CN109029830A - 一种漏钢检测***及方法 - Google Patents
一种漏钢检测***及方法 Download PDFInfo
- Publication number
- CN109029830A CN109029830A CN201811117115.3A CN201811117115A CN109029830A CN 109029830 A CN109029830 A CN 109029830A CN 201811117115 A CN201811117115 A CN 201811117115A CN 109029830 A CN109029830 A CN 109029830A
- Authority
- CN
- China
- Prior art keywords
- bleed
- crystallizer
- detection
- tracheae
- out detection
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims description 44
- 229910000831 Steel Inorganic materials 0.000 title claims description 41
- 239000010959 steel Substances 0.000 title claims description 41
- 238000012545 processing Methods 0.000 claims abstract description 34
- 239000000835 fiber Substances 0.000 claims description 83
- 230000004927 fusion Effects 0.000 claims description 38
- 238000012360 testing method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 25
- 238000009749 continuous casting Methods 0.000 claims description 20
- 241001269238 Data Species 0.000 claims description 17
- 239000007788 liquid Substances 0.000 claims description 15
- 238000009628 steelmaking Methods 0.000 claims description 8
- 238000002844 melting Methods 0.000 claims description 5
- 230000008018 melting Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000011049 filling Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000004904 shortening Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 60
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 12
- 229910052802 copper Inorganic materials 0.000 description 12
- 239000010949 copper Substances 0.000 description 12
- 125000004122 cyclic group Chemical group 0.000 description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 239000002893 slag Substances 0.000 description 10
- 239000002131 composite material Substances 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000005266 casting Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000004907 flux Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000498 cooling water Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000005499 meniscus Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000011261 inert gas Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000486406 Trachea Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009491 slugging Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Continuous Casting (AREA)
Abstract
本发明提供了一种漏钢检测***及方法,用于在出现漏钢时能及时精确地检测出漏钢进行报警,缩短漏钢发生后的响应时间。所述***包括:漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;处理器,与所述漏钢检测组件连接,用于接收所述漏钢检测组件检测的所述至少两种检测数据,对所述至少两种检测数据进行融合处理,获得融合处理结果,基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
Description
技术领域
本发明涉及轧钢技术领域,尤其涉及一种漏钢检测***及方法。
背景技术
近年来,随着薄板坯连铸技术和高效连铸技术的快速发展,连铸拉速不断提高,往往会造成结晶器内液面波动加大、结晶器保护渣耗量低、化渣不好引起传热不均等问题,最终导致凝固坯壳变薄,结晶器漏钢事故极易发生。结晶器的热监测技术经历了监视结晶器冷却水进出口温升、测量结晶器摩擦力和监测结晶器铜板(管)局部区域的温度或热流的过程,从基础的传热研究、漏钢预防、质量预测再到专家***,数十年来,国内外在这方面的研究非常活跃,结晶器的自动化与智能化水平得到提高。尽管如此,漏钢事故依旧频发,国内某钢厂薄板坯产线主要品种为普通低碳钢,连铸机拉速范围为3.0~4.0m/min,据不完全统计,平均每年漏钢次数在10次左右,而在铸机投产的前三年,平均每月的漏钢次数就已经超过10次,数量十分惊人。
在实际的连铸生产中,现有的漏钢预报技术还存在一定程度的误报和漏报,不能适用于薄铸坯连铸和高效连铸技术发展趋势中对于高拉速的生产节奏。所以,现有技术存在漏钢检测不准确的技术问题。
发明内容
