一种进行连铸板坯质量缺陷因素追溯的系统及方法

技术领域

本发明涉及炼钢技术领域，更具体地说，涉及一种进行连铸板坯质量缺陷因素追溯的系统及方法。

背景技术

连铸板坯无法做到无缺陷生产，或多或少会产生板坯缺陷，这些缺陷包括表面缺陷或内部缺陷。影响连铸板坯生产质量的因素较多，既有从转炉、精炼到连铸的生产工序异常的影响，也可能是生产设备等生产异常的影响。影响因素多、异常具有偶然性等特点，导致当出现板坯质量缺陷时，难以快速定位找到缺陷产生的主因素，导致一段时间内，批量缺陷的出现。因此，开发能快速对连铸坯质量缺陷因素追溯的系统和方法具有必要性。

传统的手段根据工艺经验，往往难于第一时间找到关键主因素从而进行改进，需要通过几次试错，这导致了溯源成本的增加，需要通过信息化、自动化的手段实现缺陷板坯溯源效率的提升。

近些年来，随着信息技术的快速发展，尤其是大数据和AI技术等的发展在互联网和医疗等行业的应用成功，带来了显著的经济效益，开始了在工业上的应用。然而，目前已发表的机器学习/深度学习方法主要还是应用在缺陷板坯的在线检测上，这些专利包括公开号CN 111618265A名称为“一种基于K近邻分类的连铸坯纵裂纹在线检测方法”，公开号CN111666710A名称为“一种采用逻辑回归分类预测连铸坯纵裂纹的方法”以及公开号CN111680448 A名称为“一种基于支持向量机SVM分类的连铸述纵裂纹预测方法”，以及专利申请人申请的一系列在线缺陷检测的专利。虽然，这些专利应用到机器学习算法，但尚无涉及应用到专门进行缺陷发生后的事后溯源的专利。

发明内容

针对现有技术中存在的上述缺陷，本发明的目的是提供一种进行连铸板坯质量缺陷因素追溯的系统及方法，提高连铸板坯质量缺陷因素追溯的效率，及时进行工艺或设备方面的控制改进，避免批量同缺陷类型板坯的出现，节约成本。

为实现上述目的，本发明采用如下技术方案：

一方面，一种进行连铸板坯质量缺陷因素追溯的系统，包括：

历史缺陷板坯数据库，用以收集并存储缺陷板坯的数据；

各工序参数相似性计算模型群，包括所述缺陷板坯的各工序参数的相似度计算模型；

板坯缺陷因素追溯模块，用以计算待追溯板坯与所述各工序参数相似性计算模型群中相近的缺陷板坯的各工序参数的相似度；

画面操作与展示模块，用于进行板坯缺陷因素追溯操作与展示。

较佳的，所述历史缺陷板坯数据库包括缺陷板坯表、缺陷板坯生产实绩特征表、缺陷板坯生产设备状态表：

所述缺陷板坯表包括缺陷版批号、缺陷类型两列数据；

所述缺陷板坯生产实绩特征表包括缺陷板坯号、生产实绩特征参数；

所述缺陷板坯生产设备状态表包括缺陷板坯号，连铸生产关键设备状态特征信息。

较佳的，所述生产实绩特征参数包括连铸生产过程中从转炉、精炼到连铸生产过程的生产实绩信息；以及中包成分、转炉停吹氧、精炼喂丝、连铸生产中拉速波动、液位波动、板坯位置信息；还包括由连铸生产过程高频数据中提取出的特征参数。

较佳的，所述生产实绩特征参数包括多个子表，各个子表包括板坯成分表、板坯各工序生产实绩特征参数表。

较佳的，所述缺陷板坯生产设备状态表还包括辊缝影响板坯裂纹的信息。

较佳的，所述历史缺陷板坯数据库还包括历史板坯缺陷产生的一个或多个因素。

较佳的，所述各工序参数相似性计算模型群包括成分相似度计算模型、转炉工艺实绩相似度计算模型、精炼工艺实绩相似度计算模型、连铸工艺实绩相似性计算模型；

所述各工序参数相似性计算模型群按照最近邻原则计算成分、各工序工艺实绩的相似度值；

相似度计算中，各工艺实绩因素采用不同的权重，权重大小按照工艺大小给予或通过数据学习获得。

较佳的，所述板坯缺陷因素追溯模块通过以下步骤进行缺陷板坯追溯：

S1、从生产系统中获取待缺陷板坯追溯的生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，从所述历史缺陷板坯数据库中找出同样出钢记号的缺陷板坯的板坯号；

