下渣量设定自动控制下渣。

钢包下渣检测站通过检测现场信号和以通讯方式获得滑动水口开度、钢水流速、钢水液位、钢包重量、钢水温度、钢水密度和钢水黏度等信号，以数据通讯方式给出下渣报警信号和夹渣量信号。

现场控制站接受来自DCS控制站的信号，可以工作与自动或手动方式，自动方式将控制权交给DCS控制站；手动方式把有控制站操作员进行相关操作。

就地控制直接操作滑动水口的关闭，自动方式时将控制权交给上级——现场控制站，就地方式时有现场操作人员手动操作控制。

本发明与现有技术相比，低投入、低维护成本、高可靠性和高准确度。

本发明中的技术指标主要包括：下渣检测准确率：＞90％；振动信号采样频率：＞20KHz；感知下渣提前时间：＞10-60s；下渣检测灵敏度设定：连续可调；历史数据存储时间：＞3年；夹渣报警输出开关量信号：电流＞1A，隔离电压＞500V。

与电磁线圈检测法相比，本发明方法有以下特点：

	线圈式	振动式
			卷渣、涡流检测	不能测	可检测
响应时间	比目测下渣前1-10秒报警	比目测下渣前10-60秒报警
			设备数量	每个钢包一套	每台铸机一套
安装位置	在钢包滑板	附着在长水口机械上
			接线	每个钢包每次浇注需接线及拆线	不需接或拆线
“0”下渣率	不可以达到	可以达到
			传感器耐高温	有要求	无要求
维修费用	高	低
			投资费用	高	低

振动检测原件安装在长水口机械手横臂上，钢包上无任何安装件及接线，钢包不需修改，其他信号以数据通讯方式取自DCS***；每台铸机只需2个检测原件(振动传感器)；操作中不需插接线，操作简单；可按钢种进行质量及收得率的最佳化分类(多个灵敏度)，达到即满足质量要求又最大限度的提高钢水收得率；可检测到下渣前的涡流至下渣的全过程。

与原有的振动检测方法相比：原有单一振动检测方法对环境温度要求严格；由于环境振动影响因素较多，检测的准确性受到一定影响；在钢包浇铸末期，尽量避免频繁开/关滑板。实际上要避免滑板操作、钢水特性的一致性和环境振动干扰几乎是不能的，所以导致单一振动检测方法在实际使用过程中无法达到预设的技术性能。本发明所述方法解决了上述问题。

附图说明：

图1为钢包下渣检测原理框图；

图2为神经网络模型工作流程框图；

图3基于多传感器信息融合的钢包下渣检测原理框图；

图4为钢包下渣检测***结构图；

图5为钢包下渣自动控制***结构图。

具体实施方式

附图为本发明的实施例。

下面结合附图对本发明的内容作进一步说明：

图1所示，一种钢包下渣检测方法，按下述步骤进行：

1)、首先通过参考传感器消除掉主传感器中振动干扰信号，即消噪处理。

2)、消噪后的振动信号与滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数一起构建振动函数神经网络模型；

3)、通过振动函数神经网络模型将滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数的波动对振动信号的影响消除，得到标准工况下的振动信号，标准工况下的振动信号仅与连续涡流、断续涡流或下渣有关；

4)、振动函数神经网络模型包括有两种状态，即学习状态和检测状态；在学习状态下***获取当前的状态信息，在滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数发生变化时不断学习，学习状态为未出现连续涡流、断续涡流或下渣，当进入检测状态后根据滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数的变化，通过振动函数神经网络模型得到标准工况下的振动信号；

5)、标准工况下的振动信号采用三种方法进行分析：振动信号小波分析、振动信号能量分析和振动信号波形对比分析，其中无渣振动信号为本次浇注过程中采集的一组无渣时标准工况下的振动信号，三种分析方法同时给出有无下渣和夹渣量的信号，三个有无下渣信息融合后给出下渣判断；三个夹渣量信号融合后给出准确的加渣量。

图2所示，神经网络模型工作流程图通过钢包重量信号来区分学习状态或检测状态。在钢包浇注初期，待浇注稳定时进入学习状态，在该状态下采集振动信号和滑动水口开度、钢水流速、钢水液位信号，此时为产生下渣，输出恒定，形成多组样本数据，在多组样本数据时通过BP神经网络模型的学习算法，构建出振动信号的BP神经网络模型，直至钢包重量到一定值，此时学习状态结束，进入检测状态，该状态下连续采集振动信号并将信号处理后交给后级处理。

