基于SVM回归的连铸钢水下渣辨识系统研究硕士学位论文

硕 士 学 位 论 文基于SVM回归的连铸钢水下渣辨识系统研究学科名称：控制工程 研究方向：检测技术及智能装置学习单位：河北联合大学 学习时间: 3年 提交日期: 2013年12月9日申请学位类别： 工程硕士关 键 词：下渣检测； 重量检测法；速度检测法；支持向量机回归 唐山 河北联合大学 Research on SVM Regression System of Steel Liquid Continuous Cast SlagDissertation Submitted toHebei United Universityin partial fulfillment of the requirementfor the degree ofMaster of EngineeringbyXie Jinqiu（Control Engineering）Supervisor:Professor Chen ZhikunWang XiangwuMarch, 2014独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北联合大学以外其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。论文作者签名： 日期： 年 月 日关于论文使用授权的说明本人完全了解河北联合大学有关保留、使用学位论文的规定，即：已获学位的研究生必须按学校规定提交学位论文，学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可以将学位论文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检索和交流。作者和导师同意网上交流时间：自授予学位之日起自 年 月 日起作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日摘 要摘要在钢水连铸生产过程中，准确判断钢水连铸下渣时刻，对连铸生产具有极为重要的意义。目前，国内外主要采用的钢水连铸下渣自动检测方法有以下几种：电磁检测法、超声波检测法、称重自动检测方法和振动检测法。每一种下渣检测技术都有其相对的优点和缺陷，由此研究开发实用、造价较低、下渣时刻预报较准的新型智能钢水连铸下渣检测系统对连铸生产来说非常必要、非常紧迫。主要介绍了基于支持向量机技术的钢水连铸下渣智能检测方法。在对国内外钢水连铸下渣检测技术深入分析和调查的基础上，提出了重量检测法和速度检测法相结合的基础上，运用支持向量机回归原理建立模型构建了钢水连铸下渣智能检测方案，MATLAB仿真和测试结果表明，利用支持向量机回归的预测原理预测钢水连铸下渣时刻可以很好地达到预期目标。还介绍了钢水连铸下渣智能检测系统的软硬件设计和试验。由Visual Basic这款优秀的开发工具开发的上位机软件，实现对钢水连铸下渣智能检测系统的监控，能提高钢水连铸下渣时刻预报的可靠性和准确性。软件开发周期短，可维护性强。通过调试和测试，系统的软硬件设计均达到了预期的要求。图 37幅；表 5个；参 76篇。关键词：下渣检测；重量检测法；速度检测法；支持向量机回归分类号： TP273+.5 AbstractIt is very important for continuous casting production to accurately judge the time of slag. At present, domestic and international automatic slag detection methods mainly are automatic weight detection method, automatic electromagnetic detection method, ultrasonic auto-detection method, and auto-detection method based on vibration. However, these methods have significant flaws, so it is very necessary and urgent for continuous casting production to research and develop an intelligent detection system which is practical, low cost, and more accurate in forecasting slag time.The intelligent slag detection method, which is based on the SVM regression technology, is mainly introduced. Based on deep analysis and investigation of the internal and external slag detection technology and combining weight test method and speed test method, the intelligent slag detection system which is