Содержание к диссертации
Введение
ГЛАВА I Анализ эффективности использования компьютерных обучающих систем для подготовки кадров в металлургии 12
1.1. Исследование профессиональных функций и ошибок деятельности оперативно-технологического персонала при эксплуатации и управлении сложными техническими системами ..12
1.2. Исследование способов представления качественных показателей характеризующих состояние технологического процесса 21
1.3. Анализ полноты моделируемого информационно-ситуационного пространства реализации технологических процессов в компьютерно-тренинговых системах для
профессиональной подготовки оперативного персонала 25
1.4.Выводы к главе 1 35
ГЛАВА 2. Синтез методики когнитивного моделирования сложных металлургических процессов для компьютерно-тренинговых систем ... 37
2.1.Постановка задачи 37
2.2. Струкурирование информационно-ситуационного пространства управления сложных металлургических процессов ... 41
2.3. Структурный синтез математического обеспечения КТС 42
2.3.1.Аналитико-экспертные модели оценивания качества металлопродукции 46
2.3.2Эмпирико-продукционные модели оценивания качества металлопродукции 49
2.3.3.Экспертные модели оценивания качества металлопродукции 51
2.3.4. Ситуационное математическое описание металлургических процессов 53
2АВыводы к главе 2 58
ГЛАВА 3. Разработка когнитивной математической модели процесса непрерывной разливки стали на слябовых мнлз для КТС 60
3.1. Исследование актуальности создания КТС оперативного персонала МНЛЗ 60
3.2,Анализ факторов, влияющих на качество непрерывнолитой заготовки, и причин аварийных простоев 61
3.3. Структура когнитивного математического описания процесса непрерывного литья 68
ЗАФормирование лингвистических переменных для описания дефектов непрерывнолитой заготовки 70
3.5.Разработка моделей оценивания качества сляба 72
3.5.1.Комбинированная модель влияния параметров металлопереноса на качество заготовки 72
3.5.2. Комбинированная модель влияния параметров теплообмена на качество заготовки 80
3.5.3.Модель влияния температурно-скоростного режима литья на ликвационные явления и осевую пористость 85
3.5.4.Модель влияния режима качания кристаллизатора на образование поперечных трещин 87
3.5,5.Модель влияния работы ШОС в кристаллизаторе на качество поверхности НЛЗ 88
3.5,6.Модель оценивания качества непрерывнолитой заготовки на основе настройки оборудования 92
3.6. Ситуационно-обусловленная модель аварии «разрыв НЛЗ»..., 94
3.7. Реализация когнитивного математического описания процесса непрерывного литья слябовых заготовок при подготовке и повышении квалификации специалистов конвертерного производства ОАО «Северсталь» 97
3,8.Выводы к главе 3 102
ГЛАВА 4. Разработка когнитивной математической модели процессов отделки толстых листов для КТС 104
4.1 . Исследование актуальности создания КТС ОТП процессов отделки толстых листов 104
4.2. Синтез структуры когнитивной модели процессов отделки листов для КТС 105
4,З.Анализ причин образования дефектов и способов их прогнозирования при охлаждении листов в УКО 108
4АРазработка математической модели прогнозирования формы листов после УКО 109
4.5.Модель расчета температуры листа после УКО 112
4.6.Анализ информации на основе которой ОТП принимает решение по режиму правки на ЛПМ 113
4.7,Модель прогнозирования режима правки 114
4.8.Модель прогнозирования формы листа после ЛПМ 115
4.9.Ситуационное моделирование нештатных и аварийных ситуаций при горячей правке 119
4 10.Выводы к главе 4 121
Заключение 122
Список литературы
- Исследование профессиональных функций и ошибок деятельности оперативно-технологического персонала при эксплуатации и управлении сложными техническими системами
- Струкурирование информационно-ситуационного пространства управления сложных металлургических процессов
- Исследование актуальности создания КТС оперативного персонала МНЛЗ
- Синтез структуры когнитивной модели процессов отделки листов для КТС
Введение к работе
Актуальность темы. Высокие требования к качеству продукции и технологический уровень современного металлургического производства обусловливают новые, более высокие требования к профессиональной подготовке кадров металлургических предприятий. Согласно статистике МЧС аварии, первопричиной которых является человеческий фактор в среднем по промышленности, энергетике и в транспорте составляют 65 % от общего числа. Анализ квалификации оперативно-технологического персонала (ОТП) на металлургических предприятиях России показывает, что только около 30% специалистов имеют уровень квалификации, адекватный задачам и особенностям функционирования металлургических предприятий в условиях рыночной экономики. Для кардинального изменения ситуации с квалификацией кадров па предприятиях необходимы новые методы и средства повышения, текущего контроля и управления квалификацией персонала с использованием новейших компьютерных технологий обучения.
