-
公开(公告)号：CN118211143A
公开(公告)日：2024-06-18
申请号：CN202410184010.9
申请日：2024-02-19
Applicant: 大连理工大学
IPC: G06F18/243 , G06F18/2135 , G06F18/214 , B22D11/16
Abstract: 本发明提供一种基于梯度提升树的连铸坯纵裂纹预测方法，属于钢铁冶金连铸检测技术领域。首先，建立纵裂影响因素特征样本库；其次，利用主成分分析对各因素进行降维处理，提取能够表征纵裂纹特征的主成分构建新的纵裂纹特征数据样本库；然后，采用网格搜索法对梯度提升树模型进行参数优化得到最优的梯度提升树分类模型；最后，利用最优梯度提升树分类模型对实时特征样本进行分类，以达到在线预测纵裂纹的目的。本发明适用于板坯、方坯、圆坯、异型坯等连铸坯表面纵裂纹预测。本发明集成主成分分析和梯度提升树的纵裂纹预测模型和检测方法，展示出良好的预测性能，为铸坯纵裂纹的在线检测和识别预报提供技术手段。
-
公开(公告)号：CN117556315A
公开(公告)日：2024-02-13
申请号：CN202311454137.X
申请日：2023-11-03
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/213 , G06F18/20 , G01N25/20 , G01N25/72
Abstract: 一种基于特征信息提取和AdaBoost分类的连铸坯纵裂纹预测方法，属于钢铁冶金连铸检测技术领域。基于结晶器铜板上热电偶的实测温度，以及纵裂纹发生过程中温度曲线“下降‑稳定‑回升”的典型趋势，本发明首先，通过提取正常工况和纵裂纹发生时的关键温度特征信息，构建温度特征向量样本并组建温度特征向量样本库，将数据集划分为训练集和测试集后分别进行数据归一化；其次，利用测试集对AdaBoost模型进行训练；最终，将训练好的分类器模型对于正常工况和纵裂纹样本进行分类，进而实时检测和预报连铸坯纵裂纹。本发明的方法能够避免逻辑判断方法频繁调整阈值的繁琐处理，不易出现过拟合，训练好的AdaBoost模型能够实时对特征向量样本进行正确分类，实现连铸坯纵裂纹的检测和预报。
-
公开(公告)号：CN115659747A
公开(公告)日：2023-01-31
申请号：CN202211354002.1
申请日：2022-11-01
Applicant: 大连理工大学
IPC: G06F30/23 , G06F111/10 , G06F119/08
Abstract: 本发明提供一种结合敏感性分析与反算优化的钢锭铸造模拟边界条件确定方法，属于铸造仿真技术领域。该方法分为两个部分，一是钢锭温度场仿真条件因素敏感性大小分析，二是对钢锭凝固过程温度场敏感性高的条件因素进行反算优化。采用钢厂实测钢锭温度数据，并结合DOE实验设计和反算优化法确定实际钢锭凝固过程中的传热条件因素，从而达到提高模拟计算精度的目的。本发明采用专用红外热像仪，快速准确测量锭模特定点的温度随时间变化曲线；基于田口实验设计得到的敏感性分析结果并不会受测温点位置的影响，测温点不同，敏感性值可能不同，但敏感性趋势不变；依次对敏感性高的条件进行反算优化，得到与实际铸造过程匹配的条件，提高铸造模拟准确性。
-
公开(公告)号：CN115446276A
公开(公告)日：2022-12-09
申请号：CN202211218375.6
申请日：2022-10-05
Applicant: 大连理工大学
Abstract: 本发明提供一种基于卷积神经网络识别结晶器铜板V型黏结特征的连铸漏钢预警方法，属于钢铁冶金连铸检测技术领域。本发明通过实时获取热电偶的测点温度，利用可视化手段获取具有典型“V”型黏结特征的温度变化异常区域热像图，通过迁移学习的方式加载预训练好的VGG16卷积神经网络模型并对其结构进行微调，并在采集到的黏结异常区域图像数据集上训练与测试，最终通过训练好的网络模型实现连铸漏钢的在线预警。本发明基于迁移学习后的卷积神经网络模型对结晶器漏钢进行在线检测及预警，能够保证全部黏结漏钢案例报出的条件下，大幅度降低误报次数，有效提高预警准确率。
-
公开(公告)号：CN111680448B
公开(公告)日：2022-10-21
申请号：CN202010370171.9
申请日：2020-05-06
Applicant: 大连理工大学
IPC: G16C60/00 , G06F30/27 , G06K9/62 , B22D11/16 , G06F119/08 , G06F119/22
