专利名称：一种基于振动监测的连铸下渣检测方法及装置的制作方法
技术领域：
本发明涉及冶金工业领域，主要是一种面向钢水连铸设备的基于振动监测的连铸下渣检测方法及装置。
背景技术：
随着市场竞争的加剧，各大钢铁公司已经把目光集中在高端产品的研发上，对于优质品种钢的生产，钢包下渣检测是一个非常关键的环节。国外许多公司为解决钢包下渣预报问题，研究开发了多种钢包下渣检测技术。
基于红外技术的钢渣检测系统能够保证从出钢过程开始实现精确、可靠的钢渣检测。目前只这一类系统经常用在转炉出钢口的下渣检测，在连铸全保护浇注条件下，还不能应用于钢包到中间包的下渣检测。其缺点是在检测中钢流不能被遮挡，如果用于钢包到中间包的下渣检测，则必须除去长水口，而这样就会引起钢水的二次氧化，所以目前一般不用于钢包的下渣检测，主要应用于转炉出钢口到钢包的下渣检测。
电磁感应式下渣检测系统被认为是目前世界上比较先进的下渣检测系统，国外已有多家炼钢厂采用该系统，并获得较好冶金效果和经济效益。由于这类系统要对钢包进行改造，在钢包底部埋入线圈，改造费用昂贵，而且由于工作环境温度较高，线圈很容易损坏，平均每两个月就要对所用钢包底部的线圈、传感器进行更换，因此使用成本较高。
此外，利用超声波进行钢水下渣检测也是一种常用的方法。超声波检测法的原理是利用钢包注流中有钢渣和无钢渣时超声波发射、反射信号之间的差别来实现对钢渣的检测。虽然这种方法对浇注过程没有影响，但是由于超声波探头的工作环境温度高达1500℃左右，工作环境比较恶劣，制造和使用的费用较高，离工业应用还有较长的一段距离。
通过感受机械操作臂的振动来检测连铸过程中的下渣，是一种间接监测下渣的方法，十多年前就开始在实际浇注过程中被部分工人所采用。在钢水浇注过程中，钢水流经长水口注入中间包时，钢水冲击长水口壁必定引起用来支撑长水口的机械操作臂振动。由于钢渣比重只有钢水比重的一半，浮在钢水表面，在一包钢水即将浇注完毕时，钢渣才出现，此时由于钢渣轻，粘度大，流动性也差，它对长水口壁的冲击作用力减少，导致与之相连的机械操作臂的振动也减小。因而在浇注末期，工人可以用手感触机械操作臂的振动，来判断是否下渣，并决定是否关闭滑动水口。
但由于在钢水浇注过程中，存在大量影响浇注结构振动的因数，使得上述人工监测方法有时难以奏效。主要原因是1.在钢水浇注过程中，有时钢水并不一定与长水口壁接触而直接进入中间包，导致机械操作臂的振动很小，使得人工很难分辨下渣时刻。
2.在一包钢水浇注末期，有时会出现钢水旋流而下的现象，此时钢渣也会被卷入，带有钢渣的钢流旋转着与长水口壁不断发生冲击作用，从而导致机械操作臂的振动并不一定减小，人工根本无法分辨下渣。
因此如何从操作臂的振动信号中提取下渣信号，成为研究焦点。一般的方法是利用一个振动传感器，测量操作臂的振动，根据振动幅值的增大或减小来判断下渣时刻，这种处理方法会经常导致对下渣时刻的误判断。为了弥补此种方法的不足，很多研究者，以振动监测为主，辅助以多种其他监测手段，如监测钢包重量的变化、监测长水口附近钢水表面翻渣现象等，来监测下渣。
这些方法在监测机械操作臂振动的过程中，主要考察振动幅值的大小，而振动幅值的大小与滑动水口开度有直接关系。因此这些方法在使用过程中，必须使水口开度大小保持不变。而在实际浇注时，在一包钢水的浇注后期，要不断的调节滑动水口开度，以保持中间包液面的稳定。因此这样的振动信号处理方法具有较大的局限性，难以满足实际需要。
发明内容
要解决上述现有技术的缺陷，本发明提供了一种对钢水连铸设备下渣状态进行监测和判断的基于振动监测的连铸下渣检测方法及装置。