Проблему эффективного повышения квалификации ОТП можно решить при помощи использования в процессе обучения производственного персонала компьютерно-тренинговых систем (КТС), созданных на основе новых методов математического моделирования и комплексного информационного представления процесса и обеспечивающих быстрое приобретение практических навыков по управлению и эксплуатации металлургического оборудования.
Проведенный анализ показал, что для эффективного управления сложным металлургическим процессом (СМП) оперативный персонал использует разнородное информационное пространство, состоящее из числовой, лингвистической и визуальной информации. Однако в настоящее время математическое обеспечение КТС базируется в основном на применении аналитических, эмпирических и вероятностных моделей, что сужает его возможности по оценке и прогнозированию качественной
информации. Поэтому для более эффективного обучения оперативно-технологического персонала при помощи КТС необходимо создать новый класс математических моделей, позволяющих моделировать полное информационно-ситуационное пространство реализации сложного металлургического процесса, в том числе визуально-образную информацию, представляющую собой когнитивные графические образы качества производимого продукта, состояния и режимов работы оборудования.
Назовем когнитивным моделированием металлургического процесса математическое описание» позволяющее моделировать полное информационное пространство управления, интегрирующее всю доступную эксплуатационному и оперативному персоналу информацию (как количественную, так и качественную), и полное пространство производственных ситуаций, включающее в себя штатные, нештатные и аварийные ситуации.
Создание методики когнитивного моделирования металлургических процессов и разработка с ее использованием компьютерно-тренинговых систем позволит повысить эффективность обучения и повышения квалификации кадров металлургических предприятий.
Цель исследования. Целью диссертационной работы является системное исследование способов повышения эффективности профессиональной подготовки оперативно-технологического персонала, создание методики когнитивного моделирования и математических моделей сложных металлургических процессов для КТС, позволяющих повысить квалификацию специалистов сталеплавильного и прокатного производств, улучшить качество продукции и уменьшить число аварий.
Задачи исследования. Для достижения цели исследования необходимо решить следующие задачи:
- провести комплексный анализ проблем повышения эффективности профессиональной подготовки оперативно-технологического персонала с использованием компьютерных технологий обучения;
- разработать новую методику когнитивного моделирования для
синтеза математического обеспечения КТС оперативного персонала СМТТ,
включающую в себя: структурирование информационного и ситуационного
пространства оперативной деятельности персонала СМП для когнитивного
представления знаний в компьютерно-тренинговых системах; синтез
структуры математического обеспечения КТС, обеспечивающей
полнопространственное информационное и ситуационное представление
металлургических процессов в компьютерных обучающих системах;
разработку структуры математических моделей для оценки качественных
характеристик металлопродукции и состояния оборудования с
использованием разнородной информации (количественной и визуально-
образной); разработку структуры ситуационно-обусловленной модели
переходов между штатными, нештатными и аварийными режимами работы
оборудования в КТС;
- с использованием методики когнитивного моделирования разра
ботать, апробировать и практически реализовать в виде математического
обеспечения КТС, математические модели процессов непрерывной разливки
стали и отделки толстых листов, позволяющие эффективно повышать
квалификацию специалистов сталеплавильного и прокатного производств.
Методы исследования. Для решения поставленных задач использовались методы математического моделирования, системного анализа, теории нечетких множеств и инженерной психологии.
