基于卷积神经网络的连铸结晶器冷却水量智能闭环调控方法与流程

本发明涉及冶金连铸自动化控制，具体为基于卷积神经网络的连铸结晶器冷却水量智能闭环调控方法。

背景技术：

1、连铸结晶器是连铸机的核心部件，其冷却效果直接决定了铸坯的表面质量和内部组织；结晶器的冷却水流量控制至关重要：流量过小会导致铸坯表面温度过高，引发漏钢事故；流量过大则会导致铸坯表面激冷裂纹增加，甚至造成铜板过早磨损。

2、在现有的连铸结晶器冷却水控制系统中，主要存在以下两个显著缺陷：

3、一方面，现有系统主要依赖铜板外侧热电偶的温度反馈，采用传统的pid算法进行流量调节；然而，由于钢液内部热量传递至外壁存在巨大的热阻和显著的滞后性，这种基于外壁温度的控制方式无法实时感知凝固前沿的真实热流分布，往往只能在漏钢风险或裂纹产生后才做出反应，本质上属于滞后的“事后补救”，难以满足高精度过程控制的需求。

4、另一方面，部分引入人工智能的改进方案多为纯数据驱动的模型，缺乏对物理机理的融合；这些模型忽略了结晶器铜板结垢生长、水温波动等关键因素对传热效率的动态影响；当铜板结垢增厚或冷却水温发生变化时，模型预测的热流值会与实际工况产生严重偏差，导致流量调节失准，无法在长周期运行中维持高精度的动态平衡，限制了智能控制在复杂工况下的鲁棒性和实用性。

5、因此，亟需一种能够克服上述缺陷，实现基于实时热流重构与物理机理补偿的连铸结晶器冷却水量智能闭环调控方法。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了基于卷积神经网络的连铸结晶器冷却水量智能闭环调控方法，具备热流实时重构、物理机理动态补偿及分区防震荡控制等优点，解决了传统pid控制热场感知滞后、纯ai模型缺乏物理适应性导致长周期调节失准的问题。

3、（二）技术方案

4、为实现上述目的，本发明提供如下技术方案：基于卷积神经网络的连铸结晶器冷却水量智能闭环调控方法，包括以下步骤：

5、步骤s1：实时采集结晶器铜板外侧布置的热电偶阵列的温度数据及当前时刻的工艺参数，将温度数据转换为空间图像特征，并将工艺参数转换为时序特征图，将空间图像特征与时序特征图进行融合，构建包含温度场与工况信息的三维输入张量；

6、步骤s2：将三维输入张量输入至预训练的卷积神经网络模型，利用卷积神经网络模型中的时空特征提取单元对三维输入张量进行卷积运算，聚合特征向量后输出结晶器内部凝固前沿的虚拟热流密度分布矩阵；

7、步骤s3：获取结晶器铜板的累计运行时长数值及当前冷却水入口水温数值，结合虚拟热流密度分布矩阵计算各分区的实时等效热阻，根据预设的目标热流值与实时等效热阻的偏差生成流量调节指令，驱动电动调节阀执行冷却水流量调节，并返回步骤s1进行下一轮迭代。

8、优选的，在步骤s1中，所述将温度数据转换为空间图像特征包括以下步骤：

9、步骤s1.1：对温度数据进行归一化处理，生成第一灰度图像；

10、步骤s1.2：将工艺参数中的拉速数值映射为第二单通道特征图，将液位高度数值映射为第三单通道特征图；

11、步骤s1.3：将第一灰度图像、第二单通道特征图和第三单通道特征图沿通道维度进行堆叠，得到三维输入张量。

12、优选的，在步骤s2中，所述利用卷积神经网络模型中的时空特征提取单元对三维输入张量进行卷积运算的过程满足以下公式：

13、

14、其中，为卷积运算后的特征图，为激活函数，为三维卷积核权重，表示三维卷积操作，为所述三维输入张量，为偏置项；

15、所述卷积神经网络模型还包括残差连接结构，所述残差连接结构的输出满足以下公式：

16、

17、其中，为主路径的输出，为旁路路径直接复制的输入特征。

18、优选的，在步骤s2中，所述卷积神经网络模型的训练过程包括最小化损失函数，所述损失函数由数据拟合项和物理约束项组成，计算公式如下：

19、

20、其中，为预测得到的虚拟热流密度分布矩阵，为真实热流密度标签矩阵，为虚拟热流密度分布矩阵的散度，为基于能量守恒定律计算的瞬时热容变化率，α和β分别为数据拟合权重和物理约束权重。