本发明的设计依据是1.在浇注过程中，钢水流经长水口时，会在不同方向对长水口进行冲刷作用，用来支撑长水口的机械操作臂的振动也会在不同方向上表现出来，其各个方向的合成振动才是钢水流动状态的真实表现，单一方向的振动信号并不能准确反映钢流对长水口的冲击作用。因此在机械操作臂的不同方向上安装多个传感器，将更能准确有效的捕捉到钢水下渣信号。
2.一包钢水浇注末期，钢水夹带着部分钢渣旋流而下，此时对长水口的冲击作用无论是在冲击强度还是在冲击方向上都表现出一定的不平稳性，只要采用合适的信号处理手段，对其振动强度的不平稳性和振动方向的不平稳性给出合理的评价指标，即可据此判断下渣。避免了因仅仅依靠振动幅值大小判断下渣而带来的误判和漏判问题，也解决了滑动水口开度不能调节的问题。
本发明解决其技术问题采用的技术方案为这种基于振动监测的连铸下渣检测方法，主要包括以下步骤；1)、在操作臂上远离长水口的一端，在其垂直截面上不同方向上安装多个振动传感器，通过上述振动传感器采集多个方向的振动信号；将多个方向的振动信号进行信号放大、滤波、采样和A/D转换后形成采样信号；2)、对各浇铸状态采集到的大量振动信号进行离线处理，通过小波包变换，获得特征向量，构成其典型特征矢量，组成反映浇铸状态的特征矢量集，然后采取有效的矢量量化算法训练出对应各个状态的码本，作为在线识别时各浇铸状态的码本知识库；3)、对采样信号通过小波包分析方法获得特征向量，构成表征钢水流动状态的特征矢量，对特征矢量进行矢量量化分析方法，通过码字的搜索和运算，判断目前的状态属于码本知识库中哪一个码本，从而给出是否下渣信息。
这种基于振动监测的连铸下渣检测装置，主要包括传感器、操作臂、前置设备以及显示与报警装置，在操作臂上远离长水口的一端，在其垂直截面上不同方向安装至少两个振动传感器，传感器通过信号线依次与放大器、抗混叠滤波器，A/D转换装置这些前置设备和计算机相连接。
本发明所涉及的钢水下渣检测方法，采取了特别的信号处理程序，对振动信号在振动幅值和振动方向上的不平稳性给出评价指标，并根掘大量实验数据，来形成下渣诊断与识别知识库，并由此获得表征钢水流动状态的特征参数，解决了用单方向振动幅值来判断下渣而带来的误报问题。
本发明涉及以下两种数字信号处理方法(1)小波变换处理方法钢包下渣过程具有一定的突变性质，单纯从时域或频域分析都不能得出明显的下渣信号振动特征。而小波分析是一种信号的″时间-频率″分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变，但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬态不平稳现象，并展示其成分，从而提取出钢渣信号。
(2)矢量量化处理方法矢量量化技术(VQ)是一种数据压缩和编码技术，已广泛地应用于语音编码、语音合成、语音识别和说话人识别等领域。要把VQ技术应用于下渣检测，首先就要对各浇铸状态采集到的大量振动信号进行离线处理，通过小波包变换，获得特征向量，构成其典型特征矢量，组成反映浇铸状态的特征矢量集，然后采取有效的矢量量化算法训练出对应各个状态的码本，作为在线识别时各浇铸状态的知识库。
本发明与背景技术相比，具有有益的效果是1、该方法只需在机械操作臂上的不同方向安装两个或多个振动传感器，通过对振动信号的进行特殊的实时信号处理，即可准确监测下渣，而无需其他辅助装置。
2、设备造价低，安装方便，易于拆装，适合我国钢铁企业的基本情况，便于推广。
3、由于传感器的安装位置远离钢水，所以传感器可以有较长的使用寿命。
