基于特征提取与随机森林分类的连铸坯纵裂纹预测方法技术

本发明专利技术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。本发明专利技术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。纵裂纹预测准确率高。纵裂纹预测准确率高。

【技术实现步骤摘要】
基于特征提取与随机森林分类的连铸坯纵裂纹预测方法


[0001]本专利技术属于钢铁冶金连铸检测
，涉及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。

技术介绍

[0002]铸坯裂纹是影响连铸机产量和铸坯质量的主要缺陷，铸坯各类缺陷中有50％为裂纹。铸坯表面纵裂纹是常见的表面缺陷之一，严重的表面纵裂纹长度可达数米，裂纹宽度最大可达10mm。高温液态钢水在结晶器的强冷作用下于弯月面附近形成初生还壳，当冷却不均匀时会导致初生坯壳的厚度及冷却收缩率不均，进而产生较大的热应力。当局部薄弱的初生坯壳所受应力超过其抗拉强度时，将在坯壳薄弱处形成裂纹，并随着铸坯的冷却和下移进一步扩展，最终形成铸坯表面纵裂纹。纵裂纹的形成一般伴随着铸坯表面的纵向凹陷和气隙增厚，严重阻碍铸坯与铜板之间的传热。因此，当纵裂纹随铸坯下移经过、远离各排热电偶时，其温度会出现下降和回升的变化过程。生产中，轻微的纵裂纹需精整处理，严重的纵裂纹可以使铸坯判废，甚至裂纹深度超过凝固坯壳厚度，导致纵裂漏钢等重大事故，给生产和设备造成极大的危害，严重影响生产过程顺行。开发可靠、准确的连铸坯纵裂纹预测方法对于连铸生产具有十分重要的意义。
[0003]专利技术专利CN111618265A提出了一种连铸坯纵裂纹在线检测方法。该方法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计算，获得温度样本以及样本库；利用K近邻(KNN)分类算法和设定参数K对样本库和在线实时检测的同列热电偶温度预处理结果进行分类，从而识别和预报连铸坯纵裂纹。该方法具有易于实现，无需对样本库进行训练、无需估计参数等优点，然而其算法对测试样本分类时的计算量大，同时必须指定K值，K值选择不当，则分类精度不能保障。
[0004]随机森林算法具有无需指定参数值、精确度高、无需对特征进行降维处理、具有很好的抗噪能力和不易过拟合等优势，在解决分类回归问题上有着广泛的应用。针对连铸坯出现纵裂纹时典型的温度特征，本专利技术提出，对连铸坯纵裂纹和正常工况下提取的多维温度特征进行处理，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(Random Forest Classifier，RFC)模型进行训练，获得预测准确率最高的RFC模型，最终利用RFC模型实现连铸坯纵裂纹的检测和预报。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术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，准确、及时地检测连铸纵裂纹，为连铸异常监控提供一种可靠、有效的方法。
[0006]为达到上述目的，本专利技术的技术方案如下：
[0007]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，该方法首先，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，具体包括以下步骤：
[0008]第一步、采集温度数据
[0009](1.1)回溯钢厂历史温度数据，截取纵裂纹发生时连续S秒同列热电偶包含温度下降
‑
稳定
‑
上升整个波动过程在内的温度数据；
[0010](1.2)回溯钢厂历史温度数据，截取正常工况内连续S秒同列热电偶正常波动的温度数据。其中，步骤(1.1)和(1.2)截取时间相同。
[0011]第二步、温度特征提取与特征值计算
[0012](2.1)提取温度特征
[0013]板坯铸机结晶器有四张铜板，每张铜板上沿纵裂纹发生和扩展方向(纵向，即浇铸方向)分布有热电偶，对于正常工况下和发生纵裂纹的每列热电偶，沿浇铸方向从上至下，提取其第x、x+1排热电偶的温度特征，每列热电偶均提取8维温度特征，分别为：
[0014]第x排温度下降幅值、第x排温度上升幅值：
[0015]第x+1排温度下降幅值、第x+1排温度上升幅值：
[0016]第x排温度下降速率最大值、第x排温度上升速率最大值：第x排温度下降速率最大值、第x排温度上升速率最大值：
[0017]第x+1排温度下降速率最大值、第x+1排温度上升速率最大值：第x+1排温度下降速率最大值、第x+1排温度上升速率最大值：
[0018](2.2)计算温度特征值
[0019]对于每列第x、x+1排热电偶温度下降、上升幅值计算公式为：
[0020][0021][0022](1)、(2)式中，分别为第x排热电偶温度下降、上升幅值，T
(x)max_1
为第x排热电偶温度下降阶段开始前的温度最大值，T
(x)max_2
为第x排热电偶温度上升阶段的温度最大值，T
(x)min
为第x排热电偶温度下降阶段的温度最小值。
[0023][0024][0025](3)、(4)式中，分别为第x+1排热电偶温度下降、上升幅值，T
(x+1)max_1
为第x+1排热电偶温度下降阶段开始前的温度最大值，T
(x+1)max_2
为第x+1排热电偶温度上升阶段的温度最大值，T
(x+1)min
为第x+1排热电偶温度下降阶段的温度最小值。
[0026]对于第x、x+1排热电偶每时刻的温度下降速率、温度上升速率计算公式为：
[0027][0028][0029](5)、(6)式中，分别为第x排热电偶第i秒温度下降速率、温度上升速率，T
(x)_i+k
为第x排热电偶i+k秒的温度值，T
(x)_i
为第x排热电偶第i秒的温度值，k为两个温度的时间间隔。
[0030][0031][0032](7)、(8)式中，分别为第x+1排热电偶第i秒温度下降速率、温度上升速率，T
(x+1)_i+k
为第x+1排热电偶i+k秒的温度值，T
(x+1)_i
为第x+1排热电偶第i秒的温度值，k为两个温度的时间间隔。
[0033]对于第x、x+1排热电偶温度下降速率最大值、温度上升速率最大值计算公式为：
[0034][0035][0036](9)、(10)式中，分别为第x排热电偶截取时间段内，热电偶温度的下降速率、温度上升速率所得的最大值。
[0037][0038][0039](11)、(12)式中，分别为第x+1排热电偶截取时间段内，热电偶温度的下降速率、温度上升速率所得的最大值。
[0040]第三步、样本库构建与最优RFC模型训练、测试及选择
[0041](3.1)构建样本库
[0042]每一个特征向量样本E
f
对应一例正常工况样本或纵裂纹样本，它包含了从一例正常工况样本或纵裂纹样本中提取的8维温度特征，该8维温度特征由第二步中步骤(2.1)确定，即：
[0043][0044]所有的特征向量样本构成典型温度特征向量样本库V<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一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，其特征在于，所述的连铸坯纵裂纹预测方法首先，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。2.根据权利要求1所述的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，其特征在于，包括以下步骤：第一步、采集温度数据(1.1)回溯钢厂历史温度数据，截取纵裂纹发生时连续S秒同列热电偶包含温度下降
‑
稳定
‑
上升整个波动过程在内的温度数据；(1.2)回溯钢厂历史温度数据，截取正常工况内连续S秒同列热电偶正常波动的温度数据；其中，步骤(1.1)和(1.2)截取时间相同；第二步、温度特征提取与特征值计算(2.1)提取温度特征板坯铸机结晶器有四张铜板，每张铜板上均沿纵向分布有热电偶，对于正常工况下和发生纵裂纹的每列热电偶，沿浇铸方向从上至下，提取其第x、x+1排热电偶的温度特征，每列热电偶均提取8维温度特征，分别为：第x排温度下降幅值、第x排温度上升幅值：第x+1排温度下降幅值、第x+1排温度上升幅值：第x排温度下降速率最大值、第x排温度上升速率最大值：第x排温度下降速率最大值、第x排温度上升速率最大值：第x+1排温度下降速率最大值、第x+1排温度上升速率最大值：第x+1排温度下降速率最大值、第x+1排温度上升速率最大值：(2.2)计算温度特征值对于每列第x、x+1排热电偶温度下降、上升幅值计算公式为：对于每列第x、x+1排热电偶温度下降、上升幅值计算公式为：(1)、(2)式中，分别为第x排热电偶温度下降、上升幅值，T
(x)max_1
为第x排热电偶温度下降阶段开始前的温度最大值，T
(x)max_2
为第x排热电偶温度上升阶段的温度最大值，T
(x)min
为第x排热电偶温度下降阶段的温度最小值；为第x排热电偶温度下降阶段的温度最小值；(3)、(4)式中，分别为第x+1排热电偶温度下降、上升幅值，T
(x+1)max_1
为第x+1排热电偶温度下降阶段开始前的温度最大值，T
(x+1)max_2
为第x+1排热电偶温度上升阶段的温度最大值，T
(x+1)min
为第x+1排热电偶温度下降阶段的温度最小值；对于第x、x+1排热电偶每时刻的温度下降速率、温度上升速率计算公式为：对于第x、x+1排热电偶每时刻的温度下降速率、温度上升速率计算公式为：(5)、(6)式中，分别为第x排热电偶第i秒温度下降速率、温度上升速率，T
(x)_i+k
为第x排热电偶i+k秒的温度值，T
(x)_i
为第x排热电偶第i秒的温度值，k为两个温度的时间间隔；度的时间间隔；(7)、(8)式中，分别为第x+1排热电偶第i秒温度下降速率、温度上升速率，T
(x+1)_i+k
为第x+1排热电偶i+k秒的温度值，T
(x+1)_i
为第x+1排热电偶第i秒的温度值，k为两个温度的时间间隔；对于第x、x+1排热电偶温度下降速率最大值、温度上升速率最大值计算公式为：对于第x、x+1排热电偶温度下降速率最大值、温度上升速率最大值计算公式为：(9)、(10)式中，分别为第x排热电偶截取时间段内，热电偶温度的下降速率、温度上升速率所得的最大值；度的下降速率、温度上升速率所得的最大值；(11)、(12)式中，分别为第x+1排热电偶截取时间段内，热电偶温度的下降速率、温度上升速率所得的最大值；第三步、样本库构建与最优RFC模型训练、测试及选择(3.1)构建样本库每一个特征向量样本E
f
对应一例正常工况样本或纵裂纹样本，它包含了从一例正常工况样本或纵裂纹样本中提取的8维温度特征，该8维温度特征由第二步中步骤(2.1)确定，即：所有的特征向量样本构成典型温度特征向量样本库V
f
，即：
温度特征向量样本库V
f...

【专利技术属性】
技术研发人员：王旭东，程永辉，王齐灿，王砚宇，姚曼，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：