[发明专利]粘结漏钢的预警判断方法及预警判断装置

说明书

本发明公开一种粘结漏钢的预警判断方法及预警判断装置，沿浇注断面宽度方向在结晶器上设置有单排测温点，方法包括以下步骤：获取测温点在时间序列上的温度值形成二维温度矩阵；对二维温度矩阵的温度值进行模式处理，形成模式矩阵，模式处理是指对于每一测温点的温度值，若温度为上升转下降模式，则将温度上升启点的温度值转换为a，将最高温度转换为b，其他温度值转换为c；对于非上升转下降模式，则温度转换为a；识别模式矩阵的数据获取等值特征轮廓，判断是否构成三角预警块，并以三角预警块在横向和/或纵向是否发生扩展作为是否粘结的判断依据。本发明解决了依赖多行热电偶预警的缺陷，降低维护成本，减少热电偶异常导致漏报和误报的现象。

技术领域

本发明涉及冶金生产技术领域，具体地说，涉及粘结漏钢的预警判断方法及预警判断装置。

背景技术

冶金生产中，漏钢是高频发生，破坏性较大的灾难性生产事故，而粘结漏钢是所有漏钢事故中发生最为频繁的事故类型，因此生产中发生粘结缺陷时，通过及时识别粘结的发生，并采取相应措施，是预防漏钢事故的重要内容。

目前粘结判断的方法较多，有逻辑判定方法，神经网络方法，图像神经网络方法等，但是仍然没有很好地解决冶金行业生产粘结漏钢的问题，这些方法的主要缺陷在于：

逻辑判定方法：通过对粘结发生后的温度变化规律进行研究，提取温度变化的判定规则，通过判断实际生产中温度变化是否满足特定的规则，实现粘结预警。其优点是规则简单直观，参数调整快捷；其缺点是依靠简单的规则，难以处理铜板修复，换保护渣，新特性钢种的适应性，并且，逻辑判定规则难以有效解决漏报和误报之间矛盾，在使用过程中，需要频繁进行参数调整。此外，逻辑判定方法采用局部点的样本来进行识别，在使用中难以克服热电偶异常等导致的误报和漏报现象。

神经网络方法：由于采用有监督学习的神经网络方法，需要大量的训练样本，也就是在实践过程中，需要较长时间的样本采集，样本容量较大，因此难以有效快速进入正常运行模式。神经网络的训练，与样本的分布有十分重大的关系，因此神经网络方法还需要样本覆盖全面的分布特征，这些问题都是工程中难以短时间内能具备的条件。

在热偶布置要求方面，目前均采用2行，3行甚至多行热偶埋设的方案进行粘结预警，对于单行模式，由于缺少在拉坯方向上的运动特性信息，目前没有得到很好的应用，90年代日本山崎曾尝试过1行热偶的布置预警，由于误报率高，无法适应复杂的工况条件而逐渐被多行模式所替代。

总之，目前国内外的粘结预警系统，均没有有效地解决漏报和误报的平衡问题，使用效果有待提升。在粘结模型方面，目前单行热偶粘结预警方面，还没有得到深入的研究与应用。

发明内容

为解决以上问题，本发明提供一种粘结漏钢的预警判断方法及预警判断装置。

其中，一种粘结漏钢的预警判断方法，沿浇注断面宽度方向在结晶器上设置有用于监测结晶器的温度的单排测温点，预警判断方法包括以下步骤：

步骤S1，在铸坯运动过程中，获取每个测温点在时间序列上的温度值，形成以测温点的坐标以及时间序列为维度的二维温度矩阵；

步骤S3，对所述二维温度矩阵的温度值进行模式处理，形成模式矩阵，所述模式处理是指对于每一测温点对应的时间序列的温度值，若温度为上升转下降模式，则将温度开始上升时刻的温度值转换为a，将最高温度转换为b，其他温度值转换为c；对于非上升转下降模式，则温度转换为a；

步骤S5，识别模式矩阵的数据获取等值特征轮廓，判断所述等值特征轮廓的形状是否构成三角预警块，且随着时间序列，三角预警块在横向和/或纵向是否发生扩展，若发生扩展，则判断发生粘结，若不发生扩展，则判断不发生粘结，其中，所述三角预警块的一个角部朝向铸坯运动的方向，所述一个角部的两条边上的数值为b，内部的数值为c，所述横向是指沿浇注断面宽度方向，所述纵向是指时间序列的方向。

其中，一种粘结漏钢的预警判断装置，包括：