DE4442087A1 - Einrichtung zur Durchbruch-Früherkennung beim Stranggießen - Google Patents
Einrichtung zur Durchbruch-Früherkennung beim StranggießenInfo
- Publication number
- DE4442087A1 DE4442087A1 DE19944442087 DE4442087A DE4442087A1 DE 4442087 A1 DE4442087 A1 DE 4442087A1 DE 19944442087 DE19944442087 DE 19944442087 DE 4442087 A DE4442087 A DE 4442087A DE 4442087 A1 DE4442087 A1 DE 4442087A1
- Authority
- DE
- Germany
- Prior art keywords
- devices
- fuzzy logic
- temperature sensors
- temperature
- fuzzy
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Description
Beim Stranggießen können in der Strangschale während des
Wachstums in der Kokille Stellen auftreten, in denen die
Strangschale nicht erhärtet. Diese Wachstumsfehler führen,
sobald der Strang die Kokille verläßt, zu einem Durchbruch im
Strang, durch den flüssiger Stahl austritt. Die hierdurch
hervorgerufene Beschädigung der Gießanlage erzwingt einen
längeren Anlagenstillstand und verursacht hohe Instandset
zungskosten. Man versucht daher, Wachstumsfehler in der Scha
le vor ihrem Austritt aus der Kokille zu erkennen. Gelingt
dies, so wird die Austrittsgeschwindigkeit so verringert, daß
die potentielle Durchbruchstelle aushärten kann.
Mögliche Durchbruchstellen werden anhand der Oberflächen-Tem
peraturverläufe festgestellt, die durch an der Kokillen-In
nenwand angebrachte Temperatursensoren gemessen werden. Dabei
ist es bekannt, die Temperatursensoren in zwei in Richtung
des Stranges versetzten Ebenen um den Strang herum verteilt
anzuordnen. Wenn eine Fehlstelle in der Strangschale an den
Temperatursensoren vorbeiwandert, steigt die gemessene Tempe
ratur bedingt durch die nicht oder nur schwach ausgebildete
Strangschale, hinter der sich flüssiger Stahl befindet, an,
wobei die erfaßten Temperaturverläufe im Falle eines drohen
den Durchbruches eine charakteristische Form aufweisen.
Um aus den gemessenen Temperaturverläufen mögliche Durchbrü
che vorhersagen zu können, ist es aus Artificial Neural Net
works; T. Kohonen, K. Mäkisara, O. Simula and J. Kangas
(Editors); Elsevier Science Publishers B.V. (North-Holland),
1991, Seiten 835 bis 840, bekannt, den von jedem einzelnen
Temperatursensor erfaßten Temperaturverlauf innerhalb eines
vorgegebenen Zeitintervalls in einer Speichereinrichtung zu
speichern und die so gespeicherten Werte des Temperaturver
laufs einem neuronalen Netzwerk zuzuführen, welches ein Aus
gangssignal in Abhängigkeit davon erzeugt, wie sehr der Tem
peraturverlauf eine für einen drohenden Durchbruch charakte
ristische Form aufweist. Aufgrund der Annahme, daß ein sol
cher charakteristischer Temperaturverlauf bei einer Fehl
stelle in der Strangschale nicht nur an einem, sondern auch
dem jeweils benachbarten Temperatursensor auftritt, werden
nach Ausgleich möglicher Verzögerungen die Ausgangssignale
der jeweils zwei benachbarten Temperatursensoren zugeordneten
neuronalen Netzwerke einem weiteren neuronalen Netzwerk zuge
führt, welches ein Ausgangssignal erzeugt, wenn der für einen
Durchbruch charakteristische Temperaturverlauf von den einan
der benachbarten Temperatursensoren gleichzeitig gemessen
wird.
