[发明专利]一种采用空间密度聚类DBSCAN预报连铸结晶器漏钢的方法

摘要

一种采用空间密度聚类DBSCAN预报连铸结晶器漏钢的方法，属于钢铁冶金连铸检测技术领域。该方法将连铸漏钢预报与聚类分析有机结合，通过密度聚类对不同时刻的温度数据序列进行分析，在线识别和准确预报结晶器漏钢。具体为使用密度聚类对结晶器铜板热电偶温度数据进行特征提取，得到漏钢样本聚集区和均值向量，以此为基础在线判断实时检测的温度序列是否位于聚集区内，识别典型的漏钢温度模式，预报结晶器漏钢。本发明依据漏钢时温度模式的单一和近似特性，提取并融合热电偶温度在时间、空间上典型的变化特征，通过聚类分析挖掘大量漏钢样本中的相似性，有效剔除正常工况、人为操作等因素引起的温度波动和误报，大幅提高漏钢预报的准确率。

主权项

1.一种采用空间密度聚类DBSCAN预报连铸结晶器漏钢的方法，其特征在于，该方法将连铸漏钢预报与聚类分析有机结合，通过密度聚类对不同时刻的温度数据序列进行分析，在线识别和准确预报结晶器漏钢，包括以下步骤：第一步，获取漏钢样本聚集区(1)提取历史温度数据，包含两部分：发生真实黏结的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样本，选取黏结电偶温度最高时刻及其前M秒、后N‑1秒，共计M+N秒的温度数据；1.2)对于正常工况的温度波动样本，选取温度波动附近热电偶温度最高时刻及其前M秒、后N‑1秒共计M+N秒的温度数据；上述两种类型的温度数据类型，各选取不少于50例；(2)对步骤(1)得到的温度数据进行预处理，并创建样本集合Q，将所有预处理结果归入样本集合Q，供密度聚类使用；对步骤(1)得到的温度数据进行预处理具体为：2.1)计算同一测点处温度数据在k秒内的变化率，即：2.2)将同列热电偶温度对应的变化率按对应时刻作差，即：v_minus_i＝v_(r)i‑v_(r+1)i其中，v_(r)i、v_(r+1)i分别表示同列第r、r+1排热电偶第i时刻温度变化率的数值；2.3)将作差后的结果作z均值标准化处理，具体处理公式如下：其中，avg、std分别表示温度变化率差值v_minus的均值和标准差；2.4)创建样本集合Q，将上述所有温度数据的预处理结果归入样本集合Q；(3)对预处理结果实施密度聚类，包括以下子步骤：3.1)设定密度聚类所需参数，包括邻域半径Eps和核心样本在邻域范围内所包含的最少样本数量MinPts；3.2)将步骤(2)得到的样本集合Q中的所有样本作为未标记样本，检查Q中每一个未被标记的样本p是否满足条件：N_Eps(p)≥MinPts其中，N_Eps(p)＝{q∈Q|d(p,q)＜Eps}，q为样本集Q中除p之外的任一样本，d(p,q)为p与样本q的距离；满足则为核心样本，并创建类簇D；标记该样本及其邻域范围内的其他样本，并将标记样本归入D中；3.3)重复步骤(2)，获取所有标记样本并将其归入D中，构成漏钢类簇；3.4)创建类簇S，将Q中未被标记的样本归入S，构成噪声类簇；(4)将漏钢类簇D中每个样本转化为以(d_i,ρ_i)表示的二维坐标值，采用同样的方法将噪声类簇S中每个样本均转化为二维坐标值；将样本转化为二维坐标的方法具体如下：4.1)计算漏钢类簇D中所有样本的均值向量：w＝[w₁,w₂,...,w_M+N‑k]其中，D_ij表示D中第i个样本第j时刻的数值，D_i是每例温度数据经预处理后的结果，即是v_minus_z_i，t表示D中样本的数量；再分别计算D中每个样本与均值向量w的距离d_i＝d(D_i,w)，其中d_i表示D中第i个样本与w的距离；4.2)计算D中每个样本与其余样本的距离并按照由小到大排序，得到距离数组：S＝[s₁,s₂,...,s_t‑1]，s₁＜s₂＜...＜s_t‑1计算前MinPts个值的均值：其中，ρ_i表示D中第i个样本的密度，s_j表示D中第i个样本与其第j近的样本的距离；4.3)将漏钢类簇D中每个样本转化为以(d_i,ρ_i)表示的二维坐标值，并按照相同的方式将噪声类簇S中每个样本转化为二维坐标值；(5)由漏钢类簇D中的二维坐标值得到漏钢样本聚集区，包括以下子步骤：5.1)计算由漏钢类簇D中的样本转化得到的(d_i,ρ_i)横、纵坐标的均值，即：5.2)计算横、纵坐标差值的绝对值的最大值，即：R＝max{|d_i‑d_j|,|ρ_i‑ρ_j|}，i,j∈[1,t]设置位置浮动率η，得到：R'＝R+R×η；5.3)以(x,y)为圆心、R'为直径作圆，所得圆域即为漏钢样本聚集区；(6)将漏钢类簇D、噪声类簇S中样本转化的二维坐标值聚集区绘制于同一幅图中，对比所有样本在密度聚类后的总体效果，得到黏结漏钢样本位于聚集区内部，正常工况下的温度样本位于聚集区外部；第二步，识别与判定漏钢(1)提取在线检测时结晶器内弧宽面、外弧宽面、左侧窄面、右侧窄面铜板各行、列电偶测点处当前时刻及之前M+N‑1秒共计M+N秒温度数据；(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v_minus_z_new；(3)采用第一步步骤(4)相同的方法将预处理结果转化为二维坐标值；(4)判断坐标值是否位于漏钢样本聚集区圆域内部，如果位于聚集区圆域内部，则发出漏钢警报；否则，更新温度序列，继续执行漏钢识别与判定。