典型文献
基于随机森林和聚类的连铸坯纵裂纹预报方法
文献摘要：
纵裂纹是一种常见的铸坯表面缺陷,准确预测铸坯表面纵裂对于提高铸坯质量有着重要意义.针对纵裂纹形成与扩展过程中结晶器热电偶温度在时间、空间上的变化趋势,捕获和提取了热电偶时序温度的典型变化特征,采用随机森林(Random Forest,RF)对捕捉到的特征进行降维,筛选出与纵裂联系密切的相关特征,在此基础上建立了基于K均值(K Means)聚类的纵裂检测模型.结果表明,提出的基于温度时序特征和聚类算法的纵裂预测模型能够正确区分和识别纵裂纹和正常工况样本,将机器学习方法引入连铸过程异常监控提供了新的思路.
文献关键词：
纵裂纹;随机森林;K均值聚类;特征降维;结晶器;连铸板坯
中图分类号：
作者姓名：
张赫;段海洋;王旭东;姚曼
作者机构：
大连理工大学材料科学与工程学院,辽宁大连116024;辽宁省凝固控制与数字化制备技术重点实验室,辽宁大连116024
文献出处：
引用格式：
[1]张赫;段海洋;王旭东;姚曼-.基于随机森林和聚类的连铸坯纵裂纹预报方法)[J].连铸,2022(06):21-28,44
A类：
B类：
连铸坯,纵裂纹,预报方法,表面缺陷,准确预测,铸坯质量,结晶器,热电偶,Random,Forest,RF,捕捉到,Means,检测模型,时序特征,聚类算法,正确区分,机器学习方法,连铸过程,程异,均值聚类,特征降维,连铸板坯
AB值：
0.320611
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
