[发明专利]一种基于深度随机森林的钢板板形异常识别方法

说明书

本发明提供一种基于深度随机森林的钢板板形异常识别方法，涉及钢板板形异常识别技术领域，本发明首先采集钢板的厚度数据集和板形质量标签，计算钢板的相对厚度数据集，并对相对厚度数据集进行上采样或下采样，得到每一块钢板长度方向和宽度方向采样点一致的钢板，对相对厚度数据集进行归一化处理；然后以表征钢板的相对厚度的特征向量为输入、钢板的板形质量标签为输出，利用训练样本集以及验证样本集构建并训练基于深度随机森林的钢板板形异常识别模型，得到最优深度随机森林的模型；最后采集待检测钢板的厚度数据集，计算并将表征待检测钢板的相对厚度的特征向量输入最优深度随机森林模型，得到其板形质量标签。

技术领域

本发明涉及产品质量异常识别技术领域，尤其涉及一种基于深度随机森林的钢板板形异常识别方法。

背景技术

随着现代化工、石油、冶金、机械、物流等工业不断向大型化、复杂化和连续化方向发展，产品生产质量的识别分类也显得更加重要。在现代钢铁轧制生产过程中，钢板板形作为一种关键的产品质量指标，因此对钢板板形的异常识别也成为提高钢铁生产效率的重要步骤。在目前的钢板生产中，由于钢板生产过程工序繁多，得到的钢板板形易发生变形，产生板形故障。钢板板形由人工观察来进行标签标定，判断其板形出现的故障类型，然后决定对其进行下一步调整操作，这种人工观察检测所做出的判断决策主观性强，缺少客观定性定量的标准，易发生误报漏报的情况，影响工业生产效率与产品生产质量。因此对钢板板形进行准确的判断能够辅助现场工作人员的决策，及时对其进行下一步调整修复，对故障进行及时的处理，并且可以辅助工厂技术人员对生产过程进行故障诊断，有助于帮助生产系统定位故障原因及位置。

发明内容

针对现有技术存在的问题，本发明提供一种基于深度随机森林的钢板板形异常识别方法。

本发明的技术方案为：

一种基于深度随机森林的钢板板形异常识别方法，包括下述步骤：

步骤1：对厚板生产过程中剪切线工艺后的第k块钢板进行厚度采样测量，得到第k块钢板的厚度数据集H_k＝{h_k(i,j),i∈{1,2,...,M},j∈{1,2,...,N_k}}，并采集第k块钢板的板形质量标签y_k；

其中，k∈{1,2,...,S}，S为钢板的总块数，h_k(i,j)为第k块钢板在采样点(i,j)处的厚度，i为钢板宽度方向上的采样点序号，j为钢板长度方向上的采样点序号，M为钢板宽度方向上的采样点总数，N_k为第k块钢板长度方向上的采样点总数，N_k与第k块钢板的长度成正比；钢板故障类型y_k∈{0,1，2}，y_k＝0代表第k块钢板出现除中浪以外故障的钢板，y_k＝1代表第k块钢板是无异常的钢板，y_k＝2代表第k块钢板是出现中浪故障的钢板；

步骤2：对钢板数据进行预处理；

步骤2.1：计算第k块钢板的初始相对厚度数据集C_k＝{c_k(i,j),i∈{1,2,...,M},j∈{1,2,...,N_k}}；其中，c_k(i,j)为第k块钢板在采样点(i,j)处的相对厚度，为第k块钢板的目标厚度；