| 摘要 |
本发明公开了一种混合模型及基于混合模型的连铸漏钢预报方法，属于冶金连铸中监控技术领域。混合模型包括：基于GA-BP神经网络的单偶时序模型和基于逻辑判断的组偶空间模型。该预报方法的步骤为：1)监控结晶器温度并存储数据；2)将数据输入单偶时序模型，判断每个热电偶温度随时间变化是否符合粘结时温度变化波形，将判断结果保存到数组Y(i,j,t)中；3)当Y(i,j,t)在阀值范围[θ<sub>min</sub>,θ<sub>max</sub>]内时，标记该热电偶异常，计算第i行、i-1行异常热电偶数目分别为m、n；4)利用m+n与粘结报警和粘结警告热电偶数目阀值比较进行粘结判断。本发明实现了提高粘结性漏钢识别精度的目标。 |
| 主权项 |
一种混合模型，其特征在于，主要包括以下两部分：单偶时序模型和组偶空间模型；(1)、单偶时序模型；单偶时序模型的构建包括：模型输入变量的确定、模型输出变量的确定、数据的预处理、GA‑BP神经网络的建立；(2)、组偶空间模型；1)、利用单偶时序模型对结晶器上所有热电偶温度随时间变化模式进行识别后，输出结果保存到三维数组Y(i,j,t)，其中，Y(i,j,t)表示第i行j列热电偶在t时刻的单偶时序模型识别结果；2)、当Y(i,j,t)在阀值范围[θ<sub>min</sub>,θ<sub>max</sub>]内时，认为该热电偶TC(i,j)温度变化符合粘结温度模式，标记该热电偶异常；3)、然后检查第i行所有热电偶的Y(i,j,t)，统计在阀值范围[θ<sub>min</sub>,θ<sub>max</sub>]内的异常热电偶数目为m，同时检查第i‑1行所有热电偶的Y(i‑1,j,t)，统计在阀值范围[θ<sub>min</sub>,θ<sub>max</sub>]内的异常热电偶数目为n，其中i大于1；4)、如果m和n均大于等于2，则检查在过去10秒内弯月面行异常热电偶数目是否大于等于2，如果满足，则利用异常热电偶总数m+n分别与粘结报警和粘结警告热电偶数目阀值比较，进行粘结报警和粘结警告的判断。 |
