摘要：鉴于当前钢铁产品质量要求的不断提高，为改善现场生产，减少因连铸结晶器内高频数据波动导致的保护渣缺陷的发生，针对连铸保护渣缺陷，提出一种基于多个机器学习模型的堆叠集成算法。首先，通过滑动窗口将从连铸结晶器中提取的高频特征数据分割成子序列，并从高频数据的波动模式中提取每个窗口中的重要特征。然后，将热轧表面检测仪识别出的保护渣缺陷位置与窗口位置相对应。最后，利用集成了多个学习模型的堆叠分类算法模型进行保护渣缺陷发生位置预测。对比实验结果表明，该集成算法效果优于各单个学习模型及投票分类模型，且具有更好的泛化能力和整体预测性能。目前，基于多模型堆叠集成算法的连铸保护渣缺陷分析模型已在某热轧产线上线运行。上线后的预测结果与实际值的对比情况表明，该模型可预测保护渣缺陷及发生位置范围，提高保护渣缺陷分析效率，也为保护渣缺陷成因分析提供了新的思路与方法。 关键词：机器学习；集成算法；保护渣缺陷；连铸；缺陷分析 下载高清全文—基于多模型堆叠集成算法的连铸保护渣缺陷分析.pdf