Aus der JP-A-4 172 160 ist es bekannt, die von den Tempera
tursensoren gemessenen Oberflächentemperaturen des Stranges
einem neuronalen Netzwerk zuzuführen, welches ein Ausgangssi
gnal erzeugt, wenn die räumliche Temperaturverteilung einen
für einen drohenden Durchbruch charakteristische Form auf
weist.
Eine einigermaßen zuverlässige Vorhersage von Durchbrüchen
mittels neuronaler Netzwerke setzt voraus, daß genügend Trai
ningsdaten für das neuronale Netzwerk vorliegen. Dabei ergibt
sich das Problem, daß Trainingsdaten von einer Anlage nicht
ohne weiteres auf eine andere Anlage übertragen werden kön
nen. Hinzu kommt, daß die Entscheidungskriterien, nach denen
die Vorhersage von Durchbrüchen erfolgt, für den Anlagenbe
treiber im wesentlichen unsichtbar sind.
Der Erfindung liegt die Aufgabe zugrunde, eine Einrichtung
zur Durchbruch-Früherkennung anzugeben, die eine sichere, für
den Anlagenbetreiber nachvollziehbare Erkennung möglicher
Durchbrüche gewährleistet.
Gemäß der Erfindung wird die Aufgabe durch die in dem Patent
anspruch 1 angegebene Einrichtung gelöst.
Vorteilhafte Weiterbildungen der erfindungsgemäßen Einrich
tung sind in den Unteransprüchen angegeben.
Die erfindungsgemäße Durchbruch-Früherkennung beruht auf ei
ner Fuzzy-Mustererkennung, die drohende Durchbrüche vorher
sagt. Die Regeln für die Fuzzy-Mustererkennung werden aus dem
Prozeßwissen abgeleitet. Die so erhaltene Basiseinstellung
der Fuzzy-Mustererkennung kann durch ein Optimierungssystem,
so z. B. ein Neuro-Fuzzy-System, oder durch eine direkte Opti
mierung des Fuzzy-Systems durch einen Evolutionsalgorithmus
weiter verbessert bzw. dem Prozeß angepaßt werden.
Zur weiteren Erläuterung der Erfindung wird im folgenden auf
die Figuren der Zeichnung Bezug genommen; im einzelnen zeigen
Fig. 1 ein Beispiel für den von einem Temperatursensor ge
messenen und von einer vorbeiwandernden Fehlstelle in
der Strangschale hervorgerufenen Temperaturverlauf
und
Fig. 2 ein Ausführungsbeispiel für die erfindungsgemäße Ein
richtung in Form eines Blockschaltbildes.
Fig. 1 zeigt den Verlauf der von einem Temperatursensor in der
Kokille gemessenen Temperatur T, wenn beim oberflächlichen
Erstarren des Stranges in der Kokille eine Fehlstelle in der
Strangschale entsteht, die beim Abziehen des Stranges aus der
Kokille an dem Temperatursensor vorbeiwandert. Die dabei ge
messene Temperaturerhöhung ergibt sich aus der im Bereich der
Fehlstelle nicht oder nur schwach ausgebildeten Strangschale,
hinter der sich der flüssige Stahl befindet.
Fig. 2 zeigt die Temperatursensoren 1, die in der Kokille in
zwei Ebenen 2 und 3 um den Strang herum angeordnet sind. Zur
Vereinfachung der Darstellung sind in Fig. 2 die Temperatur
sensoren 1 in zwei den Ebenen 2 und 3 entsprechenden Reihen
dargestellt. Jedem Temperatursensor 1 ist jeweils eine Spei
chereinrichtung 4 nachgeordnet, in der der erfaßte Tempera
turverlauf innerhalb eines vorgegebenen Zeitintervalls von
beispielsweise 10 Sekunden gespeichert wird, so daß die Spei
chereinrichtung 4 immer eine bestimmte Anzahl der aktuellsten
Meßwerte des Temperaturverlaufs enthält. Jeder Speicherein
richtung 4 ist jeweils eine Auswerteeinrichtung 5 nachgeord
net, die für die Erkennung eines Durchbruchs relevante vorge
gebene charakteristische Merkmale des gespeicherten Tempera
turverlaufs extrahiert. Hierzu gehören unter anderem der
maximale Temperaturanstieg innerhalb eines bestimmten Zeitin
tervalls und die maximale Temperaturerhöhung bezüglich des
Temperaturmittelwerts. Die ermittelten charakteristischen
Merkmale werden an mehreren Ausgängen 6 der Auswerteeinrich
tung 5 bereitgestellt und einer Fuzzy-Logik-Verknüpfungsein
richtung 7 zugeführt.
