2022年, 第41卷, 第6期　刊出日期：2022-12-18

  

• 全选
  |

• Select
  序言

  张立强, 李怡宏

  连铸. 2022, 41(6): 1-1.

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏
连铸工艺
• Select
  非稳态连铸过程拉速-冷却水协同优化方法

  张开天, 郑忠, 祝明妹, 林宏宇, 蒋昆池

  连铸. 2022, 41(6): 2-7.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220163

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  针对非稳态连铸冷却强度异常易导致铸坯质量缺陷的问题,从系统冷却角度提出一种改进的遗传算法对连铸拉速、冷却水等工艺进行协同优化。基于国内某钢厂3个月的工业连铸数据分析发现,开浇、终浇、换中间包、换水口等非稳态连铸由于拉速与冷却水协同不好导致冷却强度不足,影响铸坯质量与连铸效率。建立过程冷却强度优化模型,从优化目标、选择算子等方面对遗传算法进行改进,在生成可行解的同时提高模型收敛速度与优化能力。结果表明,模型优化方案符合现场工艺规则,通过适当提高二冷水量,非稳态连铸系统热量释放平均由45.87%提升至49.05%,处于合理区间内。该优化方法可为连铸系统生产管控提供指导。
• Select
  82B小方坯凝固组织和偏析预测模型开发及应用

  刘添, 李曜光, 孙彦辉, 李文双, 俞飞

  连铸. 2022, 41(6): 8-15.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220130

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  基于国内某厂82B小方坯连铸生产过程,使用ProCAST软件建立82B小方坯铸坯横断面宏观偏析模型,从温度场、坯壳厚度和凝固组织3个方面验证该模型的正确性,通过该模型研究连铸参数(拉速、比水量和过热度)对铸坯横断面宏观偏析的影响。模拟结果表明,82B连铸坯中心偏析随拉速和过热度的增加而增大,而比水量对中心偏析的影响较小。减轻铸坯中心偏析的关键在于控制铸坯拉速和过热度,因此为了保证铸坯中心碳偏析不高于1.10,应控制铸坯拉速低于2.64 m/min,过热度不高于10 ℃。
铸坯质量
• Select
  连铸板坯表面纵裂纹预测模型智能化定制方法

  杨立安, 米进周, 李涛, 从俊强, 邓爱军

  连铸. 2022, 41(6): 16-20.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220089

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  钢铁产品制造过程中,在线预测铸坯质量缺陷产生位置,并对存在缺陷的铸坯及时下线清理有助于提升连铸连轧生产稳定性,实现钢铁企业节能减排、绿色化生产。然而,连铸生产过程具有多变量、时变性和多态性等特点,必须结合设备、钢种、缺陷的特性,定制铸坯质量缺陷预测模型,才能够准确预测铸坯质量缺陷。因此,将数据通信技术、人工智能技术、C#与Matlab混合编程技术等相结合,建立了智能化铸坯质量在线判定系统,研究了铸坯质量预测模型智能化定制方法,并以板坯纵裂纹预测模型为例,介绍模型定制过程。研究结果表明,该方法能够辅助工艺工程师针对钢种及缺陷智能化定制预测模型,降低模型开发及优化难度,提高铸坯质量预测模型的可靠性。
• Select
  基于随机森林和聚类的连铸坯纵裂纹预报方法

  张赫, 段海洋, 王旭东, 姚曼

  连铸. 2022, 41(6): 21-28.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220059

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  纵裂纹是一种常见的铸坯表面缺陷,准确预测铸坯表面纵裂对于提高铸坯质量有着重要意义。针对纵裂纹形成与扩展过程中结晶器热电偶温度在时间、空间上的变化趋势,捕获和提取了热电偶时序温度的典型变化特征,采用随机森林(Random Forest,RF)对捕捉到的特征进行降维,筛选出与纵裂联系密切的相关特征,在此基础上建立了基于K均值(K Means)聚类的纵裂检测模型。结果表明,提出的基于温度时序特征和聚类算法的纵裂预测模型能够正确区分和识别纵裂纹和正常工况样本,将机器学习方法引入连铸过程异常监控提供了新的思路。
• Select
  基于连铸生产大数据的热轧卷质量预测模型

  侯自兵, 彭治强, 郭坤辉, 柳前, 曾子航, 郭东伟

  连铸. 2022, 41(6): 29-37.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220132