本发明实施例提供了一种漏钢检测***及方法,用于在出现漏钢时能及时精确地检测出漏钢进行报警,缩短漏钢发生后的响应时间,并且,采用自动处理的方式来取代人工主观判断环节,不仅能提高漏钢检测的精度,还能降低连铸主控工人的劳动强度,提高连铸机的自动化与智能化水平。
第一方面,本发明提供了一种漏钢检测***,包括:
漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;
处理器,与所述漏钢检测组件连接,用于接收所述漏钢检测组件检测的所述至少两种检测数据,对所述至少两种检测数据进行融合处理,获得融合处理结果,基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
可选的,所述漏钢检测组件包括第一漏钢检测传感器,所述第一漏钢检测传感器包括气管与气压检测***,所述气管设置在结晶器出口的对应位置处,所述气管内填充预设气体,所述气压检测***用于检测所述气管内气压,所述至少两种检测数据包括所述第一漏钢检测传感器检测到的所述气管内气压。
可选的,所述气管的熔点范围为400℃-1100℃。
可选的,所述漏钢检测组件包括第二漏钢检测传感器,所述第二漏钢检测传感器包括图像采集卡与多个彩色CCD摄像头,其中,所述多个彩色CCD摄像头周向均匀分布在所述结晶器出口处,所述多个彩色CCD摄像头均按照预设时间间隔在炼钢连铸过程持续采集铸坯二维图像,所述图像采集卡将每帧所述铸坯二维图像进行转换和压缩处理后获得待分析图像,所述至少两种检测数据包括所述第二漏钢检测传感器检测到的所述待分析图像。
可选的,所述漏钢检测组件包括第三漏钢检测传感器,所述第三漏钢检测传感器包括M根测温纤维,所述M根测温纤维设置在所述结晶器出口处的足辊上,所述足辊沿轴向方向设置有M个通孔,所述M个通孔中相邻两个通孔环向间隔预设度数,所述M根测温纤维一一对应地设置在所述M个通孔内,所述M根测温纤维用于采集对应设置位置处足辊的温度,所述至少两种检测数据包括所述第三漏钢检测传感器中所述M根测温纤维中每根测温纤维检测到的当前温度,M为大于0的整数。
可选的,每个所述通孔的中心与所述足辊的表面的距离范围为5mm-20mm,每个所述通孔的孔径小于2mm,每根所述测温纤维的直径小于每个所述通孔的孔径。
可选的,所述漏钢检测组件包括生产工艺参数检测模块,所述生产工艺参数检测模块用于检测在炼钢连铸过程中的生产工艺参数,所述至少两种检测数据包括所述生产工艺参数检测模块检测到的所述生产工艺参数。
可选的,所述生产工艺参数包括设置在所述结晶器的预设面上的热电偶温度、结晶器热流密度和所述结晶器中钢水的液面高度中任意一种或多种组合。
可选的,所述处理器具体用于针对每种检测数据确定与该检测数据对应的检测结果,将每类检测数据对应的检测结果进行加权融合,获得融合处理结果。
第二方面,本发明提供了一种漏钢检测方法,应用于前述第一方面实施例中的漏钢检测***,所述方法包括:
获得至少两种检测数据;
对所述至少两种检测数据进行融合处理,获得融合处理结果;
基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
可选的,在确定所述结晶器漏钢时,所述方法还包括:
发送控制指令至停浇***,控制所述停浇设备进行自动停浇操作。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
在本发明实施例的技术方案中,漏钢检测***包括:漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;处理器,与漏钢检测组件连接,用于接收漏钢检测组件检测的至少两种检测数据,对至少两种检测数据进行融合处理,获得融合处理结果,基于融合处理结果,判断结晶器是否漏钢,如果确定结晶器漏钢,输出报警信息。通过在结晶器出口处布置漏钢检测组件,可通过漏钢检测组件检测获得多种类型的检测数据,进而将多源数据加以智能化合成,产生比单一信息源更精确、更完全、更可靠的漏钢判断,使得漏钢检测精度更加准确,提高连铸机的自动化与智能化水平。
附图说明
图1为本申请第一实施例提供的漏钢检测***的结构示意图;
图2a为本申请第一实施例提供的第一漏钢检测传感器中的气管采用环状结构时示意图;
图2b为本申请第一实施例提供的第一漏钢检测传感器中的气管采用组合结构时示意图;
图3为本申请第一实施例提供的结晶器出口位置处的足辊示意图;
图4为本申请第一实施例提供的测温纤维设置在足辊上的示意图;
图5为本申请第一实施例中采用多源数据进行数据融合的示意图;
图6为本申请第二实施例提供的漏钢检测方法的流程图。
具体实施方式
本发明实施例提供了一种漏钢检测***及方法,用于在出现漏钢时能及时精确地检测出漏钢进行报警,缩短漏钢发生后的响应时间。所述***包括:漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;处理器,与所述漏钢检测组件连接,用于接收所述漏钢检测组件检测的所述至少两种检测数据,对所述至少两种检测数据进行融合处理,获得融合处理结果,基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
请参考图1,本发明提供的漏钢检测***,该***包括如下部件:
漏钢检测组件10,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;
处理器20,与漏钢检测组件10连接,用于接收漏钢检测组件10检测的至少两种检测数据,对至少两种检测数据进行融合处理,获得融合处理结果,基于融合处理结果,判断结晶器是否漏钢,如果确定结晶器漏钢,输出报警信息。
具体的,在本实施例中,采用多源检测数据进行融合数据处理,确定是否发生漏钢,多源数据融合方式比单一数据源的漏钢判断方式更加准确。在本实施例中,多个数据源通过漏钢检测组件10检测获得,具体的,漏钢检测组件10包括第一漏钢检测传感器,第一漏钢检测传感器包括气管与气压检测***,气管设置在结晶器出口的对应位置处,气管内填充预设气体,气压检测***用于检测气管内气压,至少两种检测数据包括第一漏钢检测传感器检测到的气管内气压,气管的熔点范围为400℃-1100℃。
具体的,在现有技术中,足辊是连铸机上的一个重要部件,一般设置在结晶器出口区域,其作用主要体现在:(1)引导引锭杆进入结晶器,防止穿引锭杆时引锭头碰坏铜板(管)下口,对结晶器铜板(管)起保护作用;(2)对初出结晶器的薄弱坯壳进行支撑与导向,减少铸坯的变形或漏钢,同时也可减轻铸坯对铜板(管)下口的磨损。足辊表面与铸坯表面直接接触的,所以,气管可以设置在结晶器出口区域的上足辊与下足辊之间。具体的,根据结晶器出口的结构,气管可以采用环状结构或组合结构,气管的形状与结晶器出口形状匹配。
如示意图2a所示,在采用环形结构情况下,结晶器12出口形状为矩形,气管可以设置为环状的矩形结构,气管11的周长与结晶器12出口的周长一致或略大于结晶器12出口的周长即可。气管11内填充了预设气体,气管11内的气压为初始气压。在采用环状结构的气管情况下,气管11内部仅需设置一个气压检测***,用于实时检测气管11内部的气压。
如示意图2b所示,在采用组合结构情况下,结晶器12出口形状为矩形,气管可以设置为组合的矩形状结构,包括4根气管,分别为气管111、气管112、气管113和气管114,气管111、气管112、气管113和气管114组合形成矩形状结构,每根气管的长度大于结晶器12出口对应边的长度,该4根气管加起来的总长度与结晶器12出口的周长一致或略大于结晶器12出口的周长即可。每根气管内填充了预设气体,每根气管内的气压为初始气压。在采用组合结构的气管情况下,每根气管内部均需设置一个气压检测***,用于实时检测该根气管内部的气压。
