[發明專利]一種基于特征向量和Adaboost集成模型的結晶器漏鋼預報方法

有效

• 申請號: 202111140316.7
• 申請日: 2021-09-28
• 公開（公告）號: CN113814369B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 王旭東;王硯宇;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;G06V10/764;G06V10/774
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮

本發明提供一種基于特征向量和Adaboost集成模型的結晶器漏鋼預報方法，屬于鋼鐵冶金連鑄檢測技術領域。該方法提取結晶器銅板溫度速率異常區域的可視化特征，并利用Adaboost集成模型對可視化特征組成的特征向量進行分類，從而檢測和預報結晶器漏鋼。本發明提供的預報方法通過結晶器銅板溫度速率可視化熱像圖，構建包含黏結區域靜態與動態特征的特征向量，通過Adaboost集成模型對特征向量進行分類，進而實現結晶器漏鋼的檢測和預報。該方法基于Adaboost集成模型對結晶器漏鋼進行實時檢測和預報，能夠在保證漏鋼全部報出的前提下，同時降低誤報率，有效提高預報準確率。

技術領域

本發明屬于鋼鐵冶金連鑄檢測技術領域，涉及一種基于特征向量和Adaboost集成模型的結晶器漏鋼預報方法。

背景技術

連鑄生產中，鋼液在結晶器內動態凝固和快速冷卻，使鋼液逐漸凝固成具有一定厚度的坯殼。在彎月面附近，較薄的初生坯殼發生破裂后直接與銅板接觸發生黏結。隨著鑄坯下移，結晶器的上下振動造成黏結處坯殼的反復撕裂和愈合，當黏結離開結晶器時，失去了銅板的支撐作用，黏結處較薄的坯殼無法抵抗鋼水靜壓力作用，便會發生漏鋼。漏鋼不僅會導致生產流程中斷，降低連鑄機的作業率，漏出的高溫鋼液也會不同程度地破壞二冷區設備，造成巨大的經濟損失。因此預防漏鋼一直是連鑄工作者關注的重點，也是連鑄過程異常預報的核心。開發準確、有效的漏鋼預報方法對于提升鑄坯質量和保證連鑄順行具有重要意義。

發明專利CN201710346797.4公開了一種連鑄漏鋼預報方法，該方法涉及一種基于邏輯判斷的結晶器漏鋼預報方法。主要包括讀取邏輯判斷規則參數、數據采集和處理、對熱電偶進行溫度上升檢查等八個步驟。通過熱電偶在線采集結晶器銅板溫度，并進行數據預處理，依照邏輯判斷的規則對溫度特征進行分析和檢查。若滿足一系列邏輯判斷規則，則發出黏結漏鋼報警。上述方法具有原理清晰和易于調試等優點，然而，邏輯判斷漏鋼預報方法對鑄機參數和物性參數等較為敏感，且不同工況條件下需設定不同的報警閾值，導致預報算法的自適應性較差。

發明專利CN201110431124.1公開了一種連鑄漏鋼預報方法，該方法通過溫度與摩擦力監控的耦合模型進行漏鋼預報。基于溫度監控的漏鋼預報方法將自適應遺傳算法引入BP神經網絡，實現網絡結構的自動優化；基于摩擦力監控的漏鋼預報方法將邏輯判斷和神經網絡模型進行聯合預報。通過將溫度監控的準確性與摩擦力監控的靈敏性有機結合，建立了溫度監控為主、摩擦力監控為輔的預報機制。上述方法雖保證了一定的準確率，但神經網絡模型對訓練樣本質量和數量要求較高，并且收集和制作樣本的過程繁瑣。

鑒于上述漏鋼預報模型存在的局限性，同時考慮到預報算法的魯棒性和收集樣本過程的繁瑣性，本發明提出，基于結晶器銅板的實測溫度，運用可視化手段得到銅板溫度速率熱像圖，進而提取出代表黏結區域的動態與靜態特征，將特征組合為特征向量并用于Adaboost集成模型的訓練，最終利用訓練好的分類器實時檢測和預報結晶器漏鋼。

發明內容

本發明的目的是提出一種基于特征向量和Adaboost集成模型的結晶器漏鋼預報方法，實時準確地對黏結漏鋼進行檢測和預報，為連鑄過程異常監控提供了新方案。

為達到上述目的，本發明的技術方案如下：

一種基于特征向量和Adaboost集成模型的結晶器漏鋼預報方法，該方法提取結晶器銅板溫度速率異常區域的可視化特征，并利用Adaboost集成模型對可視化特征組成的特征向量進行分類，從而檢測和預報結晶器漏鋼，具體包括以下步驟：

第一步、結晶器銅板溫度速率可視化及異常區域特征提取

(1)在結晶器內、外弧寬面和左、右側窄面銅板上各布置多個熱電偶。在線檢測結晶器銅板的溫度，通過插值算法計算出非測點位置的結晶器銅板溫度值，得到溫度速率數據。運用計算機圖形學和OpenGL技術，將銅板溫度映射到二維平面，得到對應的二維溫度熱像圖。