[发明专利]一种基于Stacking多分类器融合的黏结漏钢预报方法

说明书

本发明公开了一种基于Stacking多分类器融合的黏结漏钢预报方法，属于钢铁冶金领域，包括：构建真伪黏结漏钢样本库，提取真伪黏结漏钢温度特征数据与时序温度速率，构建真伪黏结漏钢样本特征向量，真伪黏结漏钢特征数据预处理，利用随机森林，K近邻分类，支持向量分类为初级分类器，逻辑回归为次级分类器构建Stacking多分类器融合的黏结漏钢预报模型，最终通过受试者工作特征曲线确定最佳阈值点，在大于该阈值条件下判断为黏结漏钢。本发明将黏结漏钢温度特征向量与多分类器融合识别方法相结合，建立黏结漏钢的强分类识别模型，在保证黏结漏钢报出率为100％的前提下，降低误报率，提高了预报准确率。

技术领域

本发明属于钢铁冶金连铸技术领域，是一种基于Stacking多分类器融合的黏结漏钢预报方法。

背景技术

黏结漏钢是连铸生产的严重安全事故，不仅给正常的生产秩序带来极大干扰，同时将造成连铸机设备的严重损毁，对钢铁企业造成了巨大的经济损失。

黏结漏钢一般形成于弯月面附近，由于润滑不良、摩擦过大而导致的坯壳撕裂。目前主流的黏结漏钢预报系统为逻辑判断和人工智能，结晶器漏钢预报以热电偶测温法为主，其模型主要包括逻辑判断模型和基于机器学习的黏结漏钢预报模型，通过识别结晶器热电偶温度曲线，判断和预测黏结漏钢发生的可能性，以减少和避免黏结漏钢事故。然而单分类器模型由于具有模型本身的缺陷与问题，在进行黏结漏钢的预报与诊断时容易产生过拟合，影响了预报的准确性，容易产生漏报以及误报，因此如何根除漏报、避免误报，是目前黏结漏钢结晶器过程监控面临的核心问题，针对结晶器漏钢的预报方法需要进一步完善和发展。

专利文件CN107096899公开了一种基于逻辑判断的结晶器漏钢预报系统，该专利在黏结漏钢理论的基础上，通过对温度数据平滑处理以及过滤，采用逻辑判断方法，利用单只热电偶温度上升与周围热电偶温度变化检查进行黏结漏钢的轻、重报警。克服了现有技术中黏结漏钢预报方法及装置在预报准确性和报警及时性上存在的不足，提供了一种基于逻辑判断的结晶器漏钢预报系统，在保证无漏报的基础上实现了对黏结漏钢的及时准确预报，保证连铸生产顺行和提高铸坯质量。然而，由于黏结漏钢的发生具有多样性，逻辑判断模型要基于现场设备以及工艺参数进行调试，因此实际生产条件的改变会导致该方法的精度有所下降。

专利文件CN108705058公开了一种基于K-Means聚类预报结晶器漏钢的方法，该专利通过嵌入在结晶器内部的热电偶进行温度测量提取，构建历史温度数据样本库，采用K-Means聚类方法划分成两个样本类簇，最后通过计算类簇中样本与样本中心的距离获得判定阈值，以此判断是否为黏结漏钢，该方法克服了现有黏结漏钢预报方法的不足，具有较高的稳定性，可以实时、快速的预报黏结漏钢，但在稳定浇铸的情况下，也经常出现温度大幅度波动情况，该方法稀有类别的样本预测准确率较低，容易造成误报现象。

发明内容

本发明目的是克服现有黏结漏钢预报方法的不足，提出一种基于Stacking多分类器融合的黏结漏钢预报方法，所述方法将黏结漏钢时序温度特征与多分类器融合识别方法相结合，建立黏结漏钢的强分类识别模型，在保证黏结漏钢报出率为100％的前提下，降低误报率，对黏结漏钢进行准确的预报，为黏结漏钢在线检测提供必要条件。

为达到上述目的，本发明采用的技术方案为：一种基于Stacking多分类器融合的黏结漏钢预报方法，其主要包括以下步骤：

1)构建真伪黏结漏钢样本库

①利用结晶器在线监控系统，获取钢种、浇注温度、拉速、液位和结晶器温度数据；

②根据浇注记录和结晶器温度数据，获取黏结漏钢样本，同时，提取正常浇注、开浇、换水口工艺下的结晶器温度数据，作为伪黏结漏钢样本，构建真伪黏结漏钢样本库；

2)提取真伪黏结漏钢温度特征数据与时序温度速率

①获取同列热电偶真伪黏结漏钢第一排温度标准差DT₍₁₎；