进一步,在本实施例中,气管内填充的预设气体可以为压缩空气或工业用氮气,当然,还可以是其它惰性气体,在此,本申请不做限制。填充的气压为初始气压,初始气压可根据实际情况进行设定,在此,本申请不做限制。
进一步,在本实施例中,气管的熔点小于结晶器12中钢水的温度,熔点范围为400℃-1100℃,这样,在结晶器12出现漏钢情况下,漏出的钢水能够熔化气管,导致气管内的气体输出,气压下降。进一步,考虑尽量减少对连铸机正常工作的影响,气管的管径范围为8mm-30mm,壁厚范围为0.2mm-0.5mm。考虑到材料的使用成本,气管的材质优选金属铜或金属铝,如果新型的非金属材料或者高分子材料能够有上述范围的熔点,且易于加工成型,也可考虑,在具体实施过程中,气管的具体材质可根据实际情况进行设定,在此,本申请不做限制。
进一步,在图2a和图2b中仅展示了布置一排气管的情况,在实际应用场景中,还可以在结晶器12出口拉坯方向上布置多排气管,气管的设置的排数原则上在结晶器12出口的拉坯方向上布置2排,且在水平方向上,则对称于连铸坯而分布于铸机内弧与外弧两侧。多排气管各自分别设置对应的气压检测***。
进而,第一漏钢检测传感器中的气管和气压检测***设置好以后,气压检测***与处理器20连接,处理器20用于接收气压检测***检测的气管的当前气压,基于当前气压,判断结晶器12是否漏钢,如果确定结晶器12漏钢,输出报警信息。
具体的,在本实施例中,由于气管设置的方式不同,导致处理器20判断结晶器是否漏钢的方式不同,下面分以下两种情况对处理器20判断结晶器是否漏钢的具体实现进行详细介绍。
第一种情况,气管以环状结构设置情况下,气压检测***检测到该气管内的当前气压。由于气管内填充有初始气压的预设气体,在处理器20获得气压检测***检测到气管的当前气压与该初始气压的差值大于预设阈值时,确定该气管被漏出的钢水烧坏,结晶器出现漏钢的情况。进一步,如果设置有多排环状结构的气管,可分别获得每个气压检测***检测的每排环状结构气管的当前气压,如果存在初始气压与当前气压的差值大于预设阈值的当前气压,则可确定结晶器出现漏钢的情况。进一步,每排气管设置对应的编号,对应的,每排气管对应的当前气压对应有该气管对应的编号,在检测到与初始气压的差值大于预设阈值的当前气压,则可通过该当前气压的编号,定位到被钢水烧坏的气管,进而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,预设阈值可根据实际情况进行设定,在此,本申请不做限制。
同理,在本实施例中,气管以环状结构设置情况下,气压检测***检测到该气管内的当前气压。在处理器20获得气压检测***检测到气管的当前气压小于第一预设气压情况下,确定结晶器出现漏钢的情况。进一步,如果设置有多排环状结构的气管,可分别获得气压检测***检测的每排环状结构气管的当前气压,如果存在小于第一预设气压的当前气压,则可确定结晶器出现漏钢的情况。进一步,每排气管设置对应的编号,对应的,每排气管对应的当前气压对应有该气管对应的编号,在检测到小于第一预设气压的当前气压,则可通过该当前气压的编号,定位到被钢水烧坏的气管,进而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,第一预设气压可根据实际情况进行设定,在此,本申请不做限制。
进一步,在本实施例中,气管以环状结构设置情况下,气压检测***检测到该气管内的当前气压。在处理器20获得气压检测***检测到气管的当前气压小于第二预设气压情况下,如果在预设时间范围(例如:3秒、或5秒等)内,检测到该气管的当前气压均小于第二预设气压,则确定结晶器出现漏钢的情况。进一步,如果设置有多排环状结构的气管,可分别获得气压检测***检测的每排环状结构气管的当前气压,如果存在当前气压小于第二预设气压的气管,且在预设时间范围(例如:3秒、或5秒等)内该气管的当前气压均小于第二预设气压,则可确定结晶器出现漏钢的情况。进一步,每排气管设置对应的编号,对应的,每排气管对应的当前气压对应有该气管对应的编号,在检测到在预设时间范围内的当前气压均小于第二预设气压,则可通过该当前气压的编号,定位到被钢水烧坏的气管,进而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,第二预设气压可根据实际情况进行设定,在此,本申请不做限制。为保证漏钢检测***在5s的时间内成功发出漏钢警报,预设时间范围的设定值应控制在4秒以内。
第二种情况,气管以组合结构设置情况下,每个气压检测***检测到每根气管内的当前气压。由于每根气管内填充有初始气压的预设气体,在处理器20获得每个气压检测***检测到每根气管的当前气压后,如果存在该初始气压与当前气压的差值大于预设阈值的气管,确定该气管被漏出的钢水烧坏,确定结晶器出现漏钢的情况。进一步,每根气管设置有对应的编号,可以通过该编号定位到当前气压与该初始气压的差值大于预设阈值的气管,通过定位到的气管快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,预设阈值可根据实际情况进行设定,在此,本申请不做限制。当然,还可以设置多排组合结构的气管,设置方式前述实施例以详细描述,并且,定位被钢水烧坏的气管的方式也在前述实施例中详细介绍,在此,本申请不做赘述。
同理,在本实施例中,气管以组合结构设置情况下,每个气压检测***检测到该气管内的当前气压。在处理器20获得各个气压检测***检测到各个气管的当前气压,如果存在当前气压小于第一预设气压情况下,确定该气管被漏出的钢水烧坏,确定结晶器出现漏钢的情况。进一步,每根气管设置有对应的编号,可以通过该编号定位到当前气压小于第一预设气压的气管,通过定位到的气管快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,第一预设气压可根据实际情况进行设定,在此,本申请不做限制。当然,还可以设置多排组合结构的气管,设置方式前述实施例以详细描述,并且,定位被钢水烧坏的气管的方式也在前述实施例中详细介绍,在此,本申请不做赘述。
进一步,在本实施例中,气管以组合结构设置情况下,每个气压检测***检测到对应气管内的当前气压。在处理器20确定存在气压检测***检测到的当前气压小于第二预设气压情况下,如果在预设时间范围(例如:3秒、或4秒等)内,检测到该气管的当前气压均小于第二预设气压,确定该气管被漏出的钢水烧坏,确定结晶器出现漏钢的情况。进一步,每根气管设置有对应的编号,可以通过该编号定位到在预设时间范围内的当前气压均小于第二预设气压的气管,通过定位到的气管快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,第二预设气压可根据实际情况进行设定,在此,本申请不做限制。为保证漏钢检测***在5s的时间内成功发出漏钢警报,预设时间范围的设定值应控制在4秒以内。当然,还可以设置多排组合结构的气管,设置方式前述实施例以详细描述,并且,定位被钢水烧坏的气管的方式也在前述实施例中详细介绍,在此,本申请不做赘述。