Dabei ist jedem Gebiet 8 mit jeweils vier einander unmittel
bar benachbarten Temperatursensoren 1, d. h. mit zwei neben
einanderliegenden Temperatursensoren 1 in der Ebene 2 und den
dazu nächsten benachbarten Temperatursensoren 1 in der Ebene
3, jeweils eine Fuzzy-Logik-Verknüpfungseinrichtung 7 zuge
ordnet, die als Eingangssignale die charakteristischen Merk
male der von den vier Temperatursensoren 1 in dem jeweiligen
Gebiet 8 erfaßten Temperaturverläufe erhält. Die ausgewählten
Gebiete 8 überlappen einander, so daß die Anzahl der Gebiete
8 und damit der Fuzzy-Logik-Verknüpfungseinrichtungen 7 der
Anzahl der Temperatursensoren 1 in jeder einzelnen Ebene 2
bzw. 3 entspricht.
Da eine Veränderung der Gießgeschwindigkeit eine Änderung der
gemessenen Temperaturverläufe bewirkt, wobei eine Erhöhung
der Geschwindigkeit aufgrund der kürzeren Abkühlzeit auch zu
einer Erhöhung der gemessenen Temperaturen führt, wird mit
einer Einrichtung 9 ein der Gießgeschwindigkeit entsprechen
des Signal erzeugt, dessen Verlauf in einer weiteren Spei
chereinrichtung 10 innerhalb eines vorgegebenen Zeitinter
valls gespeichert wird. Der weiteren Speichereinrichtung 10
ist eine weitere Auswerteeinrichtung 11 nachgeordnet, die für
die Erkennung eines Durchbruchs relevante charakteristische
Merkmale aus dem gespeicherten Geschwindigkeitsverlauf extra
hiert und über unterschiedliche Ausgänge 12 den Fuzzy-Logik-
Verknüpfungseinrichtungen 7 als Eingangssignale zuführt.
Mit der dann vorliegenden Menge von Merkmalen wird in jeder
Fuzzy-Logik-Verknüpfungseinrichtung 7 eine Wahrscheinlichkeit
für einen drohenden Durchbruch im Bereich des zugeordneten
Gebietes 8 ermittelt. Da hierbei eine größere Menge von Ein
gangsgrößen zu verarbeiten ist, besteht jede Fuzzy-Logik-Ver
knüpfungseinrichtung 7 jeweils aus eigenständigen, miteinan
der verknüpften Fuzzy-Teilsystemen, die ihrerseits jeweils
aus einer Einheit zur Fuzzyfizierung, einem Regelwerk und
eine Einheit zur Defuzzyfizierung bestehen. Die Untergliede
rung der Fuzzy-Logik-Verknüpfungseinrichtungen 7 in eigen
ständige Fuzzy-Teilsysteme hat den Vorteil, daß zum einen
eine vollständige und überschaubare Regelbasis erstellt wer
den kann, was bei großen Fuzzy-Systemen nicht ohne weiteres
möglich ist, und daß zum anderen die Realisierung vieler
kleiner Fuzzy-Teilsysteme einfacher als die eines einzigen
großen ist.
