一、基于振动监测的钢水连铸下渣自动检测方法的研究（论文文献综述）
陈炫[1]（2020）在《连铸钢包下渣智能预报系统的研究》文中提出针对传统连铸下渣检测存在的精度低、自动化程度低和时间滞后等问题。采用有效方法识别并预报出下渣时间是解决钢坯质量的关键,也是为连铸生产实现智能化发展的重要前提。对已有的连铸生产数据进行特征分析,结合智能算法对数据进行特征提取,完成的主要研究工作如下:1)针对直接对观测值进行下渣识别精度低问题,通过层级时序记忆（HTM）算法和Kullback-Leibler重要度估计程序（KLIEP）算法建立了一种连铸下渣预报模型。采用HTM算法对数据进行预测,根据预测残差来判断数据变化趋势,再用KLIEP变点检测算法对预测残差进行检测将会提前预测出下渣并且有很高的识别精度。2)针对HTM算法中特定参数值调整速度慢,易陷入局部最优的问题,用蝙蝠启发算法（BA）优化HTM算法,BA是一种新的元启发式优化算法,基于蝙蝠的回声定位行为,结合种群和局部搜索算法的优势。采用BA优化HTM算法,以提高HTM预测准确率和运算速度。3)针对KLIEP需要对所有样本都用于估计,计算效率不高的问题,提出在线KLIEP直接密度比估计方法,由于变化点检测中需要随着时间的推移顺序计算,该方法在批量处理的方法基础上递归地构建新的解决方案,以降低计算成本,提高检测精度。优化后的HTM网络和改进后的KLIEP算法的结合可以有效地提取出下渣特征,提高下渣预报精度和识别速度,为连铸下渣预报技术发展提供了新的思路和想法。图31幅;表6个;参47篇。
刘尚瑜[2]（2020）在《基于深度学习的智能下渣预测系统研究》文中认为连铸是钢铁工业生产过程中的重要环节,在连铸生产的浇注过程中,大包内的炉渣容易随钢液流入中间包,从而对生产效率和铸钢成品质量造成严重影响。因此,对钢包进行下渣检测是连铸生产的重要环节之一,它对改善铸钢质量、延长设备使用寿命等至关重要。针对目前的连铸钢包下渣预测方法造价高、识别准确性低的问题,根据钢包下渣时的状态特征,提出了一种结合深度学习理论的智能预测方法,开展了连铸钢包智能下渣预测系统的研究,完成的主要研究工作如下:1)基于浇注速率与钢包重量变化之间的动力学关系,建立下渣预测系统动力学模型,选取合适的数据模块对信号进行采集,利用Visual Basic编写钢包下渣预测软件平台。2)根据下渣过程的时序特性,采用LSTM与局部加权回归相结合的方法,进行下渣时刻的预测实验研究。将LSTM模型与ARIMA、RNN模型做对比实验,使用LSTM的下渣预测的准确性可以达到95%,在三种预测算法中准确性最高。结果表明深度学习方法在钢包下渣预测中具有实用价值。3)针对预测模型中存在的问题,结合下渣过程的采集数据特点,对LSTM模型进行了简化改进,提出了三种简化算法。对比标准LSTM与三种简化变体模型的测试结果,简化变体模型不仅减少了样本量的需求,提高了预测速率且保证了下渣预测的准确性。图28幅;表9个;参60篇。
郑淑国,刘煜,王玉峰,陆安粮,朱苗勇[3]（2017）在《连铸过程控制下渣技术的研究进展》文中提出连铸生产中,钢包浇注末期及一个浇次结束中间包浇注末期均会发生下渣,对铸坯质量及生产顺行产生不利影响,因此严格控制连铸过程下渣非常重要。介绍了连铸过程中下渣的机理并阐述了汇流漩涡及排流沉坑的形成机理,分析了控制下渣的主要方法,并针对连铸钢包及中间包浇注过程分别阐述了典型的控制下渣技术,为连铸过程下渣控制提供理论基础。
