应用改进YOLOv5s的转炉下渣状态检测算法研究

针对人工目测法、红外热像检测法在转炉下渣状态检测中检测精度和实时性较差带来挡渣操作不及时,进而影响钢成品质量的问题,提出一种基于改进YOLOv5s的转炉下渣状态检测方法。在主干网络融合卷积注意力(CBAM),增强算法特征提取能力;在颈部层引入加权双向特征金字塔结构(BiFPN),将主干结构的原始特征信息与输出节点的特征信息进行多层次融合,并给予不同特征相应的权重,获得更加丰富的特征图;在检测层使用EIoU Loss函数优化模型性能,提升预测框的收敛速度。实验结果表明:改进后模型的均值平均精度(mAP)达到91.8%,每秒传输帧数(FPS)为87.7 f/s,相比原模型分别提高4.6%和11.4%。

连铸钢包下渣的影响及控制研究

通过对某浇次钢包浇铸末期中包钢水全氧变化、炉次中包渣样分析,结合生产过程中钢包异常下渣时的影响及铸坯轧后缺陷进行研究。结果表明,钢包下渣会恶化钢水浇铸性,使水口堵塞,同时会导致合金元素氧化,产生夹杂,影响钢水纯净度。严重时会导致耐材异常侵蚀,中间包内“结壳”“焊棒”发生。根据钢种质量需求特性,制定差异性钢包下渣控制工艺,可以有效均衡产品质量和生产成本。

基于小波能量和RBF网络的钢水下渣自动检测

由于采用振动监测的方法进行钢水连铸下渣检测时,通常在整个频段上很难获得钢水下渣这一突变信号。提出了一种基于小波能量和RBF神经网络相结合的钢水连铸下渣的自动检测方法。首先,利用小波包分析的高时频分辨特性将振动信号分解到各个频带上,并以各频带信号的能量来构造用于下渣检测的特征参数。然后,利用RBF神经网络实现正常浇铸和下渣信号的自动识别。实验表明,该方法可有效地进行下渣的自动检测。

渣层厚度和出流口形状对汇流旋涡下渣的影响

通过冷模拟实验考察了冶金容器中渣层厚度和出流口形状对产生汇流旋涡临界高度的影响，揭示了汇流旋涡临界高度随渣层厚度变化的基本规律，论述了水平形出流口对降低汇流旋涡临界高度、抑制卷渣、提高钢质量和钢水收得率的优越性。

基于小波的钢液连铸下渣检测系统

在对国内外钢液连铸下渣检測系统(SDS)技术进行调研和分析的基础上,提出一种基于小波分析的SDS实现方法。针对SDS的设计与实现特点,搭建以振动测量为基础的试验平台。通过对钢包到中间包保护浇注的过程及其支承结构的相关研究,建立保护浇注支承结构的振动动力学模型,并且考虑对钢液冲击力的变化及影响测振点振动的因素,利用基本小波处理方法对钢水振动信号进行初步分析,并通过小波包技术进行进一步的特征提取,最终实现对钢液状态的有效识别。试验证明:该方法实现成本较低,对现有生产设备改造较小,使用寿命长,下渣检出率可达95％以上。

改进ResNet101网络下渣出钢状态识别研究

针对人工目测法缺乏严格的科学依据,且受主观因素影响较大,而红外下渣检测方法需对红外图像进行去噪等预处理,易造成图像失真,并且无法提取图像颜色等基本特征,这些缺点造成最终检测准确率的降低;将空间金字塔池化与ResNet101网络相结合,提出一种基于改进ResNet101网络下渣彩色图像的出钢状态分类识别检测方法,首先将下渣检测图像结合专家经验进行分类,将数据集分为训练数据集、交叉验证数据集与测试数据集;其次,分析ResNet101网络模型,加入空间金字塔池化层(SPP-Net),便于任意大小图片的输入;最后采用Softmax分类器进行图像识别实验,钢水下渣图像识别准确率达到99%以上,能够准确实现区分所有下渣情况的功能。

钢包下渣检测技术在宝钢的应用

叙述了宝钢炼钢厂一连铸采用的电磁法下渣检测的原理及使用效果,钢包下渣检测已成为现代连铸生产和质量控制的重要技术之一,它对防止钢包过量下渣、提高钢水纯净度、提高连铸钢水浇铸收得率、改善大包操作工的劳动强度和工作环境均有明显的效果,使用钢包下渣检测技术不仅可以提高连铸生产的自动化水平,同时可以获得明显的经济效益。

基于振动信号测量的连铸下渣检测系统

为了解决当前连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的下渣检测系统实现方法.通过分析连续下渣过程,根据钢水、钢渣因相对密度不同而产生的冲击振动差异判断下渣时间点.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测实验平台,有效地提高了系统使用寿命.利用自主设计的嵌入式实时数据采集系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.实验结果表明,该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96%以上.

