師 波，代英男，左水利，吳永杰

(1.中國重型機(jī)械研究院股份公司，陜西 西安 710032；2.遼寧忠旺機(jī)械設(shè)備制造有限公司，遼寧 遼陽 111003)

0 前言

漏鋼是影響連鑄生產(chǎn)及其設(shè)備壽命的主要因素，由于連鑄現(xiàn)場環(huán)境十分惡劣，伴隨著噪聲振動(dòng)過大、高溫、電磁攪拌干擾大等多種因素，這些因素嚴(yán)重影響著漏鋼預(yù)報(bào)系統(tǒng)的準(zhǔn)確度[1-3]；在多種預(yù)報(bào)系統(tǒng)中，以熱電偶測溫法應(yīng)用最為普遍[4-6]，因?yàn)樵谡辰Y(jié)的發(fā)展過程中，破裂處結(jié)晶器銅板溫度會(huì)升高，利用埋設(shè)在結(jié)晶器銅板的熱電偶，便可以在縱向和橫向上測出一個(gè)明顯的溫度傳遞趨勢，最終做出關(guān)于漏鋼與否的判斷。

在實(shí)際澆鑄過程中，粘結(jié)漏鋼事故發(fā)生率最高，國內(nèi)外眾多學(xué)者都在積極尋求漏鋼預(yù)報(bào)的方法[7-11]，張本國等[12-14]提出基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的連鑄漏鋼預(yù)報(bào)，神經(jīng)網(wǎng)絡(luò)算法收斂速度慢不能滿足工業(yè)實(shí)際生產(chǎn)中的實(shí)時(shí)性，并容易陷入局部最小解。王葛、方一鳴等[15-17]提出基于支持向量機(jī)(SVM)算法的連鑄漏鋼預(yù)報(bào)模型，但目前關(guān)于SVM的參數(shù)優(yōu)化不盡人意，缺乏相應(yīng)的理論依據(jù)，不同的參數(shù)選取對(duì)算法的性能影響較大，這些算法都存在一定的誤報(bào)率和漏報(bào)率。因此，亟需開發(fā)一種誤報(bào)率極低、準(zhǔn)確率極高的漏鋼預(yù)報(bào)系統(tǒng)，滿足工業(yè)生產(chǎn)實(shí)際需求，提高板坯的表面質(zhì)量。

基于中國重型機(jī)械研究院積累多年的經(jīng)驗(yàn)，開發(fā)一種能應(yīng)用于工業(yè)實(shí)際生產(chǎn)中的漏鋼預(yù)報(bào)系統(tǒng)，本文提出一種基于機(jī)器學(xué)習(xí)K-means算法的漏鋼預(yù)報(bào)方法，進(jìn)行綜合判斷分析，并對(duì)某鋼廠220 mm×1 600 mm板坯連鑄機(jī)澆鑄過程采集到的溫度數(shù)據(jù)進(jìn)行測試，測試結(jié)果表明極大提高漏鋼預(yù)報(bào)的準(zhǔn)確率。

1 漏鋼預(yù)報(bào)系統(tǒng)的工作原理

該系統(tǒng)主要由五部分組成：結(jié)晶器內(nèi)、外弧上布置熱電偶;通過重載連接器將采集到的溫度數(shù)據(jù)傳輸?shù)讲杉?由采集箱通過網(wǎng)線傳輸?shù)焦た貦C(jī);工控機(jī)與漏鋼預(yù)報(bào)系統(tǒng)計(jì)算機(jī)之間采用PLC通訊;報(bào)警系統(tǒng)。

該系統(tǒng)工作原理是熱電偶將采集到的溫度數(shù)據(jù)通過重載連接器和電纜傳輸?shù)讲杉?，采集箱由溫度采集模塊、電源、交換機(jī)組成，將采集到的數(shù)據(jù)匯總到串口交換機(jī)，通過工業(yè)以太網(wǎng)將數(shù)據(jù)傳輸?shù)焦た貦C(jī)，工控機(jī)與主控室的計(jì)算機(jī)通過工業(yè)以太網(wǎng)進(jìn)行PLC通訊，采集到的數(shù)據(jù)經(jīng)過數(shù)據(jù)處理后識(shí)別為漏鋼數(shù)據(jù)，報(bào)警系統(tǒng)將通過聲和光信號(hào)進(jìn)行報(bào)警，漏鋼預(yù)報(bào)系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 漏鋼預(yù)報(bào)系統(tǒng)結(jié)構(gòu)示意圖

在結(jié)晶器銅板背面布置熱電偶如圖2所示，采用內(nèi)弧、外弧寬面3排3列，窄面2排3列，熱電偶每一時(shí)刻采集到的數(shù)據(jù)為60個(gè)。

圖2 結(jié)晶器布置熱電偶

2 K-means均值聚類算法的原理

基于距離的模型度量，可以選歐式距離、曼哈頓距離、馬氏距離、閔可夫距離，以及滿足距離公理的其他所有距離，基于KNN算法中采用2范數(shù)閔可夫距離，也就是歐式距離。

(1)

定理[7]設(shè)是歐式空間中的一個(gè)點(diǎn)集，則其算術(shù)平均值μ是使到D中所有數(shù)據(jù)點(diǎn)的歐式距離平方和最小的唯一點(diǎn)。