杜翔[4]（2015）在《浇注钢包环出钢口吹氩过程钢/渣界面及温度场行为数学模拟》文中指出连铸钢包浇注过程的下渣控制一直是困扰现场生产的难题之一,如何采取有效措施来控制钢包浇注过程的下渣已成为经济洁净钢生产的关键一环。目前常用的减少下渣的方法有很多,例如浮游阀法、倾斜包底法、改变出水口形状,但都存在一些缺陷。环出钢口吹氩控制下渣新工艺有望能经济地控制下渣,对该工艺过程的钢渣界面及温度场行为进行数值仿真研究可为该新工艺开发提供理论基础。本文主要通过CFD软件数值模拟某钢厂145吨钢包使用环出钢口吹氩及钢包浇注过程,采用的软有商用软件Fluent、网格制作软件Gambit、后处理软件Tecplot。选取VOF空气-渣-钢液三相流模型、DPM喷吹模型、非定常模型、传热模型、标准k-ε湍流模型进行计算。考察了不同吹气量、不同吹气元件尺寸、渣层厚度、渣层粘度对抑制下渣的影响;还研究了钢包静置过程和浇注过程的温度场行为,考察了浇注过程不同吹气量对温度场行为的影响。根据数值模拟结果可以得出以下结论:（1）钢包浇注过程中通过环出钢口吹气元件向钢包内吹入适量氩气可明显降低下渣临界高度。与吹氩前相比,吹入氩气后,透气砖上部区域形成环流,使透气砖上方渣金界面运动变得紊乱,抑制了汇流旋转运动,进而抑制了该过程的下渣。吹气时的下渣临界高度和下渣贯穿初始高度均低于不吹气时的高度,当吹气量为28 Nl/min时下渣临界高度降低最明显,和不吹气相比约降低了 12mm。（2）三种吹气元件中2号吹气元件抑制下渣效果最好,渣层黏度对渣金界面的汇流旋转运动影响不大,故其对抑制下渣影响不明显;渣层越厚对渣金界面汇流旋转运动抑制效果越好,故在一定范围内增大渣层厚度有利于抑制下渣。（3）钢包静置15 min过程中包内温度有明显的降低,温降为9～17 ℃;此外,钢包内还形成明显的温度分层,钢包内温度由上到下呈降低趋势,而且包底附近温度梯度较大。温降主要是由钢水与耐材间的导热传热和渣面的辐射传热造成的,而温度分层原因是钢水温度越低密度越大,温度较低的钢液会沉积在钢包底部。（4）钢包浇注过程环出钢口吹氩可以均匀钢包内温度,减少因温度分层引起的温度差。吹气量较大时,搅拌均匀效果更好;且透气砖上方钢液均匀效果明显优于其他部分的钢液。
李红梅[5]（2014）在《VSD2000连铸钢包下渣自动监测系统在连铸机中的应用》文中研究表明本文阐述了在在连铸生产中,钢包钢水在浇铸末期对钢水下渣的监测与控制方式,以及VSD2000连铸钢包下渣自动监测系统在宣钢第二钢轧厂连铸机中的应用,包括VSD2000连铸钢包下渣自动监测系统的检测原理、系统总体结构、控制柜结构及效果收益等方面的内容。
龙山,于海岐,王金辉,李超[6]（2014）在《钢包下渣检测系统应用实践》文中指出介绍了鞍钢股份有限公司鲅鱼圈钢铁分公司板坯连铸机振动式钢包下渣检测系统的检测原理、功能及特点。实践表明,该系统运行稳定,钢包下渣检测的总有效率达97%以上,中间包重量波动在±1 t内的罐数达98%以上。
张垒[7]（2014）在《浇注钢包环出钢口吹氩过程传输行为的数学物理模拟》文中认为连铸生产过程中,钢包下渣会影响钢水的洁净度,并容易造成钢材表面质量问题。研究表明,减少钢包下渣可有效地提高钢水的洁净度。对于炼钢连铸而言,汇流旋涡造成的下渣危害最大,是钢包下渣最主要的原因。受钢包底吹氩精炼工艺启发,若能开发出环钢包出钢口吹氩控制钢包下渣新工艺,有望能经济地解决目前钢包浇注过程中余钢量较多的难题。为此,本文对浇注钢包环出钢口吹氩过程的传输行为进行研究,为该控制下渣新工艺的开发提供理论依据和指导。本文以某钢厂145 t连铸钢包为原型,利用数学物理模拟方法对浇注钢包环出钢口吹氩过程的传输行为进行了研究。