Der Ausgangswert jeder einzelnen Fuzzy-Logik-Verknüpfungsein
richtung 7 entspricht der geschätzten Wahrscheinlichkeit für
einen Durchbruch in dem der entsprechenden Fuzzy-Logik-Ver
knüpfungseinrichtung 7 zugeordneten Gebiet 8. Die Ausgangs
werte aller Fuzzy-Verknüpfungseinrichtungen 7 werden in einer
Logikschaltung 13 zu einem Wert A für die Gesamtwahrschein
lichkeit eines Durchbruchs miteinander verknüpft. Die Ver
knüpfung der Einzelwahrscheinlichkeiten ist im einfachsten
Fall so ausgelegt, daß als Ausgangswert A der Maximalwert der
Einzelwahrscheinlichkeiten ausgewählt wird. Für die Auslösung
eines Alarms ist es nämlich ausreichend, wenn eine einzige
geschätzte Wahrscheinlichkeit einen Durchbruch anzeigt. Durch
Einbeziehung von Sonderfällen kann die Vorhersagegenauigkeit
von Durchbrüchen noch weiter verbessert werden. Wenn z. B.
alle Einzelwahrscheinlichkeiten einen Durchbruch anzeigen,
ist es sehr unwahrscheinlich, daß ein solcher auftreten wird,
weil Durchbrüche lokal begrenzt sind und sich nicht über den
gesamten Umfang des Stranges erstrecken. Wenn aus zwei be
nachbarten Gebieten 8 eine erhöhte Wahrscheinlichkeit für ei
nen Durchbruch gemeldet wird, ist die Gesamtwahrscheinlich
keit für einen Durchbruch höher als eine der Einzelwahr
scheinlichkeiten, weil die Ausdehnung einer Fehlstelle in der
Strangschale in der Regel größer ist, als das von jeweils
vier benachbarten Temperatursensoren 1 erfaßte Gebiet 8.
Die aufgrund von Erfahrungswissen über den Gießprozeß vorge
gebene Regelbasis und die Zuordnungs-(Membership-)Funktionen
der Fuzzy-Logik-Verknüpfungseinrichtungen 7 sollen eine si
chere Erkennung möglicher Durchbrüche gewährleisten. Daher
werden die Zuordnungs-Funktionen so gewählt, daß auch in
Zweifelsfällen sicherheitshalber ein Durchbruchalarm ausge
löst wird, auch wenn sich dieser im nachhinein als nicht nö
tig herausstellt. Da solche Fehlalarme in der Regel eine Ver
ringerung der Gießgeschwindigkeit und damit eine Produktions
beeinträchtigung verursachen, sind sie möglichst zu vermei
den. Zu diesem Zweck muß die Erkennungsgenauigkeit der Ein
richtung zur Durchbruch-Früherkennung gesteigert werden.
Dies geschieht mit Hilfe eines Neuro-Fuzzy-Systems 14, mit
dem jede einzelne Fuzzy-Logik-Verknüpfungseinrichtung 7 je
weils über eine Schnittstelle 15 verbunden ist. Zur Vereinfa
chung der Darstellung ist in Fig. 2 lediglich die Verbindung
zu einer der Fuzzy-Logik-Verknüpfungseinrichtungen 7 darge
stellt. Das Neuro-Fuzzy-System 14 enthält eine Einrichtung 16
zur Transformation der Fuzzy-Logik-Verknüpfungseinrichtung 7
in ein neuronales Netzwerk 17. Hierbei werden die Zuordnungs-
Funktionen in die Gewichtsfaktoren der Neuronen des neurona
len Netzwerkes 17 umgewandelt. Anhand einer ausreichenden
Menge von Beispieldatensätzen mit Temperaturverläufen und
Gießgeschwindigkeitsverläufen bei Durchbrüchen und Nicht-
Durchbrüchen, die über eine Eingabe 18 und eine Einrichtung
19 zur Extraktion charakteristischer Merkmale der Beispielda
tensätze vorgegeben werden, wird dann das neuronale Netzwerk
17 trainiert. Die Gewichtsfaktoren der Neuronen und damit
auch indirekt die Zuordnungs-Funktionen werden dadurch im
Sinne einer Verbesserung der Genauigkeit der Durchbruch-Früh
erkennung optimiert. Nach Beendigung der Lernphase wird das
neuronale Netzwerk 17 mittels einer Einrichtung 20 wieder in
eine Fuzzy-Logik-Verknüpfungseinrichtung zurücktransformiert.
