机械工程学报

作者：段海洋, 王旭东, 姚曼

单位：1. 大连理工大学材料科学与工程学院 大连 116024;2. 大连理工大学辽宁省凝固控制与数字化制备技术重点实验室 大连 116024

关键词：时序特征,层次聚类,动态时间弯曲,漏钢预报；

基金：国家自然科学基金（51474047）和中央高校基本科研业务费资助项目。

黏结漏钢的准确识别和预报对于连铸全流程的控制至关重要。黏结漏钢是连铸过程中最具危害的重大事故，如果不能及时、准确地对黏结漏钢进行提前预测和处置，由此带来的漏报、误报不仅严重损坏铸机设备，还将极大影响铸坯质量和生产顺行，带来巨大经济损失。为了捕捉和识别黏结漏钢时结晶器铜板的温度时序特征，将层次聚类（Hierarchical clustering）与动态时间弯曲（Dynamic time warping，DTW）计算方法相结合，构建并开发了一种基于机器学习的新型黏结漏钢预报方法。与现场服役的漏钢预报系统进行测试和对比，结果显示，建立的方法在保证真黏结100%报出率的同时，将误报次数降低了近60%，大幅提高了黏结漏钢预报准确率，避免了由错误报警引起的铸机降速或停机，对于促进连铸过程顺行、稳定和改善连铸坯质量具有积极意义。基于聚类的黏结漏钢预报方法展示出良好的应用潜力，为连铸过程异常监控提供了新思路。

来源：2020年第8期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2020年第8期