350 工程科学学报，第42卷，第3期 随着黏结点继续下移，当其经过第二、三排热电偶 “时滞性”和“温度倒置”的特征与上述情况一致， 时，其电偶温度亦会先上升后下降.同列热电偶温 如图2(b)所示；误报（图2(c))时的温度模式各异， 度上升、下降及其峰值在时间上有明显的“时滞 如误报-1温度同时上升，误报-3和误报-4第二排 性”.部分情况下，也会出现下排热电偶温度高于 温度虽上升，但第一排温度均不具备漏钢特征，误 上排热电偶温度的情况，称之为“温度倒置”.“时 报-2和误报-5温度虽有上升和下降，但不具有 滞性”和“温度倒置“是漏钢的典型特征，也是漏钢 “时滞性”.由此可见，漏钢温度模式相似，而包括 预报方法捕捉和预报漏钢的重要依据山 正常和误报在内的正常工况温度模式却不尽相 图2为正常(N)、漏钢(B)和误报(F)(生产正 同，与漏钢模式差别较大 常而漏钢预报系统发出报警)模式下的温度曲线， 基于逻辑判断的漏钢预报方法需要设定温度 每种情况各展示5个例子.从图2(a)中可以看出， 上升幅值、温度上升速率、温度下降速率以及时 正常模式下温度几乎没有波动，不具备漏钢时典 滞参数等，从图2所示的漏钢温度可以看出，上述 型的“时滞性”和“温度倒置”特征；而漏钢 参数难以统一和准确设定，参数设置不合理将增 (图2(b))时的温度模式具有单一性和相似性，其 大误报率，严重时会引起漏报.基于神经网的漏 90FN-1 -o-The first row (a) B-1 -0-The first row (b) 110 F-1 -0-The first row (c) -o-The second row 100 -0-The second row 850000000000000000000000000 105 -0-The second row 9 100 96 95 000000000o000000000000000 15 94 90 700000000000000000000000000 92 85 65 90 00000000000000000600 80 000000000000000000000 N-2 -o-The first row B-2 -0-The first row F-2 -0-The first row 95 sccond row 144 0 -The second row 93 -o-The second row 136 0 90 87 128 84 120 00 81 80000000000000000000000000 112 78 N.3 -o-The first row 133 B-3 -o-The first row 126 F.3 -o-The first row pooooodoob8eod8%0 -0-The second row -oThe second row 88 ⊙126 119 108 99 105 o f0000000000000000000000000 98 91 000000000000000° 81 72 N-4 -o-The first row B-4 -o-The first row F-4 -o-The first row 100 -o-The second row 105 -o-The second row 110 -o-The second row 0000000000000000000000000 95 100 105 1o0000000000000000 90 95 100 95 0000000000000000000000000 90 00 3 90N-5 -oThe first row B-5 -0-The first row F-5 -o-The first row -The second ro 132 -0-The second row 105 0 The second row 0000o000o0000000g 00000o000000000a。 88 129 100 0000 126 T000000o00d 95 00000000000000000000g°000 123 % 120 000000000000000000o 85 Time/s Time/s Iime/s 图2 不同工况下的温度变化.(a)正常：(b)漏钢：(c)误报 Fig.2 Temperature comparison of different situations:(a)normal;(b)breakout;(c)false alarm随着黏结点继续下移，当其经过第二、三排热电偶 时，其电偶温度亦会先上升后下降. 同列热电偶温 度上升、下降及其峰值在时间上有明显的“时滞 性”. 部分情况下，也会出现下排热电偶温度高于 上排热电偶温度的情况，称之为“温度倒置”. “时 滞性”和“温度倒置“是漏钢的典型特征，也是漏钢 预报方法捕捉和预报漏钢的重要依据[11] . 图 2 为正常（N）、漏钢（B）和误报（F）（生产正 常而漏钢预报系统发出报警）模式下的温度曲线， 每种情况各展示 5 个例子. 从图 2（a）中可以看出， 正常模式下温度几乎没有波动，不具备漏钢时典 型 的 “ 时 滞 性 ” 和 “ 温 度 倒 置 ” 特 征 ； 而 漏 钢 （图 2（b））时的温度模式具有单一性和相似性，其 “时滞性”和“温度倒置”的特征与上述情况一致， 如图 2（b）所示；误报（图 2（c））时的温度模式各异， 如误报−1 温度同时上升，误报−3 和误报−4 第二排 温度虽上升，但第一排温度均不具备漏钢特征，误 报−2 和误报−5 温度虽有上升和下降，但不具有 “时滞性”. 由此可见，漏钢温度模式相似，而包括 正常和误报在内的正常工况温度模式却不尽相 同，与漏钢模式差别较大. 基于逻辑判断的漏钢预报方法需要设定温度 上升幅值、温度上升速率、温度下降速率以及时 滞参数等，从图 2 所示的漏钢温度可以看出，上述 参数难以统一和准确设定，参数设置不合理将增 大误报率，严重时会引起漏报. 基于神经网络的漏 90 85 80 75 70 65 N-1 The first row (a) The second row 95 90 85 80 N-2 The first row The second row 96 88 80 72 64 N-3 The first row The second row Temperature/℃ 100 95 90 85 80 N-4 The first row The second row 90 88 86 84 N-5 Time/s The first row The second row 100 98 96 94 92 90 B-1 The first row (b) The second row 144 136 128 120 112 B-2 The first row The second row 133 126 119 112 105 98 91 B-3 The first row The second row Temperature/℃ 105 100 95 90 85 B-4 The first row The second row 132 135 129 126 123 120 B-5 Time/s The first row The second row 105 110 100 95 90 85 80 F-1 The first row (c) The second row 93 90 84 87 81 78 F-2 The first row The second row 126 117 108 99 90 81 72 F-3 The first row The second row Temperature/℃ 110 105 100 95 90 F-4 The first row The second row 105 100 95 90 85 F-5 Time/s The first row The second row 图 2    不同工况下的温度变化. （a）正常；（b）漏钢；（c）误报 Fig.2    Temperature comparison of different situations: (a) normal; (b) breakout; (c) false alarm · 350 · 工程科学学报，第 42 卷，第 3 期