-
公开(公告)号：CN113505785A
公开(公告)日：2021-10-15
申请号：CN202110689727.5
申请日：2021-06-22
Applicant: 大连理工大学
Abstract: 本发明提供一种基于特征向量和逻辑斯谛回归模型的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。所述结晶器漏钢预报方法通过对结晶器铜板温度速率异常区域提取可视化特征向量，并利用逻辑斯谛回归模型对特征向量进行分类，从而检测和预报结晶器漏钢。本发明通过结晶器铜板温度速率可视化热像图，构建包含黏结区域静态与动态特征的特征向量，通过逻辑斯谛回归模型对特征向量进行分类，进而实现结晶器漏钢的检测和预报。本发明基于逻辑斯谛回归模型对结晶器漏钢进行实时检测和预报，能够在保证漏钢全部报出的前提下，明显降低误报率，进而有效提高预报准确率。
-
公开(公告)号：CN118296476A
公开(公告)日：2024-07-05
申请号：CN202410424089.8
申请日：2024-04-10
Applicant: 大连理工大学
IPC: G06F18/2411 , G06F18/214 , G06N3/126
Abstract: 本发明提供一种基于支持向量机和遗传算法的连铸坯表面纵裂纹工艺优化方法，属于钢铁冶金连铸工艺技术领域。所述工艺优化方法，首先，建立不同纵裂发生率下的样本库；其次，基于样本库，采用网格搜索法对支持向量机模型进行参数优化，得到最优的支持向量机分类模型；然后，根据最优的支持向量机分类模型提取对应的纵裂纹非线性映射函数；最后，利用遗传算法对非线性映射函数进行优化，进而实现对纵裂纹工艺参数的优化。基于支持向量机和遗传算法的连铸坯纵裂纹工艺优化模型，展现出较高的效率与良好的适应性，为连铸高效化生产和铸坯纵裂纹智能优化提供技术手段。
-
Patent Agency Ranking
公开(公告)号：CN118296420A
公开(公告)日：2024-07-05
申请号：CN202410424177.8
申请日：2024-04-10
Applicant: 大连理工大学
IPC: G06F18/23213 , G06F18/214 , G06F18/15
Abstract: 一种基于K‑Means聚类的连铸坯表面纵裂纹工艺优化方法，属于钢铁冶金连铸工艺技术领域。首先，建立不同纵裂发生率下的样本库；其次，利用Spearman相关系数对样本库中的样本进行属性选择与降维；然后，采用K‑Means聚类对降维后的数据样本进行循环聚类，筛选和锁定低纵裂发生率对应的类簇；最后，提取低纵裂发生率类簇所对应的工艺参数区间，进而实现对各项工艺参数的优化。集成Spearman相关性分析和K‑Means聚类的连铸坯纵裂纹工艺优化方法，展现出较高的效率与较好的适应性，为铸坯纵裂纹智能优化提供技术手段。
-
公开(公告)号：CN118023484A
公开(公告)日：2024-05-14
申请号：CN202410185887.X
申请日：2024-02-20
Applicant: 大连理工大学
Abstract: 本发明提供一种基于结晶器铜板温度热像图的浸入式水口偏流检测方法，属于钢铁冶金连铸检测技术领域。所述检测方法首先，由结晶器温度监控系统获取热电偶温度，计算非测点的温度，绘制温度热像图；其次，将两宽面铜板温度数组拆分，绘制出温度差值热像图；第三，通过对外弧宽面温度差值数组和内弧宽面温度差值数组进行阈值分割，获得温度差值热像图的二值图；最后，计算二值图红色区域面积百分比，检测和判断出浸入式水口是否发生偏流及偏流朝向哪一侧。本发明对于预测生产中的水口偏流能发挥很好的效果，能够避免拉速变化、铸坯调宽等工艺操作带来的影响；能够实时、准确、高效的判断结晶器浸入式水口在宽度方向上是否发生偏流。
-
公开(公告)号：CN116502523A
公开(公告)日：2023-07-28
申请号：CN202310403139.X
申请日：2023-04-14
Applicant: 大连理工大学
IPC: G06F30/27 , B22D11/16 , B22D2/00 , G06F119/08
Abstract: 本发明属于连铸技术领域，提供一种基于傅里叶变换和决策树算法监测初凝坯壳厚度的方法。本发明针对连铸结晶器弯月面附近初始凝固坯壳厚度不均，易产生铸坯表面缺陷，甚至导致漏钢等事故。目前缺乏监测初始凝固坯壳厚度的方法。本发明旨在结晶器周向低于弯月面位置排布温度传感器，以一定频率监测结晶器铜板温度后，计算结晶器周向不同位置的瞬态热流变化。然后利用热流差值、快速傅里叶变换分解后的低频热流波动幅度和功率谱密度作为三个与初始凝固坯壳相关的特征。使用决策树算法训练后得到高精度坯壳厚度预测模型，应用至结晶器专家系统，实现凝固坯壳厚度的监测。
-
公开(公告)号：CN113814369B
公开(公告)日：2022-11-18
申请号：CN202111140316.7
申请日：2021-09-28
Applicant: 大连理工大学
IPC: B22D11/18 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于特征向量和Adaboost集成模型的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。该方法提取结晶器铜板温度速率异常区域的可视化特征，并利用Adaboost集成模型对可视化特征组成的特征向量进行分类，从而检测和预报结晶器漏钢。本发明提供的预报方法通过结晶器铜板温度速率可视化热像图，构建包含黏结区域静态与动态特征的特征向量，通过Adaboost集成模型对特征向量进行分类，进而实现结晶器漏钢的检测和预报。该方法基于Adaboost集成模型对结晶器漏钢进行实时检测和预报，能够在保证漏钢全部报出的前提下，同时降低误报率，有效提高预报准确率。
-
公开(公告)号：CN115294032A
公开(公告)日：2022-11-04
申请号：CN202210851887.X
申请日：2022-07-20
Applicant: 大连理工大学
IPC: G06T7/00 , G06T7/136 , G06V10/82 , G06V10/774 , G06V10/764 , B22D11/16
Abstract: 本发明提供一种基于特征向量和神经网络的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。所述的结晶器漏钢预报方法通过提取结晶器铜板温度速率异常区域的形状特征与扩展特征，并利用神经网络对构建的特征向量进行分类，从而检测和预报结晶器漏钢。适用于板坯、方坯、圆坯、异型坯等连铸坯的漏钢预报。本发明通过在线获取热电偶的实测温度，可视化表征出温度速率异常区域，进而提取和构建异常区域的特征向量，通过神经网络模型对特征向量样本库进行学习和训练，最终实现结晶器漏钢的在线预报；该方法基于神经网络模型对结晶器漏钢进行实时检测和预报，能够在保证100％黏结漏钢报出率的前提下，同时降低误报率，有效提高预报准确率。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
