本发明是一种基于改进神经网络的漏钢可视化特征预报方法，属于钢铁冶金连铸检测技术领域。具体为在线检测结晶器
铜板热电偶温度信号，利用热成像技术可视化呈现结晶器铜板温度变化速率，在搜索和提取温度异常区域的面积、温度变化、位置、传播速率等特征的基础之上，建立BP神经网络漏钢预报模型，并借助遗传算法的自组织、自适应性，对模型的权值和阈值进行优化，实现结晶器漏钢可视化在线检测和预报，该方法不仅直观呈现结晶器温度分布、异常变化及发展趋势，而且可以实时、准确地预防结晶器漏钢事故，减少误报警次数，提高漏钢预报系统的准确率。
声明：
“基于改进神经网络的漏钢可视化特征预报方法” 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)
1219
编辑：管理员
来源：北方有色网
咨询细节
