本发明提供一种基于特征向量和神经网络的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。所述的结晶器漏钢预报方法通过提取结晶器
铜板温度速率异常区域的形状特征与扩展特征，并利用神经网络对构建的特征向量进行分类，从而检测和预报结晶器漏钢。适用于板坯、方坯、圆坯、异型坯等连铸坯的漏钢预报。本发明通过在线获取热电偶的实测温度，可视化表征出温度速率异常区域，进而提取和构建异常区域的特征向量，通过神经网络模型对特征向量样本库进行学习和训练，最终实现结晶器漏钢的在线预报；该方法基于神经网络模型对结晶器漏钢进行实时检测和预报，能够在保证100％黏结漏钢报出率的前提下，同时降低误报率，有效提高预报准确率。
声明：
“基于特征向量和神经网络的结晶器漏钢预报方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
950
编辑：管理员
来源：北方有色网
咨询细节
