[发明专利]一种钢包下渣检测、控制方法与系统

摘要

本发明公开了一种钢包下渣检测、控制方法与系统，该方法包括两个方面的内容：根据振动信号、钢水流速、钢水液位、滑动水口开度、钢水温度、钢水密度和钢水粘性系数实现对浇铸过程中钢包下渣状态的检测，得到钢包是否下渣及下渣量的多少；根据检测到的钢包下渣状态，以预设的下渣灵敏度自动控制滑动水口的关闭。本发明改进了以往采用单一振动信号检测的不稳定性和不准确性，提高了下渣检测系统的精确度和可靠性，通过自动控制能够及时关闭滑动水口，防止钢包过量下渣，提高钢液纯洁度，在保证钢水质量的前提下提高了钢水收得率。系统成本低、可靠性高、维护成本低，广泛应用于冶金工业。

主权项

1. 一种钢包下渣检测方法，其特征在于按下述步骤进行：1)首先通过参考传感器消除掉主传感器中振动干扰信号，即消噪处理。2)消噪后的振动信号与滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数一起构建振动函数神经网络模型；3)通过振动函数神经网络模型将滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数参数的波动对振动信号的影响消除，得到标准工况下的振动信号，标准工况下的振动信号仅与连续涡流、断续涡流或下渣有关；4)振动函数神经网络模型包括有两种状态，即学习状态和检测状态；在学习状态下系统获取当前的状态信息，在滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数发生变化时不断学习，学习状态为未出现连续涡流、断续涡流或下渣，当进入检测状态后根据滑动水口开度、钢水流速、钢包中钢水液位、钢水温度、钢水密度和钢水粘度系数的变化，通过振动函数神经网络模型得到标准工况下的振动信号；5)标准工况下的振动信号采用三种方法进行分析：振动信号小波分析、振动信号能量分析和振动信号波形对比分析，其中无渣振动信号为本次浇注过程中采集的一组无渣时标准工况下的振动信号，三种分析方法同时给出有无下渣和夹渣量的信号，三个有无下渣信息融合后给出下渣判断；三个夹渣量信号融合后给出准确的加渣量。