CN102151814B - 连铸生产中的粘结报警方法和*** - Google Patents
连铸生产中的粘结报警方法和*** Download PDFInfo
- Publication number
- CN102151814B CN102151814B CN2010106143848A CN201010614384A CN102151814B CN 102151814 B CN102151814 B CN 102151814B CN 2010106143848 A CN2010106143848 A CN 2010106143848A CN 201010614384 A CN201010614384 A CN 201010614384A CN 102151814 B CN102151814 B CN 102151814B
- Authority
- CN
- China
- Prior art keywords
- temperature
- sampling
- value
- temperature value
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009749 continuous casting Methods 0.000 title claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 52
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000003909 pattern recognition Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Continuous Casting (AREA)
Abstract
本发明提供了一种连铸生产中的粘结报警方法,包括:通过热电偶对温度信号进行周期采样;通过周期采样所获得的温度信号在采样时间点上构成一个时域离散序列;根据所述时域离散序列构建滤波点序列;对所述滤波点序列进行拟合,以得到预测温度值;利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值;在修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;根据所述特征信息进行粘结报警。本发明能够对更好的温度预测值和更为准确的温度时序变化趋势信息进行模式识别,从而提高模式识别的准确性和可靠性,更有效地实现连铸生产过程中的粘结报警。
Description
技术领域
本发明涉及连铸生产中的结晶器专家***技术领域,更为具体地,涉及一种连铸生产中的粘结报警方法和***。
背景技术
随着钢铁生产流程管理的不断进步,用户对连铸生产过程中的安全性要求越来越高,其中板坯连铸的漏钢生产事故对用户造成的损失尤其巨大。在连铸生产中,漏钢是恶性破坏性事故,它不仅打乱了企业的正常组织生产,而且降低了铸机的作业率、损坏设备、损失物料、产生大量的废品、增加工人的劳动强度,从而降低了企业的经济效益,因此,漏钢是衡量连铸机生产水平的重要标志。
影响连铸生产过程、导致漏钢事故的因素繁多,据统计,其中粘结漏钢为连铸漏钢的主要类型,约占漏钢事故的70%左右,因此,粘结漏钢是浇筑过程中主要的漏钢事故。图1所示为粘结漏钢的过程示意图,如图1所示,粘结性漏钢主要是指结晶器液面波动或者其他原因导致的弯月面附近润滑效果不好,坯壳与结晶器壁之间发生粘结,如图1(a)所示;拉坯摩擦阻力增大,粘结处被拉裂,并向下和两侧扩展,形成“V”形破裂先,如图1(b)所示;随着铸坯的向下移动,浇铸钢水直接与铜板接触,由于冷却水的作用形成新的坯壳,如图1(c)所示;随着结晶器的振动和铸坯的继续下移,上述过程重复出现,如图1(d)所示;直到薄坯壳在出结晶器下口时被拉裂,导致漏钢,如图1(e)所示。
板坯连铸粘结漏钢的发生与现场操作工艺、浇注温度、保护渣的性能、结晶器振动参数等都有密切关系。为了避免这种粘结现象引起的漏钢,现有技术中采用结晶器专家***检测粘结现象并发出报警,指导用户在粘结发生但导致漏钢之前通过合理处理来避免漏钢事件的发生。
结晶器专家***是观察结晶器内部铸流状况的工具,其主要任务就是漏钢预报,通过检测到粘结现象给出示警来有效防止粘结漏钢。现有技术中,南钢宽厚板连铸机上的结晶器专家***包括两部分:第一部分是结晶器热状态,包括温度监控、漏钢预报和结晶器热通量;第二部分是结晶器振动,包括结晶器振动监控和结晶器摩擦力。
粘结现象是通过漏钢预报检测出来的,漏钢预报是根据结晶器铜板上部的热电偶所测得的热流的温度分布曲线来检测的。但是,在实际应用中,现有的对热电偶检测温度的处理存在有下述问题:
首先,热电偶所检测到的温度会受到复杂环境的干扰,其所检测、输出的温度值并不能准确表征结晶器中的温度;
其次,从热电偶对温度信号进行采样到将采样温度表现在温度分布曲线中需要一定的时间差,这种时间差会对漏钢预报的及时性产生关键性的影响;
此外,从热电偶温度的变化到结晶器粘结的准确判定还需要复杂的模式识别过程,这一模式识别也是决定粘结判定的关键因素。
发明内容
鉴于上述问题,本发明的目的是提供一种连铸生产中的粘结报警方法和***,通过对热电偶温度信号的滤波处理和模式识别,不仅在有效纠正由于外界环境因素干扰所造成的温度采样信号失真的基础上,保留热电偶本身对温度的真实感应,而且。
根据本发明的一个方面,提供了一种连铸生产中的粘结报警方法,包括:
通过热电偶对温度信号进行周期采样;
通过所述周期采样所获得的温度信号在采样时间点上构成一个时域离散序列;
根据所述时域离散序列构建滤波点序列;
对所述滤波点序列进行拟合,以得到预测温度值;
利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值;
在所述修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;
根据所述特征信息进行粘结报警。
根据本发明的另一方面,提供了一种连铸生产中的粘结报警***,包括:
温度采样单元,用于通过热电偶对温度信号进行周期采样;
滤波单元,用于对所述温度采样单元所获得的温度信号进行滤波处理,以得到修正的温度值;
模式识别单元,用于在所述滤波单元获得的修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;
粘结报警单元,用于根据所述模式识别单元得到的特征信息进行粘结报警;
其中,所述滤波单元进一步包括:
滤波点序列构建单元,用于通过所述温度采样单元所获得的温度信号在采样时间点上构成一个时域离散序列,进而根据所述时域离散序列构建滤波点序列;
拟合单元,用于对所述滤波点序列进行拟合,以得到预测温度值;
修正单元,用于利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值。
利用上述根据本发明的连铸生产中的粘结报警方法和***,能够对更好的温度预测值和更为准确的温度时序变化趋势信息进行模式识别,从而提高模式识别的准确性和可靠性,更有效地实现连铸生产过程中的粘结报警。
为了实现上述以及相关目的,本发明的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而,这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外,本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明及权利要求书的内容,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为粘结漏钢的过程示意图;
图2示出了根据本发明的连铸生产中的粘结报警方法的流程图;以及
图3示出了根据本发明的连铸生产中的粘结报警***的方框示意图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
以下将结合附图对本发明的具体实施例进行详细描述。
如前所述,粘结报警的关键之一在于对粘结现象进行准确地预报,以指导用户在粘结发生但导致漏钢之前做出合理的处理,从而避免漏钢事故的发生。而粘结漏钢发生时,主要表现为热电偶温度梯度、温差的变化比较大,因此,在现有的粘结报警方法中,基于温度检测的粘结报警方法有多种,如逻辑判断方法、神经网络方法、多元统计方法等,
因此,本发明为了提高模式识别的准确性和可靠性,首先对采集的温度信号进行滤波处理,去除高频噪声信号对所采集的信号的干扰,避免信号失真而保留热电偶本身对温度的真实感应,从而得到更好的温度预测值和更为准确的温度时序变化趋势信息。
图2为根据本发明的连铸生产中的粘结报警方法的流程图。