进一步,在本实施例中,漏钢检测组件10包括第二漏钢检测传感器,第二漏钢检测传感器包括图像采集卡与多个彩色CCD摄像头,其中,多个彩色CCD摄像头周向均匀分布在结晶器出口处,多个彩色CCD摄像头均按照预设时间间隔在炼钢连铸过程持续采集铸坯二维图像,图像采集卡将每帧铸坯二维图像进行转换和压缩处理后获得待分析图像,至少两种检测数据包括第二漏钢检测传感器检测到的待分析图像。
具体的,在本实施例中,第二漏钢检测传感器中可包括多个彩色CCD摄像头,可以设置2~10个彩色CCD摄像头安装在距离铸坯0.5-2m处,则这2~10个彩色CCD摄像头周向均匀分布在连铸机结晶器出口处。比如,在铸坯连铸机结晶器出口处的内弧侧、外弧侧、左侧和右侧部位焊接固定架,将4个彩色CCD摄像头对应安装于内弧侧、外弧侧、左侧和右侧上的固定架上,这4个彩色CCD摄像头采用广角镜头,每个彩色CCD摄像头尽量垂直对准铸坯表面,偏离角度≤30°。
彩色CCD摄像头感光范围宽,CCD是由高感光度的半导体材料制成,CCD上有许多排列整齐的光电二极管,能感应光线并将光信号转变成电信号,从而2~10个彩色CCD摄像头按照预设时间间隔从不同的角度实时采集连铸机结晶器出口处连铸坯的铸坯二维图像,持续将采集到的铸坯二维图像实时经图像采集卡进行转换和压缩处理后传输给处理器20。则由处理器20持续接收到铸坯二维图像。在具体实施过程中,预设时间间隔可以根据实际情况设置,比如,为了获得更准确的检测,尽量减小预设时间间隔,达到实时采集铸坯二维图像为佳。
彩色CCD摄像头的镜头进行防水雾和粉尘干扰的处理;在实际炼钢连铸过程中的铸机处于高温高湿的状态,每个彩色CCD摄像头外设置有保护罩,同时设置水冷和空冷等冷却方式降低摄像头元件环境温度,同时在保护罩内喷吹惰性气体进行气封,以减少对彩色CCD摄像头的镜头的污损,使彩色CCD摄像头在恶劣的环境下长期持续工作。
处理器20接收到本帧铸坯二维图像后先进行简单的图像预处理,再进行判定铸坯本体表面的异物面积变化。首先,通过图像分割从本帧铸坯二维图像中提取铸坯本体的轮廓,识别本帧铸坯二维图像中铸坯本体的表面是否存在异物区域,获得第一识别结果。
具体的,由于铸坯本体与其表面上的异物具有不同的灰度值,则使用图像分割提取本帧铸坯二维图像中的铸坯本体,将铸坯本体表面上可能存在的保护渣或氧化铁皮等异物进行圈定,能够将铸坯本体与异物区域区分开,从而识别本帧铸坯二维图像中铸坯本体的表面是否存在异物区域。
具体的,在本帧铸坯二维图像上发现异物就立即对异物区域的边界点进行标示,在具体实施过程中,发现存在异物区域的铸坯二维图像可能为炼钢连铸采集到的任意帧。
进而,在第一识别结果为是时,判断异物区域从本帧铸坯二维图像至下一帧坯二维图像是否增大,获得第一判断结果。
具体的,第一识别结果为表明本帧铸坯二维图像上发现异物时,则记录该异物区域在本帧铸坯二维图像中的像素点个数m,用以表征在本帧铸坯二维图像上异物区域所占面积。接着等待接收下一帧铸坯二维图像,在接收到该下一帧铸坯二维图像时,记录同一异物区域在该下一帧铸坯二维图像中的像素点个数n,用以表征异物区域在该下一帧铸坯二维图像上异物区域所占面积。从而记录了同一异物在相邻两帧铸坯二维图像中分别的面积大小。如果像素点个数n大于像素点个数m,则表明异物区域的面积增大;如果像素点个数n等于像素点个数m,则表明异物区域的面积不变;如果像素点个数n小于像素点个数m,则表明异物区域的面积减小。
举例来讲,假如在第10帧铸坯二维图像上发现异物,则记录该异物区域在第10帧铸坯二维图像中的像素点个数m,接着等待接收第11帧铸坯二维图像,在接收到第11帧铸坯二维图像时,则记录该异物区域在第11帧铸坯二维图像中的像素点个数n。计算出(n-m),判断(n-m)是否大于零。若(n-m)大于零,则异物区域的像素点数量出现增多,表明异物区域的面积增大;若(n-m)等于0,则异物区域的像素点数量没有改变,表明异物区域的面积不变,若(n-m)小于0,则异物区域的像素点数量减少,表明异物区域的面积减小。当然,在具体实施过程中,也可以直接比较像素点个数m与像素点个数n的大小来判定异物区域是增大、减小,还是不变中的哪一种。
在进一步的技术方案中,若第一判断结果表征异物区域增大,则发出异物预警信息。在发出异物预警信息之后依次判断再接收到的每一帧铸坯二维图像中铸坯本体的表面是否存在异物区域,获得第二识别结果;在第二识别结果为否时,表明异物区域在铸坯本体的表面消失,则解除该异物预警信息。
处理器20接收到本帧铸坯二维图像后,处理器20先进行简单的图像预处理后,再进行判定铸坯本体表面上的异物温度变化。判定异物区域内表面温度平均值在预设时长内是否上升,以及判定表面温度平均值是否高于预选温度值。
具体来讲,判定异物区域内表面温度平均值在预设时长内是否上升包括如下步骤一至步骤二:
步骤一:获取异物区域内每个像素点的颜色值,由异物区域内每个像素点的颜色值和亮强度信息转换成为异物区域内每个像素点对应的温度值;再异物区域内所有像素点的温度值进行均值计算得到异物区域的表面温度平均值。
步骤二:判定异物区域内表面温度平均值在预设时长内是否上升,具体实施过程中,预设时长可以为0.01~1s中任一时长值。比如,可以判定异物区域内表面温度平均值在1s内是否上升,又比如,可以判定异物区域内表面温度平均值在1s内是否上升,也可以判定异物区域内表面温度平均值在0.5s内是否上升等等。
具体的,判定异物区域内表面温度平均值是否高于预选温度值至少有两种实施方式:
一种实施方式为:判定表面温度平均值是否高于异物区域外相邻像素点的温度值,如果异物区域内表面温度平均值低于异物区域外相邻像素点的温度值,则确定异物区域为保护渣或氧化铁皮。异物区域外相邻像素点具体所指为与异物区域的边界像素点所相邻的异物区域外的像素点。
另一种实施方式为:判定异物区域内表面温度平均值是否高于图像平均温度值。具体来讲,图像平均温度值经过如下步骤得到:获得本帧铸坯二维图像中每个像素点的颜色值,由本帧铸坯二维图像中每个像素点的颜色值和亮强度信息转换成为本帧铸坯二维图像中每个像素点的温度值,再将本帧铸坯二维图像内所有像素点的温度值进行均值计算得到本帧铸坯二维图像的图像平均温度值。如果异物区域内的表面温度平均值低于图像平均温度值,则确定异物区域为保护渣或氧化铁皮。图像平均温度值还用于大致判断结晶器内的冷却效果和凝固坯壳生长的均衡性。
进而,在第一判断结果为是的同时,表面温度平均值在预设时长内有上升又高于预选温度值,获得对应检测结果,判定为漏钢。
具体来讲,第一判断结果为是的同时,表面温度平均值在预设时长内有上升又高于预选温度值则视为发生漏钢。若确定异物区域为保护渣或氧化铁皮,则确定未漏钢。
下面举例说明:首先,判定异物区域内表面温度平均值是否高于预选温度值,若是,则继续判定异物区域内表面温度平均值在预设时长内是否上升;否则确定异物区域为保护渣或氧化铁皮。接着,若判定表明异物区域内表面温度平均值在预设时长内上升,则判定出现漏钢。
在具体实施过程中,采集的铸坯二维图像还实时地显示在工程计算机的窗口界面,则铸坯本体的形态出现异常(如铸坯的鼓肚情况)可直接由人工观察作为辅助性监视即可。
进一步,可将得到的所有分析结果,异物预警信息及主要工艺参数均实时地显示在工程计算机的窗口界面,以及周期性地储存,方便浇注过程的历史查询与回放。
由于多个彩色CCD摄像头周向均匀分布在连铸机结晶器出口处持续采集铸坯二维图像,填补了在连铸机结晶器出口区域监控的空白,极大地减少了现场工人的劳动强度和危险程度,提高了连铸机设备的在线检测水平。
