Донбасский государственный технический университет, Алчевск, Россия

Н. А. Денисова, зав. кафедрой машин металлургического комплекса, канд. техн. наук, доцент, эл. почта: Natdeny@yandex.ru

Л. Е. Подлипенская, ведущий научный сотрудник Управления перспективных научных исследований, канд. техн. наук, доцент, эл. почта: lida.podlipensky@gmail.com

Донбасский государственный технический университет, Алчевск, Россия¹ ; ООО «Южный горно-металлургический комплекс», Алчевск, Россия²
Т. Р. Козлов, ассистент¹, старший мастер кислородно-конвертерного цеха², эл. почта: romovaldovich@mail.ru

Донецкий национальный технический университет, Донецк, Россия
А. Л. Сотников, профессор кафедры механического оборудования заводов черной металлургии, докт. техн. наук, профессор, эл. почта: 0713019870@mail.ru

Представлены разработка и верификация двухканальной интегрированной экспертной системы мониторинга нештатной ситуации «Прорыв» на слябовой машине непрерывного литья заготовок (МНЛЗ). Основной канал системы реализован на принципах нечеткого вывода Мамдани и представляет собой иерархическую модель из шести взаимосвязанных подсистем нечеткого вывода (FIS1-FIS6). Параллельный канал – статистический детектор предвестников (PD) – выявляет аномалии в динамике технологических параметров с использованием скользящих статистических порогов и обеспечивает раннее предупреждение задолго до того, как нечеткая модель фиксирует критическое состояние. Агрегация выходов обоих каналов формирует итоговую оценку степени опасности по семиуровневой шкале. Верификация проведена на реальных данных слябовой МНЛЗ: серия из четырех плавок с инцидентом «Прорыв» (877 временных точек, ~146 мин), сравнительный анализ по соседнему ручью без инцидента, а также другой случай прорыва. Система обнаружила критическое нарушение технологического режима за 85 мин до возникновения нештатной ситуации при нулевом числе ложных тревог на всех трех выборках.

1. Куклев А. В., Соснин В. В., Виноградов В. В., Поздняков В. А. Физическая модель образования поверхностных трещин в слябах // Сталь. 2004. № 11. С. 95–98.
2. Смирнов А. Н., Куберский С. В., Максаев Е. Н. Некоторые аспекты возникновения прилипаний и прорывов корочки непрерывнолитого сляба в кристаллизаторе // Электрометаллургия. 2013. № 9. С. 14–22.
3. Паршин В. М., Буланов Л. В. Непрерывная разливка стали. – Липецк : ОАО «НМЛК», 2011. – 221 с.
4. Куберский С. В. Совершенствование технологии перелива стали при непрерывной разливке для повышения ее качества, выхода годного и стабильности процесса / С. В. Куберский // Металлург. 2026. № 1. С. 15–22.
5. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. – М. : Горячая линия – Телеком, 2007. – 288 с.
6. Пегат А. Нечеткое моделирование и управление / пер. с англ. А. Г. Подвесовского, под ред. Ю. С. Харина. – М. : БИНОМ. Лаборатория знаний, 2009. – 798 с.
7. Вишневский Д. А., Денисова Н. А., Козлов Т. Р. и др. Разработка экспертной системы диагностики нештатных ситуаций машины непрерывного литья заготовок на основе нечеткой логики // Вестник Череповецкого государственного университета. 2025. № 1(124). С. 7–23. DOI: 10.23859/1994-0637-2025-1-124-1
8. Денисова Н. А., Сотников А. Л., Подлипенская Л. Е., Козлов Т. Р. Разработка экспертной системы диагностики нештатной ситуации «Перелив металла через кристаллизатор» для МНЛЗ на основе нечеткой логики // Черные металлы. 2026. № 1. С. 11–18.
9. Вишневский Д. А., Денисова Н. А., Козлов Т. Р. и др. Автоматическая система контроля некрытия стопора промежуточного ковша МНЛЗ на основе нечеткой логики // Черные металлы. 2025. № 3. С. 61–69.
10. Zadeh L. A. Fuzzy sets // Information and Control. 1965. Vol. 8, No. 3. P. 338–353.
11. Mamdani E. H., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // International Journal of Man-Machine Studies. 1975. Vol. 7, No. 1. P. 1–13.
12. Bhattacharya A. K., Srinivas P. S., Chithra K., Jatla S. V., Das J. Recognition of fault signature patterns using fuzzy logic for prevention of breakdowns in steel continuous casting process // Lecture Notes in Computer Science. 2005. Vol. 3776. P. 318–324. DOI: 10.1007/11590316_472005
13. Соловьева О. И., Кожевников А. В. Математическая модель прогнозирования уровня безопасности сталеразливочного оборудования // Вестник ЧГУ. 2012. Т. 2, № 3 (41). С. 25–31.
14. Zhang B., Wu H., Yu H. et al. Steel breakout prediction system based on deep learning and clustering // JOM. 2025. Vol. 77. P. 1682–1691. DOI: 10.1007/s11837-024-07093-1
15. Jin X., Ren T., Shi X., Jin R., Liu D. Breakout prediction system based on combined neural network in continuous casting // Advances in Intelligent and Soft Computing. 2012. Vol. 168. P. 349–355. DOI: 10.1007/978-3-642-30126-1_56
16. Xudong Wang et al. Analysis and prediction of sticker breakout based on XGBoost forward iterative model // ISIJ International. 2024. Vol. 64, No. 8. P. 1272–1278. DOI: 10.2355/isijinternational.ISIJINT-2023-449
17. Смирнов А. Н., Куберский С. В., Смирнов Е. Н. и др. Влияние колебаний зеркала металла в кристаллизаторе на формирование твердой корочки при разливке слябов // Сталь. 2017. № 7. С. 10–14.
18. Isermann R. Fault-diagnosis applications: Model-based condition monitoring. – Berlin : Springer, 2011. – 354 p.