图3所示，基于多传感器信息融合的钢包下渣检测结构在检测状态下，对经过修正后的振动信号进行处理分析。基于小波分析，当信号出现畸变，并超过一定限度时会说明有下渣出现，畸变的大小与夹渣量大小有同样的变化趋势，所以可以给出下渣报警信号和夹渣量信号；由于钢渣密度比钢水密度小很多，所以当有钢渣进入时长水口的振动幅度要比没有钢渣时要小，所以通过振动信号能量来分析有无下渣和加渣量的大小；另外，处理后的振动信号应该在无钢渣浇注时是一致的，当有钢渣出现后，振动信号无论从波形会发生变化，所以采用波形对比方法可以得到有无下渣，同时波形变化越大说明夹渣量越大，所以通过波形对比分析有无下渣和加渣量的大小。

因为上述三种方法基于的原理不同所以给出的结果来自三个不同方面，为了保证结果的准确性，对下渣报警信号采用串行结果的表决融合算法进行信息融合，该结构具有较好克服虚警的能力，融合结果为下渣报警信号。对夹渣量采用模糊方法进行信息融合，能够避免单一结果的波动，给出较为准确的夹渣量信号。

图4所示，一种钢包下渣检测***，包括钢包1的下端连接一个滑动水口2，滑动水口2的另一端连接长水口3，长水口3上连接有机械手4，机械手4连接主振动传感器5，在与机械手4振动就近处连接有参考振动传感器6，主振动传感器5、参考振动传感器6的信号通过IPC电源7与钢包下渣检测站8连接，其滑动水口开度、钢水流速、钢水液位、钢包重量、钢水温度、钢水密度、钢水粘度信号输入到钢包下渣检测站8，钢包下渣检测站8输出下渣报警和夹渣量信号。

通过检测钢包1下的长水口3的振动特性在时域或频域上的差异来监测长水口内钢水的流动状态，从而间接检测大包下渣，主振动传感器5可以直接安装在夹持长水口的机械手4的敏感位置点，由于在连铸***周围存在的各种环境振动干扰，在与机械手4振动就近但能够检测到环境振动的位置安装参考振动传感器6，滑动水口2的开度直接影响振动信号振幅，所以检测***引入滑动水口2开度大小信号；基于数据通讯获得滑动水口开度、钢水流速、钢水液位、钢包重量、钢水温度、钢水密度和钢水粘度信号，其中钢水密度和钢水粘度也可以直接输入到检测站，通过模拟量输出夹渣量信号4-20mA(代表0-100％)，下渣报警开关量信号为0或1，同时检测***具有数据通讯功能，以输出下渣报警信号和夹渣量信号。

下渣检测***引入钢包重量信号能够区分浇注前期、浇注中和浇注末期，以便使***运行在学习状态或检测状态。其他信号的引入及其在***中应用参照前述的检测方法。

下渣检测***具有的功能有：自动检测并显示夹渣状态；下渣报警输出；滑动水口关闭控制输出信号；数据存储和管理；历史状态回放；根据钢种设定最佳灵敏度；具有通讯接口，进行信息共享与传输；具有扩展功能，可以在一台检测站上实现多台铸机的下渣检测。

下渣检测***的技术指标主要包括：下渣检测准确率：＞90％；振动信号采样频率：＞20KHz；感知下渣提前时间：＞10-60s；下渣检测灵敏度设定：连续可调；历史数据存储时间：＞3年；夹渣报警输出开关量信号：电流＞1A，隔离电压＞500V。

图5所示，钢包下渣自动控制***具有就地、现场和集控室三种操作模式，三套控制通过通讯线连接。就地、现场和集控室能够实时查阅运行数据，具有历史数据、报表管理、报警、运行记录存放功能。

钢包下渣自动控制***方法结构由数据通讯总线分为两个层面，上层为DCS控制站和钢包下渣检测站；下层为现场控制站、就地控制和滑动水口控制，所有接入通讯总线的装置实现信息共享。DCS控制站为属于原有控制***，为实现下渣自动控制，需要将下渣报警信号、夹渣量信号以通讯方式引入DCS，同时在DCS中进行算法、流程、画面等组态，以实现根据下渣量设定自动控制下渣。现场控制站接受来自DCS控制站的信号，可以工作与自动或手动方式，自动方式将控制权交给DCS控制站；手动方式把有控制站操作员进行相关操作。