通過求取梯度，并令其為0，即

即

根據(jù)大量有代表性的樣本數(shù)據(jù)，構(gòu)建漏鋼預(yù)報(bào)系統(tǒng)的模型，依據(jù)最近的鄰范例制定決策規(guī)則，分類器在構(gòu)建的過程中，使到集合中各向量歐式距離的平方和最小。在某鋼廠板坯連鑄機(jī)結(jié)晶器布置的熱電偶如圖3所示，剔除運(yùn)行期間外弧寬面3 個(gè)熱電偶(TC103、TC104、TC302)開路，1個(gè)熱電偶(TC105)閉路，左窄面1個(gè)熱電偶(TD102)開路共5個(gè)熱電偶損壞，因此每一時(shí)刻采集到的有效數(shù)據(jù)共55個(gè)。

圖3 熱電偶布置示意圖

3 連鑄漏鋼預(yù)報(bào)方法

3.1 K-means故障預(yù)報(bào)算法

建模和算法設(shè)計(jì)先不考慮實(shí)時(shí)性的要求，根據(jù)現(xiàn)有數(shù)據(jù)進(jìn)行特性分析，主要特征提取，分類參數(shù)獲取，參數(shù)調(diào)節(jié)；驗(yàn)證(正常運(yùn)行的測試)，滿足實(shí)時(shí)性要求的基礎(chǔ)上，對(duì)實(shí)時(shí)采集數(shù)據(jù)或者新的歷史數(shù)據(jù)進(jìn)行分析預(yù)報(bào)處理，兩者反復(fù)的迭代找出最適合的算法及參數(shù)。

K-means均值聚類是一種無監(jiān)督的學(xué)習(xí)，將相似的對(duì)象歸到同一個(gè)簇中，簇個(gè)數(shù)K是用戶事先給定的，每一個(gè)簇通過其質(zhì)心(簇中所有點(diǎn)的中心)來描述，連鑄漏鋼預(yù)報(bào)系統(tǒng)采集的數(shù)據(jù)分為3類：正常澆鑄、溫度上升、漏鋼時(shí)刻，寬面和窄面的數(shù)據(jù)如圖4所示。

圖4 漏鋼預(yù)報(bào)系統(tǒng)采集溫度曲線

連鑄漏鋼預(yù)報(bào)系統(tǒng)簇的個(gè)數(shù)K選取為3；創(chuàng)建3個(gè)點(diǎn)作為起始質(zhì)心(隨機(jī)的選擇)，當(dāng)任意一個(gè)點(diǎn)的簇分類結(jié)果發(fā)生改變時(shí)，對(duì)數(shù)據(jù)樣本中的每個(gè)數(shù)據(jù)點(diǎn)，計(jì)算質(zhì)心與數(shù)據(jù)點(diǎn)的歐氏距離，將數(shù)據(jù)點(diǎn)分配到距其最近的簇，對(duì)于每個(gè)簇，計(jì)算簇中所有點(diǎn)的均值作為其質(zhì)心，K-means算法程步驟如圖5所示。

圖5 K-means算法流程圖

3.2 在Matlab中對(duì)K-means算法測試

在某鋼廠漏鋼預(yù)報(bào)系統(tǒng)布置的熱電偶如圖2所示，每一時(shí)刻采集到的有效數(shù)據(jù)共55個(gè)，從漏鋼預(yù)報(bào)系統(tǒng)的數(shù)據(jù)庫里面選取20 000個(gè)具有代表性的訓(xùn)練樣本進(jìn)行學(xué)習(xí)，其中訓(xùn)練樣本包含19 717個(gè)正常澆鑄時(shí)刻的數(shù)據(jù)，157個(gè)溫度上升時(shí)刻的數(shù)據(jù)，126個(gè)漏鋼故障時(shí)刻的數(shù)據(jù)，因此，樣本數(shù)據(jù)為20 000×55的矩陣。

為了驗(yàn)證所設(shè)計(jì)K-means算法的有效性，在Matlab中運(yùn)行算法程序，結(jié)果如圖6所示，可以看出紅色時(shí)刻漏鋼數(shù)據(jù)、溫度上升時(shí)刻數(shù)據(jù)、正常澆注數(shù)據(jù)清晰的分類，三個(gè)簇的質(zhì)心選取正確，因此證明所設(shè)計(jì)的K-means算法是正確的。K-means算法的優(yōu)點(diǎn)是容易實(shí)現(xiàn)分類，收斂速度快，使用該算法時(shí)，建議多次運(yùn)行，并選擇簇內(nèi)散度最小的那個(gè)解。

圖6 K-means算法運(yùn)行結(jié)果

4 結(jié) 論

本文將K-means機(jī)器學(xué)習(xí)算法引入到連鑄漏鋼預(yù)報(bào)系統(tǒng)中，解決了傳統(tǒng)算法的收斂速度慢、誤報(bào)率高的問題，對(duì)某鋼廠連鑄生產(chǎn)過程中結(jié)晶器熱電偶所采集的溫度數(shù)據(jù)進(jìn)行降維和聚類后測試，測試結(jié)果表明，預(yù)報(bào)效果較為滿意，可以對(duì)采集的數(shù)據(jù)進(jìn)行正確分類，提高了漏鋼預(yù)報(bào)系統(tǒng)對(duì)粘結(jié)漏鋼溫度模式的識(shí)別精度，降低了誤報(bào)率。