[发明专利]一种基于极限学习机的连铸坯质量预测方法

权利要求书

1.一种基于极限学习机的连铸坯质量预测方法，其特征在于，具体步骤如下：

步骤1：极限学习机输入变量的选取：根据连铸坯质量的影响因素和连铸坯缺陷，运用Pearson相关系数进行相关性分析，确定影响连铸坯质量的影响因素；所述连铸坯缺陷包括中心疏松、中心偏析和缩孔；

步骤2：对连铸坯质量的影响因素数据进行采集，并对所述影响因素数据进行预处理，确定极限学习机计输入节点个数、输出节点个数，确定使用的样本数据集，建立模型；

步骤3：对极限学习机输入数据进行归一化处理，对样本所对应的连铸坯缺陷等级进行分类标签的创建，并选取采集的样本数据中的三分之二输入极限学习机中完成对极限学习机的训练；

步骤4：对极限学习机输入剩余三分之一的样本数据，验证模型的准确性，基于极限学习机的训练拟合度和判定缺陷等级准确率设置合理的隐含层节点个数和隐含层激活函数，以保证网络结构的最优化，完成对连铸坯质量的缺陷等级分类；

所述方法判定缺陷等级的过程运算时间为0.1s；

所述步骤2中的数据预处理方法是通过剔除和数据平滑技术对异常数据进行预处理；

所述步骤3中历史数据的选取为随机选取样本数据的三分之二；

所述方法利用工业控制计算机和过程数据库来实现对连铸坯质量的实时预报；所述工业控制计算机用于实时判定、反馈连铸坯的质量；所述过程数据库与工业控制计算机相连接，用于实时采集、记录连铸坯生产过程数据，为工业控制计算机的运行提供数据支撑。

2.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于，所述步骤3中数据的归一化处理选择范围为[0.1，0.9]，以避免由于数据数量级存在较大差别对基于极限学习机的连铸坯质量预测模型的预测准确率产生的影响，保持各变量数据的原始信息。

3.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于，所述过程数据库在中间包钢水浇注开始后，实时采集并记录所述浇次信息；所述浇次信息包括：中间包钢水成分、结晶器设备与工艺参数、钢水温度。

4.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于，所述步骤2中整个模型的建立包括：模型训练、模型验证和模型的参数选择。

5.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于，所述方法还包括：

步骤5：基于极限学习机预测分类结果，如果判定为缺陷连铸坯，则对其进行及时分拣下线；如果判定连铸坯质量为正常连铸坯，则连铸坯会直接进入下一工序。