[发明专利]一种采用逻辑回归分类预测连铸坯纵裂纹的方法

说明书

一种采用逻辑回归分类预测连铸坯纵裂纹的方法，属于钢铁冶金连铸检测技术领域。该方法对纵裂纹和正常工况下的温度数据进行时序处理得到温度时序样本库；利用逻辑回归分类算法对温度时序样本库进行训练和测试，得到逻辑回归分类的对应的最佳分类决策函数；利用上述决策函数对在线测量的实时温度数据进行预测，判定其是否属于纵裂纹。本发明从时间和空间的双重角度提取、融合原始温度数据的温度及其变化率特征，利用逻辑回归分类模型对温度时序样本库进行训练和测试，最终得到最佳的逻辑回归分类决策函数对在线实时温度进行预测，具有实时性强、检测效率高的优点，可大大提高现场操作人员的纵裂纹识别效率和准确性。

技术领域

本发明属于钢铁冶金连铸检测技术领域，涉及一种采用逻辑回归分类预测连铸坯纵裂纹的方法。

背景技术

铸坯表面纵裂纹产生主要原因是初生坯壳厚度不均匀，在坯壳薄弱处应力集中，当应力超过坯壳的抗拉强度时产生裂纹源，而后在结晶器和二冷区进一步扩展，形成纵裂纹。为预防纵裂和提高铸坯质量，应选择合适的结晶器锥度、保护渣、冷却强度、拉速、钢水过热度以及窄面与宽面热流比等因素，尽量确保坯壳与结晶器间稳定和均匀传热。

从实践中结晶器铜板温度的在线检测结果看，纵裂纹具有空间上的一维传播特征，在传播过程中很少沿横向扩展，仅是同列热电偶温度依次出现下降-稳定-上升的波动过程。除此之外，由于纵裂纹附近的坯壳凹陷形成了较厚的气隙，使其与结晶器传热受到极大影响，坯壳与铜板热电偶温度明显低于正常工况。因此，上述特征可作为检测和识别连铸坯纵裂纹温度异常的重要依据。

针对连铸坯出现表面纵裂纹时铜板温度的典型特征，本发明提出，分别从时间和空间角度提取、融合纵裂纹温度的时序变化趋势和特征，借助逻辑回归分类算法对纵裂纹温度时序样本进行建模，获取最佳分类模型及其对应的分类决策函数，在此基础上对铸坯纵裂进行在线预测。

发明内容

本发明的目的是为了在线预测铸坯纵裂纹，提出一种采用逻辑回归分类预测连铸坯纵裂纹的方法，该方法对纵裂纹和正常工况下的温度数据进行时序处理得到温度时序样本库；利用逻辑回归分类算法对温度时序样本库进行训练和测试，得到逻辑回归分类的对应的最佳分类决策函数；利用上述决策函数对在线测量的实时温度数据进行预测，判定其是否属于纵裂纹。

为达到上述目的，本发明的技术方案如下：

一种采用逻辑回归分类预测连铸坯纵裂纹的方法，包括以下步骤：

第一步、温度数据获取

(1)对于纵裂纹历史温度样本，截取包含温度下降-稳定-上升波动过程在内的L秒的同列热电偶温度数据。

(2)对于正常工况下的温度数据，截取连续L秒的同列热电偶温度数据。

第二步、温度预处理

(1)将同列热电偶第r、r+1行热电偶温度进行作差处理：

式中，T_(r)i、T_(r+1)i分别为第r、r+1行热电偶温度第i时刻的数值；为第r、r+1行热电偶温度第i时刻的数值的差值。

(2)求第r、r+1行热电偶温度差值T_minus间隔为k秒的变化率：

式中，为第r、r+1行热电偶温度第i+k时刻的数值的差值。

将同列热电偶温度得到的变化率T_M_V作为一个样本，以此方式构成温度时序样本库：