基于结晶器温度识别连铸板坯纵裂纹缺陷的方法及系统与流程

1.本发明涉及一种板坯质量在线预测方法，尤其涉及一种板坯纵裂纹在线预测方法。


背景技术：

2.众所周知，连铸坯热装热送以及连轧技术可以大幅度降低设备投入及生产成本，提高产品竞争力，其要求生产线上生产的是无缺陷铸坯，即要求铸坯的表面质量和内部质量基本上无需清理就可以满足直接轧制的要求。
3.然而，目前的连铸技术尚不能彻底消除缺陷铸坯的产生，因此常常需要对缺陷铸坯进行检测判定，并在生产中及时在线预报并检测铸坯质量，以对缺陷铸坯及时分拣下线或采取措施。这种对于板坯缺陷进行检测判断的方法是保证无缺陷铸坯生产技术的关键，其对于确保生产的连续性、提高产品质量及降低生产成本具有重要的意义。
4.目前，在现有的连铸坯质量检查方法中，传统的冷态连铸坯质量检查方法已经难以满足需求，热态在线检查方法已经成为了控制铸坯质量的必要手段。其中，热态在线检查方法可以包括两种不同的检测手段，其分为基于物理手段的在线检测判定和基于模型的连铸坯质量预测判定。
5.但需要注意的是，由于连铸工艺是高温、快速且全封闭的生产，在热态在线检查方法中，基于物理手段的在线检测判定方法(红外法、涡流法和探伤法)并不能满足连铸连轧的需要；这种方法需要借助于在高温恶劣环境状态下工作的缺陷检测装置进行在线检测判定，其技术复杂且设备昂贵，需要大量的日常维护工作而且主要是检测铸坯的表面质量。
6.因此，在通常情况下，针对连铸坯的热态在线检查只能依靠基于模型的连铸坯质量预测判定系统。
7.在连铸板坯的表面裂纹中，纵向裂纹是最为常见的裂纹缺陷，表面纵向裂纹通常出现在连铸板坯宽面中部且平行于浇铸方向。对于板坯结晶器，在结晶器整个宽度上应该保持均匀的热流密度，尤其在弯液面区更是如此，否则不均匀的传热会使很薄的坯壳不规律地脱开结晶器壁，脱离区域的回热会使得热应力提高，进而可能导致连铸板坯出现表面纵裂纹。
8.为了预测连铸板坯表面的纵向裂纹，已有部分研究人员进行了深入的研究，并选择采用监控结晶器的温度变化来预测表面纵裂纹。但是上述预测方法仍然存在一个不足，在实际生产过程中，影响结晶器温度变化的因素不只纵裂一个，保护渣性能、其流入分布的均匀性、铸坯表面其它缺陷等等均可能对埋入的热电偶温度值产生影响，而仅仅以在同一列产生温度偏差无法将纵裂与其他导致同一列出现温度偏差的因素区隔开来，这样便会造成纵裂缺陷误报，导致预测的准确率较低。
9.由此，为了克服这种缺陷，公开号为cn1428216a，公开日为2003年7月9日，名称为“一种连铸板坯纵裂预报方法”的中国专利文献，公开了一种连铸板坯纵裂预报方法，其不仅仅要求同列中相邻两只热电偶温度开始下降，还进一步地要求下一列持续下降时间不小
于上一排持续下降时间，即认为下一排温度下降时间不小于上一排温度持续下降时间，意味着裂纹在纵向扩展，从而识别为纵裂纹。
10.理论上，相比于其他专利，上述专利技术方案能够更准确地将纵裂纹与导致温度下降的其他因素区分，减少误报。但是该专利有两个不足之处：(1)限定在拉速稳定的条件下，往往拉速的波动也是温度出现异常的原因之一；(2)规定温度下降率》3℃/s为异常，而根据冷却条件不同，钢种不同，温度下降率达到多少为纵裂纹阈值是一个稳定。以上两个因素均容易导致操作人员在采用该连铸板坯纵裂预报方法时，出现纵裂纹的漏报。
11.针对现有技术中的缺陷与不足，发明人进行了深入的研究，以期望获得一种新的、易于实施的识别连铸板坯纵裂纹缺陷的方法及系统。
12.近些年来，随着信息技术的快速发展，尤其是大数据和ai技术等的发展在互联网和医疗等行业的成功应用，这些信息技术也开始尝试在工业上进行应用。目前，k-近邻、svm、孤立森林是常见的机器学习异常检测算法，因此可以采用这些算法来实时地进行异常点(相比于其他点)的检测，以获取待检测特征的异常特征。而这些机器学习算法基于python语言都已有成熟的框架，构建该框架的环境，调用这些异常检测算法可以迅速地进行异常特征的识别，十分方便快捷。
13.基于此，本发明期望获得一种新的、易于实施的识别连铸板坯纵裂纹缺陷的方法及系统，其基于机器学习异常算法，可以实时获取结晶器温度异常特征，并根据异常特征的特点进行板坯纵裂纹识别。
14.该方法和系统能够充分考虑连铸板坯纵裂纹的独特性，可以有效避免误报与漏报，提升纵裂纹预报准确性，其计算简单，易于实现与移植推广，具有十分良好的推广前景和应用价值。


