-
公开(公告)号:CN112926622B
公开(公告)日:2022-10-18
申请号:CN202110087095.5
申请日:2021-01-22
Applicant: 大连理工大学
Abstract: 本发明提供一种基于特征向量和SWGAN‑GP生成对抗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。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SWGAN‑GP生成对抗网络的判别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SWGAN‑GP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,有效提高预报准确率。
-
公开(公告)号:CN111666710A
公开(公告)日:2020-09-15
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:CN111259307B
公开(公告)日:2022-10-04
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。
-
公开(公告)号:CN111618265B
公开(公告)日:2021-07-16
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:CN112926622A
公开(公告)日:2021-06-08
申请号:CN202110087095.5
申请日:2021-01-22
Applicant: 大连理工大学
Abstract: 本发明提供一种基于特征向量和SWGAN‑GP生成对抗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。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SWGAN‑GP生成对抗网络的判别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SWGAN‑GP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,有效提高预报准确率。
-
公开(公告)号:CN108705058A
公开(公告)日:2018-10-26
申请号:CN201810533249.7
申请日:2018-05-22
Applicant: 大连理工大学
IPC: B22D11/16
CPC classification number: 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。
-
公开(公告)号:CN108580827A
公开(公告)日:2018-09-28
申请号:CN201810530746.1
申请日:2018-05-22
Applicant: 大连理工大学
CPC classification number: B22D11/182 , B22D11/148
Abstract: 一种基于凝聚层次聚类预报结晶器漏钢的方法属于钢铁冶金连铸检测技术领域。步骤如下:(1)建立黏结漏钢/正常工况样本库:选取黏结漏钢温度和正常工况温度,构建包含黏结漏钢样本集合正常工况样本集的样本库;(2)随机样本集层次聚类:从黏结漏钢样本集和正常工况样本集中各自随机取选取等量样本,与在线实测温度样本构成随机样本集,对该随机样本集实施层次聚类;(3)漏钢识别与报警:检测在线实测温度样本是否属于黏结漏钢类簇,以此识别和预报漏钢。本发明摆脱了在预报过程中需人为定义参数的局限性,仅利用黏结漏钢和正常工况温度各自的特征判断在线实测温度样本是否包含漏钢特征,具有检测原理清晰、运算速度快和漏钢识别准确率高等优点。
-
公开(公告)号:CN108436050A
公开(公告)日:2018-08-24
申请号:CN201810375887.0
申请日:2018-04-16
Applicant: 大连理工大学
IPC: B22D11/18
CPC classification number: B22D11/182
Abstract: 一种采用空间密度聚类DBSCAN预报连铸结晶器漏钢的方法,属于钢铁冶金连铸检测技术领域。该方法将连铸漏钢预报与聚类分析有机结合,通过密度聚类对不同时刻的温度数据序列进行分析,在线识别和准确预报结晶器漏钢。具体为使用密度聚类对结晶器铜板热电偶温度数据进行特征提取,得到漏钢样本聚集区和均值向量,以此为基础在线判断实时检测的温度序列是否位于聚集区内,识别典型的漏钢温度模式,预报结晶器漏钢。本发明依据漏钢时温度模式的单一和近似特性,提取并融合热电偶温度在时间、空间上典型的变化特征,通过聚类分析挖掘大量漏钢样本中的相似性,有效剔除正常工况、人为操作等因素引起的温度波动和误报,大幅提高漏钢预报的准确率。
-
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。
-
-
-
-
-
-
-
-
-