用于直接轧制高温方坯连铸过程漏钢预报的方法及系统技术方案

一种用于直接轧制高温方坯连铸过程漏钢预报的方法及系统，属于长型材制备工艺技术领域。工艺步骤包括：数据采集、温度数据预处理、修正有限元模型、漏钢危险预警。系统包括：温度数据获取单元、连铸参数获取单元、数据传输单元、数据计算单元、温度参数修正单元、温度数据传输单元、漏钢判断单元。优点在于，使用平均屈服强度来表征以及初始化不同钢种下的最大判别阈值，同时结合在线有限元程序准确获得铸坯在不同冷却工艺下的温度状态变化。该方法能够在不依靠任何外部测量装置的前提下有效预报漏钢事故，从而有效减少由于现场测量装置故障而导致的漏报率。

Method and system for breakout prediction during direct rolling of high temperature billet continuous casting

The invention relates to a method and a system for directly rolling the breakout prediction of high temperature billet continuous casting process, which belongs to the technical field of the preparation process of the long profile. The process steps include data acquisition, temperature data preprocessing, finite element model updating and risk warning of breakout. The system consists of temperature data acquisition unit, continuous casting parameter acquisition unit, data transmission unit, data calculation unit, temperature parameter correction unit, temperature data transmission unit and steel leakage judgment unit. Has the advantages of using the average yield strength to the maximum threshold characterization and initialization of different steel grades, combined with the online finite element program accurately obtain the temperature change of state slab under different cooling conditions. The method can effectively predict the breakout accident without any external measuring device, thus effectively reducing the missing report rate due to the failure of field measurement devices.

【技术实现步骤摘要】
用于直接轧制高温方坯连铸过程漏钢预报的方法及系统
本专利技术属于长型材制备工艺
,特别是涉及一种用于直接轧制高温方坯连铸过程漏钢预报的方法及系统，进行高温方坯连铸过程中的漏钢预报控制。
技术介绍
漏钢事故对连铸安全生产的危害性非常大，特别是在直接轧制高温方坯连铸生产过程中，不仅直接影响连铸坯产量，而且还会影响轧机产能。另外，发生漏钢事故还会损坏连铸设备，例如结晶器、二冷水喷嘴、辊道等，从而给生产企业造成巨大经济损失。目前国内外关于漏钢预报系统主要通过神经网络方法进行预报。其中神经网络方法具有较好的适应性，且其预报准确度随锻炼时间的增长不断提高。例如专利201110431124.1介绍了一种将自适应遗传算法引入BP神经网络的方法。专利201010207115.X介绍了一种使用遗传算法来初始化BP神经网络模型的连接权值和阈值，从而判断漏钢事故的方法。上述基于神经网络预报漏钢方法的实现都是建立在热电偶测温的方法基础之上。与传统连铸生产工艺相比较，在直接轧制高温方坯连铸生产过程中由于需要对铸坯进行提温，所以对于新的连铸生产工艺，神经网络模型会缺少相应的系统学习数据，进而会影响神经网络方本文档来自技高网...

【技术保护点】
一种用于直接轧制高温方坯连铸过程漏钢预报方法，其特征在于将坯壳横向拉应力模型与坯壳平均屈服强度模型进行耦合，包括如下步骤：(1).数据采集a)通过Gleeble热模拟机获得HRB400E钢种在800℃～1300℃的屈服强度数据并进行数据拟合，然后通过积分处理得到其平均屈服强度,即最大判别阈值，其中，对所述的通过积分处理得到其平均屈服强度，即最大判别阈值的模型为：

【技术特征摘要】
1.一种用于直接轧制高温方坯连铸过程漏钢预报方法，其特征在于将坯壳横向拉应力模型与坯壳平均屈服强度模型进行耦合，包括如下步骤：(1).数据采集a)通过Gleeble热模拟机获得HRB400E钢种在800℃～1300℃的屈服强度数据并进行数据拟合，然后通过积分处理得到其平均屈服强度,即最大判别阈值，其中，对所述的通过积分处理得到其平均屈服强度，即最大判别阈值的模型为：其中，Tsolid为HRB400E的固相线温度，Tsolid(x,y,t)表示在t时刻距离弯月面y的位置处凝固界面(温度)距离铸坯表面的距离为x，其中，Tsurf为连铸方坯表面的温度，Tsurf(x＝0,y,t)表示在t时刻距离弯月面y的位置处铸坯表面的温度；b)在连铸机结晶器出口位置处、二冷区出口位置处和铸坯切割机位置处架设红外测温仪测量相应位置处的方坯表面温度数据，温度测量频率为5～10次/s；c)将连铸机各测量装置获得的浇钢温度、连铸速度、结晶器水流量、结晶器进-出口水温差、二冷区各段配水量以及环境温度数据，输入到有限元程序当中进行铸坯温度场计算，其中，150mm×150mm方坯拉速为2.6～3.1m/min，160mm×160mm方坯拉速为2.3～2.8m/min，其中，连铸参数采样频率为2次/s；(2).温度数据预处理按照相邻时刻采样温度变化幅度不应超过2％，当前时刻的采样温度与前一时刻的采样温度相差大于2％，则按照不记录当前时刻异常温度的原则进行数据预处理，随后对1秒内测量到的温度数据点进行温度平均值处理；(3).修正有限元模型将连铸机特定位置上的红外测温仪测量的温度与有限元程序计算温度进行对比，并自动修正计算参数，反复如此，直到计算温度与实测温度之间的...

【专利技术属性】
技术研发人员：刘鑫，冯光宏，张兴中，张宏亮，王宝山，
申请(专利权)人：钢铁研究总院，
类型：发明
国别省市：北京,11