买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种基于特征向量和神经网络的结晶器漏钢预报方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115294032B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210851887.X，技术领域涉及：G06T7/00；该发明授权一种基于特征向量和神经网络的结晶器漏钢预报方法是由王旭东;王砚宇;段海洋;姚曼设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于特征向量和神经网络的结晶器漏钢预报方法在说明书摘要公布了：本发明提供一种基于特征向量和神经网络的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。所述的结晶器漏钢预报方法通过提取结晶器铜板温度速率异常区域的形状特征与扩展特征，并利用神经网络对构建的特征向量进行分类，从而检测和预报结晶器漏钢。适用于板坯、方坯、圆坯、异型坯等连铸坯的漏钢预报。本发明通过在线获取热电偶的实测温度，可视化表征出温度速率异常区域，进而提取和构建异常区域的特征向量，通过神经网络模型对特征向量样本库进行学习和训练，最终实现结晶器漏钢的在线预报；该方法基于神经网络模型对结晶器漏钢进行实时检测和预报，能够在保证100％黏结漏钢报出率的前提下，同时降低误报率，有效提高预报准确率。

本发明授权一种基于特征向量和神经网络的结晶器漏钢预报方法在权利要求书中公布了：1.一种基于特征向量和神经网络的结晶器漏钢预报方法，其特征在于，所述的方法通过提取结晶器铜板温度速率异常区域的形状特征与扩展特征，并利用神经网络对构建的特征向量进行分类，进而检测和预报结晶器漏钢，包括以下步骤： 第一步、结晶器铜板温度速率异常区域的可视化表征，得到铜板异常温度速率点的波动区域；第二步、异常区域形状特征与扩展特征提取 1提取异常温度波动区域的形状特征 1.1按照边界跟踪法从第一步中得到的异常温度波动区域的左上角点开始，以顺时针方向遍历并提取区域所有的外围轮廓点，以平面二维坐标形式表示：x0,y0，x1,y1…xK-1,yK-1共K个轮廓点； 1.2将轮廓点用坐标序列表示sk＝[xk,yk],k＝0,1,...K-1，并将每个坐标点对转化为复数来处理，即sk＝xk+jyk,k＝0,1,2,...,K-1； 1.3对sk做离散傅里叶变换：变换后的复系数au称为异常温度波动区域边界的傅里叶描述子，后续通过这些系数的傅里叶反变换可以恢复sk； 1.4观测1.3中计算得到的傅里叶系数，若第P个傅里叶系数值已趋近于0则取前P个傅里叶系数对轮廓进行近似重构，并对其归一化处理，得到表征异常温度波动区域轮廓的傅里叶系数： 1.5计算向量fdk＝[fd0,fd1,...fdP-1]的模长||fdk||作为当前异常区域的形状特征值Fourier_Descriptor； 2提取异常温度波动区域的动态扩展特征 2.1观测异常温度波动区域在n秒内的连续扩展行为，提取其每一时刻的面积值St,t＝0,1...n，并计算其每一时刻区域重心距t＝0和t＝n时刻区域重心距离之和 2.2按如下公式计算异常区域动态扩展系数： 回溯样本库中大量异常温度波动区域，按照2.1的方式计算其的值，汇总后选取其中的最小值Dmin和最大值Dmax作为需要满足距离范围的下限和上限；若不满足距离要求，则将Sticking_Expansion设为无效值Invalid； 第三步、特征组合及数据预处理 1参考连铸现场的生产数据报表，按照第一步的方式提取出样本的异常温度波动区域，并根据报表统计将异常温度波动区域划分为黏结漏钢区域及正常工况区域，根据第二步所述步骤分别提取其形状特征及动态扩展特征，并组合为二维特征向量VB与VN，即： VB＝[FDB,SEB] VN＝[FDN,SEN] 其中，FDB与SEB分别为黏结漏钢区域的形状特征和动态扩展特征，FDN与SEN分别为正常工况区域的形状特征和动态扩展特征； 2构建特征向量样本库D，其中包含m例黏结漏钢区域特征向量VB和n例正常工况区域特征向量VN；D＝{VB1,1,VB2,1,...,VBm,1,VN1,0,VN2,0,...,VNn,0}，其中1和0分别表示黏结漏钢和正常工况区域的样本标签； 3对D中样本进行归一化： 其中，Vimin、Vimax分别表示特征向量样本V第i维特征的最小值和最大值，Fvi表示特征向量V的第i维特征归一化后的数值；归一化处理后的样本库记为P： P＝{FvB1,1,FvB2,1,...,FvBm,1,FvN1,0,FvN2,0,...,FvNn,0} 第四步、神经网络模型构建及训练 1构建包含单隐层的3层BP神经网络，进行参数设定； 2基于已有样本集P训练神经网络模型，输出具有确定网络权值和阈值的BP神经网络； 第五步、神经网络模型实时预报漏钢 1实时获取结晶器铜板热电偶的温度数据，通过温度-颜色映射得到铜板二维温度热像图，进而通过帧间差分、阈值分割、两遍扫描法得到铜板温度速率异常区域的空间分布； 2提取温度速率异常区域的形状特征和动态扩展特征，将其组合并进行归一化处理后得到表征温度速率异常区域的特征向量Fv； 3将特征向量Fv输入至第四步得到的BP神经网络模型中，得到模型的预测值 4基于预测值对结晶器是否漏钢作出判断；若则发生黏结漏钢，报警并迅速降低铸机拉速；若则为正常工况，转到步骤1继续采集、处理温度数据和监测漏钢。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。