S3、若步骤S2中无同样出钢记号的缺陷板坯，则根据所述成分相似度计算模型，找出成分相近的缺陷板坯的板坯号；

S4、再根据所述各工序参数相似性计算模型群，分别计算转炉、精炼、连铸工艺中待追溯的缺陷板坯与相近的缺陷板坯中各工序参数的相似度；

S5、最后按照相似度大小进行排序，相似度越大，与缺陷产生的相关性越大。

较佳的，所述步骤S4中，若所述历史缺陷板坯数据库中还包含历史板坯缺陷产生的一个或多个因素，则优先计算该一个或多个因素的相似性。

较佳的，所述系统还包括：

板坯缺陷数据库自更新模块，每隔1～2月对所述历史缺陷板坯数据库进行自动更新。

另一方面，一种进行连铸板坯质量缺陷因素追溯的方法，采用所述的进行连铸板坯质量缺陷因素追溯的系统执行以下步骤：

S1、从L3系统获取待缺陷板坯追溯的生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，判断是否能从所述历史缺陷板坯数据库中找出同样出钢记号的缺陷板坯的板坯号，若是，则进入步骤S3，若否，则根据所述成分相似度计算模型，判断是否能找出成分相近的缺陷板坯的板坯号，若是，则进入步骤S3，若否，则在所述画面操作与展示模块上显示未追溯成功，并将该条数据进入所述历史缺陷板坯数据库；

S3、再根据所述各工序参数相似性计算模型群，分别计算转炉、精炼、连铸工艺中待追溯的缺陷板坯与相近的缺陷板坯中各工序参数的相似度；

S4、最后在所述画面操作与展示模块上显示追溯成功，根据相似度进行排序，显示缺陷追溯结果。

本发明所提供的一种进行连铸板坯质量缺陷因素追溯的系统及方法，提供一种可以快速地进行连铸板坯质量缺陷因素追溯的系统及方法，具有如下发明效果：

(1)考虑到同类钢种在一台铸机上导致发生该钢种板坯缺陷的因素具有极大概率的相似性，意味着应用信息化与机器学习中相似度计算模型，可以找出待追溯缺陷板坯因素。因此，通过相似性模型逐一对比待缺陷板坯与历史缺陷板坯在成分、各工序段工艺的相似度，根据相似度进行排序，即可以对待追溯板坯缺陷发生因素进行定位与排序，有利于工艺人员及时改进工艺，减少缺陷板坯的批量出现，降低炼钢过程中的生产成本；

(2)该系统主要通过数据、机器学习等方法解决问题，与铸机本身工艺特征相关性不大，易于移植。

附图说明

图1是本发明进行连铸板坯质量缺陷因素追溯的系统的框架示意图；

图2是本发明进行连铸板坯质量缺陷因素追溯的方法的流程示意图。

具体实施方式

为了能更好地理解本发明的上述技术方案，下面结合附图和实施例进一步说明本发明的技术方案。

结合图1所示，本发明所提供的一种进行连铸板坯质量缺陷因素追溯的系统，包括：

历史缺陷板坯数据库1，用以收集并存储缺陷板坯的数据，该数据库包括：

缺陷板坯表，包括缺陷版批号、缺陷类型两列数据；

缺陷板坯生产实绩特征表，包括缺陷板坯号、生产实绩特征参数；

缺陷板坯生产设备状态表，包括缺陷板坯号，连铸生产关键设备状态特征信息。

历史缺陷板坯数据库还包括历史板坯缺陷产生一个或多个因素。

生产实绩特征参数包括连铸生产过程中从转炉、精炼到连铸生产过程的生产实绩信息。该生产实绩信息是描述板坯炼钢过程中的生产参数的波动。以及包括中包成分、转炉停吹氧、精炼喂丝、连铸生产中拉速波动、液位波动、板坯位置等信息；生产实绩特征参数还包括由连铸生产过程高频数据中提取出的特征参数，包括结晶器热电偶温度变化最大值等。

生产实绩特征参数包括多个子表，各个子表包括板坯成分表、板坯各工序生产实绩特征参数表。

缺陷板坯生产设备状态表还包括辊缝等影响板坯裂纹的信息。

各工序参数相似性计算模型群2，包括缺陷板坯的各工序参数的相似度计算模型，该模型群包括：

各工序参数相似性计算模型群包括成分相似度计算模型、转炉工艺实绩相似度计算模型、精炼工艺实绩相似度计算模型、连铸工艺实绩相似性计算模型；

各工序参数相似性计算模型群按照最近邻原则计算成分、各工序工艺实绩的相似度值；

相似度计算中，各工艺实绩因素采用不同的权重，权重大小按照工艺大小给予或通过数据学习获得。

板坯缺陷因素追溯模块3，用以计算待追溯板坯与各工序参数相似性计算模型群中相近的缺陷板坯的各工序参数的相似度。该模块通过以下步骤进行缺陷板坯追溯：

S1、从生产系统中获取待缺陷板坯追溯的生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，从历史缺陷板坯数据库中找出同样出钢记号的缺陷板坯的板坯号；

