段海洋等：基于密度聚类和动态时间弯曲的结晶器黏结漏钢预报方法的开发 349· sticking breakout.On the basis of the above mentioned method,the results show that the mold sticking breakout can be effectively detected and predicted.Compared with the traditional method based on logical judgment and artificial neural network,the clustering- based breakout prediction method does not require manual setting of thresholds or parameters.According to the common rule of temperature variation in historical samples of breakout,the typical characteristics of temperature in time and space can be extracted and fused,and the breakout can be accurately distinguished and predicted,which shows good self-adaptability and robustness. KEY WORDS continuous casting:mold:breakout prediction:density-based spatial clustering of applications with noise;dynamic time warping 漏钢是连铸过程中的灾难性事故，不但会严 性.因此，将动态时间弯曲和密度聚类相结合能提 重干扰生产顺行和铸坯质量，而且严重损害结品 取和融合漏钢过程中结品器温度的特征，挖掘热 器、扇形段等连铸机设备，在造成巨大经济损失的 电偶温度变化的共性规律，识别和区分正常与漏 同时，带来重大安全隐患四因此，开发一种准确 钢工况下的温度波动，为机器学习在连铸过程中 而高效的结品器漏钢预报方法对于保障连铸顺行 的应用提供参考和借鉴 具有重要意义， 1黏结漏钢形成机理及温度特征 为了预防和避免漏钢，可利用结晶器与铸坯 之间的摩擦力对其进行预测四.但现有方法主要通 漏钢主要发生在结晶器弯月面附近)，由于保 过在结晶器铜板上嵌入测温热电偶，根据热电偶 护渣润滑不良、结晶器液位波动、拉速较大等原 温度的变化来监测是否发生漏钢刂目前，基于 因，较薄的初生坯壳直接与结晶器铜板接触发生 温度测量的漏钢预报方法主要分为两类：逻辑判 黏结⑧叨，在结晶器的振动和冷却作用下，黏结坯 断和人工智能S逻辑判断法对铸机设备、浇铸 壳被反复拉断和愈合，直到黏结点离开结品器，较 工艺和物性参数十分敏感，当工艺调整和拉速提 薄坯壳无法支撑钢水静压力的作用而发生漏钢© 升时，阈值变动大，导致误报率和漏报率大幅上 图1(a)是结晶器铜板热电偶分布示意图.结 升，自适应性和鲁棒性较差：人工智能方法主要通 晶器由四块铜板组成，包括两块宽面铜板和两块 过神经网络、支持向量机等算法识别漏钢发生时 窄面铜板.其中，内、外弧宽面各安装57支热电 单偶和组偶的温度模式，该方法对学习和训练样 偶，左、右侧窄面各安装3支热电偶，四块铜板共 本的要求较高，样本不全或无效时都会严重影响 安装热电偶120支.图1(b)为漏钢时同列的三排 其预报效果，模型的迁移能力较低 热电偶温度变化示意图.正常工况下，结晶器铜板 鉴于漏钢模式温度之间相似度较高，而漏钢 热电偶温度随时间的变化较为平稳，不会出现较 与正常工况模式温度之间差异性较大，本文提出一 大波动.沿浇铸方向，坯壳厚度逐渐增加，铸坯向 种结合动态时间弯曲(DTW)和密度聚类(DBSCAN) 结晶器铜板传热的热阻增加，下排热电偶的温度 的新型漏钢预报方法.动态时间弯曲能够有效提 逐次下降.漏钢发生时，黏结点向下移动.当其经 取漏钢温度模式的相似性，在此基础上，密度聚类 过第一排热电偶时，从坯壳渗出的钢液将与结晶 可以将漏钢样本聚为同一类簇，同时过滤正常工 器铜板直接接触，相应位置的电偶温度会急刷上 况样本，从而最大化漏钢与正常工况温度的差异 升，待黏结点下行远离电偶后，其温度逐渐下降 2 eft side (a) de Loosed side (b) Right Fixed side 号 ● ● mg。。。。。。。。。。。。。。。。。 ●●●●●●●●●●●●●●●●●●● 景120nmm ● ●●●●●●●●●● 150mm lime/s 图1示意图.(a)结品器热电偶分布：(b)黏结漏钢热电偶温度变化 Fig.I Schematic diagram:(a)thermocouple distribution of mold;(b)thermocouple temperature variation of breakoutsticking  breakout.  