[发明专利]基于拉坯阻力的板坯连铸结晶器漏钢预报方法无效
申请号: | 201110293406.X | 申请日: | 2011-09-29 |
公开(公告)号: | CN102343427A | 公开(公告)日: | 2012-02-08 |
发明(设计)人: | 王红君;司向飞;赵辉;岳有军 | 申请(专利权)人: | 天津理工大学 |
主分类号: | B22D11/18 | 分类号: | B22D11/18 |
代理公司: | 天津佳盟知识产权代理有限公司 12002 | 代理人: | 侯力 |
地址: | 300384 天津市南*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 阻力 板坯连铸 结晶器 预报 方法 | ||
1.一种基于拉坯阻力的板坯连铸结晶器漏钢预报方法,用于板坯连铸结晶器漏钢预报,其特征在于该方法实现步骤如下:
a、采集现场生产数据,并计算拉坯阻力:通过电涡流大位移高温传感器检测结晶器振动台的振频,利用功率计检测振动电机的功率,并将测得的数据送入信号调理电路及A/D转换模块;将采集到的功率和振频送至上位工控PC机;
b、对得到的拉坯阻力信号进行软降噪处理及信号的特征提取;
c、利用支持向量机和能反应信号特征的特征向量来训练阻力信号的识别模型;
d、将现场的拉坯阻力输入到识别模型中,通过阻力特点对结晶器的生产状况进行预报。
2.按照权利要求l所述的方法,其特征在于步骤b中的信号特征提取,通过利用小波包变换,对阻力信号特征提取后,能大大降低识别模型的输入维数,提高识别的响应速度。
3.按照权利要求l所述的方法,其特征在于步骤c中利用支持向量机来训练识别模型,支持向量机不同于神经网络的局部最优解,而是一种基于统计学的具有全局最优解的机器学习方法;支持向量机的训练参数采用粒子群算法来获取,以保证模型的准确性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津理工大学,未经天津理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110293406.X/1.html,转载请声明来源钻瓜专利网。