一种基于LDS-DBTA-Adaboost的热轧板凸度诊断方法

本发明公开一种基于LDS‑DBTA‑Adaboost的热轧板凸度诊断方法，涉及轧钢自动化技术领域。针对生产数据存在的数据不均衡的问题，提出一种基于局部密度的过采样合成方法来扩大样本容量，在此基础上，提出了一种新的DBTA框架，将多分类问题转化为二元分类问题以简化分类过程，并结合Adaboost作为基分类器，最终提出了LDS‑DBTA‑Adaboost板凸度故障诊断框架，解决了针对热轧板凸度故障诊断中的多分类数据不平衡情况下预测诊断精度不高的局限性，提高了诊断的计算速度，以更简单的结构提高故障诊断准确性，使其适合大规模数据集和实时应用。