Abstract: 一种基于支持向量机SVM分类的连铸坯纵裂纹预测方法，属于钢铁冶金连铸检测技术领域。该方法分别提取纵裂纹和正常工况下温度的典型特征，构成温度典型特征样本库；利用支持向量机算法对特征样本库进行多轮训练和测试，得到最优SVM分类预测模型；利用最优SVM分类预测模型对在线实时温度的特征样本进行分类，以此预测连铸坯纵裂纹。本发明分别提取对纵裂纹温度较为敏感的第一、二排热电偶温度的典型变化特征，利用SVM分类方法对典型特征温度变化特征样本库进行训练和测试，最终得到最优的SVM分类预测模型，进而对在线实时温度进行预测，具有良好的鲁棒性和预测准确率，对提高铸坯质量和得到无缺陷铸坯具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN111666710B
公开(公告)日：2022-10-21
申请号：CN202010385010.7
申请日：2020-05-06
Applicant: 大连理工大学
Abstract: 一种采用逻辑回归分类预测连铸坯纵裂纹的方法，属于钢铁冶金连铸检测技术领域。该方法对纵裂纹和正常工况下的温度数据进行时序处理得到温度时序样本库；利用逻辑回归分类算法对温度时序样本库进行训练和测试，得到逻辑回归分类的对应的最佳分类决策函数；利用上述决策函数对在线测量的实时温度数据进行预测，判定其是否属于纵裂纹。本发明从时间和空间的双重角度提取、融合原始温度数据的温度及其变化率特征，利用逻辑回归分类模型对温度时序样本库进行训练和测试，最终得到最佳的逻辑回归分类决策函数对在线实时温度进行预测，具有实时性强、检测效率高的优点，可大大提高现场操作人员的纵裂纹识别效率和准确性。
-
公开(公告)号：CN115200527A
公开(公告)日：2022-10-18
申请号：CN202210756805.3
申请日：2022-06-30
Applicant: 大连理工大学
Abstract: 本发明提供一种在线监测结晶器弯月面附近固液渣膜厚度的方法，属于钢铁冶金工业中连铸生产质量控制领域。本发明基于有限元仿真建立初始凝固与渣渗入二维模型，捕捉弯月面附近瞬态结晶器壁面温度、热流密度以及坯壳表面温度等物理量的变化，通过正算对弯月面附近固液渣膜厚度进行预测。理论模型指导实际连铸结晶器弯月面附近周向温度传感器的排布，获取温度信号后导入反算模块得到热流密度数据，然后进入连铸坯凝固计算模块，最后为固液态渣膜厚度预测模块，进而在线反映结晶器周向弯月面附近保护渣厚度情况。其中正算与反算步骤如图所示。本发明具有较高的工业应用前景，可实现对结晶器周向弯月面附近凝固坯壳与保护渣膜状况的在线监测。
-
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：CN111618265A
公开(公告)日：2020-09-04
申请号：CN202010375081.9
申请日：2020-05-06
Applicant: 大连理工大学
Abstract: 一种基于K近邻分类的连铸坯纵裂纹在线检测方法，属于钢铁冶金连铸检测技术领域。该方法对纵裂纹和正常工况下同列热电偶温度的温度变化率进行拼接得到温度样本以及样本库；利用KNN分类算法和指定参数K对样本库和在线实时检测的同列热电偶温度预处理结果进行分类，识别和预报连铸坯纵裂纹。本发明以原始温度数据的温度变化率为输入，结合无需对样本库进行训练的快速分类方法KNN，可直接对在线实时温度进行铸坯纵裂纹检测，具有检测效率快、准确性高等优点，为提高连铸坯质量提供有利工具。
-
公开(公告)号：CN111259307A
公开(公告)日：2020-06-09
申请号：CN202010028569.4
申请日：2020-01-11
Applicant: 大连理工大学
Abstract: 一种采用希尔伯特-黄变换预测连铸坯鼓肚变形量的方法，属于钢铁冶金连铸检测技术领域。首先，通过以太网直接读取结晶器液面控制系统检测到的液位信号，并同步采集铸机拉速浇铸等工艺参数。其次，采用希尔伯特-黄变换对液位信号进行经验模态分解和希尔伯特边际谱分析得到结晶器液位信号的各层本征模态函数C1(t)～CN(t)，以及能够对鼓肚进行定位的鼓肚频率。最后，确定鼓肚液位分量的波动幅度，由波动幅度得到鼓肚变形量。本发明借助连铸现场已有的信号检测条件，避免了在恶劣的连铸现场额外安装传感器和测量元件，检测原理清晰，易于维护，实现了连铸坯鼓肚变形量的在线预测，为提升铸坯质量、促进生产顺行及过程异常的在线监测提供了可靠手段。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.032 seconds)