base on prediction principle of LS-SVM regression technology, is put forward in this paper. The results of MATLABs simulation and testing show that the intelligent detection system can well achieve the anticipated requirement.The design and test of software and hardware of the intelligent system of slag detection is also introduced. The software of host computer, which is developed by Visual Basic which is an excellent development tool, can monitor the intelligent slag detection system and improve the accuracy and reliability of the intelligent detection system. The software is adopted which can shorten development period and make it easy to be rebuilt. The designs of the software and hardware of the system can well achieve the anticipative requirement by debugging and testing.Figure37; Table5; Reference 76Keywords: slag detection, weight test method, speed test method, SVM regression Chinese books catalog: TP273+.5- III -目 次目次引言1第1章 绪论21.1 研究开发钢水下渣检测系统的背景和意义21.2 国内外钢水下渣检测技术研究现状及比较31.2.1 钢水连铸下渣检测方法的研究现状31.2.2 钢水连铸下渣检测方法的研究现状41.2.3 国内外钢水连铸下渣检测方法的应用现状111.3 本文的研究目标13第2章 钢水连铸下渣智能检测系统原理152.1 钢水连铸下渣智能检测原理和方法152.1.1 钢水连铸下渣智能识别原理152.1.2 钢水连铸下渣智能检测方法152.1.3 钢水连铸下渣智能检测系统的优点162.2 钢水连铸下渣智能检测系统技术方案162.3 钢水连铸下渣智能辨识检测系统的数据采集系统原理18第3章 基于支持向量机回归的智能检测系统设计与仿真203.1支持向量机203.2统计学理论基础213.2.1 结构风险最小化213.2.2 支持向量机回归理论223.2.3 核函数253.3 工具箱结构功能简介263.4 基于LS-S VM的辨识模型建立283.4.1 核函数选择283.4.2 模型参数的选择293.4.3 LS-SVM模型的建立29第4章 基于SVM的钢水下渣智能辨识系统实现354.1 Visual Basic 编程语言354.2 智能检测系统的硬件实现374.2.1 模块技术性能374.2.2 钢水下渣数据采集系统物理结构394.2.3 钢水连铸下渣智能检测系统的数据采集系统物理结构404.3 智能检测系统的软件实现414.3.1 大包浇注工艺的软件分析414.3.2 智能检测系统的程序流程图434.4 钢水连铸下渣智能检测系统数据采集分析454.4.1 数据采集和数据分析程序结构454.4.2 数据的实验采集与前期系统调试454.4.3 数据采集相关运行界面46结 论49参考文献50致 谢55导师简介56作者简介57学位论文数据集58引 言引言连铸技术是应用最为广泛的冶金技术之一，它在提高铸件质量和成材率，减少铸件夹杂物，提高生产效率，减少能源消耗等方面具有很好的应用价值。我国的CCR（continuous casting ratio）为94.8%，超过世界平均水平，然而，我国钢铁质量较低，出口钢材也是以低附加值的普通钢材为主，而用于精密机械、仪表以及轿车的高质量钢材基本依靠进口。提高我国钢铁企业的连铸生产工艺水平与竞争能力就显得尤为迫切。 连铸下渣检测技术（slag carry-over detection technology，SCDT）是通过对钢包浇注后期钢水状态的有效识别，防止钢渣下流控制钢水的纯净度，提高铸件质量与钢水收得率的重要手段。连铸钢包下渣检测技术是现代连铸生产的关键技术，也是钢水质量保证的关键技术。钢包下渣识别系统基于现有连铸生产检测参数，采用软测量技术及智能预报模型，对下渣时刻进行准确预报，从而防止钢包过量下渣，提高钢水纯净度及收得率。只有在钢水连铸下渣的生产过程中分析临界卷渣条件，使大包液面不低于临界液面，才能有效避免钢水卷渣和二次氧化，对连铸大包钢水液面进行自动检测，判定浇铸后期钢包下渣，及时优化关闭滑动水口，减少钢渣进入中间包，连铸钢包下渣检测与控制系统真正实现了无人操作全自动运行，改善工人的工作环境，提高生产效率，获得更高的钢水收得率和钢水纯净度。