如图2所示,本发明的粘结报警方法主要包括滤波和模式识别两部分。为了实现粘结报警,首先需要通过热电偶对温度信号进行周期采样(步骤S210),在本发明的一个具体实施方式中,对温度信号进行周期采样的采样周期为1s;然后对采样的温度信号进行滤波处理(步骤S220)。其中步骤S220进一步包括:首先通过周期采样所获得的温度信号在采样时间点上构成一个时域离散序列(步骤S221),通过该时域离散序列将所获得的温度信号表达为(n=1,2,3......),当前时间点信号温度值为Tn-1;然后构建滤波点序列(步骤S222),设滤波信号点数为k(k=1,2,3.....)点滤波,则由构成滤波点序列;接着对滤波点序列进行拟合(步骤S223)。在本发明的一个优选实施方式中,通过最小二乘方法对Tf序列进行线性化拟合,得到以滤波点序列编号x为参数的拟合曲线;如果选取的滤波点较多,则可以采用最小二乘方法对Tf序列进行二次曲线拟合,以此类推。由于这种曲线拟合方法属于本领域技术人员在数据处理过程中的常用技术手段,因此在此不对具体的拟合过程进行说明。
在上述拟合曲线中,滤波点序列编号x可以为数据点整数编号,如果k为采样点,从0开始编号,最后一个为k-1,则将x=k-1带入拟合曲线的计算公式,即可计算出当前时刻的预测温度值。
最后,用此预测温度值修正原始序列(原始采样温度)中的当前采样数据即可完成对采样温度的滤波,以得到修正的温度值(步骤S224)。
在上述滤波算法中,由于当前时刻点的采样温度值参与了拟合计算,因此得到的当前预测值是能够代表时序变化趋势的,滤波点数k的选取关系到滤除高频噪声的临界频率,因此k的选取是滤波效果调整的关键,通常取3<k<20。
对采样温度进行滤波之后,就需要对滤波后的温度预测值进行模式识别,以获得实现粘结报警所需要的特征值信息(步骤S230),从而根据该特征值信息进行连铸生产中的粘结报警(步骤S240)。
通过热偶进行周期采样的温度数据在时间上可以构成一个时序序列,而本发明中的滤波处理需要每个周期都对当前的采样值进行预测,预测后将当前值用预测值进行修正,因此最终所得到的整个序列的温度值都是修正后的温度预测值。
在本发明进行粘结判定的过程中,模式识别所生成的包含多个特征值信息的信息平台为最终的粘结报警提供直接参照。本发明中的模式识别能对时域信号的时序变化特征进行有效提取,只有进行了良好的模式识别,才能为后续的判定提供准确的特征值信息。
本发明采用的模式识别主要基于单个热电偶温度变化的模式分析,以下详细介绍单个热电偶的模式分析以及模式特征值提取。其中,单个热电偶的温度指的就是通过该热电偶所获得的温度值的时间序列,即单个热电偶在一个时间区间内每个时间点的温度预测值所构成的时序序列。
对于N个数据点时序序列(即滤波后的温度预测值所构成的时序序列),可以通过设定一个临界参数,在N个数据点中的某个数据点处,使曲线产生分割。其中的临界参数指的是临界温度值,当温度变化超过此临界温度值时就对曲线进行分割,临界参数的选择可以根据连铸生产中温度测定记录、经验值等信息来确定,该临界参数的确定是本领域技术人员的常用技术手段,在此不再细述。被临界参数所分割出的子线段可能为水平线、上升曲线以及下降曲线之组合,因此识别的结果为线段称为子段。通过子段能够识别出由采样温度所构成的时序序列中的不同的变化段,每个子段都具有自己的独立的特征信息,主要的特征信息为数据点数、最大值、最小值、最大变化率、最小变化率、平均值以及其它重要的信息特征等。
具体地,作为示例,在识别子段的基础上,可以取三个子段,包括三段线条,可以形成多种不同的组合信号曲线,例如信号类型为上升-水平-下降曲线等。每条折线可以通过基元特征值进行组合得到曲线的基本特征值,通过对基本特征值和预设临界值的比较来判断是否进行粘结报警。其中每条折线都可以作为一个基元,基元特征值可以包括折线的最大上升斜率、起止点数据(最大温度、最小温度)等折线参数。例如设定上升段最大变化率临界值,则可以得到某上升段的最大变化率是否达到;每一段的变化斜率是否已经突破了粘接报警的临界值等。
上述取三个子段形成组合信号曲线只是一个示例性说明,当然也可以取其他数量的子段来形成组合信号曲线,用于根据其中折线的基元特征值,组合后得到组合信号曲线的基本特征值,从而根据对基本特征值和预设临界值的比较来判断是否进行粘结报警。
在上述模式识别的过程中,数据点时序序列、临界参数都可以根据连铸生产设备的运行情况动态调整的,其中N个数据点的选择是根据生产过程设备情况而定,一旦确定,就不需要更改;临界参数的设定也是根据历史数据进行统计分析而确定的,不同设备其设定参数不同,一旦设定,不需更改。
通过模式识别所获得的特征信息包括温度的变化曲线、拐点温度值、变化率、温度变化时间等等。例如,当前的温度变化是上升后温度立即下降,上升时间为10s,下降时间为8s,上升过程的最大变化率为多少,上升绝对值为多少?上升到某个温度点到下降到某个温度点的时间,根据这些时间、温度的相关特征信息可以计算得到的裂口扩散关系等。
如上参照图2描述了根据本发明的连铸生产中的粘结报警方法。图3示出了与图2所示方法所对应的连铸生产中的粘结报警***的逻辑结构示意图。如图3所示,连铸生产中的粘结报警***300包括温度采样单元310、滤波单元320、模式识别单元330和粘结报警单元340。