基于相似原理,建立水模型,研究了环出钢口吹氩前后钢包浇注过程汇流漩涡的产生及变化规律,考察了环出钢口吹氩前钢包渣层厚度对汇流漩涡下渣临界高度的影响规律；考察了环出钢口吹入氩气后渣层厚度、吹氩量对渣/金界面行为的影响规律并得到了合理的吹气范围,进而研究了气量对环出钢口吹氩钢包浇注过程漩涡下渣临界高度的影响规律。在水模拟实验的基础上,利用数值模拟研究了钢包浇注过程钢液的传输行为,考察了不同吹气量对该过程钢液流场和温度场的影响规律,并对汇流漩涡现象进行了研究。主要得到以下结论：（1）钢包浇注过程环出钢口吹氩可以消除汇流漩涡,并减少排流沉坑引起的下渣量。（2）钢包浇注末期环出钢口吹氩会出现渣金界面泡沫化、卷渣及渣圈现象,且不同渣层厚度下的渣金界面行为不同。渣层厚度在0-10 mm时,气泡可以穿越渣层,故不存在泡沫化现象,当气量达到某一定值后,开始出现渣圈,随气量进一步增大会出现卷渣现象。渣层厚度在15-24 mm之间时,气泡不能全部穿越渣层致使渣金界面容易出现泡沫化现象,且在较小气量下就出现泡沫化,随气量增大,卷渣及渣圈现象也先后出现。泡沫化对降低下渣临界高度的影响最大。（3）钢包浇注过程环出钢口吹入氩气后,渣层厚度为10 mm时,下渣临界高度随吹气量增加而减小,出现渣圈后,下渣临界高度随吹气量变化不大；渣层厚度为24 mm时,在渣钢界面出现泡沫化之前,下渣临界高度随吹气量的增加而变小,而出现泡沫化后,下渣临界高度变大且比不吹气时的还高。（4）钢包浇注过程中,环出钢口吹氩前后,熔池内都会生成循环流,不吹氩时,循环流的中心靠近包壁,其形成的动力为温度梯度导致的钢液的密度的变化；吹氩时,循环流的中心靠近氩气流,其形成的动力为氩气上升过程中的浮力作用。环出钢口吹氩有助于减少熔池内钢液的温度梯度。（5）浇注末期,环出钢口吹氩可以减弱出钢口周围钢液的周向旋转动量,进而降低下渣临界高度,且出钢口周围钢液的周向旋转速度随吹气量增大而减小。
谢锦秋,陈至坤,王福斌,高建宇[8]（2014）在《基于LS-SVM回归的连铸下渣智能检测系统研究应用》文中研究说明系统基于现有连铸生产检测参数,在不对钢包浇注系统结构进行任何改造,也不额外添加传感器的状况下,利用注机现有的大包称重、中间包称重、钢流拉速信号,经数据采集转换传至上位机,采用软测量技术及智能预报模型,准确判定钢水浇铸过程中的浇铸终点,对下渣时刻进行准确识别预报,提高钢水收得率。
赵永刚[9]（2010）在《基于振动的下渣检测方法研究》文中研究表明本论文主要介绍了天津钢铁有限公司连铸钢包到中间包的下渣检测系统VSD2000的研究工作。在对国内外下渣检测方法的广泛调研、资料分析和总结的基础上,分析了振动监测的下渣检测方法,并对钢流的振动信号处理与钢渣特征参数的识别方法进行了研究。除了用传统的时域和频域分析方法对钢流的振动信号进行分析处理外,充分分析了该系统对小波分析理论的应用,以及对处理与识别过程中的主要环节进行了深入的分析研究,确定其钢渣特征参数的识别方法,在进行的现场实验中,系统实现了预定的目标,达到了较好的效果。本论文共分从以下几方面对该系统进行了分析。首先,介绍了下渣检测技术的发展现状及国内外下渣检测技术的应用情况；结合国内对下渣检测技术的需求,提出了基于钢水浇铸结构振动监测的下渣检测方法。其次,通过分析从钢包到中间包保护浇注的过程与保护浇注的支承结构,建立起支承结构振动的动力学模型,分析了影响测振点振动的因素。再次,介绍小波分析的基本原理和方法,分析了小波分析方法在下渣振动信号处理中的优越性。应用小波分析理论对下渣振动信号进行分析,进行了下渣振动信号突变特征的提取,以及钢流振动信号在各个小波变换尺度上的幅值的特征分析。应用小波包分析进行下渣检测的研究。然后,对人工神经网络的的基本理论和各种类型的网络做了介绍,并对BP神经网络的学习过程做了详细的介绍,使用BP神经网络建立了一个模式识别系统。最后,总结了论文工作的内容并指出了有待解决的问题。
