基于BP神经元网络的振动式下渣检测系统研究
为了解决当前连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的下渣检测系统实现方法.对连铸下渣过程进行了研究,根据钢水、钢渣因比重不同而产生的冲击振动差异判断下渣时间点.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测试验平台,有效的提高了系统使用寿命.利用自主设计的嵌入式实时数据采集系统进行数据采样与特征信号提取,通过人工神经网络(ANN)技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.实验结果表明,该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在99％以上.
薄板坯连铸 自动控制 下渣检测系统 人工神经网络
李培玉 李具中 陈文政
浙江大学机械与能源工程学院,浙江 杭州 310027 武汉钢铁集团炼钢总厂,湖北 武汉 430080 台湾丰兴钢铁公司,中国台湾 台中
国内会议
南京
中文
461-466
2009-05-13（万方平台首次上网日期，不代表论文的发表时间）