其中,温度采样单元310,用于通过热电偶对温度信号进行周期采样;滤波单元320,用于对所述温度采样单元所获得的温度信号进行滤波处理,以得到修正的温度值;模式识别单元330,用于在所述滤波单元获得的修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;粘结报警单元340,用于根据所述模式识别单元得到的特征信息进行粘结报警。
此外,所述滤波单元320进一步包括滤波点序列构建单元321、拟合单元322和修正单元323,其中,滤波点序列构建单元321,用于通过所述温度采样单元所获得的温度信号在采样时间点上构成一个时域离散序列,进而根据所述时域离散序列构建滤波点序列;拟合单元322,用于对所述滤波点序列进行拟合,以得到预测温度值;修正单元323,用于利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值。
如上参照图2和图3以示例的方式描述根据本发明的连铸生产中的粘结报警方法和***。但是,本领域技术人员应当理解,上述表述只是对本发明的示例性说明,而并不能理解为是对本发明的限制,对于上述本发明所提出的连铸生产中的粘结报警方法和***,还可以在不脱离本发明内容的基础上做出各种变通和改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (3)
1.一种连铸生产中的粘结报警方法,包括:
通过热电偶对温度信号进行周期采样;
通过所述周期采样所获得的温度信号在采样时间点上构成一个时域离散序列;
根据所述时域离散序列构建滤波点序列;
对所述滤波点序列进行拟合,以得到预测温度值;
利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值;
在所述修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;
根据所述特征信息进行粘结报警;其中,
在每个采样周期都对当前的采样值进行获得预测温度值的处理;所述模式识别基于单个热电偶温度变化的模式、通过对单个热电偶在一个时间区间内每个时间点的修正的温度值所构成的时序序列的分析实现;在所述模式识别过程中,通过一预设临界参数对一个时间区间内修正的温度值数据点形成的时序序列所构成的曲线进行分割,通过对所分割出的子段的识别来获得粘结报警所需要的特征信息;所述特征信息包括:数据点数、最大值、最小值、最大变化率、最小变化率、平均值;所述临界参数是指临界温度值,当温度变化超过此临界温度值时就对曲线进行分割。
2.如权利要求1所述的粘结报警方法,其中,所述分割出的子段为水平线、上升曲线以及下降曲线中之一或组合。
3.一种连铸生产中的粘结报警***,包括:
温度采样单元,用于通过热电偶对温度信号进行周期采样;
滤波单元,用于对所述温度采样单元所获得的温度信号进行滤波处理,以得到修正的温度值;
模式识别单元,用于在所述滤波单元获得的修正的温度值的基础上进行模式识别,以得到粘结报警所需要的特征信息;
粘结报警单元,用于根据所述模式识别单元得到的特征信息进行粘结报警;
其中,所述滤波单元进一步包括:
滤波点序列构建单元,用于通过所述温度采样单元所获得的温度信号在采样时间点上构成一个时域离散序列,进而根据所述时域离散序列构建滤波点序列;
拟合单元,用于对所述滤波点序列进行拟合,以得到预测温度值;
修正单元,用于利用所述预测温度值修正原始序列中的当前采样数据以完成对采样温度的滤波,以得到修正的温度值;其中,
在每个采样周期都对当前的采样值进行获得预测温度值的处理;所述模式识别基于单个热电偶温度变化的模式、通过对单个热电偶在一个时间区间内每个时间点的修正的温度值所构成的时序序列的分析实现;在所述模式识别过程中,通过一预设临界参数对一个时间区间内修正的温度值数据点形成的时序序列所构成的曲线进行分割,通过对所分割出的子段的识别来获得粘结报警所需要的特征信息;所述特征信息包括:数据点数、最大值、最小值、最大变化率、最小变化率、平均值;所述临界参数是指临界温度值,当温度变化超过此临界温度值时就对曲线进行分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106143848A CN102151814B (zh) | 2010-12-30 | 2010-12-30 | 连铸生产中的粘结报警方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106143848A CN102151814B (zh) | 2010-12-30 | 2010-12-30 | 连铸生产中的粘结报警方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102151814A CN102151814A (zh) | 2011-08-17 |
