一种钢包卷渣过程识别方法技术

一种钢包卷渣过程识别方法，其步骤过程如下：首先对钢包浇注过程中的钢流冲击振动信号时间序列进行阶段定义，然后处理现场干扰信号，确定钢包卷渣过程特征参数；基于动态模式识别方法，建立面向钢包卷渣过程识别的人工神经网络模型，然后利用改进的模拟退火－神经网络算法实现对钢包卷渣过程中各个阶段定义的标准状态的识别。本发明专利技术的有益效果主要表现在：实现在连铸工业现场强噪声环境下的钢流冲击振动信号的干扰剔除与动态模式识别，为振动式钢包下渣检测系统的在线判断提供可靠依据；为振动式钢包下渣系统识别的准确性与稳定性提供有力保证；提高了目标参数的预测精度；保证了对钢流冲击振动信号识别的实时性。

【技术实现步骤摘要】

本专利技术涉及钢铁冶金过程检测与控制领域，尤其是涉及。
技术介绍
随着全球一体化进程的不断深入，钢铁需求日益增加。我国的钢铁产量更是增势 迅猛，截止到2007年，粗钢产量已经达到4. 89亿吨，占全球总产量的36. 4%，超过日本、美 国、俄罗斯、印度、韩国、德国、乌克兰、巴西、等国的总和。但是我国钢铁质量却始终处于较 低水平，出口钢材也是以低附加值的普通钢材为主，而用于制造精密机械、仪表以及轿车的 高质量钢材却基本依靠进口。钢铁生产中的连铸技术具有生产率和成材率高及节约能源的特点，同时可减少铸 件中夹杂物的含量，提高铸件质量，是目前应用最为广泛的冶金技术之一。利用连铸技术生 产钢材的产量占总产量的比重称为连铸比(Continuous Casting Ratio, CCR)。发达国家 的CCR—般在95%以上，有些国家如意大利已经达到100% ；我国的CCR为94. 8%，高于世 界平均水平90. 5%。因此在这种形势下，提高我国钢铁企业的连铸生产工艺水平与竞争能力 就显得尤为迫切。在钢铁连铸生产过程中，氧化剂和钢水中的杂质混合形成液体钢渣，其比重较轻， 只有纯钢水比重的0. 4^本文档来自技高网...

【技术保护点】
一种钢包卷渣过程识别方法，其特征在于：其步骤过程如下：首先，对钢包浇注过程中的钢流冲击振动信号时间序列进行阶段定义，包括未有钢渣混入钢流的初始阶段，钢水、钢渣与空气混合成钢流的过渡阶段，以钢渣为主的钢流的完结阶段；然后，处理现场干扰信号，确定钢包卷渣过程特征参数，包括最大值、最小值、平均值、均方根、标准差、峰峰值、偏度、峭度、频率重心、均方频率、频率方差和烈度；再者，基于动态模式识别方法，建立面向钢包卷渣过程识别的人工神经网络模型；所述人工神经网络模型的信号输入层以卷渣过程特征参数作为输入信号，其过程输出层是需要识别的三个阶段定义；所述输入层的输入信号在中间隐含层经过作用函数运算后得到输出值；...

【技术特征摘要】
一种钢包卷渣过程识别方法，其特征在于其步骤过程如下首先，对钢包浇注过程中的钢流冲击振动信号时间序列进行阶段定义，包括未有钢渣混入钢流的初始阶段，钢水、钢渣与空气混合成钢流的过渡阶段，以钢渣为主的钢流的完结阶段；然后，处理现场干扰信号，确定钢包卷渣过程特征参数，包括最大值、最小值、平均值、均方根、标准差、峰峰值、偏度、峭度、频率重心、均方频率、频率方差和烈度；再者，基于动态模式识别方法，建立面向钢包卷渣过程识别的人工神经网络模型；所述人工神经网络模型的信号输入层以卷渣过程特征参数作为输入信号，其过程输出层是需要识别的三个阶段定义；所述输入层的输入信号在中间隐含层经过作用函数运算后得到输出值；其中，所述的作用函数是； (1)然后利用快速模拟退火组合优化算法把网络中所有权重的集合看成是一个解向量，然后构造目标函数；(2)式(2)中，为训练样本数，为输出层神经元的个数，为第神经元关于第个样本的期望输出，为第神经元关于第个样本的实际网络输出；最后，通过修改网络权值来得到式(2)的目标函数的最小值，取得钢包卷渣过程中各个阶段定义的标准状态。2010102801947100001dest_path_image001.jpg,2010102801947100001dest_path_image002.jpg,2010102801947100001dest_path_image003.jpg,dest_path_image004.jpg,dest_path_image005.jpg,471063dest_pat...

【专利技术属性】
技术研发人员：谭大鹏，计时鸣，金明生，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86[中国|杭州]