陈雪华[10]（2010）在《宝钢电炉大方坯连铸机钢包下渣检测系统研究》文中认为钢包下渣检测系统对于连续铸钢生产具有重要的实际意义,它可以有效地提高钢水清洁度,减小次品率以及延长连铸线冶金容器的使用寿命。本文基于宝钢电炉厂生产实际情况,针对当前所应用的电磁式钢包下渣检测系统存在的制造成本高、容易失效、难于安装维护等问题,提出了一种振动式钢包下渣检测系统实现方法。第一章：对钢包下渣检测系统的国内外发展现状及下渣检测技术的应用情况进行了介绍；对当前常用的振动信号处理方法的应用情况做以简要的叙述。结合国内对下渣检测技术的需求,提出了基于振动信号测量的连铸钢包下渣检测系统实现方法。第二章：对钢包浇注末期钢流下渣过程进行了研究,发现汇流旋涡是形成下渣的主要原因,对旋涡形成时的振动信号突变现象进行了初步研究。基于工业现场实验数据,对钢包浇注过程中产生的环境干扰信号进行了分析,为系统检测的有效性提供了保证。第三章：针对连铸钢包下渣检测系统的基本要求,基于模块化设计方法完成了振动式钢包下渣检测系统的构架设计；在此基础上进行了功能任务划分,并对其功能接口、数据依赖关系进行了详细描述。第四章：对所采集的钢水冲击振动信号进行预处理操作；然后叙述了小波分析、小波包分析的基本理论及在振动信号分析中的应用,应用小波包分析方法对钢水振动信号进行分析,实现钢包下渣过程的有效识别。第五章：开发了钢包下渣检测系统。在宝钢电炉厂连铸线的工业现场实验证明,该系统成本低、安装维护方便、运行稳定,下渣检测成功率高于95%,能够较好的满足连铸实际生产的基本需求。第六章：总结本文工作,对后续及未尽事宜进行了展望。
二、基于振动监测的钢水连铸下渣自动检测方法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于振动监测的钢水连铸下渣自动检测方法的研究（论文提纲范文）
（1）连铸钢包下渣智能预报系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题的研究背景及意义 |
| 1.3 连铸下渣检测技术综述 |
| 1.3.1 下渣的检测方法介绍 |
| 1.3.2 下渣检测研究现状 |
| 1.4 机器学习在下渣检测中的应用 |
| 1.4.1 机器学习概述 |
| 1.4.2 机器学习研究现状 |
| 1.4.3 机器学习用于下渣检测领域 |
| 1.5 课题主要研究内容 |
| 第2章 钢包下渣智能预报系统原理 |
| 2.1 钢水浇注过程分析 |
| 2.1.1 浇注过程数据分析 |
| 2.1.2 数据预测方法分析 |
| 2.1.3 下渣识别方法分析 |
| 2.2 连铸下渣预报系统设计 |
| 2.2.1 系统技术方案 |
| 2.2.2 数据采集系统设计 |
| 2.3 数据采集装置硬件实现 |
| 2.4 本章小结 |
| 第3章 基于层级时序记忆算法的序列预测 |
| 3.1 HTM原理 |
| 3.1.1 层级结构 |
| 3.1.2 稀疏分布式表征 |
| 3.1.3 HTM神经元结构 |
| 3.2 HTM算法模型 |
| 3.2.1 HTM算法描述 |
| 3.2.2 HTM空间池化进程 |
| 3.2.3 HTM时间记忆进程 |
| 3.2.4 HTM预测残差 |
| 3.2.5 多变量联合预测 |
| 3.3 BA优化HTM算法 |
| 3.3.1 BA算法 |
| 3.3.2 BA优化HTM算法 |
| 3.3.3 评价指标 |
