一种基于水平连铸工艺的参数异常监测方法、系统及介质与流程

本申请涉及水平连铸，具体涉及一种基于水平连铸工艺的参数异常监测方法、系统及介质。

背景技术：

1、水平连铸技术以其高效率和连续性在金属成型工艺中发挥着关键作用，尤其适合制造具有统一截面的长铸件，如钢坯和铁管。等温淬火球墨铸铁，作为一种先进的工程材料，通过精确的热处理和合金化，实现了微观组织的优化，显著提升了材料性能。然而，水平连铸过程中对温度控制极为敏感，任何异常都可能影响产品质量。因此，对连铸过程中的温度等关键参数进行严格监测，对于保障产品质量至关重要，有助于及时发现并纠正生产中的偏差。

2、lof算法（local outlier factor，局部离群因子检测方法）是一种基于数据局部密度的异常检测算法方法，用于识别数据集中的异常点。在水平连铸球墨铸铁的生产过程中，lof算法可以有效地应用于参数异常监测。lof算法中k值是一个关键的参数，它定义了在计算每个数据点的局部密度时考虑的最近邻数据点的数量。传统的lof算法使用固定的k值，不能根据数据的变化进行调整，可能会导致异常数据识别出现误差。

技术实现思路

1、为了解决上述技术问题，本申请的目的在于提供一种基于水平连铸工艺的参数异常监测方法、系统及介质，所采用的技术方案具体如下：

2、第一方面，本申请实施例提供了一种基于水平连铸工艺的参数异常监测方法，该方法包括以下步骤：

3、在水平连铸工艺生产线的各设备上安装多个温度传感器，获取各温度传感器的空间坐标及各时刻采集的温度数据；

4、对于任一温度传感器的温度数据，根据邻近时刻温度数据之间的差异得到各温度突变点；

5、根据温度传感器的各温度突变点与邻近时间段内温度突变点之间的差异构建各温度突变点的温度突变密度；根据相同时刻各温度突变点对应的温度传感器的空间坐标之间的差异构建各温度突变点的温度空间密度；基于温度突变密度及温度空间密度构建各温度突变点的自适应k值；

6、基于自适应k值结合lof算法获取各温度突变点的lof值，基于lof值进行温度异常检测。

7、在其中一种实施例中，所述各温度突变点的获取过程为：

8、将任一时刻作为所述任一时刻的邻域窗口的最后一个时刻，构建各时刻的邻域窗口；

9、基于各时刻的温度与对应邻域窗口中所有时刻的温度之间的差异构建各时刻温度的累积温度差异；

10、将所述任一温度传感器的所有所述累积温度差异的均值记为第一均值；将累积温度差异大于所述第一均值的温度记为温度突变点。

11、在其中一种实施例中，所述累积温度差异的表达式为：

12、，式中，表示第a个时刻温度的累积温度差异，m表示各时刻的邻域窗口中元素数量，表示第a个时刻的温度值，表示第a个时刻的邻域窗口中第i个时刻的温度值。

13、在其中一种实施例中，所述温度突变密度的获取过程为：

14、对于各温度传感器，将温度传感器的各温度突变点所在时刻的邻域窗口中所有元素组成的序列记为邻域温度序列；

15、将温度传感器的第k个温度突变点的温度突变密度记为，的计算表达式为：

16、，式中，n表示温度传感器的第k个温度突变点之前预设时间段内温度突变点的数量，表示温度传感器的第k个温度突变点与对应预设时间段内第j个温度突变点之间的时间间隔，表示温度传感器的第k个温度突变点的邻域温度序列与对应预设时间段内第j个温度突变点的邻域温度序列之间的相似性，为归一化函数。

17、在其中一种实施例中，所述温度空间密度的获取过程为：

18、将各温度突变点所在温度传感器的坐标作为各温度突变点的坐标；

19、将各采集时刻的所有温度传感器的温度突变点组成的集合作为各采集时刻的突变点集合；

20、计算任一温度突变点与对应突变点集合中每个温度突变点的坐标之间的距离的倒数，记为第一倒数；将所述任一温度突变点的所有所述第一倒数的融合值作为所述任一温度突变点的温度空间密度。

