[发明专利]连铸机扇形段的故障预测方法、装置、介质以及电子设备

说明书

本申请公开了一种连铸机扇形段的故障预测方法、装置、介质以及电子设备，该方法包括：构建扇形段故障预测模型；采集所述连铸机扇形段在待预测工况下的历史浇铸参数值；将所述历史浇铸参数值输入所述扇形段故障预测模型，以预测所述连铸机扇形段在待预测工况下的目标浇铸参数值，所述目标浇铸参数值用于表征所述连铸机扇形段在未来时段内的运行状态；通过所述目标浇铸参数值预测所述连铸机扇形段在未来时段内是否发生故障。通过本申请的技术方案能够准确、快速识别扇形段是否出现故障，提高扇形段故障识别的效率。

技术领域

本申请属于连铸技术领域，特别涉及到一种连铸机扇形段的故障预测方法、装置介质以及电子设备。

背景技术

连铸机是连铸生产的关键设备，一旦发生故障，将会导致批量性铸坯质量缺陷，影响生产进程，进而降低企业经济收益。

普遍的检测方法大多是依靠人工周期性检测或者依靠专家知识进行扇形段的状态识别，故障识别准确度与效率较低，现急需一种能够准确、快速识别扇形段是否出现故障的方法。

发明内容

本申请的实施例提供了一种连铸机扇形段的故障预测方法、装置介质以及电子设备，进而能够准确、快速识别扇形段是否出现故障。

本申请的其它特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的第一方面，提供了一种连铸机扇形段的故障预测方法，其特征在于，所述方法包括：构建扇形段故障预测模型；采集所述连铸机扇形段在待预测工况下的历史浇铸参数值；将所述历史浇铸参数值输入所述扇形段故障预测模型，以预测所述连铸机扇形段在待预测工况下的目标浇铸参数值，所述目标浇铸参数值用于表征所述连铸机扇形段在未来时段内的运行状态；通过所述目标浇铸参数值预测所述连铸机扇形段在未来时段内是否发生故障。

在本申请的一些实施例中，基于前述方案，所述构建扇形段故障预测模型，包括：获取所述连铸机扇形段在整个连铸生产过程中的浇铸参数值，以得到浇铸参数值集；按照连铸生产过程中的各个工况，对所述浇铸参数值集进行分割，以得到所述连铸机扇形段在待预测工况下的浇铸参数值子集；基于所述浇铸参数值子集，对初始机器学习模型进行训练，以得到扇形段故障预测模型。

在本申请的一些实施例中，基于前述方案，所述待预测工况包括开浇工况，所述浇铸参数值包括铸流长度，所述按照连铸生产过程中的各个工况，对所述浇铸参数值集进行分割，以得到所述连铸机扇形段在待预测工况下的浇铸参数值子集，包括：根据所述铸流长度，从所述浇铸参数值集中分割出所述连铸机扇形段在开浇工况下的浇铸参数值子集。

在本申请的一些实施例中，基于前述方案，所述待预测工况包括正常浇铸工况，所述浇铸参数值包括连铸拉矫力和/或连铸拉速，所述按照连铸生产过程中的各个工况，对所述浇铸参数值集进行分割，以得到所述连铸机扇形段在待预测工况下的浇铸参数值子集，包括：在所述浇铸参数值集中确定多个滑动时间窗口内的连铸拉矫力和/或连铸拉速；分别计算各个滑动时间窗口内连铸拉矫力的方差和/或连铸拉速的方差；根据各个滑动时间窗口内连铸拉矫力的方差和/或连铸拉速的方差，从所述浇铸参数值集中分割出所述连铸机扇形段在正常浇铸工况下的浇铸参数值子集。

在本申请的一些实施例中，基于前述方案，所述基于所述浇铸参数值子集，对初始机器学习模型进行训练，以得到扇形段故障预测模型，包括：对所述浇铸参数值子集中的浇铸参数值进行去噪处理，以得到训练样本集；按照预设比例，将所述训练样本集划分为训练集和测试集；基于所述训练集和所述测试集，对初始机器学习模型进行训练，以得到扇形段故障预测模型。

在本申请的一些实施例中，基于前述方案，在将所述历史浇铸参数值输入所述扇形段故障预测模型之前，所述方法还包括：对所述历史浇铸参数值进行去噪处理。