Результаты, выносимые на защиту:
- методика когнитивного моделирования сложных металлургических
процессов для КТС, позволяющая повысить эффективность приобретения
навыков практической деятельности с использованием компьютерно-
тренинговых систем;
- способ структурного синтеза математического обеспечения КТС,
обеспечивающего полнопространственное информационное и ситуационное
представление металлургических процессов в компьютерных ооучающих системах;
математические .модели металлургических процессов для оценки качественных характеристик металлопродукции с использованием разнородной информации, которые отсутствуют в КТС аналогичного назначения используемых для профессиональной подготовки персонала;
новый класс ситуационно-обусловленных моделей переходов между штатными, нештатными и аварийными режимами работы оборудования в КТС;
- когнитивные математические модели процессов непрерывной
разливки стали на слябовых МНЛЗ и отделки толстых листов для КТС.
Научная новизна диссертации состоит в следующих положениях:
разработана новая методика когнитивного моделирования сложных металлургических процессов для КТС, позволяющая моделировать полное информационно-ситуационное пространство управления сложным металлургическим процессом;
разработаны структуры математических моделей для оценивания качества металлопродукции с использованием разнородной количественной и визуально-образной информации, что позволяет сформировать у обучаемого когнитивный образ причинно-следственной взаимосвязи полного комплекса параметров процесса с качественными характеристиками продукта;
разработан новый класс ситуационно-обусловленных моделей для КТС, позволяющих описать полноту реализации СМП в штатных, нештатных и аварийных режимах на основе использования процедуры экспертного оценивания вероятности переходов между режимами;
с использованием методики когнитивного моделирования разработаны комбинированные математические модели процессов непрерывной разливки слябовых заготовок и отделки толстых листов для КТС, которые позволяют описывать влияние параметров режима управления, технического
состояния оборудования и качества исходного сырья на качественные характеристики металлопродукции и режимы работы оборудования.
Практическая значимость работы состоит в том, что разработанная методика применима для синтеза математического обеспечения КТС подготовки оперативного персонала процессов сложных металлургических производств. Разработанное на основе данной методики математическое обеспечение используется в КТС и позволяет в 1,5-2,0 раза сократить время на приобретение профессиональных знаний, повышает эффективность их усвоения. Использование КТС, разработанных на базе данной методики, в цеховых и заводских структурах повышения квалификации персонала значительно сокращает количество брака и беззаказной продукции, а также число аварий.
Внедрение результатов. Как законченные программные продукты результаты диссертационной работы внедрены в учебных центрах и цеховых структурах обучения ЛПЦ-3 и ККЦ-1 ОАО «Северсталь» в виде компью-терно-тренинговых обучающих систем: «Стан 5000» и «Непрерывная разливка стали».
Апробация работы. Основные результаты исследований докладывались и обсуждались на следующих конференциях: научно-практическая отраслевая конференция «Системы автоматизированного управления производствами, предприятиями и организациями горнометаллургического комплекса» (Старый Оскол, 2003); VII региональная научно-практическая конференция студентов, аспирантов и соискателей «Молодые ученые -науке, образованию, производству» (Старый Оскол, 2004); Международная научная конференция «Образование, паука, производство и управление в XXI веке (Старый Оскол, 2004); Международная конференция «Cognitive Modeling in Linguistics - 2005» (Болгария, г. Варна, 2005); Всероссийская научно-практическая конференция «Образовательная среда сегодня и завтра» (Всероссийский форум «Образовательная среда-2005», Москва, ВВЦ);
Институтская научно-технической конференции «62-е дни науки студентов МИСиС» (Москва, 2007).
Публикации. Основные положения диссертации отражены в 8 опубликованных научных работах. Из них в списке литературы приведены 2 статьи из перечня периодических журналов, рекомендованных ВАК для публикации основных результатов диссертационных исследований. Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем; в работе [105] предложены методы использования когнитивной графики и формализации экспертных знаний оперативного персонала для построения математических моделей КТС; в работах [103, 107] разработана структура математической модели для прогнозирования качества непрерывнолитой слябовой заготовки и моделирования аварийных ситуаций; в работе [104] разработана структура математической модели прогнозирования неплоскостности толстых листов при операциях отделки; в работе [106] проанализирована эффективность использования КТС в прокатном производстве; в работах [ПО, 115, 116] разработано когнитивное математическое обеспечение компьютерно-тренинговых систем для обучения специалистов прокатных производств.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 118 страницах машинописного текста, содержит 32 рисунка, 9 таблиц, список литературы из 116 наименований и 2 приложения.