| 3.3.4 BA-HTM模型参数设置 |
| 3.4 实验设计与结果分析 |
| 3.5 本章小结 |
| 第4章 基于在线KLIEP算法的变点检测 |
| 4.1 模型建立 |
| 4.1.1 问题描述 |
| 4.1.2 KLIEP密度比估计 |
| 4.2 在线KLIEP下渣点检测 |
| 4.2.1 在线KLIEP密度比估计 |
| 4.2.2 在线KLIEP下渣点检测 |
| 4.3 实验设计与结果分析 |
| 4.4 本章小结 |
| 第5章 基于组合模型的智能下渣预报 |
| 5.1 预报系统的网络模型 |
| 5.2 数据预处理技术 |
| 5.3 实验环境描述 |
| 5.4 仿真结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师 |
| 作者简介 |
| 学位论文数据集 |
（2）基于深度学习的智能下渣预测系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 连铸基本工艺流程 |
| 1.1.2 下渣预测的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 连铸下渣检测方法综述 |
| 1.2.2 下渣识别的研究趋势 |
| 1.2.3 深度学习在下渣预测中的应用 |
| 1.3 论文的主要研究内容 |
| 第2章 钢包下渣预测的相关理论与技术分析 |
| 2.1 钢包下渣预测系统的基本原理 |
| 2.2 神经网络在下渣预测中的应用 |
| 2.2.1 BP神经网络 |
| 2.2.2 RBF神经网络 |
| 2.2.3 循环神经网络 |
| 2.3 本章小结 |
| 第3章 下渣预测系统的软硬件设计 |
| 3.1 钢包下渣预测系统的硬件组成 |
| 3.1.1 下渣预测系统的硬件连接 |
| 3.1.2 数据采集装置 |
| 3.1.3 数据通讯转换模块 |
| 3.2 钢包下渣预测系统的软件功能 |
| 3.2.1 软件工作原理 |
| 3.2.2 软件功能概述 |
| 3.2.3 主要功能模块 |
| 3.3 本章小结 |
| 第4章 基于LSTM模型的连铸下渣预测 |
| 4.1 LSTM模型的基本原理 |
| 4.2 下渣预测系统的研究 |
| 4.2.1 建立下渣预测模型 |
| 4.2.2 算法描述 |
| 4.3 实验环境设置 |
| 4.3.1 数据集描述 |
| 4.3.2 评价指标 |
| 4.4 实验验证与分析 |
| 4.4.1 数据预处理 |
| 4.4.2 模型的参数设置 |
| 4.4.3 预测结果与讨论 |
| 4.5 本章小结 |
| 第5章 基于SLIM模型的连铸下渣预测 |
| 5.1 算法描述 |
| 5.2 模型验证 |
| 5.2.1 实验参数设置 |
| 5.2.2 验证结果及讨论 |
| 5.3 SLIM算法在连铸下渣预测上的应用 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 作者简介 |
| 学位论文数据集 |
（3）连铸过程控制下渣技术的研究进展（论文提纲范文）
| 1 下渣机理 |
| 1.1 汇流漩涡 |
| 1.2 排流沉坑 |
| 2 控制下渣方法 |
| 3 连铸钢包浇注过程典型控制下渣方法 |
| 3.1 倾斜包底法 |
| 3.2 浮游阀法 |
| 4 连铸中间包浇注过程典型控制下渣方法 |
| 4.1 下藏法 |
| 4.2 防涡器法 |
| 5 结论 |