技术实现要素：

15.本发明的目的之一在于提供一种基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，该方法充分地考虑了连铸板坯纵裂纹的独特性，可以有效避免误报与漏报，提升纵裂纹预报准确性，其计算简单，易于实现与移植推广，具有十分良好的推广前景和应用价值。
16.为了实现上述目的，本发明提出了一种基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其包括步骤：
17.在结晶器钢水液面位置下方沿连铸拉速方向设置若干排热电偶，其中每一排热电偶均包括若干个热电偶；
18.实时收集m个时间点窗口的各热电偶的温度数据；
19.计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，每一排热电偶得到m个温度数据平均值；
20.采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，获取每一排热电偶异常检测点的数量ni；
21.沿连铸拉速方向比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，则判断为该板坯产生纵裂纹缺陷，反之,则判断为板坯正常。
22.在本发明中，发明人经过研究发现，当纵裂源在弯月面初生坯壳上形成以后，渣膜
会与坯壳间形成气隙，其会导致界面热阻的增大，从而使结晶器相应区域的温度降低速率产生异常；随着拉坯向下，纵裂产生的气隙位于坯壳上，因此会随着拉坯过程逐渐向下移动，在下移的过程中必然又会对所经过的结晶器区域产生影响。因此，检测到结晶器钢水液面位置下方沿连铸拉速方向设置的至少两排分布的热电偶温度在时序上的异常，是判断纵裂源是否产生的必要条件之一。
23.另一方面，需要注意的是，随着时间延长，纵裂纹会向拉坯方向扩展，否则消失，因此下一排热电偶温度在时序上的异常时间应不小于上一排热电偶温度在时序上的异常时间，是纵裂纹产生的必要条件之二，也是纵裂纹区分于其他因素导致热阻变大的重要特征。
24.需要说明的是，上述“下一排热电偶温度在时序上的异常时间应不小于上一排热电偶温度在时序上的异常时间”，也可以等同为上述技术方案中的：“下一排异常检测点数量不小于上一排异常检测点数量”。
25.由此，本发明基于这两点可以对连铸板坯进行纵裂判断，其具有预报准确率高的优点。当实施上述方法的系统发生纵裂预报并反馈给收集仪表等设备信息的l1系统后，在后续工艺过程中可以及时采取降低拉速和二次冷却的比水量等防范措施，以此减缓连铸板坯纵裂纹的扩展，从而达到降低连铸板坯纵裂纹缺陷的目的。
26.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法中，还包括步骤：当认为该板坯产生纵裂纹缺陷时，输出报警信号。
27.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法中，所述异常检测算法为k-近邻算法。
28.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法中，所述异常检测算法为svm算法。
29.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法中，所述异常检测算法为孤立森林算法。
30.需要说明的是，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法中，异常检测算法可以选用k-近邻算法、svm算法或孤立森林算法。上述这些算法均属于现有技术中常用的异常检测算法，此处不做过多的赘述。
31.相应地，本发明的另一目的在于提供一种基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，该系统可以用于实施本发明上述的方法，其适用性广泛，具有十分广阔的应用前景。
32.为了实现上述目的，本发明提出了上述基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其包括步骤：
33.若干排热电偶，其设置在结晶器钢水液面位置下方，并且该若干排热电偶沿连铸拉速方向设置，其中每一排热电偶均包括若干个热电偶；
34.数据采集装置，其实时收集m个时间点窗口的各热电偶的温度数据；
35.控制装置，其被设置为执行下列步骤：
36.基于m个时间点窗口的各热电偶的温度数据计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，以使得每一排热电偶得到m个温度数据平均值；
37.采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，获取每一排热电偶异常检测点的数量ni38.沿连铸拉速方向比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，则输出该板坯产生纵裂纹缺陷的判断，反之,则输出板坯正常的判断。
39.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统中，还包括报警装置，其与所述控制装置连接，其中当控制装置输出该板坯产生纵裂纹缺陷的判断时，所述报警装置输出报警信号。
40.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统中，所述异常检测算法为k-近邻算法。
41.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统中，所述异常检测算法为svm算法。
42.进一步地，在本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统中，所述异常检测算法为孤立森林算法。
43.相较于现有技术，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法及系统具有如下所述的优点以及有益效果：
44.在本发明中，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法基于机器学习异常算法，可以实时获取结晶器温度异常特征，并根据异常特征的特点进行板坯纵裂纹识别。
45.本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法可以提升纵裂纹预测的准确性：一方面通过识别与比较不同排结晶器温度异常概率，进而进行纵裂纹判断，将纵裂纹与产生温度异常的其他因素区分出来，降低了误报率；另一方面，在异常特征的判断上不局限于恒定速率，也不限于采用常规方差或温度下降速率的方式，其可以有效降低纵裂预报的漏报率。
46.该方法充分地考虑了连铸板坯纵裂纹的独特性，可以有效避免误报与漏报，提升纵裂纹预报准确性，其借助于python机器学习库，可以使计算简单，易于实现与移植推广，具有十分良好的推广前景和应用价值。
47.相应地，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统可以用于实施上述方法，其同样具有上述优点以及有益效果。
