一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法技术

一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，首先对获取的吹炼渣图像、炉口火焰图像进行预处理，再利用VGG16网络构建迁移学习模型以预测出转炉吹炼渣后期图像；而后提取转炉吹炼渣后期图像特征信息作为支持向量机预测模型的输入，构建基于粒子群优化的支持向量机预测模型，用以预测铜转炉吹炼造渣期终点；最后提取炉口火焰图像特征信息作为校验模型输入，构建基于火焰图像特征信息的校验模型，以判别炉口火焰图像所处阶段，进而验证预测的铜转炉吹炼造渣期终点，本发明专利技术能够避免人工判断铜转炉吹炼造渣期终点存在的误差，有效提高铜转炉冶炼终点命中率，从而提高生产效率，降低成本。降低成本。

【技术实现步骤摘要】
一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法


[0001]本专利技术涉及铜转炉吹炼自动化控制
，尤其涉及一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法。

技术介绍

[0002]铜转炉吹炼过程是间歇式的周期性作业，整个吹炼过程分为造渣期和造铜期两个阶段。判断铜转炉吹炼造渣期终点，是造渣期操作的一个重要环节，它是决定铜的直接回收率和造铜期能否顺利进行的关键。过早或过迟结束造渣期都是有害，过早结束造渣期易造成铜锍中的铁造渣不完全，从而导致造铜期生成Fe3O4，不仅延长造铜期吹炼时间，且易降低粗铜质量；过迟结束造渣期，会使FeO进一步氧化成Fe3O4，导致已造好的炉渣变粘，同时Cu2S氧化产生大量的SO2烟气使得炉渣喷出。
[0003]目前，造渣期终点判断主要依据人工判断，此方法不仅费时费力且容易出现误差，从而影响粗铜生产率，故造渣期终点的智能判断已经成为国内外学者的研究重点。现有的智能判断方法有：仪器测定法、物料平衡与神经网络结合预测法。
[0004]仪器测定法通过收集造渣期PbO和PbS的强度，利用造渣期本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，其特征在于，具体步骤如下：步骤1)获取造渣期前期、中期、后期的吹炼渣图像及造渣期终点与非终点的炉口火焰图像，并对吹炼渣图像、炉口火焰图像进行预处理；步骤2)将步骤1)中预处理后的吹炼渣图像作为迁移学习模型的输入进行训练，构建基于VGG16卷积神经网络的迁移学习模型，利用卷积神经网络用于分类的特征功能，预测出转炉吹炼渣后期图像；步骤3)对步骤2)得到的吹炼渣后期图像进行预处理，并提取预处理后的吹炼渣后期图像特征信息；步骤4)将步骤3)中获得的吹炼渣后期图像特征信息作为支持向量机预测模型的输入，构建基于粒子群优化的支持向量机预测模型，以得到吹炼渣后期图像的特征信息与造渣期吹炼数据间的映射关系，并将输出造渣期Fe含量与预存在支持向量机预测模型内的特征比对表进行对比，以预测铜转炉吹炼造渣期终点；步骤5)提取步骤1)中预处理后的炉口火焰图像特征信息作为校验模型输入，构建基于火焰图像特征信息的校验模型，以判别炉口火焰图像所处阶段，进而验证步骤4)中预测的铜转炉吹炼造渣期终点。2.根据权利要求1所述的一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，其特征在于，步骤1)中，所述预处理采用均值滤波进行去噪、采用FCM分割法进行分割处理。3.根据权利要求1所述的一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，其特征在于，步骤1)中，利用工业照相机获取吹炼渣图像与炉口火焰图像，在对吹炼渣图像、炉口火焰图像去噪和分割后，进行归一化处理。4.根据权利要求1所述的一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，其特征在于，步骤2)中，所述迁移学习模型预测流程为：首先载入VGG16卷积神经网络，而后将预处理后的吹炼渣图像作为迁移学习模型的输入进行训练，经由卷积神经网络的特征抽取器提取吹炼渣图像特征，最终识别出吹炼渣图像在铜转炉造渣期的状态，并预测出吹炼渣后期图像。5.根据权利要求1所述的一种基于模式识别的铜转炉吹炼造渣期终点智能判断与校验方法，其特征在于，步骤3)中，所述吹炼渣后期图像特征信息包括图像的形状、颜色、纹理特征。6.根据权利要...

【专利技术属性】
技术研发人员：李明周，张冉，黄金堤，童长仁，刘付朋，钟立桦，何发友，李俊标，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：