一种基于极限学习机的连铸坯质量预测方法技术

本发明专利技术提供一种基于极限学习机的连铸坯质量预测方法，属于钢铁冶金技术领域。该方法首先采集连铸坯实际生产所涉及的数据，找到影响连铸坯质量的影响因素，然后对所选取的样本数据进行预处理并根据这些数据来确定极限学习机计输入节点个数、输出节点个数，之后，将训练数据集输入极限学习机中完成对极限学习机的训练，最后输入剩余的样本数据，完成对连铸坯质量的缺陷等级分类。该方法训练速度快、预测精度高、适应性较好，较基于统计学方法、专家系统、BP神经网络等连铸坯质量预测模型的预测精度和运算速度都有了明显的提升，进而可对连铸坯的质量进行及时和精确判定。

【技术实现步骤摘要】
一种基于极限学习机的连铸坯质量预测方法
本专利技术涉及钢铁冶金
，特别是指一种基于极限学习机的连铸坯质量预测方法。
技术介绍
近几十年以来，随着钢铁企业快速发展，连铸坯的热装热送、直接轧制技术使连续铸钢成为钢铁企业最活跃的研究领域，这一技术的发展不仅大幅度降低了钢铁的生产成本、设备的投入，而且提高了产品的竞争力。但是，目前的连铸技术还不能彻底消除缺陷的产生，致使在后续的热装热送、直接轧制过程必然会有缺陷的产生，从而影响钢材产品的质量。如果能对这些缺陷的连铸坯进行及时的判定和分拣下线，不仅可以提高连铸坯/产品的质量，而且有利于连铸-连轧过程的连续化生产。如何及时准确地预报和检测铸坯质量是钢铁企业可持续发展过程中亟待解决的重要问题。目前，连铸坯质量预测的方法主要包括统计学方法和和非统计学方法，统计学方法包括：线性回归、非线性回归等，非统计学方法包括：专家系统、BP神经网络等。连铸坯生产过程中钢水经过凝固、结晶、相变等一系列复杂的物理化学变化，所涉及的生产设备、参数众多，且各影响因素与连铸坯缺陷呈现着较强的非线性关系。基于统计学方法建立的连铸坯质量预测模型的适应性和泛化能力较弱，对于本文档来自技高网...

【技术保护点】
1.一种基于极限学习机的连铸坯质量预测方法，其特征在于：具体步骤如下：(1)极限学习机输入变量的选取：根据连铸坯质量的影响因素和连铸坯缺陷，运用Pearson相关系数进行相关性分析，找到影响连铸坯质量的影响因素；(2)对连铸坯质量的影响因素数据进行采集，并对这些数据进行预处理，确定极限学习机计输入节点个数、输出节点个数，确定使用的样本数据，建立模型；(3)对极限学习机输入数据进行归一化处理，并选取采集的样本数据中的三分之二输入极限学习机中完成对极限学习机的训练；(4)对极限学习机输入剩余三分之一的样本数据，验证模型的准确性，完成对连铸坯质量的缺陷等级分类。

【技术特征摘要】
1.一种基于极限学习机的连铸坯质量预测方法，其特征在于：具体步骤如下：(1)极限学习机输入变量的选取：根据连铸坯质量的影响因素和连铸坯缺陷，运用Pearson相关系数进行相关性分析，找到影响连铸坯质量的影响因素；(2)对连铸坯质量的影响因素数据进行采集，并对这些数据进行预处理，确定极限学习机计输入节点个数、输出节点个数，确定使用的样本数据，建立模型；(3)对极限学习机输入数据进行归一化处理，并选取采集的样本数据中的三分之二输入极限学习机中完成对极限学习机的训练；(4)对极限学习机输入剩余三分之一的样本数据，验证模型的准确性，完成对连铸坯质量的缺陷等级分类。2.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征...

【专利技术属性】
技术研发人员：刘青，陈恒志，杨建平，管敏，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11