1 连铸坯表面质量预报系统发展概况
在连铸生产中，对铸坯质量及时做出在线预报，对确保生产的连续性、提高产品质量及降低生产成本具有重要意义。许多钢铁企业对此都极为关注，并开发了自己的铸坯质量检测专家系统，铸坯尚在结晶器中便可获得各参数，对铸坯进行质量评判和分类，并进行跟踪。事实上，连铸坯质量缺陷绝大部分起源于结晶器内的热力学和动力学过程，而结晶器铜板所埋设热电偶提供的温度信息是其热力学和动力学的直接反映。开发的连铸坯表面质量预报系统中，比较有代表性的有奥地利Linz钢厂的计算机辅助质量控制系统（CAQC）、英国British Steel的结晶器热监控系统（MTM）、德国Mannesman Demag公司的质量评估专家系统（XQE）。以上系统大都是在漏钢报警系统基础上发展而来的，具有漏钢报警和表面质量报警功能。
英国钢铁公司的结晶器热监控系统（MTM）开发于20世纪80年代，其主要目的是防止漏钢和改善铸坯质量。该MTM系统首先在中厚板生产中得到运用。应用数据表明，发生漏钢时板坯的散热速率远低于相同状况下的正常散热速率。此外，系统运行时发现，在漏钢发生之前塞棒常有快速开启的动作，表明氧化铝团块和被氧化铝污染的保护渣可能是导致传热速率下降和漏钢的原因 [1]。
奥钢联Linz钢厂的计算机辅助质量控制系统（CAQC）开发于1983年，1991年开始在线运行。该系统可以模拟工艺控制过程，通过提供板坯的质量预报数据，取代了部分板坯检验工作，同时还根据产品定货要求确定容许的板坯缺陷，以尽可能减少精整工作。系统主要通过考察板坯缺陷和操作参数之间的关系来提供板坯缺陷的预报，同时还提供良好的人机界面用于保存专家知识，然后用所编写的函数对大量的过程数据进行处理[2]。
日本大同钢铁公司知多厂所开发的表面质量检测系统在结晶器铜板的28个点上分别设置了热电偶，以检测铸坯表面温度变化；在二冷段的各个面上配置了流量计和压力计，以监测喷嘴堵塞等异常情况；在矫直段测定铸坯棱角温降情况。将上述信息和数据输入计算机进行比对和鉴别，即可查明铸坯在各个阶段的温度变化与裂纹间的关系。系统还设定了各种钢成分和拉速的裂纹产生危险温度区域。此系统用于连铸大生产，可将铸坯表面缺陷减少2/3[3]。
在国内,宝钢开发了一套连铸过程优化控制系统。其中包括结晶器控制、水口诊断、柔性数据采集、铸坯质量自动识别、二冷表面温度测量、连铸混合数据库智能搜索引擎的可视化研究和单块分析、铸坯切割测长诊断等项目内容。
2 质量预报专家系统的基本原理
本研究开发的铸坯表面质量预报专家系统包括三个部分：第一部分是过程监控和数据录入；第二部分是质量预报，其中包括漏钢预报和表面质量预报；第三部分是数据存储和查询部分。
系统的核心部分是结晶器热监控部分，热点偶布置方式为：宽边分为3排，各8根，对称分布，窄边分为3排，各1根，对称分布。其中，宽面热电偶布置示意图见图1。
[img]20063169333488152.gif[/img]
一般说来，铸坯的表面质量缺陷主要有表面纵裂、表面横裂、角部纵裂、角部横裂、星状裂纹、深震痕、表面针孔、表面夹渣。裂纹形成的原因一方面取决于铸坯形成过程中坯壳和液固界面的受力状况，另一方面取决于钢在高温下的机械性能。生产上常见裂纹的直接诱导因素有拉速过高，中间包钢水液位过低，结晶器震动偏离目标值，结晶器内液位过高或者过低，以及保护渣和所拉钢种不匹配，二冷水温度波动过大等[4] 。
表面纵裂纹多发生在板坯宽面中央部位，其主要原因是初生坯壳厚度不均匀，在坯壳薄的地方应力集中，当应力超过坯壳的抗拉强度时就产生裂纹。纵裂发生时，其附近热电偶数据一般都有特征性的波动，所以纵裂预报正确率比较高。表面横裂纹多发生在弧形连铸机铸坯的内弧侧，而且常发生在铸坯表面深振痕的波谷处。含Al高的钢种和含有Nb、Cu、Ni、N等微量元素的钢种较容易出现这种裂纹。
3 系统的基本构成及数据采集方案
3.1 系统构成
系统分为硬件和软件两部分。硬件构成包括：1台用于后台数据支撑的数据仓库服务器，1台用于前端质量预报的工控机，42根热电偶，10个ADAM 4018型的热电偶数据采集模块，一个ADAM4520型通讯模块,以及必要网络设备。
软件构成包括：操作系统软件：WINDOWS 2000；数据库系统软件：SQL SERVER 2000；开发软件：VISUAL BASIC 6.0；连铸板坯表面质量预报专家系统。
3.2 数据采集方案
数据的实时采集模块要实现的功能为数据的录入和存储。采集的数据包括人工录入的数据，武钢第二炼钢厂现有的Oracle数据库中的数据以及从结晶器采集的数据。在经过对现场数据的情况进行考查以后，发现现场数据有以下特点：数据量大（在5～10年中可以增加至上百G）；面向主题（针对板坯表面质量预报而进行组织和存储）；需要集成（在数据进行存储过程中需要对大量数据进行运算和组织）；非易失性（在数据存储以后，基本上没有对其进行更新的要求）；存储时间长（年限为5～10年）；以查询为主要的操作方式（因为主要的工作是研究数据表现出来的规律）；在非重复的启发模式下工作，无法预知需求。