CN102151814B true CN102151814B (zh) | 2012-11-28 |
Family
ID=44433676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106143848A Active CN102151814B (zh) | 2010-12-30 | 2010-12-30 | 连铸生产中的粘结报警方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102151814B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103639385B (zh) * | 2013-12-05 | 2015-09-09 | 中冶连铸技术工程股份有限公司 | 基于最小二乘的漏钢预报方法及*** |
CN103878335B (zh) * | 2014-02-10 | 2015-11-04 | 河北钢铁股份有限公司邯郸分公司 | 一种预防连铸机结晶器黏结性漏钢的方法 |
CN106980729B (zh) * | 2015-07-24 | 2018-08-17 | 安徽工业大学 | 一种基于混合模型的连铸漏钢预报方法 |
CN110523940A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 基于特征区域的结晶器粘结预警方法及*** |
CN110523968B (zh) * | 2019-08-06 | 2021-07-27 | 北京数钰科技发展有限公司 | 粘结漏钢的预警判断方法及预警判断装置 |
CN113369451B (zh) * | 2020-03-10 | 2022-11-29 | 中冶京诚工程技术有限公司 | 连铸生产中的漏钢自动监测方法及装置 |
CN111496211B (zh) * | 2020-04-28 | 2021-08-06 | 中冶南方连铸技术工程有限责任公司 | 跟踪识别铸坯表面粘结点的方法 |
CN114664000B (zh) * | 2021-12-30 | 2024-01-19 | 白居冰 | 识别结晶器粘结脱模的方法及电子装置 |
CN115090845B (zh) * | 2022-05-19 | 2023-08-25 | 马鞍山钢铁股份有限公司 | 一种低成本快速识别包晶钢中氢含量的方法及浇铸方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3204460A (en) * | 1962-08-13 | 1965-09-07 | United States Steel Corp | System for indicating the liquid level in a continuous-casting mold or the like |
JP2003245761A (ja) * | 2002-02-27 | 2003-09-02 | Kobe Steel Ltd | 連続鋳造機における鋳型内湯面レベル制御方法 |
CN1555945A (zh) * | 2003-12-30 | 2004-12-22 | 北京金自天正智能控制股份有限公司 | 一种连铸漏钢检测仪 |
CN101332499A (zh) * | 2007-06-28 | 2008-12-31 | 上海梅山钢铁股份有限公司 | 一种板坯连铸漏钢预报控制方法 |
CN101477374A (zh) * | 2009-01-20 | 2009-07-08 | 东北大学 | 基于模糊神经网络的连铸漏钢时序空间组合诊断预报方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3039369B2 (ja) * | 1996-04-24 | 2000-05-08 | 住友金属工業株式会社 | Ni含有鋼の製造方法 |
-
2010
- 2010-12-30 CN CN2010106143848A patent/CN102151814B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3204460A (en) * | 1962-08-13 | 1965-09-07 | United States Steel Corp | System for indicating the liquid level in a continuous-casting mold or the like |
