[发明专利]一种基于K近邻分类的连铸坯纵裂纹在线检测方法

说明书

一种基于K近邻分类的连铸坯纵裂纹在线检测方法，属于钢铁冶金连铸检测技术领域。该方法对纵裂纹和正常工况下同列热电偶温度的温度变化率进行拼接得到温度样本以及样本库；利用KNN分类算法和指定参数K对样本库和在线实时检测的同列热电偶温度预处理结果进行分类，识别和预报连铸坯纵裂纹。本发明以原始温度数据的温度变化率为输入，结合无需对样本库进行训练的快速分类方法KNN，可直接对在线实时温度进行铸坯纵裂纹检测，具有检测效率快、准确性高等优点，为提高连铸坯质量提供有利工具。

技术领域

本发明属于钢铁冶金连铸检测技术领域，涉及一种基于K近邻分类的连铸坯纵裂纹在线检测方法。

背景技术

纵裂纹是连铸坯表面常见的质量缺陷，最初形成于结晶器弯月面附近。随着铸坯的下移，纵裂纹在结晶器和二冷区的冷却水作用下进一步扩展。纵裂纹较轻时需要对铸坯精整处理，严重时导致铸坯直接判废，严重影响铸坯质量同时也造成巨大的经济损失。因此，对于铸坯表面纵裂纹的在线检测极为重要。

刘宇等人提出一种基于计算机视觉的连铸坯纵裂纹在线检测方法(Archivesofmetallurgy and materials.DOI:10.24425/122393)。该方法利用计算机图像处理算法检测纵裂纹异常温度区域，提取和分割异常区域及其边界，并利用连通标记算法对其进行标定，对比纵裂纹异常区域的长度、宽度、形状等，以检测和识别纵裂纹异常。但图像处理过程中的计算量较大，算法也较为复杂。

发明内容

本发明的目的是为了在线检测和识别铸坯纵裂纹缺陷，提出一种基于K近邻分类(KNN)的连铸坯纵裂纹在线检测方法，该方法对纵裂纹和正常工况下同列热电偶温度的温度变化率进行拼接得到温度样本以及样本库；利用KNN分类算法和指定参数K对样本库和在线实时检测的同列热电偶温度预处理结果进行分类，识别和预报连铸坯纵裂纹。

为达到上述目的，本发明的技术方案如下：

一种基于K近邻分类的连铸坯纵裂纹在线检测方法，包括以下步骤：

第一步、温度数据准备

(1)对于纵裂纹历史温度数据，截取包含温度下降-稳定-上升波动过程在内的L秒的同列热电偶温度数据；

(2)对于正常工况下的温度数据，截取连续L秒的同列热电偶温度数据。

第二步、温度变化率拼接

分别求取同列热电偶第r、r+1行温度在间隔k秒的温度变化率T_V_r、T_V_r+1；

式中，T_(r)i、T_(r+1)i分别为第r、r+1行热电偶温度第i时刻的数值；T_(r)i+k、T_(r+1)i+k分别为第r、r+1行热电偶温度第i+k时刻的数值。

将T_V_r、T_V_r+1前后拼接为一个序列作为一个整体样本T_V：

所有的样本构成样本库：

S_{T_V}＝{(T_V_C1,1),(T_V_C2,1),…,(T_V_Cm,1),(T_V_N1,-1),(T_V_N2,-1),…,(T_V_Nn,-1)}，

其中，T_V_C表示纵裂纹样本，类别标签为1；T_V_N表示正常工况样本，类别标签为-1。m、n分别为样本库中纵裂纹和正常工况样本的数量。