龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：天津理工大学
摘要：本发明涉及钢铁连铸过程的自动控制技术领域，尤其是一种基于stacking算法模型的连铸板坯角横裂缺陷预测方法；本方法基于stacking算法模型，运用RF特征权重选择和皮尔逊相关系数，筛选出影响角横裂纹的显著特征因素，并结合连铸过程中生产工艺参数，对板坯角横裂缺陷进行预测，并将预测结果与其他算法模型进行对比，验证该模型的准确性，可以在一定程度上解决现有角横裂预测模型准确率较低的问题。
主权项：1.一种基于stacking算法模型的连铸板坯角横裂缺陷预测方法，其特征在于：具体包括如下步骤：S1、采集钢铁企业的连铸生产数据，所述连铸生产数据包括生产工艺参数数据和板坯角横裂缺陷信息；为角横裂缺陷信息分配标签，形成数据集，将所有采集到的数据和标注整合在一起，形成板坯角横裂缺陷数据集；其中，生产工艺参数数据包括：板坯号、板坯各元素成分含量，结晶器锥度、中间包温度、二冷水量、铸造速度、液位波动、RHOB量及过热度；S2、对生产工艺参数数据进行预处理；S3、工艺参数数据的特征重要性计算：筛选出对角横裂纹影响显著的特征因素组成模型输入的特征子集，使用随机森林算法计算各特征因素的基尼指数作为特征重要性，结合皮尔逊相关性分析特征因素与角横裂缺陷的相关性，取平均后得出综合的特征排序；S4、数据划分：将角横裂缺陷数据集划分为训练集和测试集，划分比例为70％的数据为训练集，30％的为测试集，训练集用于构建模型，测试集用于评估模型性能；S5、训练集样本的不平衡处理：由于在缺陷数据集中缺陷样本和无缺陷样本数据不均衡，为了使模型更好地识别正样本，从而提高分类精度，需要对训练数据集作样本不平衡处理，采用smote算法来增加少数类的样本数量，从而平衡数据集；S6、建立基于stacking集成学习的连铸坯角横裂缺陷预测模型；S7、模型评估：使用缺陷命中率参数作为连铸板坯角横裂缺陷预测模型的评价指标，计算出模型在测试集上的缺陷命中率，命中率越高，表示模型在预测为缺陷类别上的正确率越高。
全文数据：
权利要求：
百度查询： 天津理工大学 基于Stacking算法模型的连铸板坯角横裂缺陷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号