【技术实现步骤摘要】
本专利技术涉及一种铸坯粘结热电偶数据的扩充方法，属于冶金行业连铸方法。
技术介绍
1、二十世纪九十年代以来，人工神经元网络模型由于其具有优异的拟合能力和鲁棒性得到了越来越多连铸技术研究者的关注，基于大数据的人工神经元网络的连铸结晶器漏钢预报系统在面对不同的生产环境和不同的生产工艺都具有比较稳定且比较高的预报准确率。日本八幡制铁所和富士通把单偶时序温度模式识别和黏结点空间传播相结合开发出了基于神经元网络的漏钢预报模型系统，该模型系统应用于实际生产中不但提高了铸坯粘结的预报准确度，而且缩短了响应时间。1992年，日本新日铁公司开发出基于bp神经元网络的漏钢预报系统，此系统由单偶时序网络模型和空间传播网络模型构成，由时序网络模型和空间网络模型共同组成，此两种模型都基于两层神经元网络。漏钢预报系统报出率达到100%，准确率比之前有所提高并且进一步缩短响应时间。随着高拉速、高效连铸机生产技术的发展及应用，连铸机发生铸坯粘结以及粘结漏钢事故不可避免的呈增加趋势。为了避免粘结漏钢事故的发生，使用结晶器漏钢预报专家系统是最直接有效的手段，对可能发生的铸坯粘结漏钢进行预报及连铸机降速，从而避免事故的发生。
2、基于大数据技术的系列人工智能模型的开发有效提高了铸坯粘结漏钢预报系统的性能，但是基于数据驱动的人工智能模型的训练均需要较大数据量支撑。而铸坯粘结的发生属于实际生产过程中的异常状态，其发生频率往往以月为单位少量出现。连铸机铸坯粘结数据与铸坯未发生粘结数据存在典型的样本不均衡现象，因此如何得到大量有效的铸坯粘结数据是进一步提高铸坯粘
技术实现思路
1、本专利技术目的是提供一种铸坯粘结热电偶数据的扩充方法，通过缩放、限值、添加噪声等操作，提高了铸坯粘结数据的多样性和适应性，采用gan对抗生成神经元网络生成铸坯粘结热电偶数据模拟数据，大幅提高了数据总量，可为铸坯粘结的大数据建模、预测等工作提供有效且足量的数据支持，有效地解决了
技术介绍
中存在的上述问题。
2、本专利技术的技术方案是：一种铸坯粘结热电偶数据的扩充方法，包含以下步骤：
3、（1）收集铸坯发生粘结时的热电偶数据，铸坯发生粘结的热电偶数据包括粘结发生位置所在热电偶列的第一行、第二行和第三行热电偶最近60s的温度数据组成的特征向量x；
4、（2）对每一个特征向量x的三行热电偶数据均分别进行缩放操作；
5、（3）对每一个特征向量x的三行热电偶数据均分别进行限值操作；
6、（4）对每一个特征向量x的三行热电偶数据均分别进行添加噪声操作；
7、（5）将偏移操作、限值操作和添加噪声操作后得到的数据合并入数据集q；
8、（6）建立gan对抗生成网络，gan中包含一个生成器g和一个判别器d；
9、（7）用数据集q对gan神经元网络中的生成器g和判别器d进行训练；
10、（8）重复将服从均一分布的噪声数据输入训练完成的生成器g中，对生成器g生成的热电偶数据进行人工确认，人工确认热电偶数据符合铸坯粘结特征的则将其合并入数据集q，得到最终扩充数据集。
11、所述步骤（1）中，特征向量x的格式为[[t1_1、t1_2、……t1_60]、[t2_1、t2_2、……t2_60]、[t3_1、t3_2、……t3_60]]，将所有温度数据x的数据集合记为q。
12、所述步骤（2）中，缩放操作的方法为，对特征向量x的三行热电偶数据的温度数值分别进行缩放至原数据的90%和95%。
13、所述步骤（3）中，限值操作的方法为，对特征向量x的三行热电偶数据的温度数值分别进行超过100的数值限定为100的操作。
14、所述步骤（4）中，添加噪声操作的方法为，重复随机选取在未生产时存在信号干扰的某行热电偶数据，将其数据进行中心化处理后，分别与特征向量x的三行热电偶数据的温度数值进行叠加。
15、所述数据进行中心化处理按照下式进行：x’=x-μ，其中，x’为中心化处理后的数据，x为原始数据，μ为原始数据的平均值。
16、所述步骤（6）中，生成器g为一个卷积神经元网络，其结构包含一个噪声输入层和三个卷积层，其卷积核采用3×3大小的卷积核，前两个卷积层激活函数采用relu函数，第三个卷积层激活函数采用tanh函数，输出维度为3×60；
17、判别器d为一个卷积神经元网络，其结构包含一个输入层、两个卷积层和一个全连接层，其卷积核采用3×3大小的卷积核，激活函数采用leakyrelu函数，输出节点采用sigmoid函数进行映射使其输出值为0-1之间。
18、本专利技术的有益效果是：通过缩放、限值、添加噪声等操作，提高了铸坯粘结数据的多样性和适应性，采用gan对抗生成神经元网络生成铸坯粘结热电偶数据模拟数据，大幅提高了数据总量，可为铸坯粘结的大数据建模、预测等工作提供有效且足量的数据支持。
本文档来自技高网...【技术保护点】
1.一种铸坯粘结热电偶数据的扩充方法，其特征在于包含以下步骤：
2.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（1）中，特征向量X的格式为[[T1_1、T1_2、……T1_60]、[T2_1、T2_2、……T2_60]、[T3_1、T3_2、……T3_60]]，将所有温度数据X的数据集合记为Q。
3.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（2）中，缩放操作的方法为，对特征向量X的三行热电偶数据的温度数值分别进行缩放至原数据的90%和95%。
4.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（3）中，限值操作的方法为，对特征向量X的三行热电偶数据的温度数值分别进行超过100的数值限定为100的操作。
5.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（4）中，添加噪声操作的方法为，重复随机选取在未生产时存在信号干扰的某行热电偶数据，将其数据进行中心化处理后，分别与特征向量X的三行热电偶数据的温度数值进行叠加。<...
【技术特征摘要】
1.一种铸坯粘结热电偶数据的扩充方法，其特征在于包含以下步骤：
2.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（1）中，特征向量x的格式为[[t1_1、t1_2、……t1_60]、[t2_1、t2_2、……t2_60]、[t3_1、t3_2、……t3_60]]，将所有温度数据x的数据集合记为q。
3.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（2）中，缩放操作的方法为，对特征向量x的三行热电偶数据的温度数值分别进行缩放至原数据的90%和95%。
4.根据权利要求1所述的一种铸坯粘结热电偶数据的扩充方法，其特征在于：所述步骤（3）中，限值操作的方法为，对特征向量x的三行热电偶数据的温度数值分别进行超过100的数值限定为100的操作。
...【专利技术属性】
技术研发人员：高宇，曹金帅，张彩东，李杰，李阳，吴艳青，田阔，邢磊，王东，赵晓虎，信敬亮，宋鸿斌，刘震，
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。