• 板坯连铸生产新技术——神经网络和模糊逻辑
  • 发布时间:2018-07-23 17:07 | 作者:采集侠 | 来源:网络整理 | 浏览:
  • 板坯连铸用两项新技术已开发成功并进行了成功测试。这两项新技术为神经网络粘结检测系统和模糊逻辑结晶器内钢液面调节装置。    这两项控制系统均由达涅利自动化公司开发,目的是为了克服传统控制方法的缺陷。    粘结检测   神经网络粘结检测系统是一种防止拉漏的革新方法。其使用比传统粘结检测系统少的多的温度感应器所获取的数据检测钢水凝固外壳和结晶器壁之间的粘结程度,而且,为了降低安装和维修费用,这种新方法可将粘结现象发生的时间和程度考虑在内,以便避免传统系统所显示的大多数错误警报。    全面的在线和离线测试已验证了这种神经网络方法的适用性。特别是这种方法既能保证发生粘结现象时系统受到干扰,而且几乎可以完全消除系统本身所发出的错误警报。与传统系统相比,这种神经网络检测系统具有如下优势:    ——系统可在每个结晶器面上安装一列包括3个感应器的条件下运动,即使在优化模式下,每个面上包括3列:    ——即使感应器受到极大干扰(传统系统中许多错误警报产生的原因),模式识别仍很精确:    ——神经网络系统的培训时间极短;   结晶器内钢液面调节   结晶器内钢液面的稳定性和铸坯质量之间存在关联性已得到普遍认可。传统控制系统如PID控制装置不适合处理动态过程,如随着连铸过程的进行工艺参数发生变化;感应器和调节器的非线性以及外界干扰。    为此,达涅利自动化公司开发出一套模糊逻辑系统,该系统既可作为一名管理员负责对PID控制装置的工作参数进行调谐,又可作为专家诊断系统负责对设备故障实施检测并作出响应。    识别模型通过卡尔曼过滤法可提供结晶器内钢液面的估计值。这计估计值是在采用统计方法最小化误差的基础上计算出来的。    钢液面的测量值来自于电磁或同位素感应器。在钢液面预测值的计算过程中,考虑到了结晶器、中间包和塞棒的物理尺寸、钢液面感应器的区域报告、中间包重量以及铸坯的拉出速度。    识别模型通过辨别水口收缩和塞棒磨损可对塞棒的动态特性作出统计。塞棒特性可给出塞棒位置和钢流速率之间的关系,而且可用于前反馈控制以最大化调节装置的响应速度。    识别模型的另一功能是可作为快速傅立叶变换分析仪,其可对钢水表面上的驻波和其它周期干扰的频率和振幅进行检测,以此对塞棒运动实施控制,从而消除共振。    管理模型检测连铸参数的变化趋势,根据这种变化趋势其可采用最有效的控制方式。    管理模型配备一套模糊逻辑规则,其可对连铸机的运行状况进行判断。运行状况包括:连铸正常;水口堵塞/末堵塞;塞棒磨损;塞棒破坏;出现共振波;鼓肚。    一旦对连铸状况作出判断,管理模型将对卡尔曼过滤参数进行修正,以便模型模拟与物理过程更为匹配。    达涅利自动化公司已在传统板坯和薄板坯连铸上安装了模糊逻辑调节系统。目前,在大范围的运行条件下和连铸速度下,该系统已证明可将结晶器内钢液面保持在2mm的波动范围。(来源:机经网)

  • 收藏 | 打印
  • 相关内容