国内外对钢水连铸下渣检测技术都进行了大量的研究，比较成熟的钢水连铸下渣自动检测方法有：称重自动检测方法、电磁自动检测方法、超声波自动检测方法和基于振动的自动检测方法。称重自动检测方法的惯性较大，误差较大；电磁自动检测系统的电磁线圈处于高温环境，其一次投资和日常维护费用都很高；超声波自动检测系统的超声波探头处于高温环境，该系统的制造和使用费用都很高；基于振动的自动检测系统的振动信号获取和处理比较困难，误报率较高，该系统还需要进一步完善。 课题结合宣钢实际问题和要求，着眼于钢水连铸下渣时刻的准确判断，利用SVM技术对钢水连铸下渣时刻进行辨识和预报，结合VB编程软件实现对钢水连铸下渣智能检测系统的监控，从而提高了钢水连铸下渣时刻预报的可靠性和准确性。- 33 - 第1章 绪论第1章 绪论1.1 研究开发钢水下渣检测系统的背景和意义在钢水连铸过程中，准确实用的钢包下渣检测方法可以提高钢水纯净度，提高铸坯质量，得到全世界钢铁冶金的重视，已开发的下渣检测方法主要有：基于称重原理的称重自动检测法，基于电磁感应的电磁检测法，基于钢水冲击产生振动的振动检测法，还有基于图像的红外检测法，超声波检测法等。称重自动检测法是在水口开度一定情况下，由称重传感器和计算机系统完成下渣检测，此系统要求传感器的量程大、分辨率高、抗干扰等力强；电磁检测法需要将线圈埋于钢包座砖出口附近，需要对所有的钢包进行改造，另外传感器线圈位于出口附近，周围环境温度比较高，传感器的使用寿命将会缩短；超声波检测法中超声波探头的工作环境比较恶劣，工作温度高达700800,制造和使用的费用都较高，目前还处于研制阶段；振动检测方法中由于环境振动干扰因素对振动传感器的精确度影响较大，该方法正处于实验性探索开发研究阶段。其中只有电磁检测方法发展成熟些，其他方法还处在探索研究阶段，但由于电磁检测方法价格昂贵、维护费用高且需在钢包底部安装部件，致使其推广和应用受到很大限制，只有少数钢铁企业正在尝试性接受该方法。因此研究开发简便实用、造价低廉且不需增加任何硬件、免维护的新型钢包下渣检测和识别方法，对企业生产具有及其重要的意义。连铸技术是目前钢铁生产中应用最为广泛的冶金技术之一。许多钢厂对钢包浇铸末期和中间包液位过低时下渣的危害性缺乏足够的认识，加上片面追求提高钢水收得率，在中间包容量小和钢水液位低的情况下，使得钢包下渣量过大，钢渣被卷入铸坯形成夹渣，严重降低了钢的洁净度1, 2。只有在钢水连铸下渣的生产过程中分析临界卷渣条件，使大包液面不低于临界液面，才能防止钢水受到污染3。为了减少钢水氧化，有效避免钢水卷渣和二次氧化，大包是“不可视”的，钢水铸流也是“不可视”的4，在钢包浇注接近终了时，为了控制钢包下渣进入中间包，很多钢厂采用提前拆去长水口，通过人工肉眼观察钢水和钢渣的颜色的方法来判断是否下渣。例如，例如，约装100吨钢水的大包浇铸过程大约要45分钟左右，一般提前8分钟就要拆下长水口，钢水在这段时间内会形成二次氧化5；如果要求保证钢水收得率，必然造成过迟地关闭水口，大包中的钢渣就会流入中间包，造成坯壳中形成“夹渣”现象，使产品质量降级，甚至报废6。靠肉眼检测钢水下渣，如果要求保证钢的纯净度，就会过早地关闭水口，此时大包中还有部分钢水，必然造成钢水的收得率降低；还会提前拆去长水口，使得钢水二次氧化时间增长，另外，钢包中含氧化铁、氧化锰和氧化硅的钢渣进入中间包后易造成易氧化合金元素的烧损并产生夹杂物（如氧化铝）。这不仅影响成品钢洁净度，还影响钢坯质量和极易发生漏钢事故；钢渣进入中包也是造成钢水再次氧化时水口堵塞的主要原因；大量炉渣进入中间包后，会对中间包耐火材料有很大的浸蚀作用，从而不但缩短了中间包耐材的寿命，而且也缩短了滑动水口的滑板寿命7；强氧化性钢渣进入中间包会使中间包内钢水氧化度增加，造成铸坯缺陷8, 9。连铸下渣检测技术（slag carry-over detection technology，SCDT）已成为现代连铸生产和质量控制的关键技术。钢包下渣识别系统基于现有连铸生产检测参数，采用软测量技术及智能预报模型，对下渣时刻进行准确预报，从而防止钢包过量下渣，提高钢水纯净度及收得率。准确、可靠的钢包下渣识别系统，对连铸生产具有重要的指导意义，可在提高产品产量、提升产品质量、降低能源消耗三方面为企业带来可观的效益。例如，年产普碳钢l00万吨钢包，采用下渣检测系统后，平均每炉可延迟3秒关闭水口计算，每炉可多得钢水120公斤，一年可多得钢水1533吨，可降耗节支1533吨1500/吨=230万元。钢水下渣检测已成为现代连铸生产和质量控制的重要技术。1.2 国内外钢水下渣检测技术研究现状及比较1.2.1 钢水连铸下渣检测方法的研究现状连铸钢包浇注过程是一个封闭不可视的系统，用直接测量方法测量钢水液面位置和长水口内钢流速度是不可能实现的。可以采用间接测量方法，若一个系统内不易测量物理量的变化（或运动），与另一系统的容易测量的物理量有关联，则可通过这个容易测量的物理量来间接测量那个不易测量的物理量。所以，钢水连铸下渣检测系统中采用用智能模型，将不易测量的钢水液面可通过测量另一系统中易检测的相关物理量，再采用相应数学算法实现下渣识别。钢水从冶炼到浇注过程中需进行转炉下渣检测10和连铸钢包到中间包的下渣检测11。第一，冶炼过程中，钢水从转炉流到钢包的过程中，钢水通常沉于底部，钢渣大多数为非金属氧化物比重较轻，浮在钢水上部，通过转炉出钢时的分渣技术基本能够实现钢渣与钢水的分离。