CN114781110B - 一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** - Google Patents
一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** Download PDFInfo
- Publication number
- CN114781110B CN114781110B CN202210178234.XA CN202210178234A CN114781110B CN 114781110 B CN114781110 B CN 114781110B CN 202210178234 A CN202210178234 A CN 202210178234A CN 114781110 B CN114781110 B CN 114781110B
- Authority
- CN
- China
- Prior art keywords
- skin
- defect
- lifting
- production
- heat
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000007405 data analysis Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 123
- 230000008569 process Effects 0.000 claims description 72
- 238000005266 casting Methods 0.000 claims description 39
- 229910000831 Steel Inorganic materials 0.000 claims description 27
- 239000010959 steel Substances 0.000 claims description 27
- 239000007788 liquid Substances 0.000 claims description 20
- 238000009749 continuous casting Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 238000007664 blowing Methods 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000009489 vacuum treatment Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003723 Smelting Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- 238000010079 rubber tapping Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects 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
- 238000011112 process operation Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于数据分析的热轧卷板翘皮缺陷追溯方法及***，涉及热轧卷板生产技术领域，本发明通过收集并获得指定历史时段内生产热轧卷板的历史生产数据信息，并针对预设指定历史时段划分为各个生产子时段，分别针对各个生产子时段，获得生产热轧卷板过程中发生的翘皮缺陷，根据发生翘皮缺陷的生产数据信息，得到不同翘皮缺陷对应的缺陷类型，进一步得到产生翘皮缺陷的影响因素、以及翘皮缺陷的发生位置。通过本发明的技术方案运用车间的实时生产数据，准确可靠地分析出当前产生翘皮缺陷的主要影响工艺参数，定量计算出每一个炉次和每一类炉次对当前翘皮缺陷率的贡献大小，从而有效降低翘皮缺陷率、提高生产产品的总体质量和生产效益。
Description
技术领域
本发明涉及热轧卷板生产技术领域，具体而言涉及一种基于数据分析的热轧卷板翘皮缺陷追溯方法及***。
背景技术
翘皮缺陷是热轧卷板产品常见的一种表面质量缺陷。针对该缺陷的产品质量检测、缺陷产品处理、以及缺陷产品处理带来的对生产组织调度的干扰等给车间生产带来高昂的成本。由于导致该缺陷的直接和间接因素较多，牵涉的工艺流程较长，对特定的车间生产工艺难以确定导致翘皮缺陷的具体工艺环节和对应的工艺参数，给有效压降翘皮缺陷率带来较大的困难。
