典型文献
基于PSO-PNN的铸坯全长表面纵裂纹在线预测
文献摘要：
表面纵裂纹是铸坯质量缺陷中一种最常见的表面质量缺陷.环境因素使得铸坯表面纵裂纹在线检测精度不高,各大钢厂铸坯质检仍要依赖人工,因此提出一种基于粒子群PSO优化概率神经网络PNN的铸坯全长表面纵裂纹预测方法.首先,建立铸坯生产过程跟踪及数据时空变换模型,构建铸坯生产系统将生产过程数据与铸坯长度方向进行匹配;再利用PNN的Bayes最小风险准则进行有监督特征学习,并利用寻优算法PSO优化PNN关键参数的选取,得到最终的模型PSO-PNN;最后,利用某钢厂连铸产线铸坯质量缺陷数据和生产过程数据进行试验验证.结果表明,该方法对铸坯整体的质量预测分类精度达到97.5％,铸坯全长的裂纹缺陷的预测精确率和召回率均在92％以上,能有效实现铸坯全长表面纵裂纹的预测,为现场质检人员提供参考.
文献关键词：
全长表面纵裂纹预测;铸坯生产过程跟踪;数据时空变换;概率神经网络(PNN);粒子群优化算法(PSO)
中图分类号：
作者姓名：
肖敏;胡韬;张卫;丁成砚;邵健;陈丹
作者机构：
新余钢铁集团有限公司数智化部,江西新余338001;北京科技大学高效轧制与智能制造国家工程研究中心,北京100083
文献出处：
引用格式：
[1]肖敏;胡韬;张卫;丁成砚;邵健;陈丹-.基于PSO-PNN的铸坯全长表面纵裂纹在线预测)[J].连铸,2022(06):45-53
A类：
表面纵裂纹,全长表面纵裂纹预测,铸坯生产过程跟踪,数据时空变换
B类：
PSO,PNN,在线预测,铸坯质量,表面质量缺陷,在线检测,检测精度,钢厂,质检,仍要,概率神经网络,生产系统,过程数据,Bayes,小风,有监督,特征学习,寻优算法,连铸,缺陷数据,质量预测,预测分类,分类精度,裂纹缺陷,精确率,召回率,粒子群优化算法
AB值：
0.202762
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。