第二，在连铸中，钢水从钢包出水口流到中间包，再从中间包出水口进入结晶器。如果钢渣流入中间包就会导致钢渣的积聚，使连铸不能正常进行。而中间包的钢渣进入结晶器会降低铸坯洁净度，甚至造成拉漏事故。由钢包进入中间包的钢渣量，对连铸操作和最终产品质量都有着至关重要的影响。因而要生产高质量的连铸坯，最根本的一点就是减少由钢包进入中间包的钢渣量，并使之达到合理的最小值。图1是弧形连铸机生产流程的示意图。1钢包；2中间包；3结晶器；4二次冷却装置；5振动装置；6铸坯；7运输辊道；8切割设备；9拉坯矫直机。图1 弧形连铸机生产流程示意图Fig.1 Arc caster production flow diagram1.2.2 钢水连铸下渣检测方法的研究现状国内外对钢水连铸下渣检测技术都进行了大量的研究，已经相继研制开发了基于重力检测、电磁检测、超声波检测、振动检测、神经网络等原理的检测试验装置，对几种检测方法简述如下。1）红外技术检测法红外技术检测法9是一种非接触式的钢渣检测方法，采用红外CCD（Charge-coupled Device）传感器，根据纯净钢水和钢渣的辐射特性不同，由红外线波长范围内释放的辐射密度区别钢水和钢渣，判断是否发生下渣。其技术方案如图2。传感器输出的钢流辐射密度作为实时的数字化信息，通过数学算法加以评估。数字信号处理后的结果为彩色图像，可清晰显示出钢流中的任何夹渣情况，系统将发出警告信号，传输到操作人员控制系统。大包钢流水口操作红外热成像系统红外摄像机摄像机信号处理器摄像机主控计算机执行控制系统图2 红外技术检测原理图Fig.2 Infrared technology to detect principle diagram 其缺点如果用于钢包到中间包的下渣检测，在检测中钢流不能被遮挡物所遮挡，必须除去长水口，而这样就会造成钢水在空气中的二次氧化。 2）电磁检测法1896年，电磁感应检测方法首先在转炉出钢口上应用10。1987年德国蒂森钢铁公司在一台板坯连铸机上采用了电磁检测方法，取得了较好的效果。1989年德国Edmund Juius博士于将此项技术用于钢包炉渣的早期检测11，后来，德国AMEPA公司在世界范围内推广基于电磁感应的钢水连铸下渣自动检测技术。这种方法就是在大包包底上水口外围装上由一级和二级同心线圈组成的传感器，当钢液通过通有高频交流电的一次线圈时，就会在线圈中产生磁场，由于钢水的磁导率和电导率与钢渣有很大区别（钢渣的电导率大约是钢水的一千分之一；1600oC时，钢渣的磁导率大约是钢水的一万分之一），所以钢水中由于磁化产生的磁场和钢水中由于涡流产生的磁场叠加而成的合磁场与钢渣中的合磁场必然有明显的不同，从而导致一次线圈的电流大小不同和二次线圈的电压大小不同以及一次电流与二次电压的相位不同，这些差别经放大及计算机处理后能够在显示装置中显示出钢水流中钢渣量的多少，当钢水中的钢渣量达到预定值时系统会驱动报警装置进行报警并关闭钢包滑动水口。其电磁检测原理如图3所示。图3 电磁检测方法的原理图Fig.3 Schematic diagram of electromagnetic detection method电磁下渣检测方法利用钢水和钢渣电导率和磁导率的不同来确定下渣时刻，系统的主要设备包括检测装置和显示装置，显示和控制盘以及传感器。电磁检测系统设备配置如图4。图 4 电磁检测系统设备配置Fig.4 Electromagnetic detection system device configuration传感器的灵敏度是电磁下渣检测的关键，图5表明浇铸钢流内炉渣量与炉渣信号之间的关系12，在钢水表面的炉渣比钢流中间的炉渣更容易检测出来。电磁检测方法的优点是在不受水口阀开度的影响下实时检测出钢水中含渣量的多少。1炉渣在钢流表面；2炉渣在钢流中均匀悬浮；3炉渣在钢流中心。 图5 浇铸钢流内炉渣量与炉渣信号的关系Fig.5 Casting steel flow in slag quantity and slag signal relationship电磁检测方法的优点是在不受水口阀开度的影响下实时检测出钢水中含渣量的多少。2002年9月，宝钢炼钢厂一连铸钢包下渣检测装置正常投入大生产应用后，收得率平均比以前提高0.4%，平均每炉钢可减少留钢约1t13。其缺点是需要将传感器线圈埋于钢包座砖出口附近，需要对所有的钢包进行改造，工作环境温度很高，缩短传感器的使用寿命，应用电磁检测装置的一次性投资和日常维护费用比较高。如上海宝钢前些年引进了一套德国AMEPA公司的电磁检测自动下渣系统，过于频繁的更换传感器，过高的维护费用使得此系统经常处于待用状态14，限制了电磁检测方法的现场实际使用。3）称重自动检测法 在钢水连铸生产过程中，如果维持滑动水口的开度不变，随着钢包内钢水液面的不断下降，钢包与钢水的总重量不断减少，则钢包与钢水的总重量随时间的变化率会随着钢包内钢水液面的下降而缓慢地降低。在钢水浇注后期，总重量随时间的变化率改变不大，基本为一定值。但当有渣出现时，由于钢渣比重只有钢水比重的约1/3，上述重量随时间的变化率将出现明显变化。因此，从理论上来看，利用这一现象，只要在钢包下安装合适的称重传感器，即可检测下渣了。该理论得到了实验的支持。图6为比利时Forgesde Clabecq公司进行的称重检测实验15，从图6中可以看出，在钢水连铸的后期，钢包钢水总重量80s内几乎是均匀减少的，即总重量的变化率基本不变。