高炉炉温确定方法、装置、电子设备及存储介质与流程
本申请属于工业生产,特别是涉及一种高炉炉温确定方法、装置、电子设备及存储介质。
背景技术:
1、高炉炼铁是钢铁工业的核心环节,炉温的稳定控制直接影响铁水质量、焦炭消耗和生产安全。铁水中的硅含量是反映高炉炉温的核心指标。近年来,基于普通可见光相机的机器视觉炉温监测技术逐渐兴起,但大多采用的都是全风口平均亮度计算方式,忽略了不同风口的个体差异,并且未考虑风口亮度与铁水硅含量的热力学滞后效应,导致炉温确定结果会严重失真。
技术实现思路
1、鉴于以上现有技术的缺点,本申请提供一种高炉炉温确定方法、装置、电子设备及存储介质,至少解决相关技术中高炉炉温确定结果会严重失真的问题。
2、第一方面,本申请提供一种高炉炉温确定方法,包括:
3、获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像;
4、对每一燃烧图像进行多维特征提取,得到每一燃烧图像对应的多维燃烧特征,并对各目标风口中的多维燃烧特征进行融合,得到各目标风口在预设时间窗口内的时序燃烧特征;
5、根据预先划分的高炉空间区域,对各空间区域内的目标风口的时序燃烧特征进行融合,得到各空间区域的时序燃烧融合特征;
6、根据各空间区域的时序燃烧融合特征,确定高炉当前的铁水硅含量,并基于铁水硅含量,确定高炉的炉温。
7、于本申请一实施例中,获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像之前,还包括:
8、获取预设时间窗口内高炉各样本风口的连续多帧样本燃烧图像;
9、根据各样本风口的连续多帧样本燃烧图像和铁水硅含量标签值,训练得到各样本风口的单风口预测模型;
10、获取各样本风口的单风口预测模型的模型评价指标,基于模型评价指标从样本风口中确定出目标风口。
11、于本申请一实施例中,模型评价指标包括业务准确率,基于模型评价指标从样本风口中确定出目标风口,包括:
12、从样本风口中选取单风口预测模型的业务准确率大于预设准确率的有效风口;
13、若有效风口的数量大于预设数量阈值,则选取业务准确率排名前n的有效风口作为目标风口;
14、若有效风口的数量小于或等于预设数量阈值,则选取业务准确率大于预设准确率的所有有效风口作为目标风口。
15、于本申请一实施例中,对各目标风口中的多维燃烧特征进行融合,得到各目标风口在预设时间窗口内的时序燃烧特征,包括:
16、确定多维燃烧特征中每一维燃烧特征在所述预设时间窗口内的均值、最大值、最小值、一阶变化率以及二阶变化率;
17、根据每一维燃烧特征的均值、最大值、最小值、一阶变化率以及二阶变化率,确定各目标风口在预设时间窗口内的时序燃烧特征。
18、于本申请一实施例中,对各空间区域内的目标风口的时序燃烧特征进行融合,得到各空间区域的时序燃烧融合特征,包括:
19、根据各目标风口对应的单风口预测模型的模型评价指标,确定各目标风口的融合权重;
20、根据各目标风口的融合权重,对高炉各空间区域内的目标风口的时序燃烧特征进行融合,得到各空间区域的时序燃烧融合特征。
21、于本申请一实施例中,获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像,包括:
22、获取预设时间窗口内高炉各目标风口的连续多帧初始燃烧图像;
23、对连续多帧初始燃烧图像进行语义分割,提取初始燃烧图像的有效燃烧区域,得到各目标风口的连续多帧燃烧图像。
24、于本申请一实施例中,根据各空间区域的时序燃烧融合特征,确定高炉当前的铁水硅含量,包括:
25、对各空间区域的时序燃烧融合特征进行拼接,得到综合拼接特征;
26、根据综合拼接特征,通过预先训练的综合预测模型,确定高炉当前的铁水硅含量。
27、第二方面,本申请还提供一种高炉炉温确定装置,包括:
28、图像获取模块,被配置为获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像;
29、时序融合模块,被配置为对每一燃烧图像进行多维特征提取,得到每一燃烧图像对应的多维燃烧特征,并对各目标风口中的多维燃烧特征进行融合,得到各目标风口在预设时间窗口内的时序燃烧特征;
30、空间融合模块,被配置为根据预先划分的高炉空间区域,对各空间区域内的目标风口的时序燃烧特征进行融合,得到各空间区域的时序燃烧融合特征;
31、炉温确定模块,被配置为根据各空间区域的时序燃烧融合特征,确定高炉当前的铁水硅含量,并基于铁水硅含量,确定高炉的炉温。
32、第三方面,本申请还提供了一种电子设备,电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得电子设备实现上述高炉炉温确定方法的步骤。
33、第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,当计算机程序被计算机的处理器执行时,使计算机实现上述高炉炉温确定方法的步骤。
34、本技术方案的有益效果:在提取多维燃烧特征时获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像,并对每一燃烧图像进行多维特征提取和时间维度融合,得到了包含时间滑动窗口内的时序燃烧特征,契合了硅还原反应的热力学滞后规律;同时,由于根据预先划分的高炉空间区域,对各空间区域内的目标风口的时序燃烧特征进行融合,能够还原高炉内部真实的热量分布状态。降低局部异常风口的干扰,提前捕捉到炉温变化的早期微观趋势,提高了高炉炉温确定的准确性和鲁棒性。
35、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
1.一种高炉炉温确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像之前,还包括:
3.根据权利要求2所述的方法,其特征在于,所述模型评价指标包括业务准确率,所述基于所述模型评价指标从所述样本风口中确定出目标风口,包括:
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述对各所述目标风口中的多维燃烧特征进行融合,得到各所述目标风口在所述预设时间窗口内的时序燃烧特征,包括:
5.根据权利要求2所述的方法,其特征在于,所述对各所述空间区域内的目标风口的时序燃烧特征进行融合,得到各所述空间区域的时序燃烧融合特征,包括:
6.根据权利要求4所述的方法,其特征在于,所述获取预设时间窗口内高炉各目标风口的连续多帧燃烧图像,包括:
7.根据权利要求6所述的方法,其特征在于,所述根据各所述空间区域的时序燃烧融合特征,确定高炉当前的铁水硅含量,包括:
8.一种高炉炉温确定装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种可读存储介质,其特征在于,其上存储有计算机程序,当由一个或多个处理器执行时,使得设备执行如权利要求1至7中任一项所述高炉炉温确定方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com