一种板坯连铸工艺中异常铸坯的识别方法技术

本发明专利技术提供了一种板坯连铸工艺中异常铸坯的识别方法，包括以下步骤：A)建立板坯连铸工艺中工艺参数的阿里云数据库；B)经过阿里云数据库计算对异常铸坯进行精准识别并分类。在本申请提供的板坯连铸工艺中异常铸坯的识别中，其利用阿里云铸坯识别模型对异常铸坯进行分类标记，改变了传统的人工传递信息判定铸坯的工作模式，提高了工艺异常铸坯判定的准确性，杜绝了因信息传递错误造成铸坯误判漏判情况的发生。况的发生。

【技术实现步骤摘要】
一种板坯连铸工艺中异常铸坯的识别方法


[0001]本专利技术涉及冶金行业
，尤其涉及一种板坯连铸工艺中异常铸坯的识别方法。

技术介绍

[0002]板坯连铸机在生产过程因工艺原因，必然会产生工艺异常铸坯，例如：头坯、尾坯、换包接痕铸坯及换水口铸坯，此类铸坯因夹杂风险高，大部分钢厂目前对此类铸坯进行降级改判处理，但工艺异常铸坯信息是由生产岗位之间传递信息进行确认，由于人工的不可靠性，难免会存在漏判、错判的情况发生，造成后工序轧制后产生夹杂缺陷，甚至造成用户提出质量异议，对炼钢厂夹杂指标控制及企业形象影响较大。

技术实现思路

[0003]本专利技术解决的技术问题在于提供一种板坯连铸工艺中异常铸坯的识别方法，该方法可对异常铸坯进行精确识别并分类。
[0004]有鉴于此，本申请提供了一种板坯连铸工艺中异常铸坯的识别方法，包括以下步骤：
[0005]A)建立板坯连铸工艺中工艺参数的阿里云数据库；
[0006]B)经过阿里云数据库计算对异常铸坯进行精准识别并分类。
[0007]优选的，所述阿里云数据库建立的步骤具体为：
[0008]将板坯连铸工艺中的一级实时数据与铸坯对应跟踪值数据上传至阿里云数据库；
[0009]将连铸作业区生产数据上传至阿里云数据库。
[0010]优选的，所述一级实时数据包括结晶器液面波动、塞棒趋势和铸流拉速。
[0011]优选的，所述计算为不同铸坯类型的识别规则。
[0012]优选的，所述识别规则包括头坯、尾坯、换水口坯、换包坯、混浇坯、降速坯、结晶器液面波动和漏钢报警接痕坯出现异常时对应的特定条件。
[0013]优选的，所述头坯对应的特定条件为：每个包次分流组第一块铸坯，对应铸坯在浇铸时间5分钟内需采集到中包车浇铸位信号；所述尾坯对应的特定条件为：一般情况：浇次每流最后一块铸坯，特殊情况：铸坯号一小时内不再有新增铸坯。
[0014]优选的，所述换口水坯对应的特定条件为：炉次记事中含有“换水口”，并且铸坯号的对应“液面手动控制”事件为非空如同时满足铸坯对应拉速在0.5
‑
0.6m/min、塞棒位置信号在2秒内由工作位置至初始位再到工作位、换水口油缸动作有开关信号；所述换包坯对应的特定条件为：除了尾坯外的每个包次每个流组的最后一块铸坯。
[0015]优选的，所述混浇坯对应的特定条件为：同一包次里前后炉次钢种不同，后一炉次每流的前两块；降速坯对应的特定条件为：对应铸坯30秒内拉速极差>＝0.3的铸坯。
[0016]优选的，所述结晶器液面波动对应的特定条件为：对应铸坯5秒内液面波动大于20的次数大于等于1的铸坯；漏钢报警接痕坯对应的特定条件为：炉次记事中含有“漏钢”，铸
坯事件明细表中铸坯号存在B16事件和E20事件，对应铸坯拉速采集到0.19m/min，同时采集到漏钢报警降速信号。
[0017]本申请提供了一种板坯连铸工艺中异常铸坯的识别方法，其利用阿里云铸坯识别模型对异常铸坯进行分类标记，改变了传统的人工传递信息判定铸坯的工作模式，提高了工艺异常铸坯判定的准确性，杜绝了因信息传递错误造成铸坯误判漏判情况的发生。
附图说明
[0018]图1为本专利技术异常铸坯类型判断决策树示意图。
具体实施方式
[0019]为了进一步理解本专利技术，下面结合实施例对本专利技术优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本专利技术的特征和优点，而不是对本专利技术权利要求的限制。
[0020]为了实现工艺板坯连铸工艺中异常铸坯的精准识别，本申请利用阿里云数据库判断规则实现了板坯连铸工艺中异常铸坯的精准识别与分类。具体的，本专利技术实施例公开了一种板坯连铸工艺中异常铸坯的识别方法，包括以下步骤：
[0021]A)建立板坯连铸工艺中工艺参数的阿里云数据库；
[0022]B)经过阿里云数据库计算对异常铸坯进行精准识别并分类。
[0023]上述建立阿里云数据库和识别步骤具体为：
[0024]1)将结晶器液面波动、塞棒趋势、铸流拉速等一级实时数据与铸坯对应跟踪值数据上传至阿里云数据库；
[0025]2)将炼钢厂连铸作业区生产数据上传至阿里云数据库；
[0026]3)根据头坯，尾坯、换包接痕铸坯、换水口铸坯等工艺异常情况发生时，液面波动大小、塞棒开口度大小、铸坯在浇次或包次内分布等特定条件，经阿里大数据模型计算，对工艺异常铸坯进行精准识别并分类。
[0027]连铸工序中存在一些质量不合格的问题铸坯(比如：换水口坯、降速坯、漏钢报警坯
……
)，建立铸坯识别模型的目标为实现对问题铸坯进行自动识别，提高现场操作人员的识别效率；算法的原理为通过收集铸坯生产环节的过程数据和人工描述信息，建立决策树模型对铸坯进行识别判定，其原理为基于采集的数据建立一系列规则实现对铸坯类型的判定，决策树的分类过程大致如图1所示，例如：若满足条件A则得到结果a，若不满足，则进行下一条件B的判断，以此类推。不同铸坯类型的识别规则如下：
[0028]头坯：每个包次分流组第一块铸坯，对应铸坯在浇铸时间5分钟内需采集到中包车浇铸位信号；
[0029]尾坯：一般情况：浇次每流最后一块铸坯，特殊情况：铸坯号一小时内不再有新增铸坯，也判断为尾坯；
[0030]换水口坯：炉次记事中含有“换水口”，并且铸坯号的对应“液面手动控制”事件为非空如同时满足铸坯对应拉速在0.5
‑
0.6m/min、塞棒位置信号在2秒内由工作位置至初始位再到工作位、换水口油缸动作有开关信号；
[0031]换包坯：除了尾坯外的每个包次每个流组的最后一块铸坯；
[0032]混浇坯：同一包次里前后炉次钢种不同，后一炉次每流的前两块(单流浇筑情形下混浇坯为后一炉的前三块铸坯)；
[0033]降速坯：对应铸坯30秒内拉速极差>＝0.3的铸坯；
[0034]结晶器液面波动：对应铸坯5秒内液面波动大于20的次数大于等于1的铸坯；
[0035]漏钢报警接痕坯：炉次记事中含有“漏钢”，铸坯事件明细表中铸坯号存在B16事件和E20事件，对应铸坯拉速采集到0.19m/min，同时采集到漏钢报警降速信号。
[0036]实施后可以通过阿里云铸坯识别模型对工艺异常铸坯进行分类标记，改变了传统的人工传递信息判定铸坯的工作模式，提高了工艺异常铸坯判定的准确性，杜绝了因信息传递错误造成铸坯误判漏判情况的发生。
[0037]以上实施例的说明只是用于帮助理解本专利技术的方法及其核心思想。应当指出，对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以对本专利技术进行若干改进和修饰，这些改进和修饰也落入本专利技术权利要求的保护范围内。
[0038]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本专利技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种板坯连铸工艺中异常铸坯的识别方法，包括以下步骤：A)建立板坯连铸工艺中工艺参数的阿里云数据库；B)经过阿里云数据库计算对异常铸坯进行精准识别并分类。2.根据权利要求1所述的识别方法，其特征在于，所述阿里云数据库建立的步骤具体为：将板坯连铸工艺中的一级实时数据与铸坯对应跟踪值数据上传至阿里云数据库；将连铸作业区生产数据上传至阿里云数据库。3.根据权利要求2所述的识别方法，其特征在于，所述一级实时数据包括结晶器液面波动、塞棒趋势和铸流拉速。4.根据权利要求1所述的识别方法，其特征在于，所述计算为不同铸坯类型的识别规则。5.根据权利要求4所述的识别方法，其特征在于，所述识别规则包括头坯、尾坯、换水口坯、换包坯、混浇坯、降速坯、结晶器液面波动和漏钢报警接痕坯出现异常时对应的特定条件。6.根据权利要求5所述的识别方法，其特征在于，所述头坯对应的特定条件为：每个包次分流组第一块铸坯，对应铸坯在浇铸时间5分钟内需采集到中包车浇铸位信号；所述尾坯对应的特定条件为：一般情况：浇次每流最后一块铸坯，特殊情况：铸坯号一...

【专利技术属性】
技术研发人员：郭明辉，喻林，郭振宇，何俊峰，
申请(专利权)人：攀钢集团西昌钢钒有限公司，
类型：发明
国别省市：