一种连续高精度的高炉料位实时检测方法技术

本发明专利技术公开了一种连续高精度的高炉料位实时检测方法，该方法以划分时间段的方式对现有的雷达检测数据与机械探尺检测数据进行样本选取，采用一种混合模糊聚类算法完成了雷达数据样本的聚类；通过智能方法获取雷达和机械探尺检测数据的关系模型，在此基础上构建滑动窗口模型对现有雷达检测数据进行处理，获得了高炉实时精确的料位信息，在现有雷达和机械探尺检测装备的基础上实现了高炉实时料位信息的连续高精度检测。本发明专利技术的方法克服了机械探尺无法连续测量以及雷达精度不高的双向缺点，充分利用高炉现有的检测设备，具有投资成本少、检测精度高、实时性好等特点。

A continuous and accurate method for measuring material level of blast furnace in real time

The invention discloses a blast furnace continuous high precision level real-time detection method, the method to divide the period of existing data and mechanical radar detection detection ruler detecting data samples, using a hybrid fuzzy clustering algorithm to complete the clustering data acquisition radar; radar and mechanical relation model scale detection of data through intelligent method based on sliding window model of existing radar detection data, obtain the accurate real-time information material of blast furnace, based on the existing radar and mechanical probe detection equipment based on the continuous high precision real-time blast of material information. The method of the invention overcomes mechanical probing to continuous measurement and two disadvantages radar accuracy, make full use of existing test equipments of blast furnace, has the characteristics of low cost, high accuracy and good real-time performance etc..

【技术实现步骤摘要】

本专利技术涉及高炉检测
，更具体涉及一种连续高精度的高炉料位实时检测方法。
技术介绍
钢铁工业是国民经济基础工业之一，高炉冶炼作为钢铁生产过程的上游工序，是能耗最大的环节。高炉料位是高炉布料操作中一个重要的调控参数，料位过高，可能导致溜槽下行受阻，不能正常布料；料位过低，又会使炉顶温度升高，影响安全生产。此外，料位的高低直接影响着料面形状的分布。实时准确地获取高炉料位参数，有利于高炉合理布料，及时调控煤气流分布，保证炉顶布料操作的安全性，对于提高高炉产量，降低能耗，减少炉壁损耗，保证高炉顺行有着重要作用。高炉料位的检测方法可分为两大方向，一是利用测距装置直接对料位进行测量，目前主要有：机械探尺测量法、雷达测量法、激光测量法；二是利用其它参量间接推测料位，包括：红外成像法、视频监控法、布料模型计算法等。机械探尺测量法是利用机械探尺在高炉内对料面进行直接接触式测量，使用稳定，可靠度高；但机械探尺测量时间间隔长，不能实现连续测量，且布料时无本文档来自技高网...

【技术保护点】
一种连续高精度的高炉料位实时检测方法，其特征在于，所述方法包括以下步骤：S1、根据高炉布料工艺以划分时间段的方式对现有的雷达检测数据以及机械探尺检测数据进行样本选取，得到雷达数据样本以及机械探尺数据样本，所述雷达数据样本以及机械探尺数据样本组成数据样本；对选取的数据样本进行预处理，得到用于数据融合的训练样本；S2、采用混合模糊聚类算法，对所述步骤S1中的雷达数据样本进行聚类分析处理，得到所述雷达数据样本的聚类中心；S3、选取RBF神经网络模型结构及建模方法，根据所述步骤S2中得到的聚类中心以及所述步骤S1中得到的训练样本，建立雷达和机械探尺检测数据的关系模型；S4、利用所述骤S3中确定的雷达和...

【技术特征摘要】
1.一种连续高精度的高炉料位实时检测方法，其特征在于，所述
方法包括以下步骤：
S1、根据高炉布料工艺以划分时间段的方式对现有的雷达检测数
据以及机械探尺检测数据进行样本选取，得到雷达数据样本以及机械
探尺数据样本，所述雷达数据样本以及机械探尺数据样本组成数据样
本；对选取的数据样本进行预处理，得到用于数据融合的训练样本；
S2、采用混合模糊聚类算法，对所述步骤S1中的雷达数据样本进
行聚类分析处理，得到所述雷达数据样本的聚类中心；
S3、选取RBF神经网络模型结构及建模方法，根据所述步骤S2中
得到的聚类中心以及所述步骤S1中得到的训练样本，建立雷达和机械
探尺检测数据的关系模型；
S4、利用所述骤S3中确定的雷达和机械探尺检测数据的关系模型，
构建滑动窗口模型，对现有雷达检测数据进行处理，获得高炉连续高
精度的料位信息。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包
括以下步骤：
S11、对雷达检测数据和机械探尺检测数据剔除噪声较大的数据段，
选取工况稳定的数据段作为数据样本源；
S12、根据高炉布料和等待时的料位变化特征，对所述步骤S11数
据样本源中的雷达检测数据按布料批次进行时间段划分，选取同一时
间段内的N个雷达检测数据作为雷达数据样本；
S13、选取与所述步骤S12中雷达数据样本对应时间段内的机械探
尺检测数据，作为机械探尺数据样本，同时作为该雷达数据样本的目
标输出值；雷达数据样本和目标输出值构成用于数据融合的训练样本。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包
括以下步骤：
S21、将传统的硬聚类算法和模糊聚类算法进行混合，构建出混合
模糊聚类算法的目标函数：
JH=θΣk=1nΣi=1cuik||xk-vi||2+(1-θ)Σk=1nΣi=1c(uik)2||xk-vi||2---(1)]]>其中c是聚类数，n为样本数，xk为聚类样本，vi为聚类中心向量，
θ∈[0,1)，uik∈[0,1]是第k个特征向量与第...

【专利技术属性】
技术研发人员：蒋朝辉，李晞月，桂卫华，陈致蓬，阳春华，谢永芳，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43