[發明專利]一種高爐崩料預測方法

有效

• 申請號: 201910811704.X
• 申請日: 2019-08-30
• 公開（公告）號: CN110633657B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 儲岳中
• 申請（專利權）人: 蘇州艾銘森科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/764;G06V10/44;G06V10/774;G06V10/20
• 代理公司: 蘇州佳博知識產權代理事務所(普通合伙) 32342
• 代理人: 唐毅

本發明提供一種高爐崩料預測方法，其步驟包括：獲取基準圖像；獲取待識別圖像，和基準圖像進行圖像匹配，確認獲取到的待識別圖像是否為崩料的趨勢；其中，對崩料前圖像多個特征進行特征提取作為模型訓練，訓練樣本包括樣本待識別圖像、樣本基準圖像、樣本圖像輪廓清晰度、樣本亮度信息和樣本匹配度，將樣本待識別圖像和樣本基準圖像作為訓練輸入，樣本圖像輪廓、樣本亮度信息和樣本匹配度作為輸出參考值，訓練樣本訓練樣本通過生成式對抗網絡進行訓練，對初始第一卷積層、初始第二卷積層以及初始生成式對抗網絡進行訓練，得到訓練后的第一卷積層、第二卷積層以及生成式對抗網絡。能夠快速、準確的分析出高爐工作的當前階段是否具有崩料趨勢。

技術領域

本發明涉及一種高爐生產監控技術領域，尤其涉及一種高爐崩料預測方法。

背景技術

高爐崩料是由于爐內正常冶煉進程受阻，煤氣流分布出現失常，處理不當而形成崩料；崩料可導致高爐爐頂設備受損、高爐爐涼等生產設備事故。高爐崩料的原因：(1)高爐送風制度不合理,高爐送風參數不適宜；(2)原、燃物料質量向差,爐內透氣性惡化,高爐透氣性指數異常；(3)高爐渣殼脫落,爐溫急劇下滑；(4)高爐操作爐型不合理,高爐。

以前靠經驗，現在是有各種傳感器，還有攝像機對崩料現象進行監控，可以直觀看到崩料現象，但通過傳感器與攝像機監控，在監控過程中可能隨時出現崩料，對高爐的生產已經造成了影響。因此，需要對崩料進行提前監控，在可能發生崩料前進行預測，確認不久后可能發生崩料現象，以讓技術人員采取措施避免出現崩料。

因此，有必要提供一種高爐崩料預測方法來解決上述問題。

發明內容

為解決上述問題，本發明的目的是提供一種高爐崩料預測方法，可以識別高爐生產可能出現崩料現象。

為實現上述目的，本發明采用的技術方案如下：一種高爐崩料預測方法，其步驟包括：S1:獲取多個基準圖像；S2:獲取待識別圖像，和多個基準圖像進行圖像匹配，確認獲取到的待識別圖像是否為崩料的趨勢；其中，對崩料前圖像多個特征進行特征提取作為模型訓練，訓練樣本包括樣本待識別圖像、樣本基準圖像、樣本圖像輪廓清晰度、樣本亮度信息和樣本匹配度，將樣本待識別圖像和樣本基準圖像作為訓練輸入，樣本圖像輪廓、樣本亮度信息和樣本匹配度作為輸出參考值，訓練樣本訓練樣本通過生成式對抗網絡進行訓練，對初始第一卷積層、初始第二卷積層以及初始生成式對抗網絡進行訓練，得到訓練后的第一卷積層、第二卷積層以及生成式對抗網絡。

將所述樣本基準圖像輸入到初始第一卷積層，將樣本待識別圖像輸入到初始第二卷積層，將圖像輪廓清晰度、樣本亮度信息提取得到的結果分別輸入生成式對抗網絡，最終可以得到多個預測圖像輪廓清晰度和預測亮度信息。

通過對比損失函數對不同的層進行訓練，利用圖像在亮度與圖像輪廓清晰度上的歐氏距離作為誤差，利用樣本圖像與臨界圖像亮度與圖像輪廓清晰度對比，確認樣本圖像的亮度和輪廓清晰度與臨界圖像之間的歐氏距離L，采用誤差反向傳播算法訓練GAN生成式網絡，直至歐氏距離值L達到預設的范圍值。

用MSE作為網絡的損失函數，歐拉距離L為通GAN生成式網絡生成對比圖像G_θ(V_i)與指定樣本圖像Uo之間的歐氏距離平方之和，表達式為：

/

其中，V_i為第i張圖像亮度或輪廓清晰度，Uo為對應的臨界圖像亮度或輪廓清晰度，n為訓練樣本的總數，θ為GAN生成式網絡中的參數，臨界圖像為選定趨向崩料圖像，其亮度或輪廓清晰度為一個定值。

通過MSE作為網絡的損失函數，將待識別圖像的圖像亮度或輪廓清晰度與所有的基準圖像做訓練，確認歐拉距離L在預設的范圍內；若歐拉距離L值小于等于預設值，則待識別圖像表明可能出現崩料趨勢；若歐拉距離L值大于預設值，則待識別圖像表明處于正常燃燒狀態。