一种造球机的生球占比预测方法及装置制造方法及图纸

本申请提供了一种造球机的生球占比预测方法及装置。所述方法包括：通过将同一预测周期获取的造球机的转速、造球机的造球盘倾角、加水量、给料量按照各自收缩比例量化到同一区间，并根据量化后的数据以及混合料各组分种类和配比、粘结剂的占比、混合料原始水分率，得到造球关键影响因素的特征向量，然后将该特征向量输入到预先训练好的占比预测模型中，根据占比预测模型包含的映射关系，得到不同规格的生球的占比预测值。如此，一方面，本申请实施例提供的方法无需人工筛选，省时省力，检测效率高，另一方面，该方法能够实时进行生球占比的预测，实现对造球机的实时控制，可以更好的指导实际的生产作业。

【技术实现步骤摘要】
一种造球机的生球占比预测方法及装置
本申请涉及数据处理
，特别涉及一种造球机的生球占比预测方法及装置。
技术介绍
在钢铁工业中，球团矿制造是当前常用的铁矿石提炼的技术。其中，造球工序是铁矿石球团生产线的重要工序，生球质量的稳定和提高主要依赖于造球工序。造球机作为造球工序中的核心设备，主要包括圆盘造球机和圆筒造球机两类，在大规模高产量生产线中一般采用圆筒造球机，但是，由于目前中小规模球团生产线占主导地位，因此圆盘造球机更为普遍。造球机工作时，物料在造球机中分别沿各自不同的轨道运动，形成直径大小不一的生球，，从造球机中排出，落入后续生球承接装置中。造球机的成球粒度是造球工序的关键参数，合格生球的占比越高，说明造球机的产量越高。现有技术中，评估造球机的生球占比的方法是，从造球机的出球区，获取一批生球，然后利用几种不同规格的筛子，筛出不同规格的生球，然后计算不同规格的生球的占比，如果生球的占比符合工艺要求的范围，则评估该造球机的成球粒度符合要求。现有技术中，更先进的方法是通过机器视觉技术，实时采集出球区生球图像，利用图像识别处理技术，计算出各生球的粒度，然后计算不同规格的生球占比，如果生球占比符合预设阈值范围，则认为该造球机制造的生球满足生产要求，相关设置参数符合造球要求。但是，上述第一种方法需要人工筛选，费时费力，检测效率低，属于抽样离线检测法，不能满足生产实时性的要求。第二种虽然先进实时性较好，但该方法只能在造球机完成造球工作之后，才能进行生球占比的检测，参数控制时只能通过基于反馈的闭环控制，实时性不够，导致视觉技术的检测结果仍然无法用于造球机的实时控制。
技术实现思路
本申请提供了一种造球机的生球占比预测方法及装置，可用于解决在现有技术检测生球质量时人工筛选方法费时费力，不能满足生产实时性的要求；机器视觉技术的方法只能在造球机完成造球工作之后，才能进行生球占比的检测，参数控制时只能通过基于反馈的闭环控制，实时性不够，导致视觉技术的检测结果仍然无法用于造球机的实时控制。第一方面，本申请实施例提供一种造球机的生球占比预测方法，所述方法包括：获取当前预测周期内造球机的转速、造球机的造球盘倾角和给水系统的提供的给水量；获取当前预测周期内造球机制造生球的当前原料信息，所述当前原料信息包括给料量、混合料中各组分种类和占比、混合料中粘结剂的占比和混合料原始水分率；将所述造球机的转速、所述造球机的造球盘倾角、所述给水量和所述给料量，按照各自的收缩比例量化到同一区间；根据量化后的造球机的转速、量化后的造球机的造球盘倾角、量化后的给水量、量化后的给料量、所述混合料中各组分的种类和占比、所述混合料中粘结剂的占比和所述混合料原始水分率，得到影响造球的特征向量；将所述影响造球的特征向量输入到占比预测模型中，得到不同规格的生球的占比预测值，所述占比预测模型包括影响造球的特征向量与不同规格生球的占比预测值之间的映射关系。