连铸大包下渣检测技术的发展及应用

综述了连铸大包下渣技术的发展状况,对基于不同下渣原理的检测方法进行了详细分析,并探讨了其各自的发展前景。电磁检测是目前较为成熟的一项大包下渣检测技术,已经在众多钢厂获得推广;振动式大包下渣检测方法是一项具有发展前景的大包下渣检测技术。

300 吨连铸钢包下渣检测系统的研制

本文提出一种新颖的带有单线圈传感器的下渣检测系统，其传感器埋设在我国最大的３００吨连铸钢包包底的座砖中。该系统具有高的检测灵敏度，能对钢包浇注后期随钢水流出的熔渣作早期的检测与指示，在仅有少量熔渣开始流出的瞬间就能检测到下渣信号，随即关闭钢包滑动水口，终止浇注。这意味着可从每次钢包浇注中获得最大的钢产量，而进入中间包的渣量极少。系统经在线热试达到预期效果，能满足大吨位连铸生产的要求。

连铸钢包下渣检测技术的开发

介绍了连铸钢包浇注后期下渣检测仪表的工作原理，检测技术在连铸工艺中的作用，并对在武钢二炼钢厂所进行的冷态及热态试验作了论述．

钢包下渣检测系统应用实践

介绍了鞍钢股份有限公司鲅鱼圈钢铁分公司板坯连铸机振动式钢包下渣检测系统的检测原理、功能及特点。实践表明,该系统运行稳定,钢包下渣检测的总有效率达97%以上,中间包重量波动在±1 t内的罐数达98%以上。

基于矢量量化技术的钢水连铸下渣检测方法的研究

在钢水浇注后期,为了提高钢材质量,需要判断钢水浇铸是否下渣。矢量量化技术作为一种非参数的模式识别方法,已经成功应用于语音编码、语音合成、语音识别和说话人识别方面。在分析大量浇铸机构振动信号的基础上,创造性地把矢量量化技术引入钢水浇铸的下渣识别中。实验结果表明,这种方法是有效的。

浇注过程的防下渣技术

消除汇流旋涡是防下渣技术开发的首要目标。已有的浇注过程防下渣方法大体可分为 3类 ,即上躲、下藏与抑制。看来抑制法最为积极、有效 ,特别是用于中间包的名种控流、分渣双功能装置具有显著的综合优势 ;这类装置的逐步完善与普及 ,似乎是今后提高连铸水平的主要技术走向之一。

基于振动测量的连铸大包下渣检测系统的开发

根据连铸大包下渣检测系统的研发工作,介绍了一种基于振动测量的大包下渣检测方法,叙述了下渣检测的原理及整个系统的结构组成,分析了生产现场干扰信号的来源及信号处理的方法,阐述了系统的检测模型和软件系统,同时介绍了系统的应用效果。

新型钢包下渣检测装置在板坯连铸应用

介绍新型振动式下渣检测系统在马钢板坯连铸机的调试和应用。

基于神经网络的连铸钢包下渣识别系统

BP网络可以逼近复杂的非线性函数,可广泛用于函数拟合、模式识别、分类、数据压缩、预测等。设计了连铸钢包下渣自动检测系统中BP神经网络的结构,并结合钢包下渣工艺参数,对钢包下渣时刻进行了预报分析。仿真结果证明BP神经网络能够提高连铸钢包下渣时刻预报的准确性。

振动钢包下渣检测技术

介绍了钢包下渣检测技术发展现状，提出了基于振动原理的钢包下渣检测技术，对钢包下渣振动信号的分析处理方法进行了较详细论述，并简单介绍了振动钢包下渣检测的监测过程。

基于自动化控制的转炉下渣检测系统分析

针对传统检测系统存在的缺点,提出一种基于自动化技术的新型机器视觉的转炉下渣检测系统。介绍系统工作原理、设备组成及设计要点,阐述系统工作站操作规程与规范、报警异常的故障排查方法,并结合现场试验,验证该系统的挡渣效果。

钢包下渣检测技术在济钢三炼钢的应用

本文叙述了济钢第三炼钢厂1#连铸采用的电磁法下渣检测的原理及使用效果,钢包下渣检测已成为现代连铸生产和质量控制的重要技术之一,它对防止钢包过量下渣、提高钢水纯净度,提高连铸钢水浇铸收得率、改善大包操作工的劳动强度和工作环境均有明显的效果,使用钢包下渣检测技术不仅提高了连铸生产的自动化水平,同时可以获得明显的经济效益。