-
公开(公告)号:CN109396375A
公开(公告)日:2019-03-01
申请号:CN201811507030.6
申请日:2018-12-11
Applicant: 大连理工大学
Abstract: 本发明属于钢铁冶金连铸检测技术领域,提供一种基于特征向量和层次聚类的结晶器漏钢预报方法。该预报方法分别提取黏结漏钢、正常工况历史数据以及在线实测数据的温度特征向量,建立特征向量样本集;对样本集进行归一化处理,并进行层次聚类;此后检查和判断在线提取的特征向量是否从属于漏钢类簇,进而识别和预报结晶器漏钢。本发明回避了报警阈值等参数繁琐的调试和修改环节,克服了以往漏钢预报方法的人为依赖性,具有良好的鲁棒性和迁移性;通过温度特征提取,不仅可准确识别黏结漏钢温度模式,避免漏报并显著降低了误报次数,还能够极大压缩数据计算量和运算时间,确保在线预报的实时性。
-
公开(公告)号:CN113505785B
公开(公告)日:2024-12-10
申请号:CN202110689727.5
申请日:2021-06-22
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/25 , B22D11/16
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:CN113814369A
公开(公告)日:2021-12-21
申请号:CN202111140316.7
申请日:2021-09-28
Applicant: 大连理工大学
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:CN110405173B
公开(公告)日:2020-12-11
申请号:CN201910737829.2
申请日:2019-08-12
Applicant: 大连理工大学
Abstract: 一种采用希尔伯特‑黄变换检测和定位连铸坯鼓肚的方法,属于钢铁冶金连铸检测技术领域。该方法通过希尔伯特‑黄变换得到液位信号的边际谱,进而获取频率信息,结合拉速和辊间距对鼓肚进行检测和定位。具体为:首先对液位信号进行经验模态分解,获得各层本征模态函数;然后对本征模态函数进行希尔伯特谱分析,汇总所有本征模态函数的希尔伯特谱并对时间积分,得到液位信号的边际谱,进而可获取频率信息;最后,结合拉速和铸机辊间距对鼓肚进行检测和定位。该方法原理清晰、易于实现且具有较高的可靠性,为连铸坯缺陷的检测和定位提高了提供可行途径。
-
公开(公告)号:CN108705058B
公开(公告)日:2019-06-07
申请号:CN201810533249.7
申请日:2018-05-22
Applicant: 大连理工大学
IPC: B22D11/16
Abstract: 一种基于K‑Means聚类预报结晶器漏钢的方法属于钢铁冶金连铸技术检测领域,包括以下步骤:(1)温度样本K‑Means聚类:对历史温度数据样本实施K‑Means聚类,得到符合条件的黏结漏钢类簇、正常工况类簇及质心;(2)确定类簇判定阈值:根据(1)得到的黏结漏钢类簇和正常工况类簇质心,确定类簇判定阈值;(3)漏钢识别与判定:计算和比较在线实测温度样本与黏结漏钢类簇、正常工况类簇质心的距离,判断是否漏钢。本发明通过K‑Means聚类方法提取黏结漏钢温度样本的共性特征,再将其与在线实测温度样本的特征进行比较,快速、准确识别和预报漏钢,可有效避免漏报,大幅提高漏钢预报的精度和准确率。
-
-
-
-