结合第一方面，在第一方面的一种可实现方式中，生成占比预测模型的步骤包括：获取N个历史预测周期内的样本数据；每个历史预测周期内的样本数据包括造球机的历史转速、造球机的历史造球盘倾角、历史加水量、造球机制造样本生球的历史原料信息以及不同规格的样本生球的占比实测值；所述历史原料信息包括历史给料量、历史混合料中各组分种类和占比、历史混合料中粘结剂的占比和历史混合料中混合料原始水分率；所述不同规格的样本生球的占比实测值是采用机器视觉法对每个历史预测周期内的样本生球进行图像采集及处理后分析计算得到的；将所述造球机的历史转速、所述造球机的历史造球盘倾角、所述历史给水量和所述历史给料量，按照各自的收缩比例量化到同一区间；根据量化后的造球机的历史转速、量化后的造球机的历史造球盘倾角、量化后的历史给水量、量化后给料量、所述历史混合料各组分种类和占比、所述历史混合料中粘结剂的占比和所述历史混合料中混合料原始水分率，得到N个样本影响造球的特征向量；将所述N个样本影响造球的特征向量作为预测模型的输入，以及将N个历史预测周期内不同规格的样本生球的占比实际值作为预测模型的输出，采用时间反向传播法训练占比预测模型；通过迭代训练不断更新占比预测模型的权重参数、偏置参数以及学习因子；如果占比预测模型对不同规格的样本生球的占比预测值，与不同规格的样本生球的占比实际值之间的差值达到预设的允差范围，或占比预测模型通过迭代运算时达到设定的最大迭代次数，则训练结束，并保存最后更新的权重参数、偏置参数以及学习因子。结合第一方面，在第一方面的一种可实现方式中，所述占比预测模型是基于长短期记忆神经网络预测模型LSTM建立的。结合第一方面，在第一方面的一种可实现方式中，所述不同规格的样本生球的占比实测值具体通过以下步骤得到：采用图像采集装置获取造球机出球区域的图像信息；对所述出球区域的图像信息进行图像预处理，分离出样本生球的图像信息与背景图像信息；根据所述样本生球的图像信息，获取样本生球的中心亮点；根据所述样本生球的图像信息与所述背景图像信息，确定样本生球的轮廓；根据所述样本生球的中心亮点与所述样本生球的轮廓，获取样本生球的粒径；根据所述样本生球的粒径，以及预设的粒径范围与生球规格的对应关系，确定样本生球的规格；统计历史预测周期内样本生球的总数量，以及不同规格的样本生球的数量；根据所述历史预测周期内样本生球的总数量和所述不同规格的样本生球的数量，确定不同规格的样本生球的占比实测值。结合第一方面，在第一方面的一种可实现方式中，所述当前原料信息具体通过以下步骤得到：从位于造球机上游的供料系统中获取当前预测周期内造球机制造生球的当前原料信息。结合第一方面，在第一方面的一种可实现方式中，造球机的转速对应的收缩比例是造球机的最大转速；所述给水量对应的收缩比例是所述给水系统中加水管道的最大给水量；所述给料量对应的收缩比例是给料皮带的最大给料量；所述造球机的造球盘倾角对应的收缩比例是所述造球机的最大倾角。结合第一方面，在第一方面的一种可实现方式中，所述方法还包括：如果生球的占比实测值与模型的预测值之间差值大于预设阈值，则将所述影响造球的特征向量作为预测模型的输入，将生球的占比实测值和N个样本生球的占比实际值作为预测模型的输出，对所述占比预测模型进行在线更新，得到更新后的占比预测模型。结合第一方面，在第一方面的一种可实现方式中，所述不同规格的生球的占比预测值包括合格大球的占比预测值、不合格大球的占比预测值、合格中球的占比预测值、合格小球的占比预测值和不合格小球的占比预测值。第二方面，本申请实施例提供一种造球机的生球占比预测装置，所述装置包括：获取单元，用于获取当前预测周期内造球机的转速、造球机的造球盘倾角和给水系统的提供的给水量；以及，获取当前预测周期内造球机制造生球的当前原料信息，所述当前原料信息包括给料量、混合料中各组分本文档来自技高网...

