基于一类对余类法的遗传算法优化决策树漏钢预报模型研究

针对决策树模型在小样本训练数据的多分类问题上难以获得较高预报准确率的问题,建立了一种基于一类对余类法的遗传算法优化决策树漏钢预报模型,通过充分利用遗传算法的全局搜索能力以及其具有的鲁棒性,加强搜索控制和优化过程的监督,提高了模型的准确性。结合某钢厂连铸生产数据,对基于一类对余类法的遗传算法优化决策树漏钢预报模型进行了测试。测试表明,遗传算法仅在10次迭代后就可以使基于一类对余类法的遗传算法优化决策树漏钢预报模型达到98.39%的准确率和100%的报出率,该算法相比传统决策树算法可以在极少的迭代次数下得到更高的准确率和更好的泛化性。

钢包滑动水口系统漏钢成因及控制

钢包滑动水口系统是当前连铸生产中控流的关键部件,其工作状态直接影响到连铸生产的顺利进行。然而在实际生产过程中,钢包滑动水口系统常常会出现漏钢事故。于是从操作原因、滑板机构和钢水冶炼质量三个方面对钢包滑动水口系统常见的漏钢原因进行了分析,并制定了相应的控制措施,以期为连铸安全生产提供一定的指导。

酒钢板坯连铸漏钢成因分析及预防措施

对于酒钢4号、5号板坯连铸机的主要产品Q235及低合金钢的生产,近几年由于操作、设备等因素造成较高的漏钢率,给生产和设备造成极大危害。分析了漏钢的原因,在无漏钢预警系统的前提下制定了针对粘结漏钢与裂纹漏钢的预防措施,使板坯漏钢率显著下降。

板坯连铸漏钢原因分析及其防止措施

通过统计分析板坯连铸生产中出现的漏钢事故,认为钢水温度低、拉速快和保护渣理化性能不合理易导致粘结漏钢;对弧不良、钢水温度高、拉速快是造成裂纹漏钢的主要原因;开浇和接头漏钢主要是中间包上水口和塞棒烘烤效果不好及出苗时间不足造成的。提出了优化保护渣性能指标、强化设备检修精度、严格执行工艺技术规程和完善生产准备等防范漏钢的具体措施。

钢包下水口漏钢原因分析及改进措施

从内在原因和外在原因两方面进行分析,提出下水口漏钢原因。通过分析下水口漏钢原因对其进行整改,避免其漏钢事故的发生。

钢包滑板漏钢事故控制生产实践

近年来随着钢厂的发展,在炼钢生产过程中防控液态金属渗漏钢事故,是保障生产安全稳定顺行的基础。本文结合酒钢炼轧厂生产实践,针对钢水浇铸过程中出现的钢包滑板系统漏钢问题,分析影响因素,采取对应控制措施。通过现场生产实践,钢包滑板系统漏钢事故得到了有效控制。

小方坯连铸机角裂漏钢事故分析及控制

本文对2#小方坯连铸机角裂漏钢事故产生的原因进行分析,事故原因主要有浸入式水口浸入深度过深、浸入式水口不对中、二冷室托辊磨损严重和二冷零段排管设计缺陷。针对原因分析,通过制作和使用专用工具,实现了水口浸入深度和对中的精确控制;对二冷室托辊材质进行改进,使用球墨铸铁材质二冷室托辊,彻底解决了托辊辊面磨损严重的问题;重新设计改造二冷零段排管,改造之后零段水嘴喷出的二冷水能全部、无死角地覆盖到出结晶器下口的坯壳上,同时零段二冷水水量较改造前上升4~5 m^(3)/h,坯壳出结晶器后的冷却效果明显增强。措施实施后取得了较好的效果,至今两年时间里2#连铸机再未发生过角裂漏钢事故。

操作不当造成连铸漏钢探讨

攀钢连铸因操作不当引起的漏钢数量很大。本文对操作不当引起漏钢的原因进行了分析，提出了防止措施。

连铸结晶器粘结性漏钢预报系统研究与设计

介绍了粘结性漏钢的形成过程,对比分析了正常工况和粘结漏钢形成过程中结晶器壁的温度变化特征。通过BP神经网络建立了漏钢预报温度识别模型,用某钢厂200组典型历史温度数据对其进行训练;采用虚拟仪器平台搭建了漏钢预报实验系统并进行了模拟实验。结果表明,该方法预报实时、准确,具有一定的应用价值。

