[发明专利]一种基于K-Means聚类预报结晶器漏钢的方法

摘要

一种基于K‑Means聚类预报结晶器漏钢的方法属于钢铁冶金连铸技术检测领域，包括以下步骤：(1)温度样本K‑Means聚类：对历史温度数据样本实施K‑Means聚类，得到符合条件的黏结漏钢类簇、正常工况类簇及质心；(2)确定类簇判定阈值：根据(1)得到的黏结漏钢类簇和正常工况类簇质心，确定类簇判定阈值；(3)漏钢识别与判定：计算和比较在线实测温度样本与黏结漏钢类簇、正常工况类簇质心的距离，判断是否漏钢。本发明通过K‑Means聚类方法提取黏结漏钢温度样本的共性特征，再将其与在线实测温度样本的特征进行比较，快速、准确识别和预报漏钢，可有效避免漏报，大幅提高漏钢预报的精度和准确率。

主权项

1.一种基于K‑Means聚类预报连铸结晶器漏钢的方法，其特征在于，该方法采用K‑Means聚类方法对数据集实施聚类，通过计算和比较在线实测温度样本与漏钢类簇、正常工况类簇质心的距离，判断和识别结晶器漏钢，主要包含以下步骤：第一步、温度样本K‑Means聚类(1)获取历史温度数据，包含两部分：黏结漏钢温度数据和正常工况下的温度波动数据；1.1)对于真实黏结的漏钢温度，标记黏结位置所在电偶列第一排电偶温度最高时刻，并选取其前M秒、后N‑1秒共计M+N秒的温度数据；1.2)对于正常工况下的波动温度，任意选取连续M+N秒的温度数据；(2)对步骤(1)获得的温度进行温度预处理，并创建样本集合Q，将所有预处理结果归入样本集合Q，供K‑Means聚类使用；(3)对步骤(2)的预处理结果实施K‑Means聚类，包括以下子步骤：3.1)设定类簇个数k＝2和准则函数的收敛精度tol；3.2)选取初始中心：运用K‑Means++策略选取2个初始中心{μ₁,μ₂}；3.3)样本指派：分别计算样本集合Q中每个样本与2个初始中心{μ₁,μ₂}的距离，将该样本指派给距其最近的中心，即：c₁＝{x_i|d(x_i,μ₁)<d(x_i,μ₂)}c₂＝{x_i|d(x_i,μ₂)≤d(x_i,μ₁)}其中，i＝1,2,...,|Q|，|Q|表示样本集合Q中样本的数量，x_i是从属于样本集合Q的一个样本，即x_i∈Q；l表示样本x_i的长度，μ_h指μ₁、μ₂，x_ij、μ_tj分别表示样本x_i、中心μ_h的第j维具体的数值；c₁、c2表示样本指派后构成的两个类簇，c₁中的任一样本距中心μ₁的距离均小于该样本与中心μ₂的距离，c₂中的任一样本距中心μ₂的距离均小于等于该样本与中心μ₁的距离；3.4)更新类簇中心：分别计算类簇c₁、c₂中所有样本的均值，将其作为更新后的类簇中心，即：其中，μ_h指μ₁、μ₂，l表示中心μ_h的长度，|c_h|表示类簇c_h中样本的个数，s_i是从属于类簇c_h的一个样本，即s_i∈c_h，s_i1表示样本s_i第1维具体的数值；表示类簇中心μ_h第1维的值，即类簇c_h所有样本s_i第1维的均值；3.5)检查是否满足收敛精度，即：若满足该条件则完成聚类，得到2个类簇{c₁,c₂}，对应的类簇中心分别为{μ₁,μ₂}；否则继续执行步骤3.2)‑3.5)，直至满足收敛精度；3.6)检查聚类结果是否满足以下判定条件，即：所有黏结漏钢样本属于同一个类簇且该类簇中包含的正常工况样本不多于正常工况样本总数的20％；满足此条件则将该类簇称之为漏钢类簇，记为c_breakout，其类簇中心记为μ_breakout；另一个类簇称之为正常工况类簇，记为c_normal，其类簇中心记为μ_normal；否则，重新执行(3)的3.2)～3.6)，直到聚类结果满足条件为止；第二步、确定类簇判定阈值(1)分别计算漏钢类簇c_breakout中所有样本与μ_breakout、μ_normal的距离，得到：x_bi＝d(b_i,μ_breakout),y_bi＝d(b_i,μ_normal)，b_i∈c_breakout其中，i＝1,2,...,|c_breakout|，|c_breakout|表示类簇c_breakout中样本的数量；(2)计算阈值，得到：B_threshold＝α×max{x_bi}，N_threshold＝β×min{y_bi}其中，α、β为修正系数，二者的取值区间分别在(1,1.5)和(0.5,1)之间；第三步、漏钢识别与判定(1)提取在线测量时结晶器内弧宽面、外弧宽面、左侧窄面、右侧窄面铜板各行、列热电偶测温处当前时刻及之前M+N‑1秒共计M+N秒的温度数据；(2)采用第一步步骤(2)相同的方法对上述提取出的温度数据进行温度预处理，得到预处理结果s_new；(3)计算s_new与μ_normal的距离，如果d_new‑n＝d(s_new,μ_normal)>N_threshold，则进入步骤(4)判断；否则，更新温度序列，继续执行第三步的(1)～(3)；(4)计算s_new与μ_breakout的距离，如果d_new‑b＝d(s_new,μ_breakout)<B_threshold则发出漏钢警报；否则，更新温度序列，继续执行第三步的(1)～(4)；所述的第一步步骤(2)和第三步步骤(2)得到的数据进行预处理方法相同，第一步步骤(2)预处理包括以下子步骤：2.1)将第r排热电偶的温度数据归一化处理，即：其中，T_(r)i为第r排热电偶第i时刻的值，T_min、T_max分别为第r排热电偶温度数据的最小值、最大值；2.2)计算第r排热电偶温度在t秒内的温度变化率，即：并将所求温度变化率进行归一化处理，即：同理，计算第r+1排热电偶温度t秒内温度变化率的归一化结果，得到：其中，v_(r)min,v_(r)max、v_(r+1)min,v_(r+1)max分别为第r、r+1排热电偶温度的温度变化率的最小值、最大值；2.3)将每一个温度数据样本经处理得到的T_nor_(r)i、v_nor_(r)i、v_nor_(r+1)i作为一个整体预处理结果；2.4)创建样本集合Q，将所有温度预处理结果归入样本集合Q，供K‑Means聚类使用。