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  板坯热送热装或连铸连轧技术逐渐被越来越多的钢厂采用,然而其进一步发展受到连铸坯质量的制约。故针对连铸坯缺陷的有效判断可避免存在质量问题的铸坯进入轧制环节,从而降低额外的能耗。基于对铸坯质量的在线检测困难这一问题,从生产大数据的角度建立了板坯热轧卷的质量预测模型。首先根据正常与缺陷产品高度不平衡的数据特点,提出了相关性分析、不平衡数据随机分类与主成分数据降维三者相结合的数据预处理方法,随后选择GA-BP神经网络算法构建了针对低碳钢、包晶钢和中碳钢的热轧卷质量预测模型。预测模型具有较高的准确率,其中低碳钢模型总体预测准确率达到94.7%,缺陷预测准确率为82.8%;包晶钢模型总体预测准确率达到93.3%,缺陷预测准确率为87.5%;中碳钢模型总体预测准确率为85.4%,缺陷预测准确率为87.3%。最后,基于Python语言编写了热轧卷质量在线预测软件,可对热轧卷质量进行实时预测,方便快速地溯源缺陷发生原因。
• Select
  基于机器学习的连铸坯低倍缺陷检测

  韩占光, 周干水, 谢长川

  连铸. 2022, 41(6): 38-44.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220106

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  针对连铸坯低倍缺陷评级问题,建立了一种基于深度学习框架的系统解决方案。基于显著目标提取的深度网络模型进行了连铸坯区域提取和几何校正;基于YOLO V4的缺陷目标检测算法,进行了检测类缺陷的检测与识别,以标准的平均正确率AP(Average Precision)指标作为评价指标,“中心缩孔”、“中心疏松”、“非金属夹杂”、“皮下气泡”和“中心偏析”五类缺陷检测的AP分别达到了82.19%、97.63%、54.27%、66.20%和29.29%;基于MASK RCNN的缺陷实例分割算法,进行了分割类缺陷的检测与识别,以标准的AP(0.5-0.95)作为评价指标,“中心裂纹”、“角部裂纹”、“中间裂纹”和“皮下裂纹”4类缺陷检测和分割的AP(0.5-0.95)达到了0.78,特别地,以生产应用角度出发,AP(0.5)达到了0.96,可以较好地满足缺陷检测需要。
• Select
  基于PSO-PNN的铸坯全长表面纵裂纹在线预测

  肖敏, 胡韬, 张卫, 丁成砚, 邵健, 陈丹

  连铸. 2022, 41(6): 45-53.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220126

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  表面纵裂纹是铸坯质量缺陷中一种最常见的表面质量缺陷。环境因素使得铸坯表面纵裂纹在线检测精度不高,各大钢厂铸坯质检仍要依赖人工,因此提出一种基于粒子群PSO优化概率神经网络PNN的铸坯全长表面纵裂纹预测方法。首先,建立铸坯生产过程跟踪及数据时空变换模型,构建铸坯生产系统将生产过程数据与铸坯长度方向进行匹配;再利用PNN的Bayes 最小风险准则进行有监督特征学习,并利用寻优算法PSO优化PNN关键参数的选取,得到最终的模型PSO-PNN;最后,利用某钢厂连铸产线铸坯质量缺陷数据和生产过程数据进行试验验证。结果表明,该方法对铸坯整体的质量预测分类精度达到97.5%,铸坯全长的裂纹缺陷的预测精确率和召回率均在92%以上,能有效实现铸坯全长表面纵裂纹的预测,为现场质检人员提供参考。
• Select
  基于即时学习算法的铸坯质量预测方法

  赵济民, 何杨, 刘建华, 郑忠, 尤大利

  连铸. 2022, 41(6): 54-60.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220160

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  传统铸坯质量预测大多基于全局建模方法,存在自适应能力较差、预测精度不稳定等不足。为此,提出了一种基于即时学习算法的铸坯质量预测方法,主要特征为构建基于即时学习算法的局部模型,以取代传统全局模型,实现建模和预测同时在线进行,更适应于场景复杂、工况多变的连铸生产过程;根据连铸生产数据的时变性特点,在相似度计算中引入时间权重因子,强化样本数据与待测数据的相关性,更有利于提高铸坯质量预测模型精度。以国内某钢厂65号高碳钢铸坯三角区裂纹为例,具体说明即时学习算法在铸坯质量预测局部模型构建中的应用,并与铸坯质量预测全局模型的预测结果进行对比分析及评价。结果表明,基于即时学习算法的局部模型在评价指标上均优于全局模型,全局模型的预测准确率为65%,基于即时学习算法的局部模型准确率提升至90%,进一步阐明基于即时学习算法的局部模型用于铸坯质量预测的有效性。
• Select
  高温铸坯表面缺陷在线检测技术开发及应用