Danach hat der Bediener die Möglichkeit, die gelernte neue
Fuzzy-Logik-Verknüpfungseinrichtung mit der alten Fuzzy-Lo
gik-Verknüpfungseinrichtung 7 zu vergleichen, indem er sich
die Zuordnungs-Funktionen ansieht. Dem Bediener obliegt
schließlich die Entscheidung, ob er die gelernte Fuzzy-Logik-
Verknüpfungseinrichtung als aktive Einrichtung 7 übernehmen
möchte oder nicht. Die ursprünglichen Fuzzy-Logik-Verknüp
fungseinrichtungen 7 sind in einem hier nicht gezeigten Da
tenspeicher abgelegt, so daß immer die Möglichkeit besteht,
das ursprüngliche, d. h. in jedem Fall auf der sicheren Seite
arbeitende und serienmäßig vorgegebene Fuzzy-System aus dem
Datenspeicher abzurufen. Dadurch ist sichergestellt, daß im
Falle einer nicht korrekt arbeitenden Fuzzy-Logik jederzeit
wieder die einwandfrei funktionierende originale Fuzzy-Logik
für die Durchbruch-Früherkennung zur Verfügung steht.
Fig. 2 ist lediglich als ein Blockschaltbild zu verstehen,
dessen Schaltungsblöcke die Funktion, nicht aber unbedingt
den schaltungstechnischen Aufbau der erfindungsgemäßen Ein
richtung wiedergeben. Bei der schaltungstechnischen Realisie
rung genügt, wie dies durch die strichpunktierte Umrandung 21
angedeutet ist, für ein Gebiet 8 mit vier Temperatursensoren
1 eine einzige Fuzzy-Logik-Verkriüpfungseinrichtung 7 mit vier
eingangsseitig angeordneten Auswerteeinrichtungen 5, die
schrittweise nacheinander mit den Speichereinrichtungen 4
verbunden werden, wobei bei jedem Schritt die vier Tempera
tursensoren 1 jeweils eines Gebietes 8 über die nachgeordne
ten Speichereinrichtungen 4 mit den vier Auswerteeinrichtun
gen 5 innerhalb der Umrandung 21 verbunden sind. Dementspre
chend werden auch die Ausgangswerte der Fuzzy-Logik-Verknüp
fungseinrichtung 7 nacheinander der Logikschaltung 13 zuge
führt und danach gemeinsam von dieser weiterverarbeitet.
Claims (6)
1. Einrichtung zur Durchbruch-Früherkennung beim Stranggie
ßen mit einer Kokille, in der in zumindest zwei in Richtung
des Stranges versetzten Ebenen (2, 3) Temperatursensoren (1)
um den Strang herum verteilt angeordnet sind, mit den Tempe
ratursensoren (1) individuell nachgeordneten Speicherein
richtungen (4), in denen die erfaßten Temperaturverläufe in
nerhalb eines vorgegebenen Zeitintervalls gespeichert wer
den, mit den Speichereinrichtungen (4) einzeln nachgeordne
ten Auswerteeinrichtungen (5), die vorgegebene charakteri
stische Merkmale der gespeicherten Temperaturverläufe ermit
teln und an unterschiedlichen Ausgängen (6) bereitstellen,
mit Fuzzy-Logik-Verknüpfungseinrichtungen (7), die unter
schiedlichen, einander überlappenden Gebieten (8) mit je
weils mehreren unmittelbar benachbarten Temperatursensoren
(1) zugeordnet und eingangsseitig mit den Ausgängen (6) der
zugehörigen Auswerteeinrichtungen (5) verbunden sind, wobei
jede Verknüpfungseinrichtung (7) einen Ausgangswert für die
Wahrscheinlichkeit eines Durchbruchs in dem zugeordneten Ge
biet (8) erzeugt, und mit einer die Ausgangswerte der Ver
knüpfungseinrichtungen (7) zu einem Wert (A) für die Gesamt
wahrscheinlichkeit eines Durchbruchs verknüpfenden Logik
schaltung (13).