目前，针对特定车间的具体生产工艺流程，在判断造成翘皮缺陷的确切原因方面没有一个有效的方法，车间工艺员常常只能凭经验估计猜测可能的原因，但由于该类缺陷出现的随机性和生产过程的连续性，对于局部操作工艺的改变，难以得到可靠的定量结果反馈；常规的工艺数据分析方法在数据量的大小和***性上、在分析的动态性上、在产品生产模式的判别上都有诸多的局限。
发明内容
本发明的目的在于提供一种基于数据分析的热轧卷板翘皮缺陷追溯方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于数据分析的热轧卷板翘皮缺陷追溯方法，用于针对生产热轧卷板过程中发生的翘皮缺陷，根据发生翘皮缺陷的生产数据信息，得到不同翘皮缺陷对应的缺陷类型，进一步得到产生翘皮缺陷的影响因素、以及翘皮缺陷的发生位置，收集并获得指定历史时段内生产热轧卷板的历史生产数据信息，并针对预设指定历史时段划分为各个生产子时段，分别针对各个生产子时段，执行以下步骤：
步骤A、基于历史生产数据信息，提取生产子时段中所含各预设指定类型的历史工艺数据集，并对所提取的历史工艺数据集进行预处理，基于预处理后的历史工艺数据集，结合生产阶段与生产炉次的预设对应关系，确定该生产子时段所对应的生产阶段，随后进入步骤B；
步骤B、分别针对各个生产阶段，基于步骤A中所获该生产子时段对应的生产阶段，提取所对应历史工艺数据集的各预设特征值，构成历史工艺数据集中各预设特征值所对应的特征向量值，并结合该生产阶段所对应历史工艺数据集所对应的各特征向量值，获得产生翘皮缺陷的生产炉次集合，进一步得到该生产阶段发生的各个翘皮缺陷类型，随后进入步骤C；
步骤C、分别针对该生产阶段发生的各个翘皮缺陷类型，基于该翘皮缺陷类型所对应产生翘皮缺陷的生产炉次集合，计算并获得该生产阶段对应的该翘皮缺陷类型对应的翘皮缺陷率，即获得该生产阶段对应的各翘皮缺陷类型分别所对应的各个翘皮缺陷率，随后进入步骤D；
步骤D、分别针对该生产阶段产生的不同类型的翘皮缺陷，根据该生产阶段各翘皮缺陷类型分别所对应的各翘皮缺陷率，确定翘皮缺陷类型对应各翘皮缺陷发生时的浇注炉次，结合不同浇注炉次下的翘皮缺陷所对应历史工艺数据集中的各特征向量值，得到产生翘皮缺陷的影响因素，并结合浇注炉次确定翘皮缺陷的发生位置。
进一步地，前述的步骤A中对各预设指定类型的历史工艺数据集进行预处理，提取工艺数据中的完整值，并清除异常值，预设指定类型的历史工艺数据集包括该生产子时段所对应的炉次数据、质量检测数据、参数数据、钢种数据、以及接口数据；
生产阶段包括转炉冶炼阶段、真空处理阶段、以及连铸阶段。
进一步地，前述的步骤B中，基于生产阶段、以及生产阶段与生产炉次的预设对应关系，所述生产炉次包括开浇炉、浸入式水口更换炉、以及正常浇注炉，根据生产炉次的时间戳、以及浇注记录的记录计数值，确定浇注炉次是否为开浇炉；
根据拉坯速度以及浇注的持续时间判断浇注炉次是否为浸入式水口更换炉。
进一步地，在相同浇注炉次下，根据浇注记录的记录数据值，判断浇注炉次是否为开浇炉，当浇注记录的计数值为零，同时时间戳是相同炉号下最早的，为开浇炉；
判断浇注炉次是否为浸入式水口更换炉，当拉坯速度降低至预设阈值，同时浇注的持续时间在预设时间范围内时，确定浇注炉次为浸入式水口更换炉。
进一步地，前述的步骤B中，翘皮缺陷类型包括液面波动缺陷、以及工艺参数量缺陷，其中工艺参数量包括吹氧量、中间包最低钢水温度、以及中间包最小钢水重量。
进一步地，分别针对不同翘皮缺陷类型，当钢水在浇注过程中的液面高度波动大于预设波动阈值时，确定为液面波动缺陷；
分别针对各个工艺参数量分别所对应的翘皮缺陷，基于历史工艺数据集的各预设特征值，计算工艺参数量的平均缺陷值，当平均缺陷值大于预设阈值时，确定为工艺参数量缺陷。
本发明的第二方面提出一种基于数据分析的热轧卷板翘皮缺陷追溯***，包括：
用于提取生产子时段中所含各预设指定类型的历史工艺数据集，并对所提取的历史工艺数据集进行预处理，结合生产阶段与生产炉次的预设对应关系，确定该生产子时段所对应的生产阶段的模块；
用于分别针对各个生产阶段，提取所对应历史工艺数据集的各预设特征值，构成历史工艺数据集中各预设特征值所对应的特征向量值，并结合该生产阶段所对应历史工艺数据集所对应的各特征向量值，获得产生翘皮缺陷的生产炉次集合的模块；
用于获得该生产阶段对应的各翘皮缺陷类型分别所对应的各个翘皮缺陷率的模块；
