[發明專利]一種焦炭質量預測方法、裝置及系統

在審

• 申請號: 201911090455.6
• 申請日: 2019-11-08
• 公開（公告）號: CN112784396A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 吳嚴;李城梁;梁二強
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08;G06Q10/04;G06Q50/02
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種焦炭質量預測方法，其特征在于，包括：

獲取第一配合煤的檢測數據，根據所述第一配合煤的檢測數據和目標機理模型，預測所述焦炭的第一預測質量數據，其中，所述第一配合煤被煉制后形成所述焦炭；

獲取所述第一配合煤的煤巖圖像，所述煤巖圖像表征所述第一配合煤中的各個組分的含量；

根據所述第一預測質量數據、所述煤巖圖像、所述第一配合煤的檢測數據和焦炭質量預測模型，預測所述焦炭的第二預測質量數據，其中，所述焦炭質量預測模型為經過訓練后的人工智能AI模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一預測質量數據、所述煤巖圖像、所述第一配合煤的檢測數據和焦炭質量預測模型，預測所述焦炭的第二預測質量數據，包括：

將所述第一預測質量數據、所述煤巖圖像和所述第一配合煤的檢測數據進行融合，獲得特征數據；

輸入所述特征數據至所述焦炭質量預測模型，預測所述第二預測質量數據。

3.根據權利要求1或2所述的方法，其特征在于，

所述目標機理模型為線性模型，所述目標機理模型的參數由第二配合煤的檢測數據、所述第二配合煤煉制的焦炭的真實質量數據計算得到。

4.根據權利要求2或3所述的方法，其特征在于，所述將所述第一預測質量數據、所述煤巖圖像和所述第一配合煤的檢測數據進行融合，得到特征數據，包括：

在所述第一配合煤的煤光片中確定多個目標點，獲取所述多個目標點中每個目標點對應的煤巖圖像，得到所述第一配合煤對應的多個煤巖圖像；

對所述多個煤巖圖像中的每個煤巖圖像進行分類，確定所述每個煤巖圖像對應的組分，其中，所述每個煤巖圖像對應的組分為鏡質組、絲質組或殼質組中的任意一種；

根據所述每個煤巖圖像對應的組分，獲得所述第一配合煤中各個組分的含量；

將所述第一預測質量數據、所述第一配合煤中各個組分的含量以及所述第一配合煤的檢測數據進行融合，得到所述特征數據。

5.根據權利要求1或2所述的方法，其特征在于，所述焦炭質量預測模型是根據第二配合煤煉制的焦炭的第三預測質量數據、所述第二配合煤的煤巖圖像以及所述第二配合煤的檢測數據訓練得到的。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述第一配合煤的檢測數據包括所述第一配合煤的以下數據中的一種或多種：灰分、揮發分、硫分、干基揮發分值、粘結指數、最大膠質層厚度、催化指數、鏡質組反射率數據、灰分金屬礦物質含量數據或吉氏流動度數據。

7.一種焦炭質量預測裝置，其特征在于，包括：

獲取模塊，用于獲取第一配合煤的檢測數據；

處理模塊，用于根據所述第一配合煤的檢測數據和目標機理模型，預測所述焦炭的第一預測質量數據，其中，所述第一配合煤被煉制后形成所述焦炭；

所述獲取模塊，還用于獲取所述第一配合煤的煤巖圖像，所述煤巖圖像表征所述第一配合煤中的各個組分的含量；

所述處理模塊，用于根據所述第一預測質量數據、所述煤巖圖像、所述第一配合煤的檢測數據和焦炭質量預測模型，預測所述焦炭的第二預測質量數據，其中，所述焦炭質量預測模型為經過訓練后的人工智能AI模型。

8.根據權利要求7所述的裝置，其特征在于，所述處理模塊具體用于：

將所述第一預測質量數據、所述煤巖圖像和所述第一配合煤的檢測數據進行融合，獲得特征數據；

輸入所述特征數據至所述焦炭質量預測模型，預測所述第二預測質量數據。

9.根據權利要求7或8所述的裝置，其特征在于，所述目標機理模型為線性模型，所述目標機理模型的參數由第二配合煤的檢測數據、所述第二配合煤煉制的焦炭的真實質量數據計算得到。