2. Einrichtung nach Anspruch 1,
dadurch gekennzeichnet,
daß die Temperatursensoren (1) in zwei Ebenen (2, 3) ange
ordnet sind, daß jedes Gebiet (8) jeweils zwei benachbarte
Temperatursensoren (1) einer der beiden Ebenen (2, 3) und
die dazu nächsten zwei benachbarten Temperatursensoren (1)
der anderen Ebene umfaßt und daß die einander überlappenden
Gebiete (8) jeweils einen gemeinsamen Temperatursensor (1)
in der einen und der anderen Ebene (2, 3) aufweisen.
3. Einrichtung nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß einer Einrichtung (9) zur Erzeugung eines der Gießge
schwindigkeit entsprechenden Signals eine weitere Speicher
einrichtung (10) nachgeordnet ist, in der der Verlauf der
Gießgeschwindigkeit innerhalb eines vorgegebenen Zeitinter
valls gespeichert wird, und daß der weiteren Speicherein
richtung (10) eine weitere Auswerteeinrichtung (11) nachge
ordnet ist, die vorgegebene charakteristische Merkmale des
gespeicherten Verlaufs der Gießgeschwindigkeit ermittelt und
über unterschiedliche Ausgänge (12) den Fuzzy-Logik-Verknüp
fungseinrichtungen (7) zuführt.
4. Einrichtung nach einem der vorangehenden Ansprüche,
dadurch gekennzeichnet,
daß die Fuzzy-Logik-Verknüpfungseinrichtungen jeweils aus
eigenständigen, miteinander verknüpften Fuzzy-Teilsystemen
mit einer Einheit zur Fuzzyfizierung, einem Regelwerk und
einer Einheit zur Defuzzyfizierung bestehen.
5. Einrichtung nach einem der vorangehenden Ansprüche,
dadurch gekennzeichnet,
daß den Fuzzy-Logik-Verknüpfungseinrichtungen (7) ein Opti
mierungssystem (14) zur Optimierung der Fuzzy-Logik-Verknüp
fungseinrichtungen (7) anhand von Datensätzen mit Tempera
turverläufen und gegebenenfalls Gießgeschwindigkeitsverläu
fen bei Durchbrüchen und Nicht-Durchbrüchen zugeordnet ist.