Исследование профессиональных функций и ошибок деятельности оперативно-технологического персонала при эксплуатации и управлении сложными техническими системами
Постоянно совершенствующиеся системы автоматизированного управления металлургическими процессами снижают физические нагрузки специалиста и вместе с тем способствуют возрастанию роли мыслительных процессов в выполнении эксплуатационных, технологических и управленческих задач, которые приходится решать оперативно-технологическому персоналу. Специфика управления сложными металлургическими процессами, такими как непрерывная разливка стали, прокатка и др. состоит в том, тгто вследствие неполной наблюдаемости, и раз Ї юр оді і ости характеризующего их информационного пространства (показания датчиков, лингвистическая информация, данные визуального наблюдения) возникновение аварийных ситуаций и брак продукции возможны даже в случае незначительных ошибок персонала. Поэтому при создании компьютерно-тренинговых систем для обучения оперативно-технологического персонала сложных металлургических процессов необходимо представлять обучающемуся весь комплекс производственной информации, с которой он оперирует в процессе управления. Для математического описания такого сложного процесса как, например, непрерывная разливка стали, применительно к разработке КТС, требуется комплекс взаимосвязанных моделей, в которых технологический процесс интегрирован с системой управления, основным оборудованием и производимым продуктом.
При изучении эффективности обучения персонала сложных технологических объектов с использованием компьютерно-тренинговьтх систем необходимо исследовать процесс человеко-машинного взаимодействия при управлении сложным технологическим процессом.
Можно выделить три принципиальных подхода, до некоторой степени коррелирующих с историческими этапами изучения человекомашинных систем (ЧМС) [ 1 ]. Инженерно-психологический подход, использующий характеристики собственно психических процессов - сенсорных, перцептивных, интеллектуальных и др., характерен для раннего этапа исследований ЧМС, когда акцент делался на приспособлении технической системы (машины) и, в частности, системы отображения информации к возможностям человека-оператора. Эргатический подход, хотя и рассматривает эргатическую (человеко-машинную) систему в целом, склонен к упрощенной трактовке оператора и качестве одного их функциональных элементов ЧМС. Неслучайно, что указанный подход особенно интенсивно разрабатывался на этапе внедрения в промышленную практику первых управляющих вычислительных машин, когда иллюзии скорого вытеснения операторов компьютерами были особенно сильны. Наконец, когнитивный подход отражает наступившее на современном этапе осознание ключевой роли оператора в ЧМС и фокусируется на выявлении особенностей процесса принятия управленческих решений человеком-оператором. В этом подходе первостепенными становятся такие характеристики деятельности оператора, как действие, операция, прогнозирование, планирование, исполнение и др. Рассмотрим основные виды профессиональной деятельности ОТП ТП: обнаружение событий; действия в аварийных ситуациях; техническая диагностика и поиск неисправностей; оценивание качества продукции; выбор режима управления. Обнаружение событий
Задачу оператора в автоматизированной системе управления можно свести к наблюдению за поведением объекта, определению момента отклонения этого поведения от желаемого и принятию управления на себя [2]. В традиционном инженерно- психологическом подходе к проблеме обнаружения событий много внимания уделялось психологическим и психофизиологическим возможностям человека-оператора принимать и перерабатывать информацию Определяя предельные возможности различения и опознания сенсорных стимулов, эти исследования, несомненно, повлияли на характеристики ЧМС всех поколений.
В рамках эргатического подхода к описанию механизма обнаружения событий оператор рассматривался как некое устройство, воспринимающее внешнюю информацию об объекте и перерабатывающее ее в сигналы, соответствующие наступлению того или иного события. Оператор способен выделять редкий полезный сигнал на фоне шума путем формирования некоторой функции правдоподобия; причем значения указанной функции прямо пропорционально зависят от условной вероятности (по наблюденной информации) полезного сигнала и обратно пропорционально - от условной вероятности чистого шума. Значение функции правдоподобия оператор сравнивает с величиной некоторого порога, определяемой априорными вероятностями сигналов, ценностью правильного обнаружения и вредом ошибочного обнаружения события. Кривая в координатах вероятность правильного обнаружения /вероятность ложного обнаружения характеризует чувствительность оператора сигналу и предсказывает его поведение при изменении характеристик полезного сигнала и шума. Аналогичный механизм обнаружения сводится к сравнению значения наблюдаемой ошибки с заранее известным пороговым значением, превышение которого сигнализирует оператору о наступлении события.
