【技术实现步骤摘要】
本专利技术属于连铸生产，具体涉及一种连铸二冷系统故障诊断方法。
技术介绍
1、连铸二冷区喷水冷却的设计和操作对铸坯的产量和质量影响很大，许多铸坯表面和内部的缺陷都是由于喷水冷却不当引起的。而二冷喷嘴作为连铸二冷系统的重要组成部分，其正常工作是保证连铸二冷系统稳定运行的重要基础，因此，对连铸二冷系统进行故障诊断，重点是掌握系统中二冷喷嘴的堵塞情况。目前，如何对二冷喷嘴堵塞进行实时检测，发现连铸二冷系统故障，已成为各大钢厂提高铸坯质量、提高铸机作业率、连续进行生产所必需解决的问题。常规生产过程中，对于连铸二冷系统中二冷喷嘴的诊断操作，仍然使用全人工现场记录—人工绘制记录表格—专家分析—人工传递结果的流程，人力成本投入大，并且二冷喷嘴的数量多，借助人力进行检测的准确率和效率低，检测时间长，一般需要进行较长的停机时间，影响连铸机的生产工作。并且，随着在线检测技术的发展，现有技术出现了采用传感器技术检测二冷喷嘴的堵塞情况的方案，例如，使用振动传感器采集二冷喷嘴的振动数据进行判断，但是该方案需要投入大量传感器，硬件成本投入高，并且由于二冷喷嘴之间的相互影响，使得检测准确率低，导致最终的连铸二冷系统故障诊断结果对实际生产的参考性小。
技术实现思路
1、为了解决现有技术存在人力成本和硬件成本投入大，准确率和效率低，以及故障诊断结果参考性小的问题，本专利技术目的在于提供一种连铸二冷系统故障诊断方法。
2、本专利技术所采用的技术方案为：
3、一种连铸二冷系统故障诊断方法，包括如
4、构建二冷喷嘴多目标检测模型、二冷喷嘴故障连续性诊断模型以及连铸二冷系统故障连续性诊断模型；
5、根据当前的扇形段的通水管道的压力数据，判断扇形段是否存在二冷喷嘴堵塞情况，若是，则采集对应的扇形段的二冷喷嘴测试视频，并进入下一步骤，否则重复本步骤；
6、将当前的扇形段的二冷喷嘴测试视频输入二冷喷嘴多目标检测模型，进行多目标检测，得到该扇形段的二冷喷嘴分布与故障数据；
7、将当前的扇形段的二冷喷嘴分布与故障数据输入二冷喷嘴故障连续性诊断模型，进行二冷喷嘴故障连续性诊断，得到该扇形段的二冷喷嘴故障诊断结果；
8、根据当前的连铸二冷系统中所有的扇形段的二冷喷嘴故障诊断结果，构建该连铸二冷系统的扇形段分布与故障数据；
9、将当前的连铸二冷系统的扇形段分布与故障数据输入连铸二冷系统故障连续性诊断模型，进行连铸二冷系统故障连续性诊断，得到连铸二冷系统故障诊断结果。
10、进一步地，二冷喷嘴多目标检测模型基于改进yolo-v5算法建立。
11、进一步地，构建二冷喷嘴多目标检测模型，包括如下步骤：
12、采集处于不同工作状态下的若干历史的二冷喷嘴图像，构成二冷喷嘴图像训练数据集；
13、基于改进yolo-v5算法，构建初始的二冷喷嘴多目标检测模型；
14、将二冷喷嘴图像训练数据集输入初始的二冷喷嘴多目标检测模型，进行优化训练，得到最优的二冷喷嘴多目标检测模型。
15、进一步地，二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型均基于iafsa-elman算法建立。
16、进一步地，构建二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型，包括如下步骤：
17、采集若干扇形段的历史的二冷喷嘴分布与故障数据，构成带有二冷喷嘴故障等级标签的二冷喷嘴故障连续性诊断训练数据集；
18、采集若干连铸二冷系统的历史的扇形段分布与故障数据，构成带有连铸二冷系统故障等级标签的连铸二冷系统故障连续性诊断训练数据集；
19、基于iafsa-elman算法，分别构建初始的二冷喷嘴故障连续性诊断模型和初始的连铸二冷系统故障连续性诊断模型；
20、将二冷喷嘴故障连续性诊断训练数据集输入初始的二冷喷嘴故障连续性诊断模型，进行优化训练，得到最优的二冷喷嘴故障连续性诊断模型；
21、将连铸二冷系统故障连续性诊断训练数据集输入初始的连铸二冷系统故障连续性诊断模型，进行优化训练，得到最优的连铸二冷系统故障连续性诊断模型。
22、进一步地，将当前的扇形段的二冷喷嘴图像输入二冷喷嘴多目标检测模型，进行多目标检测，包括如下步骤：
23、对二冷喷嘴测试视频进行帧截取，得到从关闭状态转变为工作状态的连续帧的二冷喷嘴测试图像；
24、对连续帧的二冷喷嘴测试图像进行预处理，得到连续帧的预处理后图像；
25、基于二冷喷嘴多目标检测模型，对连续帧的预处理后图像进行网格划分，并获取每个网格的初始预测框，得到带有初始预测框的连续帧的待检测图像；
26、根据预设的交并比值和预设的置信度，对连续帧的待检测图像的初始预测框进行非极大值抑制筛选，得到连续帧的待检测图像的最终预测框；
27、对所有帧的待检测图像的最终预测框进行多目标检测，得到对应的若干目标个体；
28、采用sort算法对连续帧的待检测图像中同一目标个体进行跟踪；
29、若存在任一目标个体保持关闭状态，则该目标个体发生堵塞，将其堵塞指示值设置为1，否则设置为0；
30、根据所有目标个体的位置编号及堵塞指示值，构成当前的扇形段的二冷喷嘴分布与故障数据。
31、进一步地，获取当前的扇形段的二冷喷嘴分布与故障数据之后，还包括如下步骤：
32、根据当前的扇形段的通水管道的压力数据，得到发生堵塞的二冷喷嘴的数量预测范围，若二冷喷嘴分布与故障数据中堵塞指示值为1的二冷喷嘴数量处于该数量预测范围，则二冷喷嘴分布与故障数据准确，进入下一步骤，否则重新采集该扇形段的二冷喷嘴测试视频，并将二冷喷嘴测试视频输入二冷喷嘴多目标检测模型，进行多目标检测。
33、进一步地，将当前的扇形段的二冷喷嘴分布与故障数据输入二冷喷嘴故障连续性诊断模型，进行二冷喷嘴故障连续性诊断，包括如下步骤：
34、将当前的扇形段的二冷喷嘴分布与故障数据输入二冷喷嘴故障连续性诊断模型；
35、基于二冷喷嘴故障连续性诊断模型，提取二冷喷嘴分布与故障数据中，位置编号连续且堵塞指示值均为1的二冷喷嘴分布特征，以及堵塞指示值为1的二冷喷嘴数量特征；
36、根据二冷喷嘴分布特征和二冷喷嘴数量特征，输出对应的二冷喷嘴故障等级；
37、根据设备编号及二冷喷嘴故障等级，构成当前的扇形段的二冷喷嘴故障诊断结果。
38、进一步地，构建连铸二冷系统的扇形段分布与故障数据之前，还包括如下步骤：
39、若当前的连铸二冷系统中任一扇形段不存在二冷喷嘴堵塞情况，则将该扇形段的二冷喷嘴故障等级设置为0，并根据设备编号及二冷喷嘴故障等级，构成该扇形段的二冷喷嘴故障诊断结果。
40、进一步地，将当前的连铸二冷系统的扇形段分布与故障数据输入连铸二冷系统故障连续性诊断模型，进行连铸二冷系统故障连本文档来自技高网...
【技术保护点】
1.一种连铸二冷系统故障诊断方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：所述的二冷喷嘴多目标检测模型基于改进YOLO-v5算法建立。
3.根据权利要求2所述的一种连铸二冷系统故障诊断方法，其特征在于：构建二冷喷嘴多目标检测模型，包括如下步骤：
4.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：所述的二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型均基于IAFSA-Elman算法建立。
5.根据权利要求4所述的一种连铸二冷系统故障诊断方法，其特征在于：构建二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型，包括如下步骤：
6.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：将当前的扇形段的二冷喷嘴图像输入二冷喷嘴多目标检测模型，进行多目标检测，包括如下步骤：
7.根据权利要求6所述的一种连铸二冷系统故障诊断方法，其特征在于：获取当前的扇形段的二冷喷嘴分布与故障数据之后，还包括如下步骤：
8.根据权
9.根据权利要求8所述的一种连铸二冷系统故障诊断方法，其特征在于：构建连铸二冷系统的扇形段分布与故障数据之前，还包括如下步骤：
10.根据权利要求9所述的一种连铸二冷系统故障诊断方法，其特征在于：将当前的连铸二冷系统的扇形段分布与故障数据输入连铸二冷系统故障连续性诊断模型，进行连铸二冷系统故障连续性诊断，包括如下步骤：
...【技术特征摘要】
1.一种连铸二冷系统故障诊断方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：所述的二冷喷嘴多目标检测模型基于改进yolo-v5算法建立。
3.根据权利要求2所述的一种连铸二冷系统故障诊断方法，其特征在于：构建二冷喷嘴多目标检测模型，包括如下步骤：
4.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：所述的二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型均基于iafsa-elman算法建立。
5.根据权利要求4所述的一种连铸二冷系统故障诊断方法，其特征在于：构建二冷喷嘴故障连续性诊断模型和连铸二冷系统故障连续性诊断模型，包括如下步骤：
6.根据权利要求1所述的一种连铸二冷系统故障诊断方法，其特征在于：将当前的扇形...
【专利技术属性】
技术研发人员：袁磊，朱丽业，赵晓波，乔建基，施春月，王少波，吴凤品，姜立新，徐国栋，朱杰，职建军，武益博，钱凤云，张磊，张志强，苏锦，
申请(专利权)人：宝钢工程技术集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。