附图说明
48.图1示意性地显示了本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统在一种实施方式下的结晶器的热电偶位置。
49.图2示意性地显示了本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法在一种实施方式下的实施流程示意图。
具体实施方式
50.下面将结合具体的实施例和说明书附图对本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法及系统做进一步的解释和说明，然而该解释和说明并不对本发明的技术方案构成不当限定。
51.在本发明中，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统可以
用于实施本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其适用性广泛，具有十分广阔的应用前景。
52.图1示意性地显示了本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统在一种实施方式下的结晶器的热电偶位置。
53.在本发明中，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统可以包括：若干排热电偶、数据采集装置和控制装置。其中，数据采集装置可以实时收集m个时间点窗口的各热电偶的温度数据；控制装置可以用于实施本发明所述基于结晶器温度识别连铸板坯纵裂纹缺陷的方法步骤。
54.如图1所示，在本实施方式中，本发明所述的系统可以包括有两排热电偶，即第一排热电偶3和第二排热电偶2，第一排热电偶3和第二排热电偶2均设置在结晶器1钢水液面位置下方，并且该第一排热电偶3和第二排热电偶2沿连铸拉速方向(即图中箭头所示的方向)设置，其中每一排热电偶均包括8个热电偶。
55.图2示意性地显示了本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法在一种实施方式下的实施流程示意图。
56.在本发明中，可以采用上述的系统实施本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，本发明所述的系统中的数据采集装置可以实时收集200(m)个时间点窗口的各热电偶的温度数据，并进行数据分析。
57.相应地，系统中的控制装置可以实施本发明所述基于结晶器温度识别连铸板坯纵裂纹缺陷的方法步骤，其包括以下步骤：
58.步骤1：实时读入200个时间点窗口的两排热电偶温度信息。
59.步骤2：基于200个时间点窗口的各热电偶的温度数据计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，以使得每一排热电偶得到200个温度数据平均值，其计算公式如下：
60.b1(i)＝(a
11
+a
12
+a
13
+a
14
+a
15
+a
16
+a
17
+a
18
)/8
61.b2(i)＝(a
21
+a
22
+a
23
+a
24
+a
25
+a
26
+a
27
+a
28
)/8
62.其中b1(i)表示第一排热电偶3温度在第i个时间节点的平均值，a
11
、a
12
……a18
分别表示第一排的单个热电偶在第i个时间节点的值；b2(i)表示第二排热电偶2温度在第i个时间节点的平均值，a
21
、a
22
……a28
分别表示第二排的单个热电偶在第i个时间节点的值。
63.步骤3：采用异常检测算法对每排热电偶的200个温度数据平均值进行异常检测，获取两排热电偶异常检测点的数量n1,n2。
64.需要说明的是，在上述步骤3中，异常检测算法可以选用k-近邻算法、svm算法或孤立森林算法。上述这些算法均属于现有技术中常用的异常检测算法，此处不做过多的赘述。
65.步骤4：沿连铸拉速方向比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，即第二排热电偶异常检测点数量n2≥第一排热电偶异常检测点数量n1，则输出该板坯产生纵裂纹缺陷的判断，并输出报警信号，反之,则输出板坯正常的判断。
66.步骤5：更新时间，即时间窗口可以向下移动20个时间点，以形成新的时间窗口板坯，对更新的时间窗口再次执行上述步骤1-步骤4，从而可以预测新时间窗口板坯是否发生裂纹缺陷。
67.由此可见，在本实施方式中，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷系统通过机器学习的异常检测算法可以对板坯结晶器纵向两排热电偶的实时异常进行检测，获得一定时间窗口板坯上每排热电偶的异常检测点数量(n1,n2)，当第二排热电偶异常检测点数量n2≥第一排热电偶异常检测点数量n1时，预测该连铸板坯出现纵向裂纹。该方法充分考虑纵裂纹的独特性，避免了误报与漏报，可以有效提升纵裂纹预报准确性，其计算简单，易于实现与移植推广。
68.当然在一些其他的实施方式中，当系统在结晶器钢水液面位置下方设置有若干排热电偶，且每一排热电偶均包括若干个热电偶时，系统中的控制装置可以基于数据采集装置实时收集的m个时间点窗口的各热电偶的温度数据计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，以使得每一排热电偶得到m个温度数据平均值。
69.控制装置可以进一步采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，以获取每一排热电偶异常检测点的数量ni。而后，沿连铸拉速方向可以比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，则输出该板坯产生纵裂纹缺陷的判断，并输出报警信号，反之，则输出板坯正常的判断。
70.综上所述，本发明所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法充分考虑了纵裂缺陷相对于其他导致温度速率下降的因素的独特性，提升纵裂预测的准确性。当实施上述方法的系统发生纵裂预报并反馈给收集仪表等设备信息的l1系统后，在后续工艺过程中可以及时采取降低拉速和二次冷却的比水量等防范措施，以此减缓连铸板坯纵裂纹的扩展，从而达到降低连铸板坯纵裂纹缺陷的目的。
71.该方法充分地考虑了连铸板坯纵裂纹的独特性，可以有效避免误报与漏报，提升纵裂纹预报准确性，其借助于python机器学习库，计算简单，易于实现与移植推广，具有十分良好的推广前景和应用价值。
72.需要说明的是，本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式，本案记载的所有技术特征可以以任何方式进行自由组合或结合，除非相互之间产生矛盾。
73.还需要注意的是，以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例，随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的，均应属于本发明的保护范围。

