黏结漏钢的准确识别和预报对于连铸全流程的控制至关重要。黏结漏钢是连铸过程中最具危害的重大事故,如果不能及时、准确地对黏结漏钢进行提前预测和处置,由此带来的漏报、误报不仅严重损坏铸机设备,还将极大影响铸坯质量和生产顺行,带...黏结漏钢的准确识别和预报对于连铸全流程的控制至关重要。黏结漏钢是连铸过程中最具危害的重大事故,如果不能及时、准确地对黏结漏钢进行提前预测和处置,由此带来的漏报、误报不仅严重损坏铸机设备,还将极大影响铸坯质量和生产顺行,带来巨大经济损失。为了捕捉和识别黏结漏钢时结晶器铜板的温度时序特征,将层次聚类(Hierarchical clustering)与动态时间弯曲(Dynamic time warping,DTW)计算方法相结合,构建并开发了一种基于机器学习的新型黏结漏钢预报方法。与现场服役的漏钢预报系统进行测试和对比,结果显示,建立的方法在保证真黏结100%报出率的同时,将误报次数降低了近60%,大幅提高了黏结漏钢预报准确率,避免了由错误报警引起的铸机降速或停机,对于促进连铸过程顺行、稳定和改善连铸坯质量具有积极意义。基于聚类的黏结漏钢预报方法展示出良好的应用潜力,为连铸过程异常监控提供了新思路。展开更多
文摘黏结漏钢的准确识别和预报对于连铸全流程的控制至关重要。黏结漏钢是连铸过程中最具危害的重大事故,如果不能及时、准确地对黏结漏钢进行提前预测和处置,由此带来的漏报、误报不仅严重损坏铸机设备,还将极大影响铸坯质量和生产顺行,带来巨大经济损失。为了捕捉和识别黏结漏钢时结晶器铜板的温度时序特征,将层次聚类(Hierarchical clustering)与动态时间弯曲(Dynamic time warping,DTW)计算方法相结合,构建并开发了一种基于机器学习的新型黏结漏钢预报方法。与现场服役的漏钢预报系统进行测试和对比,结果显示,建立的方法在保证真黏结100%报出率的同时,将误报次数降低了近60%,大幅提高了黏结漏钢预报准确率,避免了由错误报警引起的铸机降速或停机,对于促进连铸过程顺行、稳定和改善连铸坯质量具有积极意义。基于聚类的黏结漏钢预报方法展示出良好的应用潜力,为连铸过程异常监控提供了新思路。