-
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：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：CN118484971A
公开(公告)日：2024-08-13
申请号：CN202410612085.2
申请日：2024-05-17
Applicant: 大连理工大学
IPC: G06F30/23 , G06T17/00 , G06F18/27 , G06N20/10 , G06F17/11 , G06F111/10 , G06F119/08 , G06F119/14
Abstract: 一种集成数值计算和支持向量回归的连铸结晶器铜板温度控制方法，属于钢铁冶金连铸技术领域。首先，建立基于冷却水流动‑铜板传热的耦合数值仿真模型，模拟结晶器铜板传热行为，计算多组工艺参数组合下的铜板热面温度分布情况；其次，根据耦合数值仿真模型的计算结果，构建铜板热面温度最大值数据样本库；然后，基于数据样本库，采用网格搜索法对支持向量回归预测模型进行参数优化，得到最优的支持向量回归预测模型；最后，在支持向量回归预测模型基础上，通过调控铜板水量，实现对铜板热面温度的控制。本发明能够根据工艺条件变化，动态调控铜板水量，实现对结晶器铜板热面温度的精准控制，有效提升连铸坯表面质量，展现出良好的控制效果和较强的适应性。
-
公开(公告)号：CN115446276B
公开(公告)日：2024-07-02
申请号：CN202211218375.6
申请日：2022-10-05
Applicant: 大连理工大学
IPC: B22D11/18 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/045 , G06V10/764 , G06V10/82
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。
-
Patent Agency Ranking
公开(公告)号：CN117036797A
公开(公告)日：2023-11-10
申请号：CN202310970733.7
申请日：2023-08-03
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06N3/006
Abstract: 本发明提供一种基于特征提取与随机森林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。首先，通过提取正常工况和纵裂纹样本的温度特征，组成温度特征向量样本库；然后，利用温度特征向量样本库对随机森林分类模型进行训练，获得预测准确率最高的RFC模型；最终，利用训练好的随机森林模型对实时获取的样本进行分类，在线预测连铸坯纵裂纹。上述连铸坯纵裂纹预测方法适用于板坯、方坯、圆坯、异型坯等。本发明提出的连铸坯纵裂纹预测方法不易出现过拟合，对由正常工况下温度波动较大的样本产生的异常值和噪声具有很好的鲁棒性，纵裂纹预测准确率高。
-
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：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：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。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
