基于多工艺变量融合与深度学习的连铸过程异常监控方法

本发明公开了基于多工艺变量融合与深度学习的连铸过程异常监控方法，涉及冶金工业自动化控制与智能制造领域，该方法通过多源工艺数据的自动采集与融合，利用深度神经网络构建检测模型，实现异常区间的准确识别与分类、异常等级的智能判定与综合分析，并进行结果可视化与实时报警联动。与现有技术相比，本发明具有区间识别能力强、可解释性强、实时性强、部署灵活、适应性强等优点，适用于钢铁生产中连铸工艺过程的实时异常区间检测、定位与综合分析。