[發明專利]基于人工智能的冶金連鑄過程中保護渣添加量確定方法在審
| 申請號: | 202011466970.2 | 申請日: | 2020-12-14 |
| 公開(公告)號: | CN112580626A | 公開(公告)日: | 2021-03-30 |
| 發明(設計)人: | 夏永霞;孫猛猛 | 申請(專利權)人: | 夏永霞 |
| 主分類號: | G06K9/32 | 分類號: | G06K9/32;G06K9/34;G06K9/46;B22D11/111;B22D11/16 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 710054*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 人工智能 冶金 過程 保護 添加 確定 方法 | ||
1.一種基于人工智能的冶金連鑄過程中保護渣添加量確定方法,其特征在于,包括以下步驟:S1,獲取結晶器RGB圖像,結晶器RGB圖像中包括保護渣、銅管、結晶器;
S2,對結晶器RGB圖像進行處理,得到銅管圖像和保護渣圖像,將銅管圖像、保護渣圖像分別轉換成灰度圖后獲取銅管的平均灰度值、保護渣的灰度值;基于銅管的平均灰度值修正保護渣的灰度值;基于灰度閾值將結晶器RGB圖像中的保護渣區域分為保護渣覆蓋區域和燒結層裸露區域,并獲取保護渣覆蓋區域的面積;
S3,基于保護渣覆蓋區域的面積判斷保護渣是否完全覆蓋燒結層,若未完全覆蓋,則基于保護渣覆蓋區域的面積計算保護渣添加量;若完全覆蓋,則執行步驟S4;
S4,基于結晶器RGB圖像得到不包括結晶器器壁的ROI圖像,將ROI圖像轉化為灰度圖后進行邊緣檢測,得到邊緣二值圖,對邊緣二值圖進行噪聲邊緣線去除操作后得到保護渣凹月面的凹月波紋,基于凹月波紋計算凹月面的寬度;所述凹月面位于銅管四周;
S5,獲取第一次檢測到凹月面時凹月面的初始寬度,基于初始寬度、保護渣粘度、保護渣的溫度、保護渣添加量計算凹月面實時寬度,得到凹月面實時寬度計算模型,并基于歷史記錄數據對計算模型進行擬合;
S6,根據步驟S4計算凹月面實時寬度,將得到的凹月面實時寬度代入擬合后的凹月面實時寬度計算模型中,得到凹月面實時寬度對應的實時剩余保護渣量;基于實時剩余保護渣量確定保護渣添加量。
2.如權利要求1所述的方法,其特征在于,所述銅管圖像的獲取步驟為:
對結晶器RGB圖像進行語義分割操作,得到銅管遮罩,利用銅管遮罩對結晶器RGB圖像進行裁剪操作得到銅管圖像。
3.如權利要求1所述的方法,其特征在于,基于銅管的平均灰度值修正保護渣的灰度值具體為:
gx表示保護渣區域中任意一點的灰度變化量,g0表示銅管的平均灰度值,x為該任意一點到銅管表面的距離,H1為未加保護渣時鋼液與結晶器上邊沿之間的距離,H為添加保護渣后保護渣與結晶器上邊沿之間的距離,d表示結晶器內沿半徑與銅管半徑的差值;
gax=gtx-gx
gax為修正后該任意一點的保護渣的灰度值,gtx為根據保護渣圖像的灰度圖得到的該任意一點的保護渣的灰度值。
4.如權利要求1所述的方法,其特征在于,所述灰度閾值具體為50。
5.如權利要求3所述的方法,其特征在于,所述燒結層區域的灰度值為g0。
6.如權利要求1所述的方法,其特征在于,所述噪聲邊緣線去除操作包括:
基于邊界聚類橢圓檢測算法對所述邊緣二值圖進行處理,具體地,包括邊界像素連接、線段列提取、線段列旋轉方向統一、凹點和角點檢測、圓弧聚類操作;最終得到凹月波紋。
7.如權利要求1所述的方法,其特征在于,所述凹月面實時寬度計算模型為:
W為凹月面實時寬度,W0為初始寬度,v為實時的保護渣粘度,v0為計算初始寬度時的保護渣粘度,T為實時的保護渣的溫度,T0為計算初始寬度時的保護渣的溫度,m為實時的保護渣添加量,m0為計算初始寬度時對應的保護渣添加量,α為擬合系數。
8.如權利要求1所述的方法,其特征在于,所述基于保護渣覆蓋區域的面積計算保護渣添加量具體為:
Δm為保護渣添加量,ma為保持連鑄過程處于穩定狀態的保護渣的最大添加量,mmin為保護渣完全覆蓋燒結層所需的最小添加量,s1為保護渣覆蓋區域的面積,s為結晶器RGB圖像中保護渣區域的總面積。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于夏永霞,未經夏永霞許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011466970.2/1.html,轉載請聲明來源鉆瓜專利網。





