连铸过程可视化及漏钢预报方法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| TABLE OF CONTENTS | 第12-16页 |
| 图目录 | 第16-19页 |
| 表目录 | 第19-20页 |
| 1 绪论 | 第20-39页 |
| 1.1 课题研究背景 | 第20页 |
| 1.2 连铸结晶器漏钢及纵裂纹 | 第20-25页 |
| 1.2.1 漏钢的危害和分类 | 第21-22页 |
| 1.2.2 黏结漏钢形成机理 | 第22-23页 |
| 1.2.3 表面纵裂纹及其形成机理 | 第23-25页 |
| 1.2.4 改善纵裂纹的途径 | 第25页 |
| 1.3 结晶器漏钢与纵裂的在线预测 | 第25-28页 |
| 1.3.1 热流 | 第25-26页 |
| 1.3.2 摩擦力 | 第26页 |
| 1.3.3 热电偶测温 | 第26-27页 |
| 1.3.4 铸坯纵裂预测 | 第27-28页 |
| 1.4 结晶器在线监控技术开发和应用现状 | 第28-32页 |
| 1.4.1 国内外研究现状 | 第28-32页 |
| 1.4.2 应用中存在的主要问题 | 第32页 |
| 1.5 计算机视觉检测技术 | 第32-38页 |
| 1.5.1 图像分割 | 第33-35页 |
| 1.5.2 特征提取和选择 | 第35-36页 |
| 1.5.3 模式识别 | 第36-38页 |
| 1.6 本文主要研究内容 | 第38-39页 |
| 2 宽厚板结晶器黏结的工艺因素及其传播行为研究 | 第39-60页 |
| 2.1 引言 | 第39-40页 |
| 2.2 连铸机设备参数及热电偶布置 | 第40-43页 |
| 2.2.1 连铸机设备参数 | 第40页 |
| 2.2.2 结晶器铜板热电偶布置 | 第40-43页 |
| 2.3 影响黏结漏钢的工艺因素分析 | 第43-47页 |
| 2.3.1 铸坯尺寸 | 第43页 |
| 2.3.2 拉速 | 第43-45页 |
| 2.3.3 液位波动 | 第45页 |
| 2.3.4 黏结位置 | 第45-47页 |
| 2.4 热流对铸坯黏结影响 | 第47-51页 |
| 2.4.1 结晶器宽面热流 | 第47-49页 |
| 2.4.2 热流波动 | 第49-50页 |
| 2.4.3 结晶器窄面热流 | 第50-51页 |
| 2.5 铸坯结晶器内黏结的传播行为 | 第51-58页 |
| 2.5.1 黏结传播行为计算方法 | 第52-53页 |
| 2.5.2 铸坯黏结纵向传播速率 | 第53-55页 |
| 2.5.3 铸坯黏结横向传播速率 | 第55-57页 |
| 2.5.4 铸坯黏结的夹角 | 第57-58页 |
| 2.6 不同规格铸坯黏结传播行为对比 | 第58-59页 |
| 2.7 本章小结 | 第59-60页 |
| 3 基于计算机视觉的黏结漏钢可视化特征检测 | 第60-75页 |
| 3.1 引言 | 第60页 |
| 3.2 结晶器铜板温度可视化 | 第60-63页 |
| 3.2.1 温度热成像 | 第60-61页 |
| 3.2.2 温度热像图帧间差分 | 第61-62页 |
| 3.2.3 温度变化速率可视化 | 第62-63页 |
| 3.3 黏结异常图像处理 | 第63-67页 |
| 3.3.1 区域分割 | 第63-64页 |
| 3.3.2 连通性标记 | 第64-66页 |
| 3.3.3 边界和轮廓提取 | 第66-67页 |
| 3.4 黏结异常的特征提取 | 第67-69页 |
| 3.4.1 温度变化速率 | 第68页 |
| 3.4.2 几何特征 | 第68页 |
| 3.4.3 移动速率 | 第68-69页 |
| 3.5 结晶器真、伪黏结的特征提取与统计 | 第69-73页 |
| 3.5.1 黏结的可视化形成和传播过程 | 第69-71页 |
| 3.5.2 伪黏结的一般特征 | 第71页 |
| 3.5.3 黏结漏钢的典型可视化特征 | 第71-72页 |
| 3.5.4 黏结实例的特征统计 | 第72-73页 |
| 3.5.5 真、伪黏结的鉴别和区分 | 第73页 |
| 3.6 本章小结 | 第73-75页 |
| 4 板坯纵裂纹可视化特征提取与检测方法研究 | 第75-85页 |
| 4.1 引言 | 第75页 |