随后，由于钢渣的出现，钢包钢水总重量随时间的变化曲线、钢包钢水总重量对时间一次导数的曲线均发生显著的改变，钢包钢水的总重量的变化率明显减小。图6 称重检测法实验曲线Fig.6 Weighing method experimental curve称重检测方法理论可行，但实际操作起来比较困难。原因如下：（1）称重检测方法应用的前提是滑动水口开度一定，这是很难做到的16。（2）称重检测方法对称重传感器的要求很高：因为钢包钢水总重量很大，故传感器的量程也要大。称重检测方法要求能够敏锐感知钢包钢水总重量的变化，故它的分辨率一定要很高，同时，抗干扰能力也要很强。（3）称重检测方法的系统有较大惯性，从而产生比较大的时间延迟。因此，称重检测方法只用于小转炉的对比试验，实际应用几乎没有。4）超声波检测法超声波检测法的原理是利用钢水中含渣量的不同，超声波发出信号和反射信号的差别来实现对钢渣的检测。它对钢渣的检测有两种方式。 （1）浸入式检测法浸人式检测法如图718所示,采用浸人式的超声波探头，下渣时钢渣会以小渣团的形式进入反射器探头的内部，在示波器上显示初始脉冲信号（左）、从钢渣反射回来的回声信号（中）、从反射器壁上反射回来的回声信号（右）。而没有钢渣时，只有左和右两个峰值信号。图7 浸入式超声波检测原理示意图Fig.7 Immersion ultrasonic detection principle diagram这种方法虽然不影响浇注过程，它只有在钢渣流到中间包以后才能检测出来，有一定下渣量的存在；并且超声波探头的工作环境温度高达1500左右，处于理论研究阶段，现场使用还需进一步优化。（2）侧壁安装式检测法在钢包侧壁装上超声波探头，可以有效检测涡流卷渣现象。在钢水的出流过程中有时会出现汇流旋涡现象。利用在钢水中产生涡流和没产生涡流时，超声波发射信号和反射信号的差别来进行检测的。在炼钢生产中，汇流旋涡在液位较高时出现，一达到临界高度就会发生；熔渣处于涡芯，难以鉴别。图8为侧壁安装无涡流超声波检测方法原理示意图。当钢水中没有涡流时，探头发射的超声波穿透钢水到达钢包壁的另一侧并被散射回来，接受探头由于接受到的信号太弱而无法在显示器上显示出来，这样在显示器上只有发射信号这一个峰值。图8 侧壁安装无涡流时的超声波检测原理示意图Fig.8 Figure of sidewall installed ultrasonic detection when there is eddy图9为侧壁安装有涡流超声波检测方法原理示意图。当钢水中有涡流时，发射的超声波信号会在涡流的表面处反射回来，接受探头能接受到发射波从而能在显示器上出现两个峰值。图9 侧壁安装有涡流时的超声波检测原理示意图Fig.9 Figure of sidewall installed ultrasonic detection when eddy arises侧壁安装式超声波检测法可以有效地检测涡流卷渣现象16。钢水在出流过程中会出现汇流旋涡现象7-17。当钢水液面下降到一定高度（临界高度）时，在径向某处原本向出流口中心线汇流而出的钢液开始叠加切向的速度，使其越来越偏离径向而逐渐演变为围绕中心线的螺旋运动，以致钢液中出现具有强烈抽吸作用的漏斗状旋涡，漩涡夹带着空气或钢渣贯通出水口，给钢坯质量造成很大的危害。在模铸作业的钢包浇注末期和连铸作业更换钢包或中间包时，钢包或中间包内液位往往会降到临界高度以下。而这种方法优点是检测灵敏度很高，可在刚开始形成汇流旋涡卷渣时就检测出下渣，只有少量的钢渣进入中间包，其缺点在于要对钢包进行改造，超声波探头的工工作温度高达700800，制造和使用的费用都较高。因而此方法目前还处于研制阶段。浸入式超声波检测方法对浇铸过程不造成影响。不过，这种方法很突出的缺点是存在一定的滞后性：当检测到下渣时，中间包内已经有一定的下渣量存在。另外，由于超声波探头浸入钢水中，使探头的工作温度高达1500摄氏度左右，这势必影响探头的灵敏度和有效寿命。因此，这种方法离实际的现场使用还有较长的一段距离。 5）振动检测法在钢包浇注过程中，由于钢流的冲击作用，浸入在中间包中的水口保护套管和与之相连的操作臂会产生一定幅度的振动；水口开度越大，钢流流量越大，振动就越剧烈。钢渣和纯钢水比重不同，则钢渣流动与纯钢水流动引起的冲击振动差异较大，可以通过冲击振动差异的检测来判断主流下渣的发生，此为振动检测法19。振动式下渣检测技术19方案图10所示。图10 振动检测方法示意图Fig.10 Schematic figure of vibration detection method振动式下渣检测是在远离水口保护套管一端的操作臂上安装加速度传感器或位移传感器，钢流在保护套管中流动时所引起的冲击振动就会传递到操作臂上，把振动信号传送到计算机，经过相应的信号处理算法来判断钢流中是否含有钢渣。钢渣量达到或超过预先设定的阈值时，计算机发出关闭滑动水口的控制信号，驱动相应的控制装置，停止浇注。振动式下渣检测装置结构简单，易于安装、拆卸与维护，不会对连铸生产造成任何影响；另外振动传感器安装在远离钢流的操作臂上，成功的解决了高温环境下传感器的易耗问题，使检测系统的运行可靠性与使用寿命大大增加。其缺点在于存在干扰较多，振动信号的分析和处理困难。目前各种钢包下渣检测方法各有优缺点，只有电磁检测方法发展成熟些，其他方法还处在探索研究阶段，但由于电磁检测方法价格昂贵、维护费用高且需在钢包底部安装部件，致使其推广和应用受到很大限制，只有少数钢铁企业正在尝试性接受该方法。