21、在其中一种实施例中，所述各温度突变点的自适应k值的计算表达式为：

22、，式中，表示第q个温度突变点的自适应k值，表示四舍五入，表示第q个温度突变点的温度分布密度，表示第q个温度突变点的温度空间密度，为预设参数。

23、在其中一种实施例中，所述基于自适应k值结合lof算法获取各温度突变点的lof值，具体为：

24、将所有传感器采集的所有温度数据作为lof算法的输入，将各温度突变点的自适应k值作为各温度突变点在lof算法中的k值，输出为各温度突变点的lof值。

25、在其中一种实施例中，所述基于lof值进行温度异常检测，具体为：

26、若各温度突变点的lof值大于预设异常阈值，则各温度突变点为异常温度波动点；否则，则各温度突变点为正常温度波动点。

27、第二方面，本申请实施例还提供了一种基于水平连铸工艺的参数异常监测系统，包括：

28、数据采集模块：在水平连铸工艺生产线的各设备上安装多个温度传感器，获取各温度传感器的空间坐标及各时刻采集的温度数据；

29、数据处理模块：对于任一温度传感器的温度数据，根据邻近时刻温度数据之间的差异得到各温度突变点；

30、根据温度传感器的各温度突变点与邻近时间段内温度突变点之间的差异构建各温度突变点的温度突变密度；根据相同时刻各温度突变点对应的温度传感器的空间坐标之间的差异构建各温度突变点的温度空间密度；基于温度突变密度及温度空间密度构建各温度突变点的自适应k值；

31、异常检测模块：基于自适应k值结合lof算法获取各温度突变点的lof值，基于lof值进行温度异常检测。

32、第三方面，本申请实施例还提供了一种基于水平连铸工艺的参数异常监测介质，包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。

33、本申请实施例至少具有如下有益效果：

34、本申请通过温度波动获得温度突变点，通过考虑温度突变点在时间和空间上的分布密度获得温度突变点的自适应的k值，使得lof算法可以根据数据密度进行自适应调整，避免传统的lof算法使用固定的k值导致异常温度数据识别出现误差的问题；

35、在水平连铸工艺生产线的各设备上安装多个温度传感器，获取各温度传感器的空间坐标及各时刻采集的温度数据；根据邻近时刻温度数据之间的差异得到各温度突变点；根据相同温度传感器的温度突变点与邻近时间段内温度突变点之间的差异构建各温度突变点的温度突变密度；根据相同时刻温度突变点对应的温度传感器的空间坐标之间的差异构建各温度突变点的温度空间密度；基于温度突变密度及温度空间密度构建各温度突变点的自适应k值；基于自适应k值结合lof算法获取各温度突变点的lof值，基于lof值进行温度异常检测，提高了异常温度数据识别准确性。

技术特征：

1.一种基于水平连铸工艺的参数异常监测方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述各温度突变点的获取过程为：

3.如权利要求2所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述累积温度差异的表达式为：

4.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述温度突变密度的获取过程为：

5.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述温度空间密度的获取过程为：

6.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述各温度突变点的自适应k值的计算表达式为：

7.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述基于自适应k值结合lof算法获取各温度突变点的lof值，具体为：

8.如权利要求1所述的一种基于水平连铸工艺的参数异常监测方法，其特征在于，所述基于lof值进行温度异常检测，具体为：

9.一种基于水平连铸工艺的参数异常监测系统，包括：

10.一种基于水平连铸工艺的参数异常监测介质，包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任意一项方法的步骤。

技术总结本申请涉及水平连铸技术领域，具体涉及一种基于水平连铸工艺的参数异常监测方法、系统及介质，具体包括：在水平连铸工艺生产线的各设备上安装多个温度传感器，获取各温度传感器的空间坐标及各时刻采集的温度数据；根据邻近时刻温度数据之间的差异得到各温度突变点；根据相同温度传感器的温度突变点与邻近时间段内温度突变点之间的差异，以及相同时刻温度突变点对应的温度传感器的空间坐标之间的差异构建各温度突变点的自适应K值；基于自适应K值结合LOF算法获取各温度突变点的LOF值，基于LOF值进行温度异常检测。避免传统的LOF算法使用固定的K值导致异常温度数据识别出现误差的问题，提高了异常温度数据识别准确性。技术研发人员：魏志勇,付永晟,孔令伟受保护的技术使用者：河北恒工精密装备股份有限公司技术研发日：技术公布日：2024/10/17