宋志斌

（河鋼集團(tuán)承鋼分公司 自動化中心，河北 承德 067000）

隨著連鑄工藝的不斷發(fā)展，高效的連鑄技術(shù)越來越得到應(yīng)用，在連鑄工藝中最制約連鑄生產(chǎn)安全穩(wěn)定的就是連鑄過程中的漏鋼事故，在各種漏鋼事故中粘結(jié)性漏鋼發(fā)生頻率最高，造成的損失也最大，為了徹底解決粘結(jié)性漏鋼事故，國內(nèi)外的設(shè)備廠商和鋼鐵制造商主要從兩個方向進(jìn)行研究，一是不斷研究粘結(jié)性漏鋼的原理，通過優(yōu)化工藝操作避免漏鋼事故的發(fā)生，二是開發(fā)連鑄漏鋼預(yù)報(bào)模型，通過漏鋼預(yù)報(bào)模型實(shí)時(shí)監(jiān)控結(jié)晶器鋼水狀態(tài)，對于可能發(fā)生的漏鋼事故提前進(jìn)行報(bào)警[1，2]。本文的主要研究目的是開發(fā)連鑄漏鋼預(yù)報(bào)系統(tǒng)，以承鋼熱軋卷板事業(yè)部1號板坯連鑄機(jī)的連鑄漏鋼問題為應(yīng)用背景，研究粘結(jié)性漏鋼發(fā)生時(shí)的連鑄工藝特點(diǎn)，根據(jù)漏鋼時(shí)結(jié)晶器銅板上熱電偶所檢測到的溫度趨勢設(shè)計(jì)相應(yīng)的漏鋼預(yù)測模型，對神經(jīng)元網(wǎng)絡(luò)的工作原理和應(yīng)用情況進(jìn)行研究，選取RBF神經(jīng)元網(wǎng)絡(luò)進(jìn)行漏鋼數(shù)據(jù)的訓(xùn)練和測試，找到更適合連鑄漏鋼預(yù)報(bào)的神經(jīng)元網(wǎng)絡(luò)。

1 工藝介紹

隨著高效連鑄工藝的快速發(fā)展，與生產(chǎn)配套的自動化、機(jī)械化水平也得到了大幅度的提高，目前連鑄技術(shù)已經(jīng)在大部分鋼廠得到了廣泛的應(yīng)用[3]。高效連鑄工藝無論從操作穩(wěn)定性還是產(chǎn)品缺陷率等角度都得到了快速發(fā)展，即使是這樣連鑄的生產(chǎn)從生產(chǎn)效率和產(chǎn)品質(zhì)量方面還有很大潛力可挖，提高生產(chǎn)效率主要是要解決高拉速和穩(wěn)定產(chǎn)品質(zhì)量之間的矛盾，因?yàn)檫^高的拉速容易造成漏鋼[4]。在連鑄生產(chǎn)當(dāng)中由于某種原因造成結(jié)晶器銅板內(nèi)鋼水凝固坯殼出現(xiàn)破損，破損位置沒有在流出結(jié)晶器出口前重新得到凝固，最終形成漏鋼事故。漏鋼事故是對連鑄生產(chǎn)影響最大，也是造成經(jīng)濟(jì)損失最大的事故，因?yàn)橐坏┞╀撌鹿拾l(fā)生，泄漏的鋼水直接澆注在結(jié)晶器下邊的設(shè)備上，造成生產(chǎn)停滯和設(shè)備損失，有時(shí)還會危及人的生命。因此，研發(fā)漏鋼預(yù)報(bào)系統(tǒng)，在漏鋼發(fā)生時(shí)和發(fā)生前進(jìn)行報(bào)警，采取相應(yīng)措施將漏鋼事故遏制在萌芽狀態(tài)，一直是連鑄發(fā)展急需解決的重要課題。對比沒有應(yīng)用漏鋼預(yù)報(bào)系統(tǒng)的鑄機(jī)，單從避免漏鋼直接造成的經(jīng)濟(jì)損失方面就有很大的差距，國內(nèi)的漏鋼預(yù)報(bào)技術(shù)研究由于發(fā)展較晚，與發(fā)達(dá)國家的差距還比較大，像寶鋼、武鋼這些比較大的鋼廠，通過引進(jìn)消化、自主研發(fā)的方式也開發(fā)很多類似的系統(tǒng)，但應(yīng)用效果還不盡如人意，這些是我國漏鋼技術(shù)研究中需要解決的問題[5]。