因此研究开发简便实用、造价低廉且不需增加任何硬件、免维护的新型钢包下渣检测和识别方法，对企业生产具有及其重要的意义。1.2.3 国内外钢水连铸下渣检测方法的应用现状1）红外技术检测法的应用1985年，Miline J M 等人开始用红外热成像技术观测金属与合成材料的表面结构20。90年代初澳大利亚Chen J 等人利用近红外电荷耦合器件（）成像技术对焦炉生产的温度进行监控21，当时此技术不能实现温度高于350的连铸下渣检测要求22。1989年, Dewitt D P 等人发现在中远红外区钢水与钢渣辐射系数差异较大23，美国林-特姆科- 沃特（Ling-Temco-Vought, LTV）钢铁公司的Peacock G R 系统全面的研究论述了转炉下渣的红外检测机理24，德国Zahorszki F等人在Thyssen-Krupp 钢铁公司成功应用了红外下渣检测系统25。紧接其后, 德国、日本、美国、印度的钢铁公司相继成功开发应用红外下渣检测系统26-29。 国内红外下渣检测的研究起步于2005年，浙江大学的吴非等人开发应用了转炉下渣红外检测系统30。2）电磁检测方法的应用电磁感应下渣检测系统是目前应用最多的。上世纪80年代， 瑞典提出在钢包壁两侧分别设置发射线圈和接收线圈用于检测钢包下渣31； 1984年，以Julius E 为首的阿米帕（Amepa）公司，向全世界推广。1986年, Abratis H 等人首先将用于转炉出钢下渣检测32；1987年，德国蒂森-克虏伯（Thyssen-Krupp）钢铁公司将用在一台板坯连铸机上，法国和美国的部分连铸机也采用了此系统33-36，继而在日本、韩国、台湾的连铸机检测得到推广应用37。中国大陆年产三十万吨钢以上的部分连铸机也已经采用了 Amepa 的技术,取得了满意的使用效果38-42。衡阳的镭目科技有限公司也成功开发出功能接近达到国外同类产品水平的，已经获得较好的经济效益。 3）振动检测法的发展及应用 20世纪80年代初，日本的伊藤俊之等人首先提出利用振动传感器来检测钢包下渣的方法43。1991年, BHP的Trotter D J 等人使用加速度传感器测量操纵臂的机械振动强度，判断钢流的浇注状态，由于环境干扰对操作臂振动影响较大，必须通过人工调谐的前提下降低失误率44, 45。1994 年，Barrow R 等人利用人工神经网络（）技术对振动信号进行处理识别，检测成功率提高了；但在稳定性上还不能满足连铸生产的实际要求46。1997年，日本钢管公司（Nihon Kokan Kabushiki- gaisha，NKK）利用快速傅立叶变换（，）与神经网络技术分析振动信号的功率谱来判断下渣发生的方法，并获得了专利授权47。Toronto 大学的Walker D I等人成功的开发出振动下渣检测系统，已经成功应用于美国、印度等国家的20余条连铸线上48, 49。2003年，美国威苏威（Vesuvius）公司的Uhlenbusch J 等人，辅助以红外检测技术能够对旋涡卷渣过程进行检测, 实现了钢包下渣检测的提前预警50。同年，日本新日本制铁公司（Nippon Steel Corporation） 可以利用无渣与下渣时的时滞向量关系开发的振动式，实现钢包下渣检测50。国内浙江大学的李培玉等人独立开发的振动式下渣检测系统在武钢、首钢、济钢、台湾丰兴等十余家企业获得应用51-53；王友钊等人结合虚拟仪器技术振动式的研究成果在南京、杭州等钢厂取得一定的试用效果54。称重检测方法目前仅作为一种辅助检测方法存在，超声波检测方法目前还停留在试验阶段。1.3 本文的研究目标本课题研究总体目标是提高钢水连铸下渣检测技术的精度与有效性，保障钢水连铸下渣智能检测系统能长期、稳定、可靠运行。采用支持向量机回归进行非线性系统建模与控制的研究，是近年以来产生的智能控制的一个研究领域。这种建模与控制方法模型简单，有完备的理论支持，更重要的是提供了一种实现复杂的非线性系统的建模与控制的新方法，拓宽了智能控制的研究领域。研究了支持向量回归进行非线性系统建模的方法。讨论了支持向量机核参数及惩罚因子等参数对回归估计性能的影响55。LS-SVM是一种改进的支持向量机，它采用等式约束代替支持向量机中不等式约束，通过求解一组等式方程得到了参数的解析解，避免了SVM中在对偶空间求解二次规划问题。基于最小二乘支持向量机的模型预测控制，能够自动获取LS-SVM支持向量机参数，避免参数反复试凑的冗长过程，求解速度相对加快。本论文应用MATLAB的图形处理功能，LS-SVMlab工具箱建立下渣检测模型并进行样本训练和预测仿真。基于上述目标，在钢水连铸下渣智能检测结构及方法上要完成如下具体目标：1）采集装置对钢水连铸下渣现场各钢流的拉速、中间包的重量、钢包的重量、滑动水口的开度等信号进行采集，通过数据通信接口传给计算机进行相关计算和处理,得到用于钢水连铸下渣智能检测网络的训练及测试样本。2）研究适合钢水连铸下渣智能检测系统的支持向量机网络结构及学习方法，由计算机在数据存取速度和运算速度上都应满足在一个采样周期内完成多路数据采集、处理、运算和将输出量输出到执行机构，对钢水连铸下渣智能检测系统实时控制的特点，满足智能检测控制系统的动态性能要求。3）利用支持向量机回归建立下渣检测数学模型，对钢水连铸下渣系统时刻进行辨识和预报。