进一步,在本实施例中,漏钢检测组件10还包括第三漏钢检测传感器,第三漏钢检测传感器包括M根测温纤维,M根测温纤维设置在结晶器出口处的足辊上,足辊沿轴向方向设置有M个通孔,M个通孔中相邻两个通孔环向间隔预设度数,M根测温纤维一一对应地设置在M个通孔内,M根测温纤维用于采集对应设置位置处足辊的温度,至少两种检测数据包括第三漏钢检测传感器中M根测温纤维中每根测温纤维检测到的当前温度,M为大于0的整数。每个通孔的中心与足辊的表面的距离范围为5mm-20mm,每个通孔的孔径小于2mm,每根测温纤维的直径小于每个通孔的孔径。
具体的,在本实施例中,由于足辊表面与铸坯表面直接接触的,所以,第三漏钢检测传感器中的测温纤维可以设置在结晶器出口区域的上足辊和/或下足辊上。当然,测温纤维还可以设置在靠近结晶器出口区域的多排足辊上,设置的排数可以是1-3排,具体设置的排数可根据实际需要进行设定,在此,本申请不做限制。举例来讲,如图3所示,在结晶器12出口处的长边对应位置处分别设置有1排宽口足辊31,在结晶器出口处的宽边对应位置处分别设置有并排设置的4排窄口足辊32。测温纤维可设置在上述宽口足辊31上,并且,测温纤维还可设置在最靠近结晶器的2排窄口足辊32上。
进一步,在每根足辊上,沿轴向方向设置M个通孔,M个通孔沿足辊环向间隔预设度数,具体的,预设度数=360/M度。每根测温纤维设置在每个通孔内。M根测温纤维对应设置在M个通孔内,每个通孔内设置一跟测温纤维。每根测温纤维的长度与足辊长度一致,或略大于足辊长度。足辊设置通孔的改造的目的是为了安装测温纤维,用于监视其表面温度的变化。如图4所示,足辊上沿长度方向设置了4个通孔,相邻两个通孔环向间隔90度。这样,每个通孔内设置测温纤维后,设置4根测温纤维。在具体实施过程中,包含的测温纤维的数量可根据实际需要进行设定,在此,本申请不做限制。比如:测温纤维设定为4根时,相邻两根测温纤维环向间隔90度,测温纤维设定为3根时,相邻两个测温纤维环向间隔120度。由于足辊的转速并不高,通过多根测温纤维可有效减少足辊温度检测的刷新周期。
进一步,在本实施例中,在足辊上开设的每个通孔的中心与足辊的表面的距离范围为5mm-20mm,孔径一般设置在2mm以内,这样,能最大限度的减少设置通孔对足辊的强度和使用性能的影响。每根测温纤维的直径小于每个通孔的孔径。测温纤维的直径为微米级,所以,足辊上的通孔即使很小,测温纤维也能很轻松地安装进去。此外,该测温纤维还具有多测温点的特性,每根测温纤维上对应有N个测温点,该根测温纤维检测到的当前温度包括N个测温点检测到的当前温度,每根测温纤维对应有N个当前温度,在具体实施过程中,N的数值可根据实际需要进行设定,在此,本申请不做限制。
处理器20在获得M根测温纤维中每根测温纤维对应的N个当前温度后,可采用以下几种方式确定结晶器是否漏钢。
第一种方式:处理器20可根据每根测温纤维对应的N个当前温度,采用插值拟合的方式确定出每根测温纤维对应的当前温度分布,基于每根测温纤维对应的当前温度分布,判断结晶器是否漏钢。具体的,由于获得每根测温纤维对应的温度分布,可获得该温度分布中的最高温度,进而根据最高温度来确定结晶器是否漏钢。
具体的,处理器20用于在确定M根测温纤维中存在最高温度与初始温度的差值大于预设阈值的第一测温纤维时,确定结晶器漏钢。
由于每根测温纤维在结晶器正常运行时,均会检测到一个初始温度,在处理器20获得每根测温纤维对应的最高温度后,共计可获得M个最高温度,如果处理器20确定M个最高温度中存在与该初始温度的差值大于预设阈值的最高温度,该最高温度对应第一测温纤维,这样,即可确定结晶器出现漏钢的情况。进一步,每根测温纤维设置对应的编号,对应的,每根测温纤维对应的最高温度也设置有该测温纤维的编号,在检测到最高温度与初始气压的差值大于预设阈值的最高温度,则可通过该最高温度的编号,定位到与该编号一致的具体的测温纤维,进而定位到该测温纤维安装的足辊的位置,从而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,预设阈值可根据实际情况进行设定,在此,本申请不做限制。
进一步,处理器20用于在确定M根测温纤维中存在第二测温纤维时,确定结晶器漏钢,其中,第二测温纤维在预设时间范围内对应的最高温度均大于第一预设温度。
具体的,在本实施例中,在处理器20获得每根测温纤维对应的最高温度后,共计可获得M个最高温度,如果处理器20确定M个最高温度中存在大于第一预设温度的最高温度,该最高温度对应第二测温纤维,如果第二测温纤维的最高温度在如果在预设时间范围(例如:3秒、或5秒等)内均大于第一预设温度,则确定结晶器出现漏钢的情况。进一步,每根测温纤维设置对应的编号,对应的,每根测温纤维对应的最高温度也设置有该测温纤维的编号,在检测在预设时间范围内均大于第一预设温度的最高温度,则可通过该最高温度的编号,定位到与该编号一致的具体的第二测温纤维,进而定位到该第二测温纤维安装的足辊的位置,从而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,第一预设温度可根据实际情况进行设定,在此,本申请不做限制。为保证漏钢检测装置在5s的时间内成功发出漏钢警报,预设时间范围的设定值应控制在4秒以内。
第二种方式:处理器20用于在确定M根测温纤维中存在第三测温纤维时,确定结晶器漏钢,其中,第三测温纤维对应的N个测温点中存在P个测温点对应的当前温度均大于第二预设温度,P为大于0且小于或等于N的整数。
具体的,处理器20在获得M根测温纤维中每根测温纤维对应的N个当前温度后,如果存在第三测温纤维,该第三测温纤维对应的N个测温点中存在P个测温点对应的当前温度均大于第二预设温度,P的数值可设置为1、2、3等数值,在具体实施过程中,P的数值可根据实际需要进行设定,在此,本申请不做限制。进一步,每根测温纤维设置对应的编号,对应的,每根测温纤维对应的N个测温点的当前温度也设置有该测温纤维的编号,在检测到存在P个测温点对应的当前温度均大于第二预设温度,确定该P个测温点对应的当前温度的编号,定位到与该编号一致的具体的第三测温纤维,进而定位到该第三测温纤维安装的足辊的位置,从而快速定位到结晶器出现漏钢的位置,便于工作人员及时抢修维护。在具体实施过程中,预设阈值可根据实际情况进行设定,在此,本申请不做限制。
进一步,在本实施例中,漏钢检测组件10包括生产工艺参数检测模块,生产工艺参数检测模块用于检测在炼钢连铸过程中的生产工艺参数,至少两种检测数据包括生产工艺参数检测模块检测到的生产工艺参数。生产工艺参数包括设置在结晶器的铜板(或铜管)上的热电偶温度、结晶器平均热流密度或结晶器中钢水的液面高度中任意一种或多种组合。
具体的,生产工艺参数检测模块包括两排、三排甚至多排热电偶,用于检测结晶器铜板的温度分布。具体的,铜板中的上下两排热电偶结晶器中典型的温度信号分为正常、表面缺陷、粘结漏钢以及角部漏钢4种模式。
其中,在正常模式中,正常生产过程中,嵌在结晶器铜板中的上下2排热电偶检测到的温度值应是较平直的2条曲线,只有微小的波动。
其中,在表面缺陷模式中,这种模式的产生,是由于保护渣熔化不好或者渣条卷入弯月面,影响了铸坯的表面质量。此外,凝固坯壳若发生纵向裂纹,也会出现这种模式。该模式的温度曲线特征是2排热电偶的温度波形均有一个波谷,波谷的出现可能与结晶器和已凝固坯壳间形成的气隙有关。另外,熔化不好的渣块随坯壳下降,滑移到埋设热电偶的位置,也可能会形成一个波谷。出现这种情况时,常会导致一些表面质量问题。表面纵裂的传播速率大大高于拉坯速度,上下部热电偶几乎同时探测到温度变化,出现此类模式,往往并不会导致漏钢,它只是一种表面缺陷,可并入质量问题中,以便必要时由后续工序对铸坯产品进行处理。