Струкурирование информационно-ситуационного пространства управления сложных металлургических процессов
Многие металлургические процессы такие как разливка стали на МНЛЗ, прокатка и др. являются не полностью наблюдаемыми и управляемыми. Подобные процессы относятся к категории наиболее сложных, где опыт и профессиональные знания ОТП играют основную роль в повышении эффективности.
Информационное пространство, в котором осуществляет свою деятельность ОТП при настройке и диагностике состояния оборудования, анализе качества продукции и управлении технологическим процессом включает в себя измеряемую информацию, данные визуального наблюдения, а также различную протокольную информацию, в которой могут содержаться данные о состоянии оборудования, исходном сырье и характеристиках конечного продукта. Эта информация формирует разнородное информационное пространство управления ТП, состоящее из смешения числовой, лингвистической и визуальной информации. Моделирование ситуационного пространства технологического процесса позволяет оценить вероятность переходов режима работы оборудования в нештатные и аварийные при выборе того или иного режима управления. Входной вектор параметров ситуационной модели формируется как из количественной, так и из качественной информации. Например, при моделировании режима работы правильных машин кроме информации о марке стали, температуре и геометрических размерах листа необходимо также учитывать и его неплоскостность, которую можно оценить только визуально.
Поэтому когнитивную модель сложного металлургического процесса, описывающую комплекс: оборудование- система управления технологический процесс - продукт, можно построить только лишь на совместном использовании аналитических зависимостей, экспертной информации, эмпирических данных.
На рис.2.1 показана структура разнородного информационно-ситуационного пространства используемого при когнитивном моделировании сложного металлургического процесса.
Связь информационного и ситуационного пространств в когнитивной модели процесса позволяет реализовать максимальное подобие моделируемого объекта реальному, что обеспечит более глубокое понимание сущности происходящих процессов при обучении ОТП. взаимосвязанных теплофизических, гидродинамических, химических и механических процессов. Эти процессы в большинстве своем являются нелинейными и нестационарными. Поэтому при создании их математического описания для КТС необходимо проводить декомпозицию, т.е. представление процесса в виде отдельных частей.
Металлургические процессы, являющиеся объектами системного анализа, сложны, слабо структурированы и плохо формализованы. Поэтому декомпозицию следует проводить таким образом, чтобы функционирование каждого элементарного объекта, полученного в результате декомпозиции, определялось физической, физико-химической или какой-либо другой закономерностью и описывалось как можно меньшим числом уравнений.
Для сложных металлургических процессов характерно одновременное наличие разнородной информации: точечных замеров значений параметров, статистических законов распределения для отдельных величин, лингвистических критериев и ограничений, полученных от специалистов-экспертов и т.д. Исходя из этого, представим структуру математического описания полного комплекса показателей информационного пространства СМП как совокупность математических описаний подсистем: где М- математическое описание СМП; М%М" М н математические описания для моделирования информационного пространства в виде экспертных, аналитических и эмпирических моделей; Gi - ситуационная модель процесса; N, J, K,L- общее число моделей.
Наличие аналитических и эмпирических моделей в математическом обеспечении КТС позволяет моделировать измеряемую датчиками информацию. Предложено для моделирования качественных показателей, характеризующих состояние металлопродукции и оборудования, использовать экспертные модели, а также их комбинации с аналитическими и эмпирическими моделями.
Моделирование качественных показателей характеризующих состояние металлургического процесса (в том числе и прогнозирование качества продукции) осуществляется на основе применения аппарата теории нечетких множеств.
Исследование актуальности создания КТС оперативного персонала МНЛЗ
Металлургические процессы, являющиеся объектами системного анализа, сложны, слабо структурированы и плохо формализованы. Поэтому декомпозицию следует проводить таким образом, чтобы функционирование каждого элементарного объекта, полученного в результате декомпозиции, определялось физической, физико-химической или какой-либо другой закономерностью и описывалось как можно меньшим числом уравнений.