基于上述特点，拟定建立一个数据仓库系统对板坯质量预报系统进行支持。从武钢第二炼钢厂现有的Oracle数据库取得一部分数据，通过adam模块从结晶器采集热电偶数据和液面数据，再由人工输入板坯质量数据和保护渣数据。在这三部分数据都到位以后，对所有数据进行时空转换运算，然后将处理后的数据以板坯编号和炉号为单位进行存储。存储方式采用星型结构，以月为时间单位对其进行分割。系统数据流程如图2所示。
[img]20063169345881912.gif[/img]
4 表面质量预报
4.1 粘结漏钢预报
在本系统的开发中，把漏钢作为铸坯表面质量的一种质量等级，即最差的一级为漏钢事故发生。此部分设计思路是建造一个混合式的神经元网络专家系统，将专家系统和神经元网络有机结合起来。系统中的神经元网络选择了BP网络，BP网络是一个多层前馈网络，由正向传播和反向传播组成，这种网络在输出层和输入层之间至少有一个隐蔽层，从输入层输入，经隐含层逐层处理后传入输出层。在正向传播阶段，每一层神经元的状态只影响下一层神经元的状态。如果输出层得不到期望的输出结果，则进入误差的反向传播阶段。误差反向返回，逐层修改各层的连接权值。
利用历史数据完成BP网络训练，得到权值，保存。正向运算的结果输入到专家系统的体系中，结合其他知识源信息，由专家系统完成最后的漏钢预报。典型的粘结漏钢报警温度趋势如图3所示。
[img]20063169351419114.gif[/img]
4.2 角部报警
角部报警由一个窄面电偶和附近一个宽面电偶触发。当撕裂部位通过电偶位置时，上位和下位电偶均有一个温升和温降模式。典型角部报警时，温度趋势示意图如图4所示。可以看出，角部报警的温度趋势图和粘结漏钢报警非常相似。二者的主要区别是，受撕裂的影响，前者的传播速度比拉速还要快一点。此外，角部报警的温度信号相对比较紊乱。
[img]20063169352722349.gif[/img]
4.3 保护渣报警
在连铸过程中，除了浇注断面较小的铸坯外，大都使用保护渣。好的保护渣和正确的添加操作会保证生产稳定有序进行，反之则会带来一系列质量缺陷。Mannesman Demag公司的质量预报专家系统设定，只要上排热电偶比下排热电偶温度低，一直持续设定时间（如30s，1min，2min），就发出保护渣报警。但由于开浇的时候经常错误发出保护渣报警，系统设置改为在开始浇注铸坯前1200cm的时候禁止报警[4]。本系统借鉴了这一做法。
4.4 表面裂纹预报
此部分设计思路采用神经网络预报和逻辑预报方式相结合，将两部分运算结果做加权处理。从温度趋势图（见图5）上看，当表面报警发生时候，上部电偶和下部电偶都有一个显著的温降，只是由于表面缺陷随铸坯下行而有一个时间差[5]。当渣片通过上部电偶时，将铸坯和结晶器铜板隔开，温度值比先前有降低；当渣片通过电偶位置，铸坯又和铜板接触，温度值恢复如初。下位电偶亦是如此。专家系统中有一个函数来描述这种温度趋势，作为判定的重要依据。
[img]20063169362113254.gif[/img]
5 结 语
本系统已经完成离线开发部分，初步完成设计功能，用历史数据测试发现，系统可以根据生产过程中的原因预报板坯的部分质量缺陷。要使本系统得到提高，尚需在冶金知识库的完善、BP神经网络权值自学习及智能选取方面多做工作。
参考文献：
[1] J.D.Madill, A.Scholes, A.S.Normanton, A.Robson, D.Stamp, Continuous Casting Development at British
Steel[A]，Steelmaking Conference Proceedings : 1998,285～289.
[2] H.Preissl and T.Faster,Automatic Quality Control of Cast Slabs at the VOEST-ALPINE Steel Works[A],
Steelmaking Conference Procee-dings : 1995, 621～627.
[3] 日开发铸坯表面质量检测系统[N].中国冶金报，2002-10-23（3）.
[4] 陈雷.连续铸钢[M].北京：冶金工业出版社，1994.
[5] M.M,Collur etc,Evaluation of the Mannesman Demag Mold Thermal Monitoring System at the A-L's
Brackenridge Slab Caster[A]，Steelmaking Conference Proceedings : 2000 ,413～430.