其中,在粘结漏钢模式中,当粘结发生时,撕裂点经过热电偶所处的位置时一般会出现这种温度模式。粘结发生时,铸坯撕裂点不仅沿纵向传播,而粘结漏钢最明显的特征是粘结热点的下降速度低于拉坯速度,坯壳断裂,钢液渗出后会使热电偶所测得的温度大幅上升,并且随着粘结热点(破损点)的下降所测温度会出现一个明显回落,当热点经过下排热电偶时就会出现下排温度超过上排温度的现象。
其中,在角部漏钢模式,角部漏钢模式形成的原因是,在结晶器的角部冷却过强,凝固坯壳收缩使得坯壳与结晶器之间形成缝隙,后续钢水溢过先期形成的弯月面,进入这些缝隙后凝固,导致拉坯阻力增大,出现坯壳下降不畅,在此部位可能形成拉裂。拉裂点经过埋设在结晶器角部的热电偶时,常会出现这种模式的温度信号。这种事故多发生在更换中间包、结晶器液面较低及拉速较低的情况,这时结晶器铜板冷却很好,已凝固的铸坯在角部形成缝隙,此时因拉坯速度变化或其他原因导致结晶器液面波动,后续钢水溢过弯月面时便进入该缝隙。此外,在线调节结晶器宽度时,保护渣进入角部,也会形成这样的缝隙。在角部漏钢以悬挂漏钢为主,典型的悬挂漏钢特征是上排热电偶由于离破损坯壳较近,因此受钢液渗出或是初生坯壳大大减薄影响温度明显上升,下排热电偶处则由于坯壳减薄而出现明显的温度上升,但因钢液未渗出,使得其温度并未超过上排热电偶的测温值。纵裂与粘结漏钢的最主要区别是传播速度,纵裂的传播速度大大高于拉坯速度,夹渣的传播速度与拉坯速度一致,而粘结传播速度通常为正常拉速的50%~80%,这一典型的区别有利于我们判断夹渣、纵裂以及粘结漏钢的产生。
所以,本实施例中的方法,处理器20可以根据设置在铜板上的热电偶的温度曲线,确定是否漏钢,得到一个预测结果。
进一步,生产工艺参数检测模块还包括结晶器平均热流密度,根据热流密度的计算公式,通过检测结晶器冷却水水流量和冷却水进出口温度差来获取。由于在拉速稳定浇铸的情况下,结晶器平均热流密度值处于一个平稳的波动,在出现漏钢时,结晶器热流密度值会出现下降,所以,可以根据结晶器平均热流密度的检测来确定是否漏钢,得到一个漏钢的检测结果。
进一步,生产工艺参数检测模块还包括液面检测传感器,该液面检测传感器设置在结晶器内部,用于检测结晶器内部的钢水的液面高度。由于在正常情况下,结晶器中钢水的液面需要维持在结晶器高度的75%~90%,在出现漏钢时,液面高度会发生急剧下降,所以,可以根据液面高度确定是否漏钢,得到一个漏钢的检测结果。
在具体实施过程中,生产工艺参数不限于上述热电偶温度、平均热流密度值与液面高度,还可以包括其他工艺参数,如结晶器摩擦力,通过摩擦力与振动速度的周期变化情况来评价结晶器与铸坯间的润滑状况,漏钢前结晶器摩擦力波动剧烈、变化不规则,,所以,也可以获得一个漏钢判定子结果。在此本申请不做限制。
本实施例中的判定是否漏钢的源数据仅做示例详细描述了第一漏钢检测传感器检测的气管内气压、第一漏钢检测传感器检测的铸坯二维图像、第三漏钢检测传感器检测到的足辊的温度以及生产工艺参数检测模块的热电偶温度和液面高度,在具体实施过程中,还可以包括其他参数,在此本申请不做限制。
进一步,在处理器20具体用于针对每种检测数据确定与该检测数据对应的检测结果,将每类检测数据对应的检测结果进行加权融合,获得融合处理结果。
数据融合是将多源数据加以智能化合成,产生比单一信息源更精确、更完全、更可靠的估计和判断。由于处理器20会针对每一种检测参数按照对应的规则进行漏钢判定,获得对应的检测结果,在进行数据融合时,将每类检测数据对应的检测结果进行加权融合,获得融合处理结果。沿用上述示例,由图5所示,当***获得的数据包括第一漏钢检测传感器检测的气管内气压、第一漏钢检测传感器检测的铸坯二维图像、第三漏钢检测传感器检测到的足辊的温度以及生产工艺参数检测模块的热电偶温度和液面高度。基于气管内的当前气压,处理器20可按前述对应的判定方式确定结晶器是否漏钢,获得第一检测结果S1。基于铸坯二维图像,处理器20可按前述对应的判定方式确定结晶器是否漏钢,获得第二检测结果S2。基于足辊的温度,处理器20可按前述对应的判定方式确定结晶器是否漏钢,获得第三检测结果S3。基于热电偶温度,处理器20可按前述对应的判定方式确定结晶器是否漏钢,获得第四检测结果S4。基于液面高度,处理器20可按前述对应的判定方式确定结晶器是否漏钢,获得第五检测结果S5。S1~S5的取值有两种,当确定漏钢时,取值为1,当确定没有漏钢时,取值为-1。
每种数据的检测结果对应有各自的权重值,权重值可以是基于该数据检测结果的准确率而预先设定,各种数据对应的检测结果的准确率可以通过实验的方式来动态校核确定。比如:准确率由高至低的顺序是基于当前气压确定的第一检测结果的准确率,基于铸坯二维图像确定的第二检测结果,基于足辊的温度确定的第三检测结果,基于热电偶温度确定的第四检测结果,最后是基于液面高度确定的第五检测结果。第一检测结果的权重值为K1,第二检测结果的权重值为K2,第三检测结果的权重值为K3,第四检测结果的权重值为K4,第五检测结果的权重值为K5,K1>K2>K3>K4>K5,K1+K2+K3+K4+K5=1,这样,获得的融合处理结果即为SUM=K1*S1+K2*S2+K3*S3+K4*S4+K5*S5,当SUM大于0,确定发生漏钢,当SUM小于0,确定没有发生漏钢。
各种数据对应的检测结果的权重值可按实际情况进行调整,比如:第二漏钢检测传感器中的CCD摄像头出现故障,可以将其对应的第二检测结果的权重值调整为0,即不考虑该输入源数据。
当然,上述的加权融合数据处理方式仅为示例展示,在具体实施过程中,还可以通过主成分分析,D-S证据推理等方法对相关多源数据进行融合,以保证漏钢检测的鲁棒性。
进一步,处理器20在通过融合处理结果确定结晶器漏钢时,输出报警信息。具体的,该漏钢检测转***还包括报警***,或者,报警***还可以独立于该漏钢检测***,通过有线或无线方式与处理器20连接,处理器20在确定结晶器漏钢时,向该报警***发送控制指令,控制该报警***输出报警信息。具体的报警***可以是扬声器、语音输出***、声光输出***、具备显示屏和声音输出模块的***等,对应的,报警信息可以是报警铃声、报警语音、报警音乐以及声光信息等。如果报警***包括显示屏,还可以在显示屏上显示报警信息,以及出现问题的气管编号等。在具体实施过程中,报警***以及报警信息均可根据实际需要进行设定,在此,本申请不做限制。
进一步,处理器20还包括一套自动停浇模块程序,当处理器20确定结晶器出现漏钢情况下,自动执行停浇程序,关闭中间包铸流出口通道,同时将连铸机拉速直接降低至零,以减少钢水的漏钢量以及造成连铸机扇形段等各部件的毁坏。
请参见图6,本发明的第二实施例提供了一种漏钢检测方法,应用于前述第一实施例中的漏钢检测***,该方法包括如下步骤:
S601:获得至少两种检测数据;
S602:对所述至少两种检测数据进行融合处理,获得融合处理结果;
S603:基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
进一步,在本实施例中,在确定所述结晶器漏钢时,所述方法还包括:
发送指令至自动停浇控制模块,进行自动停浇操作,关闭中间包铸流出口通道,同时将连铸机拉速直接降低至零。