S3、若步骤S2中无同样出钢记号的缺陷板坯，则根据成分相似度计算模型，找出成分相近的缺陷板坯的板坯号；

S4、再根据各工序参数相似性计算模型群，分别计算转炉、精炼、连铸工艺中待追溯的缺陷板坯与相近的缺陷板坯中各工序参数的相似度；

S5、最后按照相似度大小进行排序，相似度越大，与缺陷产生的相关性越大。

上述步骤S4中，若历史缺陷板坯数据库1中还包含历史板坯缺陷产生一个或多个因素，则优先计算该一个或多个因素的相似性。

画面操作与展示模块4，用于进行板坯缺陷因素追溯操作与展示。

本发明系统还包括：

板坯缺陷数据库自更新模块5，该模块每隔1～2月对历史缺陷板坯数据库1进行自动更新，以保证缺陷数据库中每个出钢记号为最新数据，或在进行板坯缺陷溯源时，未溯源成功的板坯号进入历史缺陷板坯数据库1进行数据库数据的补充与完善。

结合图2所示，本发明还提供了一种进行连铸板坯质量缺陷因素追溯的方法，采用本发明进行连铸板坯质量缺陷因素追溯的系统执行以下步骤：

S1、从生产系统获取待缺陷板坯追溯的生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，判断是否能从历史缺陷板坯数据库中找出同样出钢记号的缺陷板坯的板坯号，若是，则进入步骤S3，若否，则根据成分相似度计算模型，判断是否能找出成分相近的缺陷板坯的板坯号，若是，则进入步骤S3，若否，则在画面操作与展示模块上显示未追溯成功，并将该条数据进入历史缺陷板坯数据库；

S3、再根据各工序参数相似性计算模型群，分别计算转炉、精炼、连铸工艺中待追溯的缺陷板坯与相近的缺陷板坯中各工序参数的相似度；

S4、最后在画面操作与展示模块上显示追溯成功，根据相似度进行排序，显示缺陷追溯结果。

实施例

再结合图1所示，在本实施方式中，本发明系统包含如下几个模块：

历史缺陷板坯数据库1：由板坯缺陷表、转炉工艺实绩表、精炼RH工艺实绩表、连铸工艺实绩表、连铸设备状态表等表数据。这些数据包含每个出钢记号在过去一年内的缺陷板坯号、缺陷类型、各工序生产实绩信息。

各工序参数相似性计算模型群2：包括成分相似度、转炉工艺相似度、精炼RH工艺相似度、连铸工艺相似度、连铸设备状态相似度等相似度计算模型。

板坯缺陷因素追溯模块3，该追溯模块的追溯流程如下步骤：

S1、从生产系统中获取待缺陷板坯追溯地生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，从历史板坯数据缺陷表中找出同样出钢记号缺陷板坯的板坯号；

S3、如步骤S2中无同样出钢记号的缺陷板坯，根据成分相似度计算模型，找出成分最相近的缺陷板坯的板坯号；

S4、如找到相似度板坯，则根据各工序参数相似性计算模型，分别计算转炉、精炼、连铸工艺中待追溯板坯与相近板坯中各工序参数的相似度，并进入步骤S51，否则进入步骤S52；

S51、在画面中按照相似度排序进行缺陷追溯因素排序；

S52、将该板坯信息写入缺陷板坯数据库，进行数据库信息完善。

画面操作与展示模块4：用于缺陷板坯追溯的画面操作与结果展示。该模块包括两个功能，一是进行按照时间的板坯缺陷查询；二是进行板坯缺陷溯源的操作与溯源结果的展示。

板坯缺陷数据库自更新模块5：系统中包含板坯缺陷数据库自更新模块；该模块每隔1个月进行一次历史缺陷板坯数据库1自更新程序的运行，保证历史缺陷板坯数据库1中每个出钢记号为最新数据。

再结合图2所示，在本实施方式中，本发明方法采用本发明系统执行以下步骤：

S1、从生产系统获取待缺陷板坯追溯地生产实绩特征、设备状态信息、高频数据信息；

S2、根据出钢记号，从历史板坯数据缺陷表中找出同样出钢记号缺陷板坯的板坯号；

S3、如步骤S2中无同样出钢记号的缺陷板坯，根据成分相似度计算模型，找出成分最相近的缺陷板坯的板坯号；

S4、如找到相似度板坯，则根据各工序参数相似性计算模型，分别计算转炉、精炼、连铸工艺中待追溯板坯与相近板坯中各工序参数的相似度，并进入步骤S51，否则进入步骤S52；

S51、在画面中按照相似度排序进行缺陷追溯因素排序；

S52、将该板坯信息写入缺陷板坯数据库，进行数据库信息完善。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。