6. Einrichtung nach Anspruch 5,
dadurch gekennzeichnet,
daß das Optimierungssystem aus einem Neuro-Fuzzy-System (14)
mit Einrichtungen (16, 20) zur Transformation der Verknüp
fungseinrichtung (7) in ein neuronales Netzwerk (17) und zur
Rücktransformation des neuronales Netzwerkes (17) in eine
Fuzzy-Logik-Verknüpfungseinrichtung besteht und daß das neu
ronale Netzwerk (17) anhand von Datensätzen mit Temperatur
verläufen und gegebenenfalls Gießgeschwindigkeitsverläufen
bei Durchbrüchen und Nicht-Durchbrüchen trainierbar ist.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19944442087 DE4442087C2 (de) | 1994-11-25 | 1994-11-25 | Einrichtung zur Durchbruch-Früherkennung beim Stranggießen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19944442087 DE4442087C2 (de) | 1994-11-25 | 1994-11-25 | Einrichtung zur Durchbruch-Früherkennung beim Stranggießen |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4442087A1 true DE4442087A1 (de) | 1996-05-30 |
DE4442087C2 DE4442087C2 (de) | 2003-07-03 |
Family
ID=6534202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19944442087 Expired - Fee Related DE4442087C2 (de) | 1994-11-25 | 1994-11-25 | Einrichtung zur Durchbruch-Früherkennung beim Stranggießen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4442087C2 (de) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19633738A1 (de) * | 1996-08-22 | 1998-02-26 | Siemens Ag | Verfahren und Einrichtung zum Gießen eines Stranges aus flüssigem Material |
WO1998024009A1 (de) * | 1996-11-28 | 1998-06-04 | Siemens Aktiengesellschaft | Verfahren zur parametrierung eines zum vergleich eines messsignals mit einem mustersignal dienenden fuzzy-automaten |
EP0885675A1 (de) * | 1997-06-16 | 1998-12-23 | Sms Schloemann-Siemag Aktiengesellschaft | Verfahren und Vorrichtung zur Durchbruchfrüherkennung beim Stranggiessen von Stahl mit einer oszillierenden Kokille |
DE19807114B4 (de) * | 1998-02-20 | 2006-11-23 | Sms Demag Ag | Verfahren zur Qualitätsüberwachung des Gießvorganges einer Stranggießanlage |
DE19843033B4 (de) * | 1998-09-19 | 2017-11-09 | Sms Group Gmbh | Durchbrucherkennungsverfahren für eine Stranggießkokille |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0389139A2 (de) * | 1989-03-20 | 1990-09-26 | Inland Steel Company | Durchbruch-Feststellung beim Stranggiessen |
-
1994
- 1994-11-25 DE DE19944442087 patent/DE4442087C2/de not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0389139A2 (de) * | 1989-03-20 | 1990-09-26 | Inland Steel Company | Durchbruch-Feststellung beim Stranggiessen |
Non-Patent Citations (5)
Title |
---|
4-237552 A., M-1348,Jan. 5,1993,Vol. 17,No. 2 * |
5-111748 A., M-1469,Aug.26,1993,Vol. 17,No.469 * |
5-269562 A., M-1545,Jan.20,1994,Vol. 18,No. 37 * |
5-57412 A., M-1442,July 9,1993,Vol. 17,No.365 * |
JP Patents Abstracts of Japan: 4-172160 A., M-1319,Oct. 2,1992,Vol. 16,No.474 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19633738A1 (de) * | 1996-08-22 | 1998-02-26 | Siemens Ag | Verfahren und Einrichtung zum Gießen eines Stranges aus flüssigem Material |
US5915456A (en) * | 1996-08-22 | 1999-06-29 | Siemens Aktiengesellschaft | Method and device for casting a strand from liquid metal |
AT408854B (de) * | 1996-08-22 | 2002-03-25 | Siemens Ag | Verfahren und einrichtung zum giessen eines stranges aus flüssigem metall |
DE19633738C2 (de) * | 1996-08-22 | 2002-05-16 | Siemens Ag | Verfahren und Einrichtung zum Gießen eines Stranges aus flüssigem Metall |
DE19633738C5 (de) * | 1996-08-22 | 2006-03-09 | Siemens Ag | Verfahren und Einrichtung zum Gießen eines Stranges aus flüssigem Metall |
WO1998024009A1 (de) * | 1996-11-28 | 1998-06-04 | Siemens Aktiengesellschaft | Verfahren zur parametrierung eines zum vergleich eines messsignals mit einem mustersignal dienenden fuzzy-automaten |
