[发明专利]一种基于时序网络的连铸坯质量预测方法及系统

权利要求书

1.一种基于时序网络的连铸坯质量预测方法，其特征在于，包括离线质量缺陷预测器训练和在线质量缺陷预测两个部分，其中，所述离线质量缺陷预测器训练包括以下步骤。

步骤S1：服务器收集连铸坯生产过程数据和对应的样本标签，对连铸坯生产过程数据进行预处理后，基于连铸坯生产过程数据筛选出M个重要特征变量，去除连铸坯生产过程数据中不属于重要特征变量的数据获得多变量数据X＝{x₁，x₂，...，x_m，...，x_M}，x_m为多变量数据X中的第m个单变量数据，为筛选出的一个重要特征变量数据；

步骤S2：服务器提取多变量数据X中的感知关键点，并统计得到感知关键点数量P_s；

步骤S3：服务器计算出多变量数据X中每条单变量对应的时序距离D，然后根据时序距离D计算出多变量数据X对应的时序距离D_M；

步骤S4：服务器构建时序网络模型，根据处理后的多变量数据X训练时序网络模型；

所述在线质量缺陷预测包括以下步骤：

步骤S5：传感器采集连铸坯的生产过程实时数据，并将其上传到服务器；

步骤S6：服务器对收集到的生产过程实时数据进行预处理和标准化，从生产过程实时数据中筛选出与M个重要特征变量相对应的多变量数据X；

步骤S7：服务器计算得到多变量数据X的感知关键点数量P_s和时序距离D_M；

步骤S8：服务器将多变量数据X、感知关键点数量P_s和时序距离D_M输入训练好的时序网络模型中，获得该连铸坯的质量类别。

2.如权利要求1所述一种基于时序网络的连铸坯质量预测方法，其特征在于，所述步骤S1具体包括以下子步骤：

步骤S1-1：服务器收集连铸坯生产过程数据和对应的样本标签，去除重复数据，对缺失数据填零处理，将连铸坯生产过程数据进一步定义为样本时序数据；

步骤S1-2：标准化样本时序数据X，根据公式将样本数据X缩放到标准区间[0.0，1.0]内，std(X)表示标准化函数；

步骤S1-3：根据标准化后的样本时序数据，利用随机森林模型筛选出M个重要特征变量，得到重要特征集合F＝{f₁，f₂，...f_M}，f_M表示第M个重要特征；

步骤S1-4：去除样本时序数据X中不在重要特征集合F中的特征变量数据，则将每条样本时序数据X重新定义为一个多变量数据，表示为X＝{x₁，x₂，...，x_m，...，x_M}，x_m为多变量数据X中的第m个单变量数据，为筛选出的一个重要特征变量数据。

3.如权利要求1所述一种基于时序网络的连铸坯质量预测方法，其特征在于，所述步骤2具体包括以下子步骤：

步骤S2-1：计算多变量X中的感知关键点，将第i个感知关键点表示为P_i，则将符合下式的波动点tp_i记为感知关键点P_i，得到关键点集合P＝{P₁，P₂，...，P_i，...，P_n}，n表示样本时序数据X中的感知关键点的总数：

tp_i-1≤tp_i≤tp_i+1或者tp_i-1≥tp_i≤tp_i+1

s.t.|k_i-k_i-1|≥δ

式中，k_i表示两个不同观测点相连而成的直线的斜率，(x_i，y_i)分别是时序中的某个时间点和某个变量值；

步骤S2-2：计算每条多变量X中的感知关键点数量P_s＝|P|＝n。