（4）浇注钢包环出钢口吹氩过程钢/渣界面及温度场行为数学模拟（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 钢铁生产工艺简介 |
| 1.1.1 炉外精炼 |
| 1.1.2 连续铸钢 |
| 1.2 钢包浇注与钢包下渣 |
| 1.3 本课题研究内容与意义 |
| 第2章 文献综述 |
| 2.1 钢包下渣过程研究 |
| 2.1.1 钢包下渣简介 |
| 2.1.2 钢包下渣原因及过程 |
| 2.2 汇流漩涡下渣研究 |
| 2.2.1 下渣危害 |
| 2.2.2 汇流漩涡临界高度研究 |
| 2.2.4 抑制下渣方法 |
| 2.3 钢包底吹氩气工艺的研究 |
| 2.3.1 工艺简介 |
| 2.3.2 气泡形成过程 |
| 2.3.3 气泡的受力分析 |
| 2.4 钢包浇注过程温度场研究 |
| 2.4.1 钢包浇注过程研究方法简介 |
| 2.4.2 浇注钢包的传热研究 |
| 2.4.3 钢包浇注过程温度场研究文献总结 |
| 2.5 钢包下渣检测技术 |
| 2.5.1 电磁检测法 |
| 2.5.2 振动检测法 |
| 2.5.3 超声波检测法 |
| 2.5.4 红外线检测法 |
| 2.5.5 称重检测法 |
| 第3章 环出钢口吹氩钢包浇注过程数值模拟 |
| 3.1 数值模拟原理 |
| 3.1.1 流体力学简介 |
| 3.1.2 Fluent软件计算方法 |
| 3.1.3 Fluent软件计算模型 |
| 3.2 数学模型的建立 |
| 3.2.1 基本假设 |
| 3.2.2 控制方程 |
| 3.2.3 网格的划分 |
| 3.2.4 数值模拟方案 |
| 3.2.5 Fluent相关参数计算及设置 |
| 3.3 计算结果处理及分析 |
| 3.3.1 数值模拟与物理验证实验对比分析 |
| 3.3.2 钢包下渣过程 |
| 3.3.3 吹气对抑制下渣的影响 |
| 3.3.4 吹气元件尺寸对抑制下渣的影响 |
| 3.3.5 渣层属性对临界高度的影响 |
| 3.3.6 钢包浇注过程温度场的研究 |
| 第4章 结论 |
| 参考文献 |
| 致谢 |
（5）VSD2000连铸钢包下渣自动监测系统在连铸机中的应用（论文提纲范文）
| 1 VSD2000连铸钢包下渣自动监测系统检测原理 |
| 2 系统结构 |
| 3 系统效果收益 |
（6）钢包下渣检测系统应用实践（论文提纲范文）
| 1 振动式钢包下渣检测系统 |
| 1.1 下渣检测系统原理 |
| 1.2 下渣检测系统功能与特点 |
| 1.3 下渣检测系统影响因素分析 |
| 2 钢包下渣检测系统应用实践 |
| 2.1 下渣检测准确度 |
| 2.2 下渣检测稳定性 |
| 2.3 中间包液位自动控制 |
| 2.4 中间包钢液洁净度 |
| 3 结论 |
（7）浇注钢包环出钢口吹氩过程传输行为的数学物理模拟（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 连续铸钢技术概况 |
| 1.1.1 连铸技术的发展过程 |
| 1.1.2 钢包在炼钢流程中的作用及意义 |
| 1.3 钢包浇注过程的下渣控制 |
| 1.4 本课题研究的目的及意义 |
| 第二章 文献综述 |
| 2.0 钢包浇注过程常用的研究方法 |
| 2.0.1 物理模拟 |
| 2.0.2 数值模拟 |
| 2.1 熔池中气泡的行为 |
| 2.2 喷吹气体对熔池搅拌功率的研究 |
| 2.3 钢包浇注过程钢液流动行为的研究 |
| 2.4 钢包温度场行为的研究 |
| 2.5 钢包下渣机制 |
