连铸中二冷配水技术

特点
遗传算法
基于传热模型与遗传算法相结合的优化模型结构图
遗传算法的板坯连铸二冷配水
特 点
遗传算法与冶金准则、传热 模型集成的优化配水方法避 免了经验方法的适应性不足, 改进了传统优化方法在解决 多目标优化非线性求解时搜 索效率低下的问题
各种条件下的二冷配水控制
基于目标温度的方坯连铸二冷配水
二冷配水的原理
在遵循最大液芯长度准则"表面温度最大冷却 速率和回温速率准则"矫直点最小( 或最大) 表面温度准则"二冷区 铸坯表面的最小( 或最大) 表面温度准则的冶金准则前提下，二 冷配水模型较多此时采用传统的水量 此时采用传统的水量 - 拉速函数关系式:
板坯连铸二冷配水

钢凝固过程的模拟冷却曲线
蛙跳算法的连铸二冷配水配水连铸
二冷配水
特点
是一种基于种群的启发式协同搜索算
法，算法模拟青蛙觅食过程，结合了
遗传算法和粒子群算法，具有运算速 度快，参数少，全局搜索能力强等特 点，优势在于全局搜索能力
ຫໍສະໝຸດ Baidu缺点
收敛速度局部搜索能力以及高维度数据处 理的时间效率等还存在问题，局部搜索能 力较弱
混沌蚁群算法
其中，Qi表示第 i 个冷却段的水量；Vei表示第 i 冷却段的有 效冷却速度；△T表示钢水实时过热度；△Tei表示第 i 个冷 却段的有效过热度；Ai，Bi，Ci，Di分别表示和钢种及工况 条件相关的参数，可采用塑造水量计算模型及回归分析得到。
连铸板坯二冷配水动态控制
二冷动态控制的方法有两大 类:一类是基于实测铸坯表面 温度的动态控制,另一类是基 于模型的动态控制.由于水蒸 气及氧化铁皮等因素的影响, 铸坯在冷却过程中的表面温 度难以准确的监测,根据实测 铸坯表面温度来控制二冷水 量是不可靠的,这也是该方法 目前很难推广的原因.而利用 数学模型计算铸坯表面温度 来调节冷却水量,则能有效避 开对铸坯表面温度的直接测 量.这种基于目标表面温度的 动态控制模型[3]是比较理想 的二冷水动态控制方法,但其 成功与否取决于数学模型的 准确性,也就是模型计算结果 能否真实反映实际表面温度 及其变化规律
中心 偏析
铸坯 鼓肚
展都与二次冷却有紧
密的联系
连铸二冷配水对纵裂纹漏钢产生的影响
由图 1 和图 2 可以看出，在结晶器内并无出 现裂纹，可见纵裂纹的出现是发生在出结晶 器后，从图1 和图 2 显示，在零段冷却（属 于二次冷却）就出现事故是在大断面并且拉 速较高的生产条件下在零段二冷水冷却覆盖 面积达不到要求造成了冷却空挡而产生了纵 裂纹，导致在零段坯壳强度最薄弱的地方撕 裂而出现纵裂纹漏钢!
为保证铸坯质量和产量,控制连铸坯二次冷却应遵从以 下原则。 1)最大液芯长度准则 (2)表面温度最大冷却速率和回温速率准则。 (3)矫直点最小(或最大)表面温度准则。 4)二冷区铸坯表面的最大温度或最小温度 准则。
二冷配水设计遵循目标温度控制原则。连铸二冷区目 标温度控制是通过对整个连铸过程铸坯表面温度的测 定,
混沌蚁群算法的连铸二冷
采用控制容积法建立的凝固传热 模型主要用于连铸过程仿真,研究 铸流表面温度分布和参数搜索空 间特性·混沌蚁群算法用于解决 二冷参数优化问题,具有蚂蚁觅食 过程的混沌和自组织特性,克服了 一般蚁群算法收敛速度比较慢、 容易出现停滞以及全局搜索能力 较低的缺点,对解决多准则优化具 有较好的收敛性和鲁棒性
冷却速度不均因素的冶金连铸二冷配水控制
当浇铸温度冷却速度不均，铸坯表面温度也会随之出现较大 波动，会造成铸坯质量不好。为了解决冷却速度不均造成的 生产不稳定问题，基于控制模型和冷却速度的有效控制思想 对冶金连铸二冷配水过程进行优化，确保稳定生产下的铸坯 质量，保证了生产工艺参数不断改变的不稳定生产的进行， 相应的控制方程为：
各种二冷配水的各种算法
蛙跳算法的 连铸二冷配 水
混沌蚁群 算法的连 铸二冷
遗传算法的 板坯连铸二 冷配水
蛙跳算法
算法基本流程如下: 1) 设定初始参数，包括种群规模"簇数"最大跌代数等; 2) 种群初始化，确定适应度函数 6( H) ; 3) 对群体中个体的适应度值进行排序，确定全局最优解，迭代中检测是否满足收敛 条件，满足则停止，否则执行 下一步; 4) 设定种群 c 中有 ! 个簇，每个簇中有 / 个个体，划分 按次序进行，即 ! 个个体依次划分到相应种群，! _# 个体重 新开始，直到划分结束; 5）设定局部当前值为，局部最优解为
连铸中二冷配水技术
冶金122班
汪聪聪
目录
2 1
关于二冷配水 的基本原理 二冷配水对钢 的影响
3
各种二冷配水 技术比较
4
各种条件下的 二冷配水的控 制模型
二冷配水对钢的影响
二次冷却对铸坯质量
表面 裂纹
中心 裂纹 内部 裂纹
有重要影响。连铸坯 内部裂纹、表面裂纹、 鼓肚、脱方及中心偏 析等缺陷的形成和发
混沌优化的主要思想是通过某个特定格式迭代 产生混沌序列,常用Logistic映射来产生混沌序 列·
算法的基本步骤如下:
1、初始化,设置最大循环数N,蚂蚁数m和 ρ ,α ,β ,Q,τ (xi,yi,j,0)的初值,循环次数Nc=0· 2、根据预设的每只蚂蚁路径,计算其初始目标函数值Fk, 并将所有蚂蚁置于起点O· 3、根据式(13)开始混沌序列迭代,得到d个同的混沌变 量序 列:zj,d(j=1,2,„,Nmax;d=(1,2,3)· 4、通过载波方式把混沌迭代变量zj,d转化为待优化变 量f′j,d·载波过程就是根据式(14)将混沌变量zj,d的 取值“放大”到一个以当前最优变量fj,d为中心,以 rj,d为半径的区域上,fj,d即为fkd· 5、计算目标函数值J(F′j,d),如果它优于历史全局最 优蚂蚁,则设置它为全局最优蚂蚁,其中F′j,d为改变后 的控制向量· 6、根据式(10)～式(12)更新每个节点上的信息量· 7、Nc=Nc+1,转至Step 2,直到Nc>N或收敛到同一路径时 结束·