21、优选的，在步骤s3中，所述计算各分区的实时等效热阻包括：基于预设的结垢生长模型，根据累计运行时长数值计算铜板结垢厚度预估函数值，其计算公式如下：

22、

23、其中，为最大理论结垢厚度数值，为结垢生长率常数，为所述累计运行时长数值，为拉波波动引起的冲刷系数，为时刻的拉波数值，为额定拉波数值；根据虚拟热流密度分布矩阵中第个分区的热流数值、铜板结垢厚度预估函数值以及当前冷却水入口水温数值，利用传热学计算逻辑得到该分区的实时等效热阻数值，计算公式如下：

24、

25、其中，为新铜板状态下第个分区的基准热阻数值，为结垢层导热系数数值，为水温对换热系数的修正函数。

26、优选的，在步骤s3中，所述生成流量调节指令包括：

27、读取预设的第个分区的目标热流密度阈值数值；

28、根据目标热流密度阈值数值与第个分区的热流数值之间的差值，结合实时等效热阻数值，计算第个分区的流量偏差量，计算公式如下：

29、

30、其中，为比例增益系数数值；将流量偏差量叠加上一时刻的累积偏差项，得到第个分区的最终流量调节指令。

31、优选的，在步骤s3中，所述生成最终流量调节指令时还包含防震荡约束步骤：

32、计算相邻两个时间步长的流量调节指令变化量，其公式为：

33、

34、若，则强制将修正为sign；

35、若，则保持不变；其中，为阀门动作的最大允许增量数值，为符号函数。

36、优选的，所述比例增益系数数值为变参变量，其取值根据当前拉速数值动态调整，调整规则如下：

37、当时，；

38、当时，；

39、当时，；

40、其中，为低限拉速阈值，为高限拉速阈值，。

41、优选的，所述结晶器内表面划分的纵向区间数量与横向分区数量的组合，与冷却水回路的物理管路分布边界保持一致；当所述虚拟热流密度分布矩阵中任意位置的热流数值超过预设的漏钢预警阈值时，触发紧急停浇程序，并锁定所有电动调节阀处于最大开度状态。

42、优选的，在步骤s2中，所述卷积神经网络模型中的全局池化单元采用平均池化或最大池化方式，用于降低特征维度并保留关键热力特征；

43、所述全连接输出单元将聚合后的特征向量映射为与结晶器分区数量相对应的热流密度数值序列。

44、（三）有益效果

45、与现有技术相比，本发明提供了基于卷积神经网络的连铸结晶器冷却水量智能闭环调控方法，具备以下有益效果：

46、1、本发明通过卷积神经网络将多源温度数据映射为空间图像特征，并融合拉速、液位等工况参数，直接反演结晶器内部凝固前沿的虚拟热流密度分布；该机制克服了传统pid控制依赖外壁温度反馈的热阻滞后问题，实现了对内部热场状态的实时感知；这使得系统能够在漏钢风险或裂纹产生前进行干预，将控制模式由滞后的“事后补救”转变为主动的“事前预警”，有效降低了连铸生产事故率。

47、2.针对纯数据模型无法适应铜板结垢生长和水温波动的问题，本发明引入结垢生长模型与传热学公式，实时计算动态等效热阻并对ai预测结果进行物理修正；这种结合方式确保了流量调节指令始终基于真实的传热环境生成，有效解决了因结垢增厚或水温变化导致的模型预测偏差，保证了智能控制在复杂工况下的长期稳定运行和调控精度。

48、3.本发明基于冷却水回路物理边界划分独立控制分区，并结合随拉速动态调整的变参比例增益系数，实现了对不同区域热流的精细化独立调控，避免了全局统一控制引发的局部过冷或过热缺陷，从而改善了铸坯表面质量和内部组织均匀性，此外，引入阀门动作增量限制逻辑（防震荡约束），有效抑制了模型输出剧烈波动带来的水力震荡风险，确保执行机构动作平滑，降低了设备故障率。