就地控制直接操作滑动水口的关闭，自动方式时将控制权交给上级——现场控制站，就地方式时有现场操作人员手动操作控制。

实施例

钢包下渣检测***的振动传感器采用速度传感器型号为PCB 640B01，ICP电源选用NI公司的SCXI-1530，检测站选用NI公司的PXI-8186 P4和PXI-1042Q组成的PXI计算机，数据采集选用NI公司的PXI-6122数据采集卡。基于数据通讯获得滑动水口开度、钢水流速、钢水液位、钢包重量信号，其中钢水密度和钢水粘度也可以直接输入到检测站。检测***具有数据通讯功能，以输出下渣报警信号和夹渣量信号。下渣站控制软件基于LabView8.0软件，实现人机交互，包括操作和参数修改；实现对数据的综合处理；实现历史数据的存储和查阅；实现对整个的连铸过程进行诊断分析。

***按照摆放位置分为现场(就地)和集制室。在现场包括HMI(人机界面)和下渣声光报警等。HMI(人机界面)，以数字量的方式显示下渣状态、钢水从钢包到中间包过程中的信息，并提供滑动水口关闭控制操作按键。下渣声光报警，以声光方式实现下渣报警。现场控制站采用SIEMENS S7 CPU226可编程控制器实现，人机界面HMI采用SIEMENS TD200C实现。

最后，还需注意的是，以上列举的仅是本发明的一个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均认为是本发明的保护范围。

Claims (7)

1. 一种钢包下渣检测方法，其特征在于按下述步骤进行：

1)首先通过参考传感器消除掉主传感器中振动干扰信号，即消噪处理。

2)消噪后的振动信号与滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数一起构建振动函数神经网络模型；

3)通过振动函数神经网络模型将滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数的波动对振动信号的影响消除，得到标准工况下的振动信号，标准工况下的振动信号仅与连续涡流、断续涡流或下渣有关；

4)振动函数神经网络模型包括有两种状态，即学习状态和检测状态；在学习状态下***获取当前的状态信息，在滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数发生变化时不断学习，学习状态为未出现连续涡流、断续涡流或下渣，当进入检测状态后根据滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数的变化，通过振动函数神经网络模型得到标准工况下的振动信号；

5)标准工况下的振动信号采用三种方法进行分析：振动信号小波分析、振动信号能量分析和振动信号波形对比分析，其中无渣振动信号为本次浇注过程中采集的一组无渣时标准工况下的振动信号，三种分析方法同时给出有无下渣和夹渣量的信号，三个有无下渣信息融合后给出下渣判断；三个夹渣量信号融合后给出准确的加渣量。

2. 根据权利要求1所述的一种钢包下渣检测方法，其特征在于所述钢水流速，钢水液位，滑动水口开度，钢水温度，钢水密度，钢水粘性系数信号可以选择全部或者部分来构建振动模型。

3. 根据权利要求1所述的一种钢包下渣检测方法，其特征在于所述学习过程分为两个方式，静态模型确定时，通过收集钢水流速，钢水液位，滑动水口开度，钢水温度，钢水密度，钢水粘性系数数据和振动数据通过神经网络形成初步振动模型；在线学习时，以初始振动信号为目标，以钢水流速，钢水液位，滑动水口开度，钢水温度，钢水密度，钢水粘性系数和振动信号输入样本不断学习，不断修正振动模型参数。

4. 一种钢包下渣检测***，其特征在于包括钢包(1)的下端连接一个滑动水口(2)，滑动水口(2)的另一端连接长水口(3)，长水口(3)上连接有机械手(4)，机械手(4)连接主振动传感器(5)，在与机械手(4)振动就近处连接有参考振动传感器(6)，主振动传感器(5)、参考振动传感器(6)的信号通过IPC电源(7)与钢包下渣检测站(8)连接，其滑动水口开度、钢水流速、钢水液位、钢包重量、钢水温度、钢水密度、钢水粘度信号输入到钢包下渣检测站(8)，钢包下渣检测站(8)输出下渣报警和夹渣量信号。

5. 根据权利要求4所述的一种钢包下渣检测***，其特征在于所述的传感器，其中一个是测量环境振动的参考振动传感器，另外一个是测量机械臂振动的主振动传感器。

6. 根据权利要求4所述的一种钢包下渣检测***，其特征在于所述的钢包下渣检测***中除振动信号外的其他信号既可以通过传感器、变送器输出的模拟信号得到，也可以通过数据通讯的方式得到；钢水粘滞性系数、钢水密度也可以采用人工输入的方式。

7. 一种钢包下渣自动控制***，其特征在于所述钢包下渣自动控制***具有就地、现场和集控室三种操作模式，三套控制通过通讯总线连接，就地、现场和集控室能够实时查阅运行数据，具有历史数据、报表管理、报警、运行记录存放。

Images