| 2.6 钢包下渣检测技术 |
| 2.7 钢包下渣控制技术 |
| 第三章 环出钢口吹氩钢液流动状态行为的物理模拟研究 |
| 3.1 物理模型的建立 |
| 3.1.1 理论依据 |
| 3.1.2 准数选择 |
| 3.2 实验装置 |
| 3.3 实验方案 |
| 3.4 实验结果分析与讨论 |
| 3.4.1 漩涡的产生及发展过程 |
| 3.4.2 渣层厚度对汇流漩涡及其下渣的影响 |
| 3.4.3 钢包浇注末期吹氩对渣金界面行为的影响 |
| 3.4.4 钢包浇注末期环出钢口吹氩对下渣临界高度的影响 |
| 3.5 本章小结 |
| 第四章 环出钢口吹氩钢包浇注过程数学模拟研究 |
| 4.1 数学模型的建立 |
| 4.1.1 基本假设 |
| 4.1.2 控制方程 |
| 4.1.3 计算区域网格划分 |
| 4.1.4 数值模拟方案 |
| 4.1.5 边界条件设定 |
| 4.2 钢包浇注过程数值模拟结果与分析 |
| 4.2.1 钢包浇注过程中环出钢口吹氩钢液行为的模拟研究 |
| 4.2.2 钢包浇注过程中环出钢口吹氩对出钢温度的影响 |
| 4.2.3 环出钢口吹氩对钢浇注末期下渣高度的影响 |
| 4.3 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
| 论文中包含图、表、公式及文献 |
（8）基于LS-SVM回归的连铸下渣智能检测系统研究应用（论文提纲范文）
| 0引言 |
| 1连铸过程及智能检测系统原理实现 |
| 2检测系统的MATLAB程序运行与系统仿真 |
| 3连铸下渣智能检测系统技术方案实现 |
| 1) 现场信号采集设备 |
| 2) 计算机 |
| 3) 现场操作显示装置 |
| 4) 打印机 |
| 4连铸下渣智能检测的优点 |
（9）基于振动的下渣检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究意义 |
| 1.2 钢包下渣检测技术的发展现状及应用情况 |
| 1.3 基于振动监测的下渣检测方法 |
| 1.4 本文的研究思路与主要内容 |
| 第2章 连铸机工作原理工艺流程及其下渣检测系统的动力模型分析 |
| 2.1 连铸机工作原理及工艺流程 |
| 2.1.1 连铸机的结构及参数 |
| 2.1.2 连铸机的工作原理 |
| 2.2 下渣检测系统的动力模型分析 |
| 2.2.1 保护浇铸机结构及其特点 |
| 2.2.2 影响测振点振动的主要因素 |
| 2.3 本章小结 |
| 第3章 系统的组成及特征信号的采集分析 |
| 3.1 连铸下渣检测控制系统的组成 |
| 3.1.1 VSD2000系统的硬件组成 |
| 3.1.2 VSD2000系统的软件组成 |
| 3.2 下渣振动信号的小波包分析 |
| 3.2.1 小波变换原理 |
| 3.2.2 离散小波变换 |
| 3.2.3 突变信号的小波识别原理 |
| 3.2.5 小波包分析理论及下渣振动特征信息的提取算法 |
| 3.3 本章小结 |
| 第4章 VSD2000系统模式识别模块的实现 |
| 4.1 模式识别方法的选择 |
| 4.2 神经网络概述 |
| 4.3 人工神经网络的学习与各类模型 |
| 4.3.1 人工神经网络的学习 |
| 4.2.2 人工神经网络的各种模型 |
| 4.4 BP神经网络 |
| 4.5 基于BP神经网络的模式识别 |
| 4.6 运行实验结果分析 |
| 4.7 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 感谢 |