本实施例中的漏钢检测方法主要应用于前述第一实施例中的漏钢检测***,该***进行漏钢检测的方法已在前述第一实施例中详细介绍,在此,本市实施例不再赘述。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
在本发明实施例的技术方案中,漏钢检测***包括:漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;处理器,与漏钢检测组件连接,用于接收漏钢检测组件检测的至少两种检测数据,对至少两种检测数据进行融合处理,获得融合处理结果,基于融合处理结果,判断结晶器是否漏钢,如果确定结晶器漏钢,输出报警信息。通过在结晶器出口处布置漏钢检测组件,可通过漏钢检测组件检测获得多种类型的检测数据,进而将多源数据加以智能化合成,产生比单一信息源更精确、更完全、更可靠的漏钢判断,使得漏钢检测精度更加准确,提高连铸机的自动化与智能化水平。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种漏钢检测***,其特征在于,包括:
漏钢检测组件,设置在结晶器出口的对应位置处,用于检测获得至少两种检测数据;
处理器,与所述漏钢检测组件连接,用于接收所述漏钢检测组件检测的所述至少两种检测数据,对所述至少两种检测数据进行融合处理,获得融合处理结果,基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
2.如权利要求1所述的***,其特征在于,所述漏钢检测组件包括第一漏钢检测传感器,所述第一漏钢检测传感器包括气管与气压检测***,所述气管设置在结晶器出口的对应位置处,所述气管内填充预设气体,所述气压检测***用于检测所述气管内气压,所述至少两种检测数据包括所述第一漏钢检测传感器检测到的所述气管内气压。
3.如权利要求2所述的***,其特征在于,所述气管的熔点范围为400℃-1100℃。
4.如权利要求1所述的***,其特征在于,所述漏钢检测组件包括第二漏钢检测传感器,所述第二漏钢检测传感器包括图像采集卡与多个彩色CCD摄像头,其中,所述多个彩色CCD摄像头周向均匀分布在所述结晶器出口处,所述多个彩色CCD摄像头均按照预设时间间隔在炼钢连铸过程持续采集铸坯二维图像,所述图像采集卡将每帧所述铸坯二维图像进行转换和压缩处理后获得待分析图像,所述至少两种检测数据包括所述第二漏钢检测传感器检测到的所述待分析图像。
5.如权利要求1所述的***,其特征在于,所述漏钢检测组件包括第三漏钢检测传感器,所述第三漏钢检测传感器包括M根测温纤维,所述M根测温纤维设置在所述结晶器出口处的足辊上,所述足辊沿轴向方向设置有M个通孔,所述M个通孔中相邻两个通孔环向间隔预设度数,所述M根测温纤维一一对应地设置在所述M个通孔内,所述M根测温纤维用于采集对应设置位置处足辊的温度,所述至少两种检测数据包括所述第三漏钢检测传感器中所述M根测温纤维中每根测温纤维检测到的当前温度,M为大于0的整数。
6.如权利要求5所述的***,其特征在于,每个所述通孔的中心与所述足辊的表面的距离范围为5mm-20mm,每个所述通孔的孔径小于2mm,每根所述测温纤维的直径小于每个所述通孔的孔径。
7.如权利要求1所述的***,其特征在于,所述漏钢检测组件包括生产工艺参数检测模块,所述生产工艺参数检测模块用于检测在炼钢连铸过程中的生产工艺参数,所述至少两种检测数据包括所述生产工艺参数检测模块检测到的所述生产工艺参数。
8.如权利要求7所述的***,其特征在于,所述生产工艺参数包括设置在所述结晶器的预设面上的热电偶温度、结晶器热流密度和所述结晶器中钢水的液面高度中任意一种或多种组合。
9.如权利要求1所述的***,其特征在于,所述处理器具体用于针对每种检测数据确定与该检测数据对应的检测结果,将每类检测数据对应的检测结果进行加权融合,获得融合处理结果。
10.一种漏钢检测方法,其特征在于,应用于权利要求1-9中任一权利要求所述的漏钢检测***,所述方法包括:
获得至少两种检测数据;
对所述至少两种检测数据进行融合处理,获得融合处理结果;
基于所述融合处理结果,判断所述结晶器是否漏钢,如果确定所述结晶器漏钢,输出报警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117115.3A CN109029830B (zh) | 2018-09-25 | 2018-09-25 | 一种漏钢检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117115.3A CN109029830B (zh) | 2018-09-25 | 2018-09-25 | 一种漏钢检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109029830A true CN109029830A (zh) | 2018-12-18 |
CN109029830B CN109029830B (zh) | 2020-12-15 |
Family
ID=64617916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811117115.3A Active CN109029830B (zh) | 2018-09-25 | 2018-09-25 | 一种漏钢检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109029830B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109954854A (zh) * | 2019-04-10 | 2019-07-02 | 中冶赛迪工程技术股份有限公司 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
CN115582550A (zh) * | 2022-10-17 | 2023-01-10 | 深圳市深汕特别合作区万泽精密科技有限公司 | 中间包、中间包的漏钢保护***及气雾化制粉装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08276257A (ja) * | 1995-04-03 | 1996-10-22 | Nippon Steel Corp | 連続鋳造のブレ−クアウト検知装置及び鋳造制御方法 |
JPH09108802A (ja) * | 1995-10-20 | 1997-04-28 | Nippon Steel Corp | ブレイクアウト検知方法及びそれを用いた処理方法 |
CN101045255A (zh) * | 2006-03-27 | 2007-10-03 | 宝山钢铁股份有限公司 | 一种连铸漏钢快速响应方法及装置 |
CN102699302A (zh) * | 2012-07-10 | 2012-10-03 | 中冶赛迪电气技术有限公司 | 一种板坯连铸结晶器漏钢预报***及其预报方法 |
JP2013052397A (ja) * | 2011-09-01 | 2013-03-21 | Jfe Steel Corp | 連続鋳造におけるブレークアウト予知方法 |
CN103878335A (zh) * | 2014-02-10 | 2014-06-25 | 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 |
