[发明专利]一种钢包卷渣过程识别方法

说明书

技术领域

本发明涉及钢铁冶金过程检测与控制领域，尤其是涉及一种钢包卷渣过程识别方法。

背景技术

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一般在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0.4~0.6倍，浮于钢水上部。在钢包浇注后期，钢渣逐渐从钢包流入中间包，并在中间包内逐步积累,影响钢材品质，严重时甚至使连铸生产无法进行。随着现代工业生产的不断扩大与发展，对钢铁品种和质量的要求不断提高，当然对连铸生产中钢水纯净度要求也就越来越高。连铸下渣检测技术(Slag Carry-over Detection Technology, SCDT)就是通过对钢包浇注后期钢水状态的有效识别来控制钢水纯净度，提高铸件质量与钢水收得率的重要手段之一。

SCDT作为钢铁连铸生产的关键技术，世界各国尤其是西方发达国家都给予了高度重视。上世纪80年代末，德国成功的开发出基于电磁感应原理的SCDT，成为目前世界上应用最为广泛的SCDT。但电磁式SCDT在应用过程中存在使用寿命短、不易安装维护、使用成本较高等缺点。针对以上问题，一些其它检测方法逐步被开发应用，如超声波检测法、红外检测法、振动检测法等，其中振动检测法能够有效的解决电磁检测法存在的问题。与电磁检测法相比，其在使用寿命、检测准确率、稳定性、系统维护等方面均具有优势。但是振动检测法的技术要求很高，振动传感器的设计安装、振动信号干扰剔除与分离、钢包卷渣过程动态识别等问题具有很高的难度。

发明内容

为了克服在充满诸多振动干扰源的连铸工业现场特殊环境条件下，进行钢流冲击振动信号的干扰剔除与分离、钢包卷渣过程动态识别技术具有高难度的问题，本发明提供一种能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的钢包卷渣过程识别方法。

本发明的技术方案：

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。

进一步，所述修改网络权值来取得目标函数最小值步骤如下：

①初始化，随机产生一组初始网络权值，并设置初始温度、迭代次数、检验精度，是目标函数的取值，令、、；