VAI连铸结晶器漏钢预报系统的应用实践

介绍了鞍钢鲅鱼圈钢铁分公司连铸机结晶器漏钢预报系统的工作原理和应用实践;通过对实际应用中产生的粘结漏钢报警信息分析,找出了影响漏钢误报和漏报的原因,并提出相应的改进措施,提高了结晶器漏钢预报系统的精度,降低粘结漏钢误报率。

基于虚拟仪器的结晶器漏钢预报系统研究

为了降低漏钢所造成的损失,提出了一种基于虚拟仪器的结晶器漏钢预报系统的设计方案;分析了粘结性漏钢的形成机理及其特征,详细介绍了系统实现方法,并给出了破裂坯壳的愈合条件。实验结果表明,该系统能够有效地识别热电偶温度变化特征并及时报警,具有一定的实用性。

漏钢预报系统在第二炼钢厂连铸的应用

漏钢预报系统保证连铸系统正常生产,避免事故漏钢,减少漏钢损失。

浅析4~#连铸机漏钢原因及改进措施

1前言我厂4~#机是4机4流ROKOP小方坯连铸机,于1994年初正式投入生产。投产初期,生产状况不太理想,常有漏钢事故发生。众所周知。

基于改进BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢的缺陷,将LM(levenberg marquardt)算法引入到BP神经网络的训练过程,建立了LM-BP神经网络模型,并将其应用于连铸过程中的漏钢预报系统。结合某钢厂连铸现场历史数据对系统进行了测试,测试结果以96.15%的预报率及100%的报出率,验证了基于LM算法的BP神经网络连铸漏钢预报方案的可行性和有效性。

常见的钢包滑动水口漏钢原因分析及改进措施

在对滑动水口常见的3种漏钢原因分析的基础上,采取措施改进滑动机构的结构,提高滑板砖的质量,规范相应的操作方法,使上水口砖与上滑板砖之间的漏钢率降低为零,滑板砖之间的漏钢由原来的0.05%降低至0.02%以下,避免了下滑板砖与下水口砖之间的漏钢,滑板砖的平均安全连浇炉数由2炉上升到2.7炉。

连铸漏钢预报系统数据采样与热电偶埋设方式

炼钢工业中的连铸漏钢事故是影响我国钢铁工业生产的一个主要因素．通过对结晶器铜板上热电偶埋设方式的研究，建立了优化热电偶埋设方式的数学模型．根据预报系统的数据采样周期，分析了在特定热电偶埋设方式下，铸坯与结晶器铜板发生粘结时断裂口发展到结晶器下口的最短时间，得到了一些有价值的结论．

基于模糊聚类的结晶器漏钢动态波形识别及其仿真(英文)

针对某大型炼钢厂, 建立了一套基于现场数据采集的动态信息分析及仿真系统,开发了Windows 环境下的应用软件。并利用结晶器热电偶温度检测技术,把模糊聚类技术应用于漏钢动态波形识别。摒弃了繁琐的逻辑公式判别,对波形的识别更接近人根据积累的经验直观判别的方式。经过仿真检验,效果明显优于传统的逻辑预报方法。

基于主动学习GA-SVM分类器的连铸漏钢预报

针对在小样本数据情况下训练的连铸漏钢预报模型难以获得较高预报准确率的问题,提出了一种基于主动学习遗传算法支持向量机(GA-SVM)分类器的漏钢预报算法。该算法首先将采集到的连铸结晶器坯壳温度数据进行预处理,并将有效数据进行标注;然后利用标注后的小样本数据和遗传算法来优化SVM的经验参数,训练并得到支持向量机模型;最后利用某钢厂采集到的连铸结晶器坯壳温度数据进行测试。测试结果表明,在利用小样本数据进行训练的情况下,所提出的基于主动学习GASVM分类器的连铸漏钢预报算法具有较高的漏钢预报率(预报精度)和100%的漏钢报出率,验证了所提漏钢预报算法的有效性。

基于神经模糊技术的漏钢诊断预报模型的研究

剖析了连铸结晶器粘结性漏钢的基本特征 ,利用热电偶 ,提出一种新的漏钢诊断预报模型。主要包括神经模糊判别技术、单偶神经网络判别技术、组偶神经网络判别技术 。

RBF神经网络应用于连铸漏钢预报

从结晶器上热电偶的时间序列和空间序列出发 ,将径向基 (RBF)神经网络应用于连铸漏钢预报 ,并对连铸过程进行了仿真 。