4）应用MATLAB的LS-SVMlab对智能检测网络进行样本训练、数据拟合和仿真，为实现在线检测作准备。5）建立基于支持向量机的钢水连铸下渣智能检测系统的VB监控和技术实现。 第2章 钢水连铸下渣智能检测系统原理第2章 钢水连铸下渣智能检测系统原理2.1 钢水连铸下渣智能检测原理和方法2.1.1 钢水连铸下渣智能识别原理钢水连铸下渣检测系统是一个封闭的系统，钢包中钢水液面位置和长水口内的铸流都是不“可视”，因此，无法直接测量液面位置或长水口内铸流速度。但是，根据信息测量的相关理论，若一个系统内不易测量物理量的变化（或运动），与另一系统的容易测量的物理量有关联，则可通过这个容易测量的物理量来间接测量那个不易测量的物理量。所以，钢水连铸下渣检测系统中不易测量的钢水液面可通过测量另一系统中易检测的相关物理量，再采用适当方法来加以识别。2.1.2 钢水连铸下渣智能检测方法对钢水连铸下渣检测系统中钢包钢水液面识别方法可通过水口出钢水的注速（）来进行动态判断。钢水注速可通过如下方法来计算得出。（1） 式中：Dw_在特定时间步长中间包中钢水重量的平均变化率（kg/s）；Dt_在特定时间步长铸坯重量平均变化率（kg/s）；k_工艺系数，当大包重量变化率连续几个采用数据接近为0时，k=0，其它情况下，可k=1。由安装在钢水连铸下渣检测系统中的中间包的重量传感器测量，并通过智能检测系统内有关计算模块得出。由拉速传感器测量，并通过智能检测系统内有关计算模块得出，最终求解出。钢水连铸下渣智能检测系统通过下述三种方法来识别和判断钢包是否下渣。1）重量法：对钢水注速进行积分可确定已浇注钢水的重量，因为钢包初始重量已知，钢包中剩余钢水重量就很容易得出。当等于钢水停注时的钢包中的钢水净重时（通过对特定钢包结构分析与计算，得出临界液面高度对应的），停止浇注。2）速度法：钢水连铸下渣智能检测系统实时监测注速的变化，当其达到临界注速值（通过对特定钢包结构分析与计算，得出临界液面高度对应的）时，停止浇注。3）大包重量变化率法：智能检测系统实时检测钢水浇注后期大包重量的变化率，当变化率低于确定的阈值时，即可认为有下渣的趋势，停止浇注。2.1.3 钢水连铸下渣智能检测系统的优点钢水连铸下渣智能检测系统的优点如下：1）所有需要的测量信号均取自原钢包系统中已有的信号，不必改变或破坏原钢包结构，节省成本和时间。2）中间包称重是在一个平衡点附近，传感器工作范围较小，比较容易获得高分辨率，能较准确地测量重量的变化。3）能精确获得钢包中剩余钢水重量（或钢水高度），停注判断准确。4）重量法和速度法综合使用，能排除不利因素影响，可提高停注判断的准确率。因此，钢水连铸下渣智能检测系统具有可行性、实用性和方便性。2.2 钢水连铸下渣智能检测系统技术方案钢水连铸下渣智能检测系统技术方案见图11、图12，包括以下几个部分。V1钢坯拉速1数据采集设备Vn钢坯拉速nF滑动水口开度W中间包钢水重量T大包钢水重计算机打印机现场操作显示单元图11 系统技术方案图Fig.11 Figure of System Technology Program钢包T钢包重量长水口VS 注速中间包W中间包重量二冷区结晶器滑动水口K滑动水口开度Vi钢流拉速铸坯拉链图12 连铸过程描述Fig .12 Description of continuous casting1）现场信号采集设备钢水连铸下渣智能检测系统的现场信号采集装置是计算机与钢水连铸下渣智能检测系统的各被控量进行信息传递和变换的连接装置，它起着信息变换和传递的作用。它有信号输入通道和信号输出通道，还有模拟量通道和开关量通道。 现场信号采集装置对钢水连铸下渣现场各钢流的拉速、中间包的重量、钢包的重量、滑动水口的开度等信号进行采集，通过数据通信接口传给计算机进行相关计算和处理。2）计算机计算机主要完成对现场信号采集装置的通讯、数据计算和处理、逻辑判断，给出下渣判断信息和钢水液面识别值的模拟画面显示，将钢水停注信息传给现场操作显示装置，再通过接口电路向系统的各个部分发出各种控制指令，指挥整个钢水下渣智能检测系统有条不紊地工作。计算机是整个钢水连铸下渣智能检测系统的核心，它的功能和性能直接影响整个系统的优劣。因为钢水连铸下渣智能检测系统具有实时控制的特点，计算机在数据存取速度和运算速度上都应满足在一个采样周期内完成多路数据采集、处理、运算和将输出量输出到执行机构，计算机的信息处理能力应满足智能检测控制系统的动态性能要求。3）现场操作显示装置钢水连铸下渣智能检测系统的现场操作显示装置是现场操作人员与计算机智能检测系统之间进行联系的纽带和桥梁。现场操作显示装置把钢包中的钢水液面值、钢水注速值和钢水停注时刻等信息显示给现场操作人员，并为操作人员直观地进行操作提供各种手段。4）打印机打印机的作用是打印相关数据、报表和信息，以供存档。2.3 钢水连铸下渣智能辨识检测系统的数据采集系统原理钢水连铸下渣智能检测系统采用数据采集模块、通讯转换模块和工控机来实现的，钢水连铸下渣智能检测系统的数据采集系统原理如图13所示。图13 钢水下渣数据采集系统原理框图Fig.13 Functional block diagram of data acquisition system of roughing slag针对钢水连铸下渣智能检测系统的1#中间包浇注子系统和2#中间包浇注子系统，钢水连铸下渣智能检测系统分别采用1个DAM-3058F数据采集模块来完成对连铸现场运行数据的采集，这2个采集模块构成的数据采集网络把采集到的数据通过通讯转换模块DAM-3210上传至工控机，最后，工控机进行相关数据的处理、分析和钢渣下渣时刻的识别等。