JP2003245761A (ja) * | 2002-02-27 | 2003-09-02 | Kobe Steel Ltd | 連続鋳造機における鋳型内湯面レベル制御方法 |
CN1555945A (zh) * | 2003-12-30 | 2004-12-22 | 北京金自天正智能控制股份有限公司 | 一种连铸漏钢检测仪 |
CN101332499A (zh) * | 2007-06-28 | 2008-12-31 | 上海梅山钢铁股份有限公司 | 一种板坯连铸漏钢预报控制方法 |
CN101477374A (zh) * | 2009-01-20 | 2009-07-08 | 东北大学 | 基于模糊神经网络的连铸漏钢时序空间组合诊断预报方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102151814A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102151814B (zh) | 连铸生产中的粘结报警方法和*** | |
CN102699302B (zh) | 一种板坯连铸结晶器漏钢预报***及其预报方法 | |
KR101275035B1 (ko) | 연속 주조에서 길이방향 크랙의 발생을 예측하기 위한 방법 | |
CN106413942B (zh) | 连续铸造的铸造状态的判定方法、装置以及程序 | |
US20210048402A1 (en) | Prediction method for mold breakout based on feature vectors and hierarchical clustering | |
CN111259307B (zh) | 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法 | |
CN108705058B (zh) | 一种基于K-Means聚类预报结晶器漏钢的方法 | |
CN103639385A (zh) | 基于最小二乘的漏钢预报方法及*** | |
JP5716333B2 (ja) | 鋳片表層品質予測方法および鋳片表層品質予測装置 | |
JP2001239353A (ja) | 連続鋳造における鋳型内鋳造異常検出方法 | |
KR101257261B1 (ko) | 탕면 레벨을 이용한 주편 품질 평가방법 | |
JP2009241150A (ja) | 鋳型内の湯面定在波変動検出方法、湯面定在波制御方法、湯面レベル制御方法および連続鋳造方法 | |
JP7115240B2 (ja) | 連続鋳造におけるブレークアウト予知方法 | |
CN113369451B (zh) | 连铸生产中的漏钢自动监测方法及装置 | |
JP2000317595A (ja) | 連続鋳造鋳片の表面疵予知方法 | |
JP3617423B2 (ja) | 拘束性ブレークアウトの推定方法 | |
JP6119807B2 (ja) | 連続鋳造スラブの表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼鋳片の製造方法 | |
JP6358199B2 (ja) | 連続鋳造スラブの表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼鋳片の製造方法 | |
JP5375622B2 (ja) | 連続鋳造のブレークアウト予知方法 | |
CN114618999B (zh) | 连铸坯振痕测量方法及装置 | |
De Toledo et al. | Abnormal transient phenomena in the continuous casting process: Part 1 | |
JPH10277716A (ja) | 連続鋳造における凝固シェル厚測定方法およびその装置 | |
CN118321519A (zh) | 一种结晶器粘结漏钢预报方法、装置、电子设备及介质 | |
CN111047095A (zh) | 一种机电设备运行中分析确定高能耗设备的方法 | |
JP5742692B2 (ja) | 連続鋳造におけるブレークアウトの検知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |