【技术实现步骤摘要】
本专利申请属于冶金行业连铸方法，更具体地说，是涉及一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法。
技术介绍
1、铸坯表面纵裂纹是指在铸坯生产过程中，出现在铸坯表面的一种纵向裂纹。这种裂纹的产生原因较为复杂，涉及到多个方面，如结晶器弯月面区凝固壳厚度不均匀、坯壳与结晶器壁不均匀接触等。当纵裂纹较为严重时，甚至会导致坯壳破裂造成漏钢等重大生产事故。在实际生产过程中，及时预测、识别和标记铸坯纵裂纹，以采取相应的应对措施，最大程度降低纵裂纹危害和损失，对于连铸现场具有重要意义。
2、传统的铸坯表面纵裂纹判别与确认方法主要是依赖产线工艺专家依据经验观察铸坯表面痕迹照片与热电偶曲线综合判定。这种方法存在以下问题，一是依赖人工经验有时准确性不能保证；二是工人对高温铸坯拍照过程中，不仅环境恶劣且照片往往不够清晰；三是逐个分析识别给工艺人员、电气自动化人员、主控工、切割工都带来大量额外工作，不仅耗时耗力，而且影响工作效率。
技术实现思路
1、本专利技术需要解决的技术问题是提供一种基于贝叶斯神...
【技术保护点】
1.一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：S2中，从总数据集Q中随机抽取80％数据并打乱顺序作为训练数据集Qtrain，从总数据集Q中随机抽取20％数据并打乱顺序作为测试数据集Qtest。
3.根据权利要求2所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：S2中，纵裂纹样本T_VC的数量和正常样本T_VD的数量均不少于50例。
4.根据权利要求2所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离...
【技术特征摘要】
1.一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：s2中，从总数据集q中随机抽取80％数据并打乱顺序作为训练数据集qtrain，从总数据集q中随机抽取20％数据并打乱顺序作为测试数据集qtest。
3.根据权利要求2所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：s2中，纵裂纹样本t_vc的数量和正常样本t_vd的数量均不少于50例。
4.根据权利要求2所述的一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，其特征在于：s3中，贝叶斯神经元网络模型包含5层网络结构，包括依次信息连接的输入层、隐藏层一、隐藏层二、输出层一、输出层二，其中输入层节点数为180、隐藏层一的节点数为32、隐藏层二的节点数为8、...
【专利技术属性】
技术研发人员：曹金帅，高宇，李杰，马其云，刘崇，张瑞忠，毛文文，李杰，年保国，孙剑，王娇娇，张庆宇，
申请(专利权)人：河北河钢材料技术研究院有限公司，
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。