用于分别针对该生产阶段产生的不同类型的翘皮缺陷，根据该生产阶段各翘皮缺陷类型分别所对应的各翘皮缺陷率，确定翘皮缺陷类型对应各翘皮缺陷发生时的浇注炉次，结合不同浇注炉次下的翘皮缺陷所对应历史工艺数据集中的各特征向量值，得到产生翘皮缺陷的影响因素，并结合浇注炉次确定翘皮缺陷的发生位置的模块。
本发明的第三方面提出一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令在被所述一个或多个计算机执行时执行所述基于数据分析的热轧卷板翘皮缺陷追溯方法。
本发明所述一种基于数据分析的热轧卷板翘皮缺陷追溯方法，采用以上技术方案与现有技术相比，具有以下技术效果：
通过本发明所提供的技术方案，能够运用车间的实时生产数据，准确可靠地分析出当前产生翘皮缺陷的主要影响工艺参数，定量计算出每一个炉次和每一类炉次对当前翘皮缺陷率的贡献大小，从而为现场生产在如何恰当控制结晶器钢水液面高度、浸入式长水口使用寿命、中间包最低钢水温度、中间包最小钢水重量、转炉炼钢出钢温度及RH真空处理吹氧量、以及开浇炉开浇和更换浸入式长水口操作等提供了直接可靠的参考依据，最终达到有效降低翘皮缺陷率、提高生产产品的总体质量和生产效益的目的。
附图说明
图1为本发明示例性实施例的一种热轧卷板翘皮缺陷追溯方法的流程示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本发明中参照附图来描述本发明的各方面，附图中示出了许多说明性实施例。本发明的实施例不局限于附图所示。应当理解，本发明通过上面介绍的多种构思和实施例，以及下面详细描述的构思和实施方式中的任意一种来实现，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
参照图1，一种基于数据分析的热轧卷板翘皮缺陷追溯方法，用于针对生产热轧卷板过程中发生的翘皮缺陷，根据发生翘皮缺陷的生产数据信息，得到不同翘皮缺陷对应的缺陷类型，进一步得到产生翘皮缺陷的影响因素、以及翘皮缺陷的发生位置，收集并获得指定历史时段内生产热轧卷板的历史生产数据信息，该历史生产数据信息来源于数据库所存贮生产过程中实时采集的数据信息，并针对预设指定历史时段划分为各个生产子时段，分别针对各个生产子时段，执行以下步骤：
步骤A、基于历史生产数据信息，提取生产子时段中所含各预设指定类型的历史工艺数据集，并对所提取的历史工艺数据集进行预处理，提取工艺数据中的完整值，并清除异常值，预设指定类型的历史工艺数据集包括该生产子时段所对应的炉次数据、质量检测数据、参数数据、钢种数据、以及接口数据，基于预处理后的历史工艺数据集，结合生产阶段与生产炉次的预设对应关系，确定该生产子时段所对应的生产阶段，生产阶段包括转炉冶炼阶段、真空处理阶段、以及连铸阶段，随后进入步骤B。
步骤B、分别针对各个生产阶段，基于步骤A中所获该生产子时段对应的生产阶段，生产炉次包括开浇炉、浸入式水口更换炉、以及正常浇注炉，根据生产炉次的时间戳、以及浇注记录的记录计数值，确定浇注炉次是否为开浇炉；
根据拉坯速度以及浇注的持续时间判断浇注炉次是否为浸入式水口更换炉；
在相同浇注炉次下，根据浇注记录的记录数据值，判断浇注炉次是否为开浇炉，当浇注记录的计数值为零，同时时间戳是相同炉号下最早的，为开浇炉；
判断浇注炉次是否为浸入式水口更换炉，当拉坯速度降低至预设阈值，同时浇注的持续时间在预设时间范围内时，确定浇注炉次为浸入式水口更换炉；
提取所对应历史工艺数据集的各预设特征值，构成历史工艺数据集中各预设特征值所对应的特征向量值，并结合该生产阶段所对应历史工艺数据集所对应的各特征向量值，获得产生翘皮缺陷的生产炉次集合，进一步得到该生产阶段发生的各个翘皮缺陷类型，翘皮缺陷类型包括液面波动缺陷、以及工艺参数量缺陷，其中工艺参数量包括吹氧量、中间包最低钢水温度、以及中间包最小钢水重量，随后进入步骤C。
步骤C、分别针对该生产阶段发生的各个翘皮缺陷类型，基于该翘皮缺陷类型所对应产生翘皮缺陷的生产炉次集合，计算并获得该生产阶段对应的该翘皮缺陷类型对应的翘皮缺陷率，即获得该生产阶段对应的各翘皮缺陷类型分别所对应的各个翘皮缺陷率；
分别针对不同翘皮缺陷类型，当钢水在浇注过程中的液面高度波动大于预设波动阈值时，确定为液面波动缺陷，当两个相邻时间点间液面高度波动大于3毫米时，被认为结晶器内钢水液面波动过大，作为对一整包钢水浇注过程的结晶器液面波动水平的表征，当其数值高于阈值2时，被认为整包钢水浇注过程中结晶器液面波动过大；
分别针对各个工艺参数量分别所对应的翘皮缺陷，基于历史工艺数据集的各预设特征值，计算工艺参数量的平均缺陷值，当平均缺陷值大于预设阈值时，确定为工艺参数量缺陷，随后进入步骤D。