On  the  basis  of  the  above  mentioned  method,  the  results  show  that  the  mold  sticking  breakout  can  be  effectively detected and predicted. Compared with the traditional method based on logical judgment and artificial neural network, the clustering￾based  breakout  prediction  method  does  not  require  manual  setting  of  thresholds  or  parameters.  According  to  the  common  rule  of temperature variation in historical samples of breakout, the typical characteristics of temperature in time and space can be extracted and fused, and the breakout can be accurately distinguished and predicted, which shows good self-adaptability and robustness. KEY  WORDS    continuous  casting；mold； breakout  prediction； density-based  spatial  clustering  of  applications  with  noise； dynamic time warping 漏钢是连铸过程中的灾难性事故，不但会严 重干扰生产顺行和铸坯质量，而且严重损害结晶 器、扇形段等连铸机设备，在造成巨大经济损失的 同时，带来重大安全隐患[1] . 因此，开发一种准确 而高效的结晶器漏钢预报方法对于保障连铸顺行 具有重要意义. 为了预防和避免漏钢，可利用结晶器与铸坯 之间的摩擦力对其进行预测[2] . 但现有方法主要通 过在结晶器铜板上嵌入测温热电偶，根据热电偶 温度的变化来监测是否发生漏钢[3–4] . 目前，基于 温度测量的漏钢预报方法主要分为两类：逻辑判 断和人工智能[5–6] . 逻辑判断法对铸机设备、浇铸 工艺和物性参数十分敏感，当工艺调整和拉速提 升时，阈值变动大，导致误报率和漏报率大幅上 升，自适应性和鲁棒性较差；人工智能方法主要通 过神经网络、支持向量机等算法识别漏钢发生时 单偶和组偶的温度模式，该方法对学习和训练样 本的要求较高，样本不全或无效时都会严重影响 其预报效果，模型的迁移能力较低. 鉴于漏钢模式温度之间相似度较高，而漏钢 与正常工况模式温度之间差异性较大，本文提出一 种结合动态时间弯曲（DTW）和密度聚类（DBSCAN） 的新型漏钢预报方法. 动态时间弯曲能够有效提 取漏钢温度模式的相似性，在此基础上，密度聚类 可以将漏钢样本聚为同一类簇，同时过滤正常工 况样本，从而最大化漏钢与正常工况温度的差异 性. 因此，将动态时间弯曲和密度聚类相结合能提 取和融合漏钢过程中结晶器温度的特征，挖掘热 电偶温度变化的共性规律，识别和区分正常与漏 钢工况下的温度波动，为机器学习在连铸过程中 的应用提供参考和借鉴. 1    黏结漏钢形成机理及温度特征 漏钢主要发生在结晶器弯月面附近[7] ，由于保 护渣润滑不良、结晶器液位波动、拉速较大等原 因，较薄的初生坯壳直接与结晶器铜板接触发生 黏结[8–9] . 在结晶器的振动和冷却作用下，黏结坯 壳被反复拉断和愈合，直到黏结点离开结晶器，较 薄坯壳无法支撑钢水静压力的作用而发生漏钢[10] . 图 1（a）是结晶器铜板热电偶分布示意图. 结 晶器由四块铜板组成，包括两块宽面铜板和两块 窄面铜板. 其中，内、外弧宽面各安装 57 支热电 偶，左、右侧窄面各安装 3 支热电偶，四块铜板共 安装热电偶 120 支. 图 1（b）为漏钢时同列的三排 热电偶温度变化示意图. 正常工况下，结晶器铜板 热电偶温度随时间的变化较为平稳，不会出现较 大波动. 沿浇铸方向，坯壳厚度逐渐增加，铸坯向 结晶器铜板传热的热阻增加，下排热电偶的温度 逐次下降. 漏钢发生时，黏结点向下移动，当其经 过第一排热电偶时，从坯壳渗出的钢液将与结晶 器铜板直接接触，相应位置的电偶温度会急剧上 升，待黏结点下行远离电偶后，其温度逐渐下降. 900 mm 120 mm 115 mm 150 mm Time/s (a) (b) Thermocouple Temperature/℃ Left side Loosed side Fixed side Right side 图 1    示意图. （a）结晶器热电偶分布；（b）黏结漏钢热电偶温度变化 Fig.1    Schematic diagram: (a) thermocouple distribution of mold; (b) thermocouple temperature variation of breakout 段海洋等： 基于密度聚类和动态时间弯曲的结晶器黏结漏钢预报方法的开发 · 349 ·