Для сложных металлургических процессов характерно одновременное наличие разнородной информации: точечных замеров значений параметров, статистических законов распределения для отдельных величин, лингвистических критериев и ограничений, полученных от специалистов-экспертов и т.д. Исходя из этого, представим структуру математического описания полного комплекса показателей информационного пространства СМП как совокупность математических описаний подсистем: где М- математическое описание СМП; М%М" М н математические описания для моделирования информационного пространства в виде экспертных, аналитических и эмпирических моделей; Gi - ситуационная модель процесса; N, J, K,L- общее число моделей.
Наличие аналитических и эмпирических моделей в математическом обеспечении КТС позволяет моделировать измеряемую датчиками информацию. Предложено для моделирования качественных показателей, характеризующих состояние металлопродукции и оборудования, использовать экспертные модели, а также их комбинации с аналитическими и эмпирическими моделями.
Моделирование качественных показателей характеризующих состояние металлургического процесса (в том числе и прогнозирование качества продукции) осуществляется на основе применения аппарата теории нечетких множеств.
Предлагается использовать аналитико-экспертные модели для отражения влияния динамики протекающих процессов на качество металл опродукции. Эмпирико-экспертные модели позволяют описать взаимосвязь косвенно-вычисляемых параметров не полностью наблюдаемых металлургических процессов.
Для разработки моделей оценивания качества металлопродукции с использованием аппарата нечетких множеств необходимо провести анализ и выбор систем нечеткого логического вывода, а также формирование шкал качества продукции.
При формировании лингвистических переменных описывающих качество продукции, необходимо провести разбиение каждого из дефектов по степеням развития. Множество видов дефектов, которыми может обладать металлопродукция, можно представить в виде D={D!r D2t . , DK}. Каждому виду дефекта Dk соответствует множество Qk={qu, Цьъ - Яы) возможных степеней развития к-ю дефекта (вес дефекта), где п - число возможных значений, a qki - можно символически представить в виде балла на цифровой шкапе, т.е. целого числа, либо лингвистического описания степени развития дефекта. Далее на основе описанного множества Q lqu, 1к2 -, W формируется базовое терм-множество лингвистической переменной Т или множество ее значений (термов), каждое из которых представляет собой наименование отдельной нечеткой переменной. Таким образом, дефект металлопродукции можно описать в виде кортежа: Dk = {«тип дефекта», степень развития дефекта}. Выбор алгоритма нечеткого логического вывода во многом зависит от методики оценивания качества продукции, т,е. степени формализации выходной переменных нечеткой модели. Наибольшее распространение в системах нечеткого вывода получили алгоритмы Мамдани, Цукамото, Ларсена, Такаги-Сугено-Канга (ТСК) и упрощенный алгоритм нечеткого вывода [56-59], основыми же из них являются Мамдани и ТСК.
Алгоритм Мамдани является одним из первых алгоритмов нашедших применение в системах нечеткого логического вывода. По своей сути он порождает все этапы, входящие в состав систем нечеткого логического вывода: фаззификацию, агрегирование, активизацию, аккумуляцию и дефаззификацшо.
Основное отличие алгоритма ТСК от Мамдани заключается в том, что терм-множества выходных переменные нечеткой модели с алгоритмом ТСК представлены одноточечными множествами, т.е. набором действительных чисел, поэтому на этапе аккумуляции при нечетком логическом выводе отсутствуют операции с нечеткими величинами, вместо которых производятся операции с обычными действительными числами.
Алгоритм ТСК с вычислительной точки зрения реализуется значительно проще, чем алгоритм Мамдани, а время счета для него меньше, чем для алгоритма Мамдани и если пет каких-либо особенных доводов в пользу алгоритма Мамдани, то лучше использовать не его, а алгоритм ТСК [60]. Поэтому в случае если существуют стандартные методики оценивания качества продукции, которые позволяют судить о дефектах как о четкой величине, как, например, для непрерывнолитой заготовки, то более целесообразным является применение алгоритма ТСК.