步骤D、分别针对该生产阶段产生的不同类型的翘皮缺陷，根据该生产阶段各翘皮缺陷类型分别所对应的各翘皮缺陷率，确定翘皮缺陷类型对应各翘皮缺陷发生时的浇注炉次，结合不同浇注炉次下的翘皮缺陷所对应历史工艺数据集中的各特征向量值，得到产生翘皮缺陷的影响因素，并结合浇注炉次确定翘皮缺陷的发生位置。
实施例
根据本发明具体实施方式所提供的实施例，本发明通过钢水连铸开浇炉次的自动判定、钢水连铸水口更换炉次的自动判定、结晶器液面高度波动水平的表征和计算、中间包浇注温度的确定计算、最小中间包钢水重量的计算、三类浇注模式炉次计算和翘皮缺陷贡献率计算、单个工艺参数影响计算，输出并获得在各个生产子时段中的综合平均翘皮缺陷率、不同浇注模式的翘皮缺陷率、换水口导致的翘皮缺陷率贡献值及炉号清单、结晶器液面高度波动过大导致的翘皮缺陷率贡献值及炉号清单、钢水真空处理吹氧量过大导致的翘皮缺陷率贡献值及炉号清单、浇注温度过低造成的翘皮缺陷率贡献值及炉号清单、中间包钢水液面过低造成的翘皮缺陷炉号清单。
在本发明的具体应用中，按照上述追溯方法，基于具体生产车间的数据确定出了如下导致翘皮缺陷的因数：转炉出钢温度偏低、真空处理过程吹氧量过大、连铸中间包钢水重量过低、中间包钢水温度过低。给出相应的改善方法为：适当升高转炉出钢温度(+8℃)、真空处理过程吹氧量适当降低(-15％)、连铸中间包钢水重量最小值限定适当提高(+5吨)、连铸中间包钢水温度最低值限定值适当提高(+6℃)。
按上述的生产工艺改进措施，产品中出现的翘皮缺陷率逐月降低，由最初的平均2.20％降低到后来的0.95％，并且输出结果从不同维度给出了不同工艺单元、不同工艺参数、不同浇注模式等对翘皮缺陷影响的大小及定量数值，从而为生产过程中如何具有针对性地改进工艺操作提供了明确的参考和优化改进方向。相关数据如下表1所示：
表1翘皮缺陷率
| 月份序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 翘皮缺陷率 | 2.20％ | 1.60％ | 1.50％ | 1.20％ | 0.90％ | 1.17％ | 0.82％ | 1.06％ | 0.95％ |
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (8)
1.一种基于数据分析的热轧卷板翘皮缺陷追溯方法，用于针对生产热轧卷板过程中发生的翘皮缺陷，根据发生翘皮缺陷的生产数据信息，得到不同翘皮缺陷对应的缺陷类型，进一步得到产生翘皮缺陷的影响因素、以及翘皮缺陷的发生位置，其特征在于，收集并获得指定历史时段内生产热轧卷板的历史生产数据信息，并针对预设指定历史时段划分为各个生产子时段，分别针对各个生产子时段，执行以下步骤：
步骤A、基于历史生产数据信息，提取生产子时段中所含各预设指定类型的历史工艺数据集，并对所提取的历史工艺数据集进行预处理，基于预处理后的历史工艺数据集，结合生产阶段与生产炉次的预设对应关系，确定该生产子时段所对应的生产阶段，随后进入步骤B；
步骤B、分别针对各个生产阶段，基于步骤A中所获该生产子时段对应的生产阶段，提取所对应历史工艺数据集的各预设特征值，构成历史工艺数据集中各预设特征值所对应的特征向量值，并结合该生产阶段所对应历史工艺数据集所对应的各特征向量值，获得产生翘皮缺陷的生产炉次集合，进一步得到该生产阶段发生的各个翘皮缺陷类型，随后进入步骤C；
步骤C、分别针对该生产阶段发生的各个翘皮缺陷类型，基于该翘皮缺陷类型所对应产生翘皮缺陷的生产炉次集合，计算并获得该生产阶段对应的该翘皮缺陷类型对应的翘皮缺陷率，即获得该生产阶段对应的各翘皮缺陷类型分别所对应的各个翘皮缺陷率，随后进入步骤D；
步骤D、分别针对该生产阶段产生的不同类型的翘皮缺陷，根据该生产阶段各翘皮缺陷类型分别所对应的各翘皮缺陷率，确定翘皮缺陷类型对应各翘皮缺陷发生时的浇注炉次，结合不同浇注炉次下的翘皮缺陷所对应历史工艺数据集中的各特征向量值，得到产生翘皮缺陷的影响因素，并结合浇注炉次确定翘皮缺陷的发生位置。
2.根据权利要求1所述的一种基于数据分析的热轧卷板翘皮缺陷追溯方法，其特征在于，步骤A中对各预设指定类型的历史工艺数据集进行预处理，提取工艺数据中的完整值，并清除异常值，预设指定类型的历史工艺数据集包括该生产子时段所对应的炉次数据、质量检测数据、参数数据、钢种数据、以及接口数据；
生产阶段包括转炉冶炼阶段、真空处理阶段、以及连铸阶段。
