结晶器液位稳定性是确保高质量板坯连铸的关键因素，液位波动可能导致夹杂、裂纹等严重铸坯缺陷。然而，传统控制方法难以在复杂工艺条件和高拉速生产中实现精确控制。随着大数据技术的兴起，结合实时数据分析和智能控制算法，为液位波动的表征和优化控制提供了新思路。
传统实验和数值模拟方法难以全面捕捉液位波动的复杂动态行为，现有控制器在应对异常周期性液位波动（PMLF）时存在响应滞后和精度不足的问题。此外，缺乏结合工艺参数、化学成分和设备数据的大数据驱动控制策略，限制了液位控制技术的进一步优化。
最近，东北大学的罗森教授及其团队结合朝阳钢铁和上海梅山钢铁的工业数据，提出了一种基于大数据的PMLF表征与控制方法。研究通过有限脉冲响应（FIR）滤波器和快速傅里叶变换（FFT）提取液位波动特征，并利用随机森林（RF）模型预测PMLF质量，设计了一种前馈模糊PID（F2FPID）控制器。实验验证显示，该控制器显著降低了液位波动幅度，提高了液位稳定性和响应性能。
相关研究成果以“Characterizing and Controlling Abnormal Periodic Mold Level Fluctuations in a Commercial Slab Continuous Caster Using Big Data”为题目发表于Metallurgical and Materials Transactions B 2024年第55卷第12期。论文作者为：Xiaoliang Meng, Sen Luo*, Xiaobo Xi, Yelian Zhou, Weiling Wang, Miaoyong Zhu。
研究结果和结论：
数据处理：通过FIR滤波器和FFT去除噪声，提取了异常液位波动的频域特征；
模型预测：随机森林（RF）模型的预测精度达到92.76%，比传统GA-BP模型提高21.39%；
控制效果：F2FPID控制器将液位波动范围从±6.8 mm降至±1.1 mm，超调降低94.8%，响应时间缩短59.5%；
数据验证：在朝阳钢铁和梅山钢铁的多种生产条件下验证了控制器的可靠性和适应性。
该论文中共有图片15张、表格6个，部分图片和表格如下：
图1. RF模型结构
图4. 结晶器液面时域图
图10. 模型预测性能
图15. 不同控制器的比较
如果您需要论文原文，请在本页最下方留言“2413”。您想看哪方面的文献资料，也请给小编留言。
您可以点击下方“#连续铸钢”，然后“订阅”该合集，系统将更精准地向你推荐相关资讯。
欢迎投稿，欢迎“点赞、在看”！
