一种在线检测和识别连铸板坯裂纹缺陷的方法技术

本发明专利技术公开了一种在线检测和识别连铸板坯裂纹的方法，其包括步骤：实时收集在m个时间点窗口的板坯在大包、中间包、结晶器、一冷、二冷以及空冷区所经历的仪表检测信息，以构建维度为m

【技术实现步骤摘要】
一种在线检测和识别连铸板坯裂纹缺陷的方法


[0001]本专利技术涉及一种板坯质量检测和识别方法，尤其涉及一种板坯裂纹缺陷检测和识别方法。

技术介绍

[0002]众所周知，连铸坯热装热送以及连轧技术可以大幅度降低设备投入及生产成本，提高产品竞争力，其要求生产线上生产的是无缺陷铸坯，即铸坯的表面质量和内部质量基本上无需清理就可以满足直接轧制的要求。
[0003]然而，目前的连铸技术尚不能彻底消除缺陷铸坯的产生，因此常常需要对缺陷铸坯进行检测判定，并在生产中及时在线预报并检测铸坯质量，以对缺陷铸坯及时分拣下线或采取措施。这种对于板坯缺陷进行检测判断的方法是保证无缺陷铸坯生产技术的关键，其对于确保生产的连续性、提高产品质量及降低生产成本具有重要的意义。
[0004]目前，在现有的连铸坯质量检查方法中，传统的冷态连铸坯质量检查方法已经难以满足需求，热态在线检查方法已经成为了进行铸坯质量控制的必要手段。其中，热态在线检查方法可以分为基于物理手段的在线检测判定和基于模型的连铸坯质量预测判定系统。
[0005]但是，由于连铸工艺是高温、快速且全封闭的生产，在热态在线检查方法中，基于物理手段的在线检测判定方法(红外法、涡流法和探伤法)并不能满足连铸连轧的需要；这种方法需要借助于在高温恶劣环境状态下工作的缺陷检测装置进行在线检测判定，其技术复杂且设备昂贵，需要大量的日常维护工作而且主要是检测铸坯的表面质量。因此，通常情况下，针对连铸坯的热态在线检查只能依靠基于模型的连铸坯质量预测判定系统。
[0006]近些年来，随着信息技术的快速发展，尤其是大数据和AI技术等的发展在互联网和医疗等行业的成功应用，这些信息技术也开始尝试在工业上进行应用。目前，已有部分研究人员开始尝试将机器学习/深度学习方法开始应用在铸坯的纵向裂纹的在线监测上。
[0007]例如：公开号为CN102937784A，公开日为2013年2月20日，名称为“基于人工神经网络的铸坯质量在线预报的控制方法”的中国专利文献，公开了一种基于人工神经网络的铸坯质量在线预报的控制方法，该方法首先通过训练样本对建立的三层BP神经网络进行学习和训练，得到训练和验证好的网络模型；其次利用训练和验证好的BP神经网络模型对连铸板坯中间裂纹进行在线预测的控制。
[0008]又例如：公开号CN111618265A，公开日为2020年9月4日，名称为”一种基于K近邻分类的连铸坯纵裂纹在线检测方法”；公开号CN111666710A，公开日为2020年9月15日，名称为“一种采用逻辑回归分类预测连铸坯纵裂纹的方法”以及公开号CN111680448A，公开日为2020年9月18日，名称为“一种基于支持向量机SVM分类的连铸坯纵裂纹预测方法”的三种中国专利文献，分别公开了采用不同机器学习分类算法(K近邻、逻辑回归以及支持向量机SVM)预测连铸坯纵裂纹的方法。
[0009]这三种不同的方法通过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，可以得到温度样本以及样本库；利用分类算法对样本库和在线实时检测的同列热
电偶温度预处理结果可以进行分类，从而能够实现识别和预报连铸坯纵裂纹。
[0010]由此可见，以上应用到机器学习算法的公开专利均需要基于样本库的离线或在线学习来进行板坯质量分类，其适应性的底层逻辑是样本可以代表总体，即样本的规律可以拓展到在线数据上。然而，在实际连铸生产过程中，连铸设备状态随时间变化，难以通过符合当时设备状态的历史样本来代表后续此时设备状态的质量情况。
[0011]基于此，针对现有技术中存在的缺陷与不足，本专利技术期望获得一种新的在线检测和识别连铸板坯裂纹的方法，与上述公开文献不同的是，本专利技术提出的在线检测和识别连铸板坯裂纹的方法是一种无需样本学习的异常检测方法。该方法通过异常检测算法对板坯进行实时异常点检测，可以获得一定时间窗口板坯上的异常概率用以表征生产参数的波动程度，进一步地比较异常概率与异常阈值，当异常概率超过异常阈值后，预测该段窗口板坯产生裂纹以识别和预报连铸板坯裂纹。
[0012]本专利技术所述的在线检测和识别连铸板坯裂纹的方法比较简单，适用性广泛，其无需添加额外的检测设备，利用现有的检测仪表，即可对存在裂纹缺陷的连铸板坯进行及时预测，以分拣下线或采取措施，对确保生产的连续性、提高产品质量及降低生产成本具有显著的意义，具有十分广阔的应用前景。
[0013]该在线检测和识别连铸板坯裂纹的方法不需要通过历史样本的学习，可以有效防止由于设备状态的不同导致的异常点识别误差，提升板坯缺陷预测准确率。