  黄军, 王宝峰, 张雪元, 腾飞, 丁国

  连铸. 2022, 41(6): 61-67.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220123

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  随着钢铁行业积极推进智能化,企业已不再满足于传统的高温铸坯冷却后人工表面缺陷抽检方法。为了实现连铸过程中铸坯表面缺陷的无损在线检测和及时的质量判定,本项目在机器视觉无损检测的理论基础上,开发了一种基于CCD及激光扫描相配合的实时检测铸坯缺陷轮廓的方法,应用机器视觉和图形处理方法对连铸坯表面缺陷形态进行了三维数字化重构,并对缺陷进行识别与分类。基于实验室研究和现场应用,结果表明,16台CCD满足高温板坯全幅周向的检测要求,缺陷尺寸检测分辨率达到毫米级,通过数字化、精确化定位缺陷的位置及深度,满足高温铸坯缺陷在线检测与监测,并为铸坯产品质量溯源提供有力的支撑。
连铸设备
• Select
  基于铸机扇形段的连铸板坯热装预处理工艺设备开发

  刘洋, 朱国森, 朱志远, 王国连, 田志红, 刘彭涛

  连铸. 2022, 41(6): 68-73.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220101

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  连铸板坯的热装热送作为钢-轧界面重要技术,在绿色减碳、提高成材率和缩短生产周期方面起关键作用。微合金钢连铸板坯热装温度及比例持续提高的限制性环节是钢板表面的红送裂纹缺陷,针对此问题首钢自主设计开发了基于铸机扇形段的板坯热装预处理的工艺、设备及控制系统整套技术,实现了高温铸坯表面组织细化及强韧化,消除了高温热装轧材表面的“红送裂纹”缺陷问题,解决了快冷条件下高温铸坯弯曲变形、冷却均匀性等难题,最大限度保留了高温铸坯内部温度,提高整体热装温度。相比同类技术具有更好的经济性及可复制性。
技术交流
• Select
  智能铸坯品判系统在首钢板坯铸机开发与应用

  李向奎, 刘延强, 刘鸿明, 田贵昌, 乔焕山, 李欣欣

  连铸. 2022, 41(6): 74-79.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220129

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  为解决低成本高效化生产汽车板等高端产品过程中铸坯判定系统存在的自动化智能化程度低、铸坯生产异常信息传递匹配不准确、判定效率不高等问题,首钢京唐炼钢厂对原先的过程控制自动化系统升级改造,结合汽车板生产过程中积累的冶金缺陷与生产过程影响因素对应规则知识库,归纳整理123项异常事项,开发了智能化铸坯质量判定系统,通过全线跟踪过程质量参数及异常事件并自动匹配到定尺铸坯上,与设计的工艺卡及制造标准对比,自动判定出铸坯质量结果及对应异常板坯处置指示。结果表明,该系统可自动快速判定铸坯质量,实现过程异常实时监控以及产品质量信息可追溯。
• Select
  中冶赛迪铸坯质量在线预测系统研发及实践

  邓比涛, 韩志伟, 刘强, 孔意文, 龙木军

  连铸. 2022, 41(6): 80-87.
  https://doi.org/10.13228/j.boyuan.issn1005-4006.20220016

  摘要 ( ) PDF全文 ( ) XML 相关文章 附件   可视化   收藏

  为实时预测铸坯质量,指导连铸生产,中冶赛迪研发了基于规则的铸坯质量在线预测系统(CISDI Continuous Casting Quality Expert, CQE),系统包括全过程数据跟踪、实时质量预测、灵活规则编辑、精准规则分析、高密数据查询功能,通过编辑规则将现场专家的生产经验转化为计算机程序,实时对铸坯进行质量预测。系统在国内某钢厂上线运行一年,期间对21 656块铸坯进行质量预测,预测精度达到90.2%,可较准确地预测铸坯质量,对铸坯的切割优化、质量异议分析、质量提升提供了巨大帮助,经济效益显著。