基于LMBP-MIV的板坯表面纵裂纹成因在线判定

炼钢 ›› 2019, Vol. 35 ›› Issue (4): 59-65.

基于LMBP-MIV的板坯表面纵裂纹成因在线判定

从俊强1，仇圣桃1，米进周2，张兴中1，杨文峰2，康健英3

（1.钢铁研究总院连铸技术国家工程研究中心，北京 100081； 2.中国重型机械研究院股份公司，陕西西安 710032； 3.河北敬业集团第二炼钢事业部，河北石家庄 050400）

接受日期:1900-01-01 出版日期:2019-08-05

Online judgment of longitudinal facial cracking on slab based on LMBP-MIV

Accepted:1900-01-01 Online:2019-08-05

摘要/Abstract

摘要： 表面纵裂纹是种发生率较高的连铸板坯缺陷，表面纵裂纹影响因素在线判定对实现连铸生产绿色化和智能化至关重要。为了实现表面纵裂纹影响因素权重智能化在线判定，基于表面纵裂纹的形成机理及影响因素分析，利用BP神经网络建立模型映射影响因素与表面纵裂纹之间非线性关系，然后利用板坯数据及LM算法优化模型，最后采用MIV算法计算各个影响因素的权重。浇铸过程中，表面纵裂纹出现后，工艺人员基于判定结果，在线调整生产过程参数，降低了表面纵裂纹再发生率；浇铸结束后，工艺人员参照判定结果，迅速找到了板坯表面纵裂纹形成原因。

关键词: 板坯, 表面纵裂纹, 影响因素, 智能化, 在线判定, LMBP-MIV

Abstract: The longitudinal facial crack is a kind of slab defect with high incidence. Online judgment of the influence factors of longitudinal facial cracks is of great importance to realize the intelligence and green of continuous casting production.According to the formation mechanism and influential factors of longitudinal facial cracks, an nonlinear relationship model of influence factors and longitudinal facial crack was established by BP neural network. Then, the model was optimized by the slab data and the LM algorithm. Furthermore, the weight of each influential factor was calculated using the MIV algorithm. Based on the above processes, the online judgment in the intelligence of the weight of influential factors of longitudinal facial cracks could be realized. When the longitudinal facial crack was occurred, the occurrence probability of longitudinal facial cracks was decreased by adjusting the process parameters online based on the judgment results. And the formation cause of longitudinal facial cracks could be promptly found based on the judgment resultsAfter the cast.

Key words: longitudinal facial crack, influence factors, intelligence, online judgment, LMBP-MIV

从俊强1，仇圣桃1，米进周2，张兴中1，杨文峰2，康健英3. 基于LMBP-MIV的板坯表面纵裂纹成因在线判定[J]. 炼钢, 2019, 35(4): 59-65.

[1]	杨业鹏1，岳峰1，马明胜2. RH精炼炉脱碳模型研究[J]. 炼钢, 2020, 36(2): 10-16.
[2]	翟冰钰，王万林，张磊. 高拉速条件下中碳钢连铸用保护渣的性能研究[J]. 炼钢, 2020, 36(1): 50-56.
[3]	林大帅，李晓斐，张文涛，李艳峰，王景宁，刘剑锋. 轻压下对C610L连铸板坯内部品质的改善[J]. 炼钢, 2019, 35(5): 50-53.
[4]	田立，田运辉，谢卫东，李英姿，肖小文. 基于前馈补偿方式的板坯结晶器液面周期性波动研究[J]. 炼钢, 2019, 35(4): 38-42.
[5]	苏瑞先1，陈志平2. 16MnCr5连铸板坯中心偏析的控制研究[J]. 炼钢, 2019, 35(3): 42-46.
[6]	李中华1，杨晓江1，周朝刚2，李立勋1，侯明山3. 连铸板坯在线质量判定系统的开发和应用[J]. 炼钢, 2019, 35(1): 71-75.
[7]	陈刚1，周海龙1，喻林1，钟良才2，张开坚1. 浸入式水口结构对板坯结晶器液面波动的影响[J]. 炼钢, 2018, 34(5): 50-56.
[8]	姚海明1，杨杰2，李梦英2. 薄板坯连铸结晶器铜板内腔形状研究[J]. 炼钢, 2018, 34(5): 64-68.
[9]	赵春宝，李晓阳，徐金岩，陈永艳，王岩. 低碳钢表面纵裂与夹渣缺陷改善[J]. 炼钢, 2018, 34(5): 69-73.
[10]	陈守杰1，王勇源1，赵志刚2，王洪坤2，高金星3. 板坯连铸机漏钢报警的原因分析及改进措施[J]. 炼钢, 2018, 34(4): 50-54.
[11]	汤磊, 张炯明, 翟明智. 连铸板坯轧制过程缩孔闭合行为的数值模拟[J]. 炼钢, 2018, 34(4): 59-65.
[12]	何小群1,何新军2. 连铸板坯液芯在线检测技术[J]. 炼钢, 2018, 34(2): 44-50.
[13]	薛正良1，胡智超1，李平1，刘小卿2，齐江华2. SPHC板坯表面和皮下夹渣的研究[J]. 炼钢, 2018, 34(1): 36-43.
[14]	曹磊，王国连，田志伟，史志强，秦登平，郑翠军 . 板坯连铸机无水封顶技术的开发与应用[J]. 炼钢, 2017, 33(6): 47-50.
[15]	肖鹏程1，2，朱立光1，2，王杏娟1，2，宋土顺1，2，李建设3. 高强汽车板连铸坯纵裂分析与保护渣优化[J]. 炼钢, 2017, 33(3): 56-62.