3.根据权利要求2所述的一种基于数据分析的热轧卷板翘皮缺陷追溯方法，其特征在于，所述步骤B中，基于生产阶段、以及生产阶段与生产炉次的预设对应关系，所述生产炉次包括开浇炉、浸入式水口更换炉、以及正常浇注炉，根据生产炉次的时间戳、以及浇注记录的记录计数值，确定浇注炉次是否为开浇炉；
根据拉坯速度以及浇注的持续时间判断浇注炉次是否为浸入式水口更换炉。
4.根据权利要求3所述的一种基于数据分析的热轧卷板翘皮缺陷追溯方法，其特征在于，在相同浇注炉次下，根据浇注记录的记录数据值，判断浇注炉次是否为开浇炉，当浇注记录的计数值为零，同时时间戳是相同炉号下最早的，为开浇炉；
判断浇注炉次是否为浸入式水口更换炉，当拉坯速度降低至预设阈值，同时浇注的持续时间在预设时间范围内时，确定浇注炉次为浸入式水口更换炉。
5.根据权利要求1所述的一种基于数据分析的热轧卷板翘皮缺陷追溯方法，其特征在于，所述步骤B中，翘皮缺陷类型包括液面波动缺陷、以及工艺参数量缺陷，其中工艺参数量包括吹氧量、中间包最低钢水温度、以及中间包最小钢水重量。
6.根据权利要求5所述的一种基于数据分析的热轧卷板翘皮缺陷追溯方法，其特征在于，分别针对不同翘皮缺陷类型，当钢水在浇注过程中的液面高度波动大于预设波动阈值时，确定为液面波动缺陷；
分别针对各个工艺参数量分别所对应的翘皮缺陷，基于历史工艺数据集的各预设特征值，计算工艺参数量的平均缺陷值，当平均缺陷值大于预设阈值时，确定为工艺参数量缺陷。
7.一种基于数据分析的热轧卷板翘皮缺陷追溯***，其特征在于，包括：
用于提取生产子时段中所含各预设指定类型的历史工艺数据集，并对所提取的历史工艺数据集进行预处理，结合生产阶段与生产炉次的预设对应关系，确定该生产子时段所对应的生产阶段的模块；
用于分别针对各个生产阶段，提取所对应历史工艺数据集的各预设特征值，构成历史工艺数据集中各预设特征值所对应的特征向量值，并结合该生产阶段所对应历史工艺数据集所对应的各特征向量值，获得产生翘皮缺陷的生产炉次集合的模块；
用于获得该生产阶段对应的各翘皮缺陷类型分别所对应的各个翘皮缺陷率的模块；
用于分别针对该生产阶段产生的不同类型的翘皮缺陷，根据该生产阶段各翘皮缺陷类型分别所对应的各翘皮缺陷率，确定翘皮缺陷类型对应各翘皮缺陷发生时的浇注炉次，结合不同浇注炉次下的翘皮缺陷所对应历史工艺数据集中的各特征向量值，得到产生翘皮缺陷的影响因素，并结合浇注炉次确定翘皮缺陷的发生位置的模块。
8.一种存储软件的计算机可读取介质，其特征在于，所述软件包括能通过一个或多个计算机执行的指令，所述指令在被所述一个或多个计算机执行时执行如权利要求1-6中任意一项所述基于数据分析的热轧卷板翘皮缺陷追溯方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210178234.XA CN114781110B (zh) | 2022-02-25 | 2022-02-25 | 一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210178234.XA CN114781110B (zh) | 2022-02-25 | 2022-02-25 | 一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114781110A CN114781110A (zh) | 2022-07-22 |
| CN114781110B true CN114781110B (zh) | 2024-04-02 |
Family
ID=82424066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210178234.XA Active CN114781110B (zh) | 2022-02-25 | 2022-02-25 | 一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114781110B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130046711A (ko) * | 2011-10-28 | 2013-05-08 | 현대제철 주식회사 | 열연코일의 에지결함 예측 장치 및 그 방법 |
| CN110000221A (zh) * | 2019-04-09 | 2019-07-12 | 鞍钢股份有限公司 | 一种改善无取向硅钢热轧卷边部线状翘皮缺陷的方法 |