4、采用小波分析技术和矢量量化技术获取钢包下渣的振动特征参数，用大量实验数据形成的知识库来推理判断下渣，大大提高了下渣报警的准确度。
5、使用多级柱状灯，直观地表示出钢水与钢渣流动状态。
6、功能完善的下渣检测软件，能够实时的显示钢水流动状态。
图1本实用新型的下渣振动检测系统组成原理图；图2本实用新型的钢包下渣振动检测原理示意图；图3本实用新型的传感器安装位置结构示意图；图4本实用新型的传感器安装位置A-A结构示意图；图5本实用新型的主要设备之间的信号传输；图6本实用新型的小波包空间的分解示意图；图7本实用新型的三层小波包分解树结构；图8本实用新型的钢渣检测软件系统流程；图9本实用新型的系统软件的功能模块结构组成；
图10本实用新型的系统在线监测过程。
附图标记说明长水口1，操作臂2，传感器3，中间包4，传感器支架5，显示与报警装置6，水口阀7，钢水8，钢渣9。
具体实施例方式
下面结合附图和实施例对本发明作进一步介绍系统的硬件组成本发明装置主要包括以下几个部分计算机与控制设备、信号传感与采集设备和显示与报警设备，此外还包括中间端子箱、开关盒等附属设备。
计算机与控制设备是一台室内控制柜，主要由显示器、操作台、前置处理器组成，主要完成对信号的采集与处理，并完成对显示与报警设备的控制。
信号传感与采集设备采用内部集成有放大电路的压电式加速度传感器，在操作臂2上远离长水口1的一端，固定连接有传感器支架5，在其垂直截面上不同方向的传感器支架5上安装两个振动传感器3，传感器3通过信号线依次与放大器、抗混叠滤波器，A/D转换装置这些前置设备和计算机相连接。
钢包到中间包的过程中，钢水8混着钢渣9通过水口阀7和长水口1流到中间包4，信号传感与采集设备可以监测垂直于机械操作臂平面内的两个不同方向的振动加速度，用来采集操作臂在两个垂直方向上的振动信号，其性能的稳定是保证系统检测精度的关键。
显示与报警设备6是一组“三色5级柱形显示灯”，用来显示钢水在长水口中的流动状态，钢流稳定性越差，显示的灯越多，并上下窜动。超过警戒值即下渣报警，报警灯亮，报警喇叭响。
各主要设备之间的信号传输如图5所示。
信号与数据处理方法信号与数据处理是本发明的重要部分，目的是为了从机械操作臂在两个方向的振动中提取钢水流动的不平稳性特征。
这种基于振动监测的连铸下渣检测方法，主要包括以下步骤；1)、首先就要对各浇铸状态采集到的大量振动信号进行离线处理，通过小波包变换，获得特征向量，构成其典型特征矢量，组成反映浇铸状态的特征矢量集，然后采取有效的矢量量化算法训练出对应各个状态的码本，作为在线识别时各浇铸状态的码本知识库；2)、在操作臂上远离长水口的一端，在其垂直截面上不同方向上安装多个振动传感器，通过上述振动传感器采集多个方向的振动信号；将多个方向的振动信号进行信号放大、滤波、采样和A/D转换后形成采样信号；3)、对采样信号通过小波包分析方法获得特征向量，构成表征钢水流动状态的特征矢量，对特征矢量进行矢量量化分析方法，通过码字的搜索和运算，判断目前的状态属于码本知识库中哪一个码本，从而给出是否下渣信息。
具体的处理方法包括(1)小波包分析方法小波包分析方法是对多分辨率分析的改进，它具有对信号的自适应性，能够根据信号的特性，自动选取不同的时一频分辨率，对全频域内的信号进行全面的正交分解，即对小波分析的高频细节再作分解，信息量完整，即无冗余，也无疏漏，从而弥补了多分辨率分析的不足。图6是小波包空间的分解示意图，由此可看出，小波包分解结果包含了从低频段到高频段的所有信息。
a.首先对采样信号S进行三层小波包分解，分别提取第三层从低频到高频八个频率成分的信号特征，其分解结构如图7所示。图6中，(i，j)表示第j个结点，其中，i＝0，1，2，3；j＝0，1，…，7，每个结点都代表一定的信号特征。其中，(0，0)结点代表原始信号S，(1，0)结点代表小波包分解的第一层低频系数X10，(1，1)结点代表小波包分解第一层的高频系数X11，(3，0)结点表示第三层第0个结点的系数，其它依此类推。
b.对小波包分解系数重构，提取各频带范围的信号。假设原始信号S中，最低频率成分为0，最高频率为1，则提取的S3j(j＝0，1，…，7)八个频率成份分别代表0-1范围内从低到高的八个频带。以S30表示的X30重构信号，S31表示X31的重构信号，其它依此类推。在这里，只对第三层的所有结点进行分析，则总信号可以表示为S＝S30+S31+S32+S33+S34+S35+S36+S37c.求各频带信号的总能量。设S3j(j＝0，1，…，7)对应的能量为E3j(j＝0，1，…，7)，则有E3j=∫|S3j(t)|2dt=Σk=1n|xjk|2]]>其中，xjk(j＝0，1，…，7，k＝1，1，…，n)表示重构信号S3j的离散点的幅值。
d.构造特征向量。由于钢水下渣的时候会对各频带信号的能量有较大的影响，因此，以能量为元素可以构造一个特征向量T。特征向量T构造如下T＝[E30，E31，E32，E33，E34，E35，E36，E37]考虑到能量较大的情况，可以对特征向量T进行改进，即对向量进行归一化处理，然后再作为特征向量。
(2)矢量量化分析方法矢量量化技术在本发明的钢渣检测软件中的系统流程如图8所示。通过对特征矢量进行编码，利用已经获得的大量试验结果，进行码本训练，获得下渣和纯钢水两种状态的码本特征，形成码本知识库。在实时数据分析和处理中，通过码字的搜索和运算，判断目前的状态属于哪一个码本，从而给出是否下渣信息。
系统软件设计系统软件的功能模块结构组成如图9所示。根据系统要完成的功能，系统软件主要由主控模块、数据采集模块、数据处理模块三部分组成。
(1)主控模块主控模块是整个下渣振动监测系统软件的主体，它的合理设计是整个监测系统可靠工作的保证。主控模块具有以下功能◆功能设置——说明是进行在线监测还是离线分析。
◆参数设置——按照选定的功能，完成参数设置，并能够在需要的时候进行查询和编辑。
◆报警——实现与报警装置的实时通讯，并在监测过程中将报警装置状态实时显示到计算机屏幕上，以便操作和控制。
◆钢流状态曲线显示——在监测过程中，通过屏幕实时显示钢流状态曲线，当曲线超过警戒值时发出报警信号。
(2)数据采集模块数据采集模块主要实现对操作臂振动信号的采集和存储。
(3)数据处理模块数据处理模块是用各种数据处理方法，对采集到的数据进行数学处理，主要功能如下◆数据预处理。
◆小波包分析，提取钢渣振动特征参数。
◆矢量量化处理与码本搜索。
◆下渣时发出报警信号。
在钢渣振动检测系统软件中，要完成的主要功能有以下两个(1)下渣信号的在线监测和报警。采集数据并保存，对采集的信号进行处理，在达到警戒值时发出报警信号，并能够实时显示钢流状态。
(2)数据的离线分析。进一步完善钢渣监测数据库，完成和充实钢水和下渣的码本训练。
整个系统的在线监测过程如图10所示。
权利要求
1.一种基于振动监测的连铸下渣检测方法，其特征在于主要包括以下步骤1)、在操作臂上远离长水口的一端，在其垂直截面上不同方向上安装多个振动传感器，通过上述振动传感器采集多个方向的振动信号；将多个方向的振动信号进行信号放大、滤波、采样和A/D转换后形成采样信号；2)、对各浇铸状态采集到的大量振动信号进行离线处理，通过小波包变换，获得特征向，构成其典型特征矢量，组成反映浇铸状态的特征矢量集，然后采取有效的矢量量化算法训练出对应各个状态的码本，作为在线识别时各浇铸状态的码本知识库；3)、对采样信号通过小波包分析方法获得特征向量，构成表征钢水流动状态的特征矢量，对特征矢量进行矢量量化分析方法，通过码字的搜索和运算，判断目前的状态属于码本知识库中哪一个码本，从而给出是否下渣信息。