Синтез структуры когнитивной модели процессов отделки листов для КТС
Типичными требованиями к качеству непрерывполитой заготовки являются соблюдение геометрической формы заготовки и отсутствие внутренних и поверхностных дефектов [67]. Основными факторами, влияющими на показатели качества непрерывполитой заготовки, являются: состояние и конструкция оборудования; химический состав стали и шлакообразующей смеси (ШОС); процессы, протекающие при непрерывной разливке. Состояние оборудования. Для обеспечения оптимального качества заготовки необходимо через определенные промежутки времени проверять состояние узлов MHJ13, отвечающих за преобразование сырья в конечный продукт, с целью выявления дефектов и отклонений в настройке. Проверке подлежат следующие узлы и детали [55, 68]: кристаллизатор; элементы поддерживающей системы; система охлаждения в секциях зоны вторичного охлаждения (ЗВО); механизм качания кристаллизатора; футеровка промковша и исправность дозаторных устройств; целостность защитных труб и погружных стаканов. Наибольшее влияние на качество непрерывнолитой стали оказывают состояние кристаллизатора, элементов поддерживающей системы ЗВО и системы охлаждения слитка в ЗВО.
Кристаллизатор, Существенное влияние на процесс отвода тепла оказывает состояние пластин кристаллизатора. Царапины, налипания шлака на пластины значительно ухудшают теплоотвод, что приводит к неравномерному охлаждению заготовки и как следствие термическим напряжениям, ухудшающим качество ее поверхности [68-71].
Элементы поддерживающей системы. Под действием ферростатического давления жидкой стали в секциях вторичного охлаждения может происходить выпучивание корочки непрерывнолитой заготовки. Однако оно ограничивается благодаря наличию поддерживающих роликов. При этом затвердевшая оболочка формирующейся непрерывнолитой заготовки испытывает ряд деформаций, связанных с выпучиванием и обжатием [72]. Эти деформации в процессе затвердевания вызывают появление растягивающих напряжений в металле, которые могут привести к образованию трещин и ликвации в осевой зоне [73-75]. Резкое торможение скорости вытягивания при смене ковшей и погружных стаканов развивает тепловой изгиб поддерживающих роликов, что также вызывает растяжение внутренних слоев корочки заготовки [76]. Поэтому для получения бездефектной продукции необходимо тщательно проверять не только целостность и работоспособность, но и настройку поддерживающих роликов.
Система охлаждения в секциях ЗВО, Система охлаждения секций ЗВО должна быть настроена таким образом, чтобы обеспечить равномерное охлаждение непрерывнолитой заготовки. Для этого необходима проверка расположения коллекторов и форсунок относительно роликов, исправности форсунок, их ориентацию и качество факела форсунок во всем диапазоне расходов воды[68].
Механизм качания кристаллизатора. Вследствие качания кристаллизатора на поверхности заготовки образуются поперечные складки-впадины, располагающиеся с определенным шагом, пропорциональном амплитуде качания. В углублениях теплоотвод от заготовки к кристаллизатору осуществляется хуже. Поэтому при грубых нарушениях технологии или неисправности механизма качания создается опасность возникновения поперечных трещин [77, 78],
Футеровка промковша и исправность дозаторных устройств. Промежуточный ковш является последней емкостью, которая футерована огнеупорами на пути стали от сталеплавильного агрегата к кристаллизатору. Особенность эксплуатации футеровки промковша заключается в ее длительном контакте с металлом. В настоящее время длительность при разливке стали длинными сериями может составлять 14,,,15 часов и более [79]. Нарушение целостности футеровки влечет за собой загрязнение стали неметаллическими включениями. Частичное разрушение или зарастание внутренней полости стакана-дозатора может привести к аварийной остановке ручья металла [80]. Поддержание стабильного уровня металла в кристаллизаторе зависит от исправности стопорных затворов [81]. Стабильность разливки в течение всего цикла работы промковша достигается только при сохранении постоянного сечения стакана-дозатора и исправности стопорного затвора.
Целостность защитных труб и погружных стаканов. Защитные трубы и погружные стакана предназначены для предотвращения эмульгирования шлака с металлом и вторичного окисления металла [82]. Каждая замена погружного стакана в ходе разливки, вызванная зарастанием внутренней полости, предполагает остановку на некоторое время ручья МНЛЗ, что впоследствии требует вырезания из заготовки той части, которая находится в процессе замены непосредственно в кристаллизаторе, поэтому частая замена погружных стаканов снижает выход годного метала на 1.,.2%, следовательно, осмотр целостности погружных стаканов играет важную роль в производительности МНЛЗ и качестве разливаемого металла.