CN105195689A (zh) * | 2015-10-12 | 2015-12-30 | 中冶南方武汉钢铁设计研究院有限公司 | 一种连铸板坯纵裂漏钢检测预报装置及其检测方法 |
CN105562643A (zh) * | 2016-02-03 | 2016-05-11 | 首钢总公司 | 一种结晶器漏钢处理方法 |
CN106914594A (zh) * | 2017-05-04 | 2017-07-04 | 盐城工学院 | 一种板坯连铸漏钢预警*** |
CN107096899A (zh) * | 2017-05-17 | 2017-08-29 | 安徽工业大学 | 一种基于逻辑判断的结晶器漏钢预报*** |
-
2018
- 2018-09-25 CN CN201811117115.3A patent/CN109029830B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08276257A (ja) * | 1995-04-03 | 1996-10-22 | Nippon Steel Corp | 連続鋳造のブレ−クアウト検知装置及び鋳造制御方法 |
JPH09108802A (ja) * | 1995-10-20 | 1997-04-28 | Nippon Steel Corp | ブレイクアウト検知方法及びそれを用いた処理方法 |
CN101045255A (zh) * | 2006-03-27 | 2007-10-03 | 宝山钢铁股份有限公司 | 一种连铸漏钢快速响应方法及装置 |
JP2013052397A (ja) * | 2011-09-01 | 2013-03-21 | Jfe Steel Corp | 連続鋳造におけるブレークアウト予知方法 |
CN102699302A (zh) * | 2012-07-10 | 2012-10-03 | 中冶赛迪电气技术有限公司 | 一种板坯连铸结晶器漏钢预报***及其预报方法 |
CN103878335A (zh) * | 2014-02-10 | 2014-06-25 | 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 |
CN105195689A (zh) * | 2015-10-12 | 2015-12-30 | 中冶南方武汉钢铁设计研究院有限公司 | 一种连铸板坯纵裂漏钢检测预报装置及其检测方法 |
CN105562643A (zh) * | 2016-02-03 | 2016-05-11 | 首钢总公司 | 一种结晶器漏钢处理方法 |
CN106914594A (zh) * | 2017-05-04 | 2017-07-04 | 盐城工学院 | 一种板坯连铸漏钢预警*** |
CN107096899A (zh) * | 2017-05-17 | 2017-08-29 | 安徽工业大学 | 一种基于逻辑判断的结晶器漏钢预报*** |
Non-Patent Citations (1)
Title |
---|
朱薛辉,李玉刚,谢兵: "《基于温度比波形识别的BP神经网络漏钢预报模型》", 《冶金自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109954854A (zh) * | 2019-04-10 | 2019-07-02 | 中冶赛迪工程技术股份有限公司 | 连铸机结晶器漏钢监测方法、装置、存储介质及电子终端 |
CN115582550A (zh) * | 2022-10-17 | 2023-01-10 | 深圳市深汕特别合作区万泽精密科技有限公司 | 中间包、中间包的漏钢保护***及气雾化制粉装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109029830B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10232433B2 (en) | Casting mold and a method for detecting a temperature distribution of molten metal in a casting mold | |
WO2014017714A1 (ko) | 주편 품질 예측 장치 및 그 방법 | |
CA1328341C (en) | Break-out detection in continuous casting | |
BR112021003767A2 (pt) | controle de equipamento para processo de moldagem contínuo de fabricação de aço e análise de estado utilizando medição de vibração a laser, e sistema para seu uso | |
CN109029830A (zh) | 一种漏钢检测***及方法 | |
CN105562643B (zh) | 一种结晶器漏钢处理方法 | |
CN101905293A (zh) | 连铸机二冷区高温铸坯摄像测温***及测温方法 | |
CN109266808A (zh) | 转炉的综合感知方法 | |
CN108469313B (zh) | 基于元胞自动机的结晶器铜板温度异常区域检测方法 | |
Thomas | On-line detection of quality problems in continuous casting of steel | |
CN114441005A (zh) | 一种铁水罐液位智能监测***及方法 | |
CN107790661A (zh) | 一种连铸方坯角部缺陷自动预警***及方法 | |
CN114012053A (zh) | 结晶器浸入式水口结瘤堵塞异常状态的判断方法 | |
CN110918973B (zh) | 一种基于游程的结晶器热像图异常区域标记方法 | |
CN206104837U (zh) | 一种连铸机漏钢检测装置 | |
CN201255635Y (zh) | 基于数字ccd的钢坯侧面形状测量仪 | |
CN104849280A (zh) | 一种连铸板坯表面纵裂纹检测方法 | |
US20030150584A1 (en) | Method and device for early detection of a rupture in a continuous casting plant | |
CN110523968B (zh) | 粘结漏钢的预警判断方法及预警判断装置 | |
CN108907129A (zh) | 一种漏钢检测装置及方法 | |
CN108971445A (zh) | 一种漏钢检测装置及方法 | |
KR20040053504A (ko) | 연주공정 주형직하에서의 용강누출 감시방법 | |
CN110673563A (zh) | 一种高温熔融金属容器监控预警报警***及实施方法 | |
TWI699706B (zh) | 面形影像液面擾動偵測方法 | |
JPH1071453A (ja) | 水平連続鋳造におけるブレークアウト予測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |