Resumen

Con el fin de predecir la rotura de la fundición continua de forma precisa y oportuna, se propuso un modelo de red neuronal de predicción de rotura (BPNN) basado en el algoritmo de evolución diferencial. Se introduce el algoritmo de evolución diferencial para resolver el problema de la optimización rápida. El pretratamiento de pesos y umbrales mejora la precisión de la ruptura. El análisis experimental muestra que la velocidad de convergencia del modelo de predicción de ruptura DE-BPNN es más rápida que la de la red neuronal tradicional, y la capacidad de reconocimiento mejora significativamente.

INTRODUCCIÓN

La rotura es un accidente muy destructivo en el proceso de colada continua. Entre ellos, la rotura por adherencia es el más común, representando más del 60 % [1]. Por lo tanto, el control de la rotura por adherencia puede reducir en gran medida la tasa de rotura. Para resolver este problema, se pueden considerar dos aspectos: por un lado, es necesario mejorar el proceso y los equipos; por otro, se debe considerar el establecimiento de un sistema de predicción temprana de la rotura. En la actualidad, la medición de la temperatura mediante termopares es el método más utilizado en la predicción de la rotura [2,3].

En vista de la alta complejidad del diagnóstico de fallos de rotura en colada continua, este trabajo propone establecer un modelo de red neuronal que integre un algoritmo de optimización inteligente para llevar a cabo la predicción. En este modelo, se introduce el algoritmo de evolución diferencial para optimizar los pesos de entrada de la red neuronal, lo que mejora la racionalidad de los pesos y acelera la velocidad de convergencia global del algoritmo. La precisión de la predicción de la ruptura ha mejorado significativamenteb[4].

PRINCIPIO DE PREDICCIÓN DEL BONDING BREAKOUT

El principio de la rotura por adherencia consiste en utilizar termopares para controlar los cambios de temperatura. La razón principal es que, con el movimiento de la palanquilla y la vibración del molde, el acero fundido del menisco se adhiere a la placa de cobre y se producen roturas durante el movimiento. El nuevo acero fundido a alta temperatura en el menisco entra en contacto directo con la placa de cobre. A medida que la fosa del tocho tira hacia abajo y se solidifica, la fractura se desplaza hacia abajo hasta que sale por la salida del molde. La figura 1 muestra el estado de temperatura cuando se produce la unión en el interior del molde [5].

• Materias:Fracturas Fundición continua Red neuronal Técnicas de predicción
• Subjects:Fractures Continuous casting Neural network Prediction techniques
• Palabras claves:Fundición continua; Predicción de fractura; Temperatura; Red neuronal; Error cuadrático medio (MSE)
• Keywords:Continuous casting; Breakout prediction; Temperature; Neural network; Mean square error (MSE)