技术实现思路

[0014]本专利技术的目的之一在于提供一种在线检测和识别连铸板坯裂纹的方法，该在线检测和识别连铸板坯裂纹的方法比较简单，适用性广泛，其无需添加额外的检测设备，利用现有的检测仪表，即可对存在裂纹缺陷的连铸板坯进行及时预测，对确保生产的连续性、提高产品质量及降低生产成本具有显著的意义，具有十分广阔的应用前景。
[0015]采用本专利技术所述的在线检测和识别连铸板坯裂纹的方法能够对存在裂纹缺陷的连铸板坯进行检测判定，其可以在生产中及时在线预报和检测铸坯质量，以使存在裂纹缺陷的连铸板坯可以在后续及时分拣下线或采取措施，保证无缺陷铸坯生产，从而有效提升热装热送率。
[0016]为了实现上述目的，本专利技术提出了一种在线检测和识别连铸板坯裂纹的方法，其包括步骤：
[0017]实时收集在m个时间点窗口的板坯在大包、中间包、结晶器、一冷、二冷以及空冷区所经历的仪表检测信息，以构建维度为m
×
n的数据集，其中n为每个时间点窗口收集到的仪表检测信息个数；
[0018]其中对于每一个时间点窗口，执行下述步骤：
[0019](1)基于所述数据集，采用异常检测算法获得每一个时间点窗口的异常值I
i
(x1,x2,...,x
n
)；其中异常值I
i
(x1,x2,...,x
n
)对应表征时间点窗口i在数据集中属于正常还是异常；
[0020](2)获得该时间点窗口板坯的异常概率P：
[0021]P＝p/m,其中p为异常值I
i
为异常的个数；
[0022](3)实时收集钢种信息，并基于钢种信息获取该钢种的异常阈值S；
[0023](4)将该钢种的异常概率P与异常阈值S进行比较，若P≥S,则输出该钢种发生的生产异常概率会导致板坯裂纹缺陷的判断，否则输出板坯正常的判断。
[0024]本专利技术提出的在线检测和识别连铸板坯裂纹的方法是一种无需样本学习的异常检测方法。该方法可以对板坯进行实时异常点检测，即采用异常检测算法对一段时间窗口板坯上连铸生产过程中的参数基于“自比较”而不是基于“历史数据”进行异常点的识别，从而可以获得一定时间窗口板坯上的异常概率用以表征生产参数的波动程度，进一步地比较异常概率与提前设定的异常阈值，当异常概率超过异常阈值后，预测该段窗口板坯产生裂纹以识别和预报本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线检测和识别连铸板坯裂纹的方法，其特征在于，包括步骤：实时收集在m个时间点窗口的板坯在大包、中间包、结晶器、一冷、二冷以及空冷区所经历的仪表检测信息，以构建维度为m
×
n的数据集，其中n为每个时间点窗口收集到的仪表检测信息个数；其中对于每一个时间点窗口，执行下述步骤：(1)基于所述数据集，采用异常检测算法获得每一个时间点窗口的异常值I
i
(x1,x2,...,x
n
)；其中异常值I
i
(x1,x2,...,x
n
)对应表征时间点窗口i在数据集中属于正常还是异常；(2)获得该时间点窗口板坯的异常概率P：P＝p/m,其中p为异常值I
i
为异常的个数；(3)实时收集钢种信息，并基于钢种信息获取该钢种的异常阈值S；(4)将该钢种的异常概率P与异常阈值S进行比较，若P≥S,则输出该钢种发生的生产异常概率会导致板坯裂纹缺陷的判断，否则输出板坯正常的判断。2.如权利要求1所述的在线检测和识别连铸板坯裂纹缺陷的方法，其特征在于，所述步骤(3)还包括：当输出该钢种发...

【专利技术属性】
技术研发人员：谢玉，于艳，陈锦松，刘旭峰，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：