本發明是一種基于改進神經網絡的漏鋼可視化特征預報方法,屬于鋼鐵冶金連鑄檢測技術領域。具體為在線檢測結晶器銅板熱電偶溫度信號,利用熱成像技術可視化呈現結晶器銅板溫度變化速率,在搜索和提取溫度異常區域的面積、溫度變化、位置、傳播速率等特征的基礎之上,建立BP神經網絡漏鋼預報模型,并借助遺傳算法的自組織、自適應性,對模型的權值和閾值進行優化,實現結晶器漏鋼可視化在線檢測和預報,該方法不僅直觀呈現結晶器溫度分布、異常變化及發展趨勢,而且可以實時、準確地預防結晶器漏鋼事故,減少誤報警次數,提高漏鋼預報系統的準確率。
聲明:
“基于改進神經網絡的漏鋼可視化特征預報方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)