技术特征：
1.一种基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其特征在于，包括步骤：在结晶器钢水液面位置下方沿连铸拉速方向设置若干排热电偶，其中每一排热电偶均包括若干个热电偶；实时收集m个时间点窗口的各热电偶的温度数据；计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，每一排热电偶得到m个温度数据平均值；采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，获取每一排热电偶异常检测点的数量n
i
；沿连铸拉速方向比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，则判断为该板坯产生纵裂纹缺陷，反之,则判断为板坯正常。2.如权利要求1所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其特征在于，还包括步骤：当认为该板坯产生纵裂纹缺陷时，输出报警信号。3.如权利要求1所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其特征在于，所述异常检测算法为k-近邻算法。4.如权利要求1所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其特征在于，所述异常检测算法为svm算法。5.如权利要求1所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其特征在于，所述异常检测算法为孤立森林算法。6.一种基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其特征在于，包括：若干排热电偶，其设置在结晶器钢水液面位置下方，并且该若干排热电偶沿连铸拉速方向设置，其中每一排热电偶均包括若干个热电偶；数据采集装置，其实时收集m个时间点窗口的各热电偶的温度数据；控制装置，其被设置为执行下列步骤：基于m个时间点窗口的各热电偶的温度数据计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，以使得每一排热电偶得到m个温度数据平均值；采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，获取每一排热电偶异常检测点的数量n
i
；沿连铸拉速方向比较每一排热电偶异常检测点的数量，如果下一排异常检测点数量不小于上一排异常检测点数量，则输出该板坯产生纵裂纹缺陷的判断，反之,则输出板坯正常的判断。7.如权利要求6所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其特征在于，还包括报警装置，其与所述控制装置连接，其中当控制装置输出该板坯产生纵裂纹缺陷的判断时，所述报警装置输出报警信号。8.如权利要求6所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其特征在于，所述异常检测算法为k-近邻算法。9.如权利要求6所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其特征在于，所述异常检测算法为svm算法。10.如权利要求6所述的基于结晶器温度识别连铸板坯纵裂纹缺陷的系统，其特征在于，所述异常检测算法为孤立森林算法。

技术总结
本发明公开了一种基于结晶器温度识别连铸板坯纵裂纹缺陷的方法，其包括步骤：在结晶器钢水液面位置下方沿连铸拉速方向设置若干排热电偶，其中每一排热电偶均包括若干个热电偶；实时收集m个时间点窗口的各热电偶的温度数据；计算获得每一排热电偶在每一个时间点窗口的温度数据平均值，每一排热电偶得到m个温度数据平均值；采用异常检测算法对每排热电偶的m个温度数据平均值进行异常检测，获取每一排热电偶异常检测点的数量n


技术研发人员：谢玉 梅峰 于艳 刘旭峰
受保护的技术使用者：宝山钢铁股份有限公司
技术研发日：2022.01.07
技术公布日：2023/7/20