2 RBF神經(jīng)網(wǎng)絡(luò)模型

本節(jié)我們將介紹RBF神經(jīng)元網(wǎng)絡(luò)，RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)結(jié)構(gòu)上有所不同，RBF網(wǎng)絡(luò)在輸入層和隱含層之間沒有權(quán)值和閾值，因此網(wǎng)絡(luò)在訓(xùn)練速度上有所提高。

2.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

RBF神經(jīng)元網(wǎng)絡(luò)一般也是三層結(jié)構(gòu)，分別是輸入層、隱含層和輸出層，根據(jù)仿真測試效果確定隱含層神經(jīng)元個數(shù)。相比于前向網(wǎng)絡(luò)，RBF網(wǎng)絡(luò)一旦徑向基函數(shù)確定那么網(wǎng)絡(luò)的基本結(jié)構(gòu)就確定了[6]。

2.2 RBF算法的數(shù)學(xué)描述

RBF 神經(jīng)網(wǎng)絡(luò)隱含層第i個神經(jīng)元的輸出計(jì)算公式為：

RBF網(wǎng)絡(luò)輸出層第k個神經(jīng)元的輸出是隱含層經(jīng)過加權(quán)和的線性組合結(jié)果：

其中，yk為輸出層第k個神經(jīng)元的實(shí)際輸出，wki為隱含層第i個神經(jīng)元與輸出層第k個神經(jīng)元之間的連接權(quán)值；θk為輸出層第k個神經(jīng)元的閾值。

2.3 建立RBF神經(jīng)網(wǎng)絡(luò)模型

通過確定RBF的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)建立網(wǎng)絡(luò)模型，利用承鋼150噸1號鑄機(jī)現(xiàn)場采集到的熱電偶溫度數(shù)據(jù)對網(wǎng)絡(luò)性能進(jìn)行測試。

首先確定輸入層神經(jīng)元個數(shù)為10；

根據(jù)網(wǎng)絡(luò)的目標(biāo)是對是否漏鋼進(jìn)行判斷，所以輸出層神經(jīng)元數(shù)為1；

RBF網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)選取的是否合理直接影響網(wǎng)絡(luò)的性能，經(jīng)過測試確定網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)為6個，RBF網(wǎng)絡(luò)的初始權(quán)值與網(wǎng)絡(luò)的輸出沒有直接關(guān)系，可以隨機(jī)選取。

輸入層神經(jīng)元數(shù)：n=10；

根據(jù)漏鋼時(shí)的熱電偶溫度曲線特征確定輸入神經(jīng)元個數(shù)，通過分析漏鋼時(shí)熱電偶溫度曲線，可以確定熱電偶在20秒內(nèi)的溫度變化曲線能夠反映出漏鋼發(fā)生時(shí)的溫度特征，如果以2秒作為采樣周期，那么可以確定此網(wǎng)絡(luò)輸入神經(jīng)元個數(shù)為10。

根據(jù)本網(wǎng)絡(luò)建立的目標(biāo)是判斷是否出現(xiàn)漏鋼，所以可以確定輸出層神經(jīng)元個數(shù)：m=1；

將輸入層神經(jīng)元個數(shù)n和輸出層神經(jīng)元個數(shù)m帶入上述公式，得到隱含層神經(jīng)元數(shù)n1為4到13之間的數(shù)，最終隱層個數(shù)的確定還要通過訓(xùn)練確定。

3 應(yīng)用效果

通過將本文研究的漏鋼預(yù)報(bào)系統(tǒng)部署到承鋼150噸連鑄現(xiàn)場，用現(xiàn)場采集的數(shù)據(jù)對系統(tǒng)進(jìn)行測試，從2016年7月開始共采用1號鑄機(jī)生產(chǎn)的384爐數(shù)據(jù)對模型進(jìn)行測試，對于其中發(fā)生的9次坯料粘結(jié)，系統(tǒng)都做出了報(bào)警，只有一次誤報(bào)，系統(tǒng)的漏報(bào)率為0，模型的誤報(bào)率為0.26%（次/爐），比原有系統(tǒng)1.8%（次/爐）的誤報(bào)率有所降低，測試結(jié)果證明本文設(shè)計(jì)的漏鋼預(yù)報(bào)系統(tǒng)可以運(yùn)用到實(shí)際生產(chǎn)當(dāng)中，預(yù)報(bào)效果較好。