US6345206B1 (en) | 1996-11-28 | 2002-02-05 | Siemens Aktiengesellschaft | Method for configuring a fuzzy automatic-control device which is used for comparing a measurement signal with a pattern signal |
EP0885675A1 (de) * | 1997-06-16 | 1998-12-23 | Sms Schloemann-Siemag Aktiengesellschaft | Verfahren und Vorrichtung zur Durchbruchfrüherkennung beim Stranggiessen von Stahl mit einer oszillierenden Kokille |
DE19725433C1 (de) * | 1997-06-16 | 1999-01-21 | Schloemann Siemag Ag | Verfahren und Vorrichtung zur Durchbruchfrüherkennung beim Stranggießen von Stahl mit einer oszillierenden Kokille |
DE19807114B4 (de) * | 1998-02-20 | 2006-11-23 | Sms Demag Ag | Verfahren zur Qualitätsüberwachung des Gießvorganges einer Stranggießanlage |
DE19843033B4 (de) * | 1998-09-19 | 2017-11-09 | Sms Group Gmbh | Durchbrucherkennungsverfahren für eine Stranggießkokille |
Also Published As
Publication number | Publication date |
---|---|
DE4442087C2 (de) | 2003-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60311739T2 (de) | Verfahren und Online-Überwachungssystem zum Angiessen einer Stranggiessanlage und Verfahren zur Durchbruchfrüherkennung beim Stranggiessen von Stahl | |
DE69921602T2 (de) | Auf einem multivariablen statistischen modell basierendes system zur darstellung des betriebs einer stranggiessanlage und detektion bevorstehender durchbrüche | |
DE102018106808A1 (de) | Zustandsbestimmungsvorrichtung | |
DE68927513T2 (de) | Prozessor für Prozessregelung | |
DE102005022922A1 (de) | Echtzeitsystem und -verfahren zum Überwachen transienter Vorgänge bei einem Stranggießprozess zur Ausbruchsverhinderung | |
DE19604803A1 (de) | Vorrichtung zur Systemzustandsüberwachung | |
EP2291252A1 (de) | Verfahren zur vorhersage der entstehung von längsrissen beim stranggiessen | |
DE102015209476A1 (de) | Systemgrenzen einer automatischen Steuerung | |
DE102018125389A1 (de) | Zustandsbestimmungsvorrichtung | |
DE4008510A1 (de) | Regeleinheit mit optimal-entscheidungsmitteln | |
EP0819033B1 (de) | Einrichtung zur durchbruch-früherkennung beim stranggiessen | |
WO2001061653A1 (de) | Verfahren und vorrichtung zur ermittlung der verbleibenden betriebsdauer eines produktes | |
DE102008021150A1 (de) | Verfahren und Vorrichtung zur Erkennung fehlender Fahreraktivität am Lenkrad | |
WO2014095137A1 (de) | Überwachungsverfahren für eine stranggiesskokille mit aufbau einer datenbank | |
DE102017127098A1 (de) | Gerät und verfahren zum annehmen eines anormalitätsauftretens für teleskopabdeckung | |
DE3302351C2 (de) | Feuermeldesystem und Verfahren zum Betreiben eines Feuermeldesystems | |
DE4442087C2 (de) | Einrichtung zur Durchbruch-Früherkennung beim Stranggießen | |
EP1455976B1 (de) | Maulweitenregelung an segmenten für stranggie anlagen | |
DE2250872B2 (de) | Verfahren und Einrichtung zum elektroerosiven Bearbeiten | |
EP0886845B1 (de) | Verkehrsabhängige steuerung von verkehrs-lichtsignalanlagen mit hilfe von fuzzy-logik | |
EP2108879A1 (de) | Verfahren und Vorrichtung zur Überwachung eines Durchgangs | |
EP0123138B1 (de) | Verfahren und Vorrichtung zum Steuern einer Stranggiessanlage | |
DE69009156T2 (de) | Verfahren zur Bildung einer Überwachungsstreife in Kernkraftanlagen. | |
EP2093093A2 (de) | Verfahren und Vorrichtung zur Erkennung fehlender Fahreraktivität am Lenkrad | |
DE102018006035A1 (de) | Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8110 | Request for examination paragraph 44 | ||
8304 | Grant after examination procedure | ||
8364 | No opposition during term of opposition | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20120601 |