一种基于改进神经网络的漏钢可视化特征预报方法

• 收藏
• 分享

专利权人:

东北电力大学

发明人:

刘宇,王旭东,姚曼,高亚丽,狄驰,张海波

申请号：

CN201510644393.4

公开号：

CN105328155B

申请日:

2015.10.08

申请国别(地区):

中国

年份:

2017

代理人:

陈传林

摘要：

本发明是一种基于改进神经网络的漏钢可视化特征预报方法，属于钢铁冶金连铸检测技术领域。具体为在线检测结晶器铜板热电偶温度信号，利用热成像技术可视化呈现结晶器铜板温度变化速率，在搜索和提取温度异常区域的面积、温度变化、位置、传播速率等特征的基础之上，建立BP神经网络漏钢预报模型，并借助遗传算法的自组织、自适应性，对模型的权值和阈值进行优化，实现结晶器漏钢可视化在线检测和预报，该方法不仅直观呈现结晶器温度分布、异常变化及发展趋势，而且可以实时、准确地预防结晶器漏钢事故，减少误报警次数，提高漏钢预报系统的准确率。

来源网站：

中国工程科技知识中心

来源网址：

http://www.ckcest.cn/home/