[發明專利]一種基于凝聚層次聚類預報結晶器漏鋼的方法

有效

• 申請號: 201810530746.1
• 申請日: 2018-05-22
• 公開（公告）號: CN108580827B
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 王旭東;段海洋;姚曼
• 申請（專利權）人: 大連理工大學
• 主分類號: B22D11/18
• 分類號: B22D11/18;B22D11/14
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種基于凝聚層次聚類預報結晶器漏鋼的方法，其特征在于，該方法通過構建黏結漏鋼和正常工況樣本庫，分別從漏鋼、正常工況的歷史溫度數據中隨機抽取等量樣本，并與在線實時檢測的溫度數據組成隨機樣本集，對該隨機樣本集進行層次聚類，檢查在線實測溫度的新樣本是否位于漏鋼類簇，以此準確識別結晶器漏鋼，包括以下步驟：

第一步，建立黏結漏鋼/正常工況樣本庫

(1)提取歷史溫度數據，包括兩部分：發生真實黏結的漏鋼溫度數據和正常工況下的溫度波動數據；

1.1)對于真實黏結的漏鋼溫度，標記黏結位置所在電偶列第一排電偶溫度最高時刻，并選取其前M秒、后N-1秒共計M+N秒的溫度數據；

1.2)對于正常工況下的溫度波動，任意截取連續M+N秒的溫度數據；

(2)對步驟(1)得到的兩種溫度數據進行預處理，得到包含x_breakout的黏結漏鋼樣本集和包含x_normal的正常工況樣本集，構成總體樣本庫S；

第二步，隨機樣本集層次聚類

(1)提取在線測量時結晶器內弧寬面、外弧寬面、左側窄面、右側窄面銅板各行、列熱電偶測溫處當前時刻及之前M+N-1秒共計M+N秒的溫度數據，并采用第一步步驟(2)相同方法對其進行溫度預處理，得到在線實測溫度的新樣本x_new；

(2)分別從樣本庫中的黏結漏鋼樣本集和正常工況樣本集中各自隨機選取k例樣本，構成隨機樣本集Q，并將x_new加入Q，樣本數目共計2k+1；

(3)對隨機樣本集Q實施層次聚類，包括以下子步驟：

3.1)將隨機樣本集Q中的每個樣本s看作一個初始類簇C_i＝{s_i}，建立類簇集合C＝{C₁,C₂,...,C_2k+1}；其中s_i表示Q中第i個樣本，C_i表示第i個類簇，i＝1,2,...,2k+1，2k+1表示隨機樣本集Q中樣本的總數；

3.2)計算類簇集合C中任意兩個類簇C_p、C_q合并前后離差平方和ESS的增量：

合并前類簇C_p、C_q的ESS之和：ESS_合并前＝ESS(C_p)+ESS(C_q)

合并后類簇C_{p,q}的ESS：ESS_合并后＝ESS(C_{p,q})

其中，x_i是從屬于類簇C_t的一個樣本，即x_i∈C_t，x_ij表示x_i第j維的值，表示類簇C_t中所有樣本第j維的均值，n表示類簇C_t中樣本的數量，C_t指C_p、C_q、C_{p,q}；C_{p,q}表示C_p、C_q合并后的類簇；

則合并前后的增量ΔESS：

ΔESS＝ESS_合并后-ESS_合并前＝ESS(C_{p,q})-ESS(C_p)-ESS(C_q)

3.3)標記步驟3.2)中得到的ΔESS中最小值對應的兩個類簇C_m和C_n，在類簇集合C中刪除類簇C_m和C_n，同時添加類簇C_{m,n}，經過類簇的刪除和添加后，此時集合C中類簇的總數目減1；

3.4)循環執行步驟3.2)～3.3)，當類簇集合C中僅剩兩個類簇時，結束循環，完成聚類過程；

3.5)檢查聚類結果是否滿足以下判定條件，即：

所有黏結漏鋼樣本x_breakout屬于同一個類簇且該類簇中包含的正常工況樣本不多于正常工況樣本總數的20％；

滿足此條件則將該類簇稱之為漏鋼類簇，記為C_breakout，另一個類簇稱之為正常工況類簇，記為C_normal；否則，重新執行第二步的步驟(2)、步驟(3)，直至由隨機選取的漏鋼樣本、正常工況樣本以及實測溫度新樣本構成的隨機樣本集聚類結果滿足上述判定條件為止；

第三步，漏鋼識別和報警

判斷新樣本x_new是否屬于類簇C_breakout，如果是，則發出漏鋼警報；否則，更新溫度序列，繼續執行第二步、第三步；

所述的第一步步驟(2)和第二步步驟(1)的數據預處理方法相同，第一步步驟(2)預處理包括以下子步驟：

2.1)將同列熱電偶對應時刻的溫度值作差，即：

T_minus＝T_(r)i-T_(r+1)i，i＝1,2,...,M+N

其中T_(r)i、T_(r+1)i分別表示同列第r、r+1排熱電偶第i時刻溫度的數值；

2.2)將作差的結果作歸一化處理，具體處理公示如下：

其中，T_minus_min、T_minus_max分別為T_minus的最小值、最大值；

2.3)將T_minus_nor_i作為溫度數據的預處理結果。