第3章 基于支持向量机回归的智能检测系统设计与仿真第3章 基于支持向量机回归的智能检测系统设计与仿真课题结合工程实际问题和要求，着眼于钢水连铸下渣时刻的准确判断，利用SVM技术对钢水连铸下渣时刻进行辨识和预报，并结合VB编程软件实现对钢水连铸下渣智能检测系统的监控，从而提高了钢水连铸下渣时刻预报的可靠性和准确性。3.1支持向量机基于数据的机器学习是现代智能技术中的重要方面，利用数据样本规律对未来数据或无法观测的数据进行预测，机器学习在模式识别系统、数据挖掘系统、信号处理系统、智能控制系统等实际工程系统起着关键性的作用。支持向量机（）是上个世纪90年代发展起来的一种基于结构风险最小化的算法55, 56，在非线性问题处理方面具有如下优点：首先，它把输入空间映射到某一高维空间，使原空间中的非线性问题转化为特征空间的线性问题，在高维特征空间作训练样本间的内积运算，降低了计算的复杂度。其次，支持向量机求解的最优化问题是凸优化问题，可以得到全局最优解。第三，支持向量机是结构风险最小化的原则的体现，兼顾了学习机器的推广能力，有良好的泛化性能。LS-SVM（）是提出的一种改进的支持向量机57，它采用等式约束代替支持向量机中不等式约束，通过求解一组等式方程得到了参数的解析解，避免了（）中在对偶空间求解二次规划问题。因此产生了一系列的基于该理论的应用研究成果58-62。本论文就是以在线（）作为建模方法，研究其在钢水连铸过程建模和控制中产生的若干问题。支持向量（Support Vector Machines SUM）机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，对特定训练样本的学习精度，（）和学习能力之间寻求最佳折衷，获得最好的推广能力和泛化能力， 解决各种非线性学习问题中。 VC维（）是描述函数集或学习机器的复杂性，（或者说是学习能力）的一个重要指标，解决了有限样本学习问题，是统计学习理论的一个核心概念，在此概念基础上发展出了一系列关于统计学习的一致性、收敛速度、推广性能等的重要结论。 3.2统计学理论基础 3.2.1 结构风险最小化数学家等人出版的The Nature of Statistical Learning Theory一书，系统地研究了各种类型函数集中经验风险和实际风险之间的关系，对函数集中的所有函数，经验风险和实际风险之间至少以的概率满足如下关系： （2）式中：h_函数集的维63, 64；m_是样本个数。也可以表示为： （3）从理论上说明了学习模型的实际风险是由经验风险（训练误差）和置信范围两部分组成，与学习机器的维及训练样本的个数有关。在有限训练样本数情况下，学习模型的维越高（复杂性越高）则置信范围越大，导致实际风险与经验风险之间可能的差别也越大，会出现过学习现象的原因。经验风险最小化(ERM, Empirical Risk Minimization)准则，简称为ERM准则。在传统统计学建模方法中，ERM准则扮演了一个具有决定性的角色。这种做法只是直观上合理的想当然做法，并没有经过充分的理论论证。因为即使可以假定当m趋向无穷大时，也无法保证能够获得足够多的样本使其趋近于无穷。神经网络的过学习问题就是ERM准则不成功的体现。由此可知，在样本有限情况下，经验风险最小并不一定意味着期望风险最小。结构风险最小化（，）准则是把函数集构造成为一个函数子集序列，各个子集按照维的大小排列，在每个子集中寻找最小经验风险，并在子集间折衷考虑经验风险和置信范围，以取得实际风险的最小，支持向量机SRM准则结构如图14。 真实风险的界欠学习过学习函数子集：VC维：风险图14 SRM准则结构图Fig.l4 Structural Risk Minimization3.2.2 支持向量机回归理论支持向量机是基于维理论和结构风险最小化原则的，最小化的是推广误差的上界，从而通过在模型的复杂性和训练误差之间寻求平衡点，得到一个最优的网络结构，较好地解决了过学习和欠学习问题。的训练等价于一个线性约束二次规划问题，可以得到唯一的全局最优解，而不像神经网络训练那样容易陷入局部极小点。支持向量机回归理论是将基于结构风险最小化原理的思想应用于函数回归问题中。假设给定训练样本集， 先考虑用线性回归函数 （4）来估计。采用最小化欧几里德空间的泛数，寻找一个最小的值，保证了式（4）的平坦。假设在精度下，所有训练数据（）都可以做线性函数拟合，这样寻找最小的问题就变成了求解凸优化问题: （5）其中的约束条件为： （6）由于存在允许拟合误差的问题，引入松弛因子和，这样回归估计问题就转化为以下两式 （7）约束条件： （8）其中常数，用来平衡回归函数f的平坦程度和偏差大于样本点的个数。上面两式是基于以下的不敏感损失函数得出的。该函数表示如下： （9）应用对偶理论解出上面的支持向量机，并且把它转化成二次规划问题。建立方程 （10）令式（10）中对参数，和的偏导都为零，即得出以下等式： （11） 将式（11）代入式（10），得到对偶优化问题 s.t. （12） 由式（12）可解出一组最优解，即最优的和值。其中与在不灵敏区边界上；与对应的样本在不灵敏区的外面，这些样本称之支持向量（）。从而存在： （13） 对于非线性回归归，首先使用一非线性映