| 4.2 铸坯纵裂纹热成像 | 第75-78页 |
| 4.2.1 纵裂纹典型的温度特征 | 第75-76页 |
| 4.2.2 纵裂纹的可视化呈现 | 第76-78页 |
| 4.3 纵裂纹区域的分割和标记 | 第78-80页 |
| 4.3.1 区域分割 | 第78-79页 |
| 4.3.2 温降区域标记 | 第79-80页 |
| 4.4 纵裂纹区域特征提取 | 第80-81页 |
| 4.4.1 温降特征 | 第80页 |
| 4.4.2 几何特征 | 第80-81页 |
| 4.4.3 重心和位置 | 第81页 |
| 4.4.4 角度和移动特征 | 第81页 |
| 4.5 纵裂纹的可视化与检测流程 | 第81-84页 |
| 4.5.1 纵裂纹检测流程 | 第81-82页 |
| 4.5.2 纵裂纹异常特征分析 | 第82-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于改进BP神经网络的黏结漏钢预报方法研究 | 第85-102页 |
| 5.1 引言 | 第85页 |
| 5.2 黏结漏钢特征选择与归一化 | 第85-87页 |
| 5.2.1 黏结特征的选择 | 第85-86页 |
| 5.2.2 黏结特征数据归一化 | 第86-87页 |
| 5.3 LM-BP网络黏结漏钢预报模型 | 第87-95页 |
| 5.3.1 人工神经元网络 | 第87-88页 |
| 5.3.2 BP神经网络模型及训练 | 第88-92页 |
| 5.3.3 LM-BP算法流程 | 第92-93页 |
| 5.3.4 LM-BP网络的训练与测试 | 第93-95页 |
| 5.4 基于GA-LM-BP网络的漏钢预报模型 | 第95-98页 |
| 5.4.1 遗传算法 | 第95页 |
| 5.4.2 种群和个体操作 | 第95-97页 |
| 5.4.3 算法的优化流程 | 第97页 |
| 5.4.4 GA优化LM-BP神经网络模型 | 第97-98页 |
| 5.5 GA-LM-BP网络模型的训练和测试 | 第98-99页 |
| 5.5.1 模型参数设置 | 第98页 |
| 5.5.2 GA-LM-BP网络模型训练 | 第98-99页 |
| 5.5.3 GA-LM-BP网络模型测试 | 第99页 |
| 5.6 预测结果及指标对比 | 第99-101页 |
| 5.7 本章小结 | 第101-102页 |
| 6 结晶器可视化及漏钢预报专家系统开发 | 第102-117页 |
| 6.1 引言 | 第102页 |
| 6.2 系统总体构成 | 第102-104页 |
| 6.3 信号采集和通讯 | 第104-107页 |
| 6.3.1 热电偶及温度测量 | 第104-105页 |
| 6.3.2 液压振动系统数据采集 | 第105-106页 |
| 6.3.3 工艺参数检测 | 第106-107页 |
| 6.4 软件设计和开发 | 第107-109页 |
| 6.4.1 C/S模式架构的选择 | 第107-108页 |
| 6.4.2 任务和功能分解 | 第108-109页 |
| 6.4.3 系统软件开发 | 第109页 |
| 6.5 专家系统在线运行 | 第109-114页 |
| 6.5.1 系统在线运行情况 | 第109-110页 |
| 6.5.2 铜板温度在线检测 | 第110-112页 |
| 6.5.3 结晶器铜板热流检测 | 第112页 |
| 6.5.4 瞬态摩擦力在线检测 | 第112-113页 |
| 6.5.5 结晶器振动状态监测 | 第113-114页 |
| 6.5.6 结晶器过程可视化 | 第114页 |
| 6.6 漏钢预报统计结果 | 第114-116页 |
| 6.6.1 现场检测实例 | 第114-115页 |
| 6.6.2 漏钢预报结果与指标对比 | 第115-116页 |
| 6.7 本章小结 | 第116-117页 |
| 7 结论与展望 | 第117-120页 |
| 7.1 结论 | 第117-118页 |
| 7.2 创新点摘要 | 第118页 |
| 7.3 展望 | 第118-120页 |
| 参考文献 | 第120-127页 |
| 攻读博士学位期间科研项目及科研成果 | 第127-129页 |
| 致谢 | 第129-130页 |
| 作者简介 | 第130页 |