| CN113578976A (zh) * | 2021-07-28 | 2021-11-02 | 北京首钢股份有限公司 | 一种控制边部翘皮的热轧电工钢的生产方法和生产*** |
-
2022
- 2022-02-25 CN CN202210178234.XA patent/CN114781110B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130046711A (ko) * | 2011-10-28 | 2013-05-08 | 현대제철 주식회사 | 열연코일의 에지결함 예측 장치 및 그 방법 |
| CN110000221A (zh) * | 2019-04-09 | 2019-07-12 | 鞍钢股份有限公司 | 一种改善无取向硅钢热轧卷边部线状翘皮缺陷的方法 |
| CN113578976A (zh) * | 2021-07-28 | 2021-11-02 | 北京首钢股份有限公司 | 一种控制边部翘皮的热轧电工钢的生产方法和生产*** |
Non-Patent Citations (1)
| Title |
|---|
| 付小龙 ; .热轧翘皮缺陷连铸工序影响因素及控制措施.技术与市场.2017,(第10期),第138页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114781110A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929355B (zh) | 一种连铸坯裂纹风险预测的方法及其应用 | |
| CN115106499B (zh) | 一种结晶器液面异常波动判别方法及*** | |
| CN114985697B (zh) | 一种结晶器液面波动监测方法及*** | |
| CN112232703A (zh) | 铸坯质量判定方法及*** | |
| CN113343576A (zh) | 基于深度神经网络的钙处理过程中钙的收得率的预测方法 | |
| CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断*** | |
| CN116307289A (zh) | 一种纺织品加工工序参数检测预测方法、***及存储介质 | |
| CN110628981A (zh) | 界定转炉吹炼期发生喷溅的固化经验方法 | |
| CN114781110B (zh) | 一种基于数据分析的热轧卷板翘皮缺陷追溯方法及*** | |
| CN112111618A (zh) | 一种高炉炉料下行均匀性的判断预警方法及*** | |
| CN108941496B (zh) | 炼钢连铸过程质量实时跟踪及控制***及方法 | |
| CN106844831B (zh) | 一种优化if钢冶炼参数降低冷轧夹杂类缺陷的方法 | |
| CN111421119A (zh) | 连铸板坯表面纵裂纹在线预测的方法 | |
| CN113092712B (zh) | 一种高端汽车用外板暴露件铸坯质量评估方法 | |
| CN115094193A (zh) | 一种基于数据挖掘的铁水预处理脱硫智能*** | |
| CN112149966B (zh) | 一种基于炼钢多数据源聚合指导过程质量判定的方法 | |
| CN113578976B (zh) | 一种控制边部翘皮的热轧电工钢的生产方法和生产*** | |
| CN114398785A (zh) | 钢中夹杂物关键冶炼数据处理方法、装置及存储介质 | |
| CN117171936A (zh) | 基于缺陷机理提取结晶器实时特征值的板坯质量预测方法 | |
| CN110586891A (zh) | 一种连铸结晶器液面控制精度的评价方法 | |
| CN115239155A (zh) | 一种薄板带钢冲压开裂的预测方法和装置 | |
| WO2024084824A1 (ja) | 欠陥発生要因推定装置、欠陥発生要因推定方法、欠陥発生要因推定モデルの学習方法、操業条件決定方法および鉄鋼製品の製造方法 | |
| CN113343568B (zh) | 一种水平连续铸造生产工艺优化方法及*** | |
| CN116911167A (zh) | 一种基于工业大数据的板坯探伤合格率预测方法 | |
| CN113112120B (zh) | 一种热轧带钢侧压机的在线精度评价方法 |
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 |