（10）宝钢电炉大方坯连铸机钢包下渣检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题的研究意义 |
| 1.2 课题的研究背景 |
| 1.2.1 钢水连铸下渣检测系统 |
| 1.2.2 钢水连铸下渣系统实现与控制策略 |
| 1.3 课题的研究内容 |
| 第2章 钢包下渣物理过程与振动信号特征分析 |
| 2.1 钢包下渣物理过程 |
| 2.1.1 钢水下渣系统过程研究 |
| 2.1.2 钢包浇注机构动力学分析 |
| 2.2 下渣振动信号分析 |
| 2.2.1 下渣振动信号时域特征 |
| 2.2.2 下渣振动信号频域特征 |
| 2.3 下渣振动信号识别过程与方法 |
| 2.3.1 下渣振动信号识别过程 |
| 2.3.2 下渣振动信号识别方法分析 |
| 2.3.3 算法比较、优化、改进与结合处理 |
| 第3章 检测系统构架设计 |
| 3.1 下渣检测系统功能需求分析 |
| 3.1.1 系统需求分析及其工作原则 |
| 3.1.2 下渣检测系统需求分析 |
| 3.2 功能模块构架设计 |
| 3.2.1 模块化设计原理 |
| 3.2.2 下渣检测系统构架设计 |
| 第4章 信号预处理与模式识别 |
| 4.1 钢水振动信号的预处理操作 |
| 4.2 钢水振动信号的小波变换分析 |
| 4.2.1 小波变换原理 |
| 4.2.2 离散小波变换(DWT) |
| 4.2.3 下渣振动信号的小波分析 |
| 4.2.4 小波包分析及下渣振动特征提取 |
| 4.3 基于矢量量化的钢水振动信号识别 |
| 第5章 系统应用实例与工业现场实验 |
| 5.1 下渣检测系统软件设计 |
| 5.1.1 系统软件的功能及设计 |
| 5.1.2 自适应网络化构架支持 |
| 5.1.3 分级设置 |
| 5.1.4 数据浏览与下渣重现 |
| 5.2 工业现场实验结果统计与分析 |
| 5.2.1 下渣报警准确率 |
| 5.2.2 准确率数据分析 |
| 5.2.3 钢铁料消耗指标对比 |
| 第6章 结论与展望 |
| 6.1 主要工作与结论 |
| 6.2 后续研究工作展望 |
| 参考文献 |
| 致谢 |
四、基于振动监测的钢水连铸下渣自动检测方法的研究（论文参考文献）
- [1]连铸钢包下渣智能预报系统的研究[D]. 陈炫. 华北理工大学, 2020(02)
- [2]基于深度学习的智能下渣预测系统研究[D]. 刘尚瑜. 华北理工大学, 2020(02)
- [3]连铸过程控制下渣技术的研究进展[J]. 郑淑国,刘煜,王玉峰,陆安粮,朱苗勇. 鞍钢技术, 2017(05)
- [4]浇注钢包环出钢口吹氩过程钢/渣界面及温度场行为数学模拟[D]. 杜翔. 东北大学, 2015(12)
- [5]VSD2000连铸钢包下渣自动监测系统在连铸机中的应用[J]. 李红梅. 硅谷, 2014(21)
- [6]钢包下渣检测系统应用实践[J]. 龙山,于海岐,王金辉,李超. 鞍钢技术, 2014(04)
- [7]浇注钢包环出钢口吹氩过程传输行为的数学物理模拟[D]. 张垒. 东北大学, 2014(08)
- [8]基于LS-SVM回归的连铸下渣智能检测系统研究应用[J]. 谢锦秋,陈至坤,王福斌,高建宇. 电子制作, 2014(04)
- [9]基于振动的下渣检测方法研究[D]. 赵永刚. 东北大学, 2010(07)
- [10]宝钢电炉大方坯连铸机钢包下渣检测系统研究[D]. 陈雪华. 浙江大学, 2010(03)