(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111202449.2 (22)申请日 2021.10.15 (71)申请人 东北大学 地址 110819 辽宁省沈阳市和平区文化路3 号巷11号 (72)发明人 吴亚楠　郝培锋　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 代理人 徐笑阳 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 30/27(2020.01) G06Q 50/04(2012.01) (54)发明名称 一种多状态结晶器的连铸漏钢预报方法 (57)摘要 本发明提供一种多状态结晶器的连铸漏钢 预报方法， 首先获取结晶器铜板中热电偶的部署 位置及排列编号， 采集和存储现场所有热电偶温 度和板坯拉速的实时数据； 对热电偶采集的温度 数据和板坯拉速数据进行清洗、 处理后， 将单个 热电偶的温度时间序列数据输入到时间卷积网 络， 同时将板坯拉速数据输入到全连接神经网 络； 结合输出的两个高维特征进行单偶粘结温度 特征的识别， 将识别结果输入构建的动态空间模 块， 再通过逻辑判断的方式对多偶时滞特征进行 分析得到最终的漏钢预报结果。 本发 明结合热电 偶温度时序数据的特点， 通过时间卷积网络对结 晶器内部各个热电偶温度在时间维度上的变化 进行特征识别， 还考虑了板坯拉速， 提高了漏钢 预报的准确度。 权利要求书2页 说明书5页 附图3页 CN 113935416 A 2022.01.14 CN 113935416 A 1.一种多状态结晶器的连铸漏钢预报方法， 其特征在于， 首先获取结晶器铜板中热电 偶的部署位置及排列编号， 采集和存储现场所有热电偶 温度和板坯拉速的实时数据； 对得 到的数据进行处理后， 将单个热电偶的温度时间序列数据输入到时间卷积网络， 同时将板 坯拉速时间序列数据输入到全连接神经网络； 结合输出的两个高维特征进 行单偶粘结温度 特征的识别， 将识别结果输入构建的动态空间模块， 再通过逻辑判断的方式对多偶时滞特 征进行分析 得到最终的漏钢预报结果。 2.根据权利要求1所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述预 报方法， 具体按以下步骤依次进行： 步骤1： 获取多状态结晶器铜板 中热电偶的部署位置及排列编号， 采集和存储现场所有 热电偶温度和板坯 拉速的实时数据作为时间序列数据； 步骤2： 将得到的时间序列数据进行清洗和处 理； 步骤3： 将处理后的热电偶温度时间序列数据输入到单偶时序模块， 所述单偶时序模块 基于时间卷积网络及全连接网络构建而成， 热电偶温度时间序列数据输入到单偶时序模块 中的时间卷积网络， 对热电偶温度特 征进行提取， 得到高维温度特 征； 步骤4： 将处理后的板坯拉速时间序列数据输入到单偶时序模块中的全连接网络， 对板 坯拉速这一外部特征进行 处理， 并结合时间卷积网络提取出的高维温度特征进行单偶粘结 性漏钢特 征的识别； 步骤5： 将多状态结晶器各个热电偶的识别结果输入到动态 空间模块， 根据粘结漏钢的 二维传播行为特征， 在动态空间模块中对多偶的空间时滞特征进行识别； 对于当前时刻所 有符合粘结特征 的热电偶， 计算当前热电偶的上一行处于撕裂口附近的异常热电偶数目， 将异常热电偶总数与粘结报警热电偶数目阈值进行比较， 进行粘结漏钢报警的判断。 3.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤2具体包括： 对热电偶温度时间序列数据进行清洗， 处理热电偶采集的异常数据， 对于存 在缺失的数据使用线性插值的方法进行填充， 计算公式见如下： 其中， yt表示热电偶获取的当前时刻的温度值， xt‑1表示上一时刻， yt‑1表示热电偶获取 的xt‑1时刻的温度值， xt+1表示下一时刻， yt+1表示热电偶获取的xt+1时刻的温度值。 4.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤2还包括： 对连续N个时刻的热电偶 温度、 板坯拉速相应采样点时间序列数据进行归一化 处理。 5.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤3中的单偶时序模块的构建方法包括： 建立时间卷积网络、 全连接神经网络以及单偶时序 模块输出层的设计； 时间卷积网络的卷积层输入节点数为40， 代表输入变量长度， 输出节 点 数为1， 其中膨胀基数为2、 卷积核 大小为3， 为了 保证完全的接收野覆盖， 确定卷积层数为5； 全连接神经网络输入层节点数为40， 输出层节 点数为1， 代表输出变量； 训练网络采用3层BP 网络， 隐含层激励函数使用Sigmoid函数， 输出使用线性传递函数， 选定隐含层节 点数为12， 得到结构为40 ×12×1的全连接神经网络； 单偶时序模块输出层使用结构为2 ×1的全连接 神经网络构建得到 。权　利　要　求　书 1/2 页 2 CN 113935416 A 26.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤3中通过门控的方式， 对热电偶温度特 征进行提取 得到高维的温度特 征。 7.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤5中动态空间模块由由动态 二维数组A(i,j)构成， 其中， A(i,j)表 示编号为i的热电偶在j 时刻的识别结果。 8.根据权利要求2所述的一种 多状态结晶器的连铸漏钢预报方法， 其特征在于， 所述步 骤5还包括： 根据多状态结晶器在铜板内的排列结构及编号， 选择出从第二排开始的各个热 电偶撕裂口附近的热电偶 编号， 用于统计异常热电偶数目， 进行空间传播特 征的判断。权　利　要　求　书 2/2 页 3 CN 113935416 A 3