2.根据权利要求1所述的基于振动监测的连铸下渣检测方法，其特征在于所述的小波包分析方法为a.首先对采样信号S进行三层小波包分解，分别提取第三层从低频到高频八个频率成分的信号特征，(i，j)表示第j个结点，其中，i＝0，1，2，3；j＝0，1，…，7，每个结点都代表一定的信号特征，其中，(0，0)结点代表原始信号S，(1，0)结点代表小波包分解的第一层低频系数X10，(1，1)结点代表小波包分解第一层的高频系数X11，(3，0)结点表示第三层第0个结点的系数，其它依此类推；b.对小波包分解系数重构，提取各频带范围的信号，假设原始信号S中，最低频率成分为0，最高频率为1，则提取的S3j(j＝0，1，…，7)八个频率成份分别代表0-1范围内从低到高的八个频带，以S30表示的X30重构信号，S31表示X31的重构信号，其它依此类推，例如对第三层的所有结点进行分析，则总信号可以表示为S＝S30+S31+S32+S33+S34+S35+S36+S37c.求各频带信号的总能量，设S3j(j＝0，1，…，7)对应的能量为E3j(j＝0，1，…，7)，则有E3j=∫|S3j(t)|2dt=Σk=1n|xjk|2]]>其中，xjk(j＝0，1，…，7，k＝1，1，…，n)表示重构信号S3j的离散点的幅值；d.构造特征向量，以能量为元素可以构造一个特征向量T，特征向量T构造如下T＝[E30，E31，E32，E33，E34，E35，E36，E37]。
3.根据权利要求2所述的基于振动监测的连铸下渣检测方法，其特征在于对特征向量T进行改进，即对向量进行归一化处理，然后再作为特征向量。
4.一种基于振动监测的连铸下渣检测装置，主要包括传感器(3)、操作臂(2)、前置设备以及显示与报警装置(6)，其特征在于，在操作臂(2)上远离长水口(1)的一端，在其垂直截面上不同方向安装至少两个振动传感器(3)，传感器(3)通过信号线依次与放大器、抗混叠滤波器，A/D转换装置这些前置设备和计算机相连接。
5.根据权利要求4所述的基于振动监测的连铸下渣检测装置，其特征在于所述的振动传感器采用内部集成有放大电路的压电式加速度传感器。
6.根据权利要求4所述的基于振动监测的连铸下渣检测装置，其特征在于所述的显示与报警装置(6)采用多级柱状灯。
全文摘要
本发明涉及一种基于振动监测的连铸下渣检测方法及装置，在操作臂上远离长水口的一端，在其垂直截面上不同方向上安装多个振动传感器以采集多个方向的振动信号；将信号进行信号放大、滤波、采样和A/D转换后形成采样信号；对采集到的大量振动信号进行离线处理，构成其典型特征矢量，采取有效的矢量量化算法训练出对应各个状态的码本，作为在线识别时各浇铸状态的码本知识库；对采样信号通过小波包分析方法获得特征向量，通过码字的搜索和运算，判断目前的状态属于码本知识库中哪一个码本，从而给出是否下渣信息。本发明优点是只需在操作臂上的不同方向安装多个振动传感器，通过对振动信号的进行实时信号处理，即可准确监测下渣，而无需其他辅助装置。
文档编号B22D11/16GK1701877SQ20051005031
公开日2005年11月30日 申请日期2005年5月11日 优先权日2005年5月11日
发明者李培玉, 谭大鹏, 刘果, 倪笑斐 申请人:浙江大学