【技术保护点】
1.一种造球机的生球占比预测方法，其特征在于，所述方法包括：/n获取当前预测周期内造球机的转速、造球机的造球盘倾角和给水系统的提供的给水量；/n获取当前预测周期内造球机制造生球的当前原料信息，所述当前原料信息包括给料量、混合料中各组分种类和占比、混合料中粘结剂的占比和混合料原始水分率；/n将所述造球机的转速、所述造球机的造球盘倾角、所述给水量和所述给料量，按照各自的收缩比例量化到同一区间；/n根据量化后的造球机的转速、量化后的造球机的造球盘倾角、量化后的给水量、量化后的给料量、所述混合料中各组分的种类和占比、所述混合料中粘结剂的占比和所述混合料原始水分率，得到影响造球的特征向量；/n将所述影响造球的特征向量输入到占比预测模型中，得到不同规格的生球的占比预测值，所述占比预测模型包括影响造球的特征向量与不同规格生球的占比预测值之间的映射关系。/n

【技术特征摘要】
1.一种造球机的生球占比预测方法，其特征在于，所述方法包括：
获取当前预测周期内造球机的转速、造球机的造球盘倾角和给水系统的提供的给水量；
获取当前预测周期内造球机制造生球的当前原料信息，所述当前原料信息包括给料量、混合料中各组分种类和占比、混合料中粘结剂的占比和混合料原始水分率；
将所述造球机的转速、所述造球机的造球盘倾角、所述给水量和所述给料量，按照各自的收缩比例量化到同一区间；
根据量化后的造球机的转速、量化后的造球机的造球盘倾角、量化后的给水量、量化后的给料量、所述混合料中各组分的种类和占比、所述混合料中粘结剂的占比和所述混合料原始水分率，得到影响造球的特征向量；
将所述影响造球的特征向量输入到占比预测模型中，得到不同规格的生球的占比预测值，所述占比预测模型包括影响造球的特征向量与不同规格生球的占比预测值之间的映射关系。


2.根据权利要求1所述的方法，其特征在于，生成占比预测模型的步骤包括：
获取N个历史预测周期内的样本数据；每个历史预测周期内的样本数据包括造球机的历史转速、造球机的历史造球盘倾角、历史加水量、造球机制造样本生球的历史原料信息以及不同规格的样本生球的占比实测值；所述历史原料信息包括历史给料量、历史混合料中各组分种类和占比、历史混合料中粘结剂的占比和历史混合料中混合料原始水分率；所述不同规格的样本生球的占比实测值是采用机器视觉法对每个历史预测周期内的样本生球进行图像采集及处理后分析计算得到的；
将所述造球机的历史转速、所述造球机的历史造球盘倾角、所述历史给水量和所述历史给料量，按照各自的收缩比例量化到同一区间；
根据量化后的造球机的历史转速、量化后的造球机的历史造球盘倾角、量化后的历史给水量、量化后给料量、所述历史混合料各组分种类和占比、所述历史混合料中粘结剂的占比和所述历史混合料中混合料原始水分率，得到N个样本影响造球的特征向量；
将所述N个样本影响造球的特征向量作为预测模型的输入，以及将N个历史预测周期内不同规格的样本生球的占比实际值作为预测模型的输出，采用时间反向传播法训练占比预测模型；
通过迭代训练不断更新占比预测模型的权重参数、偏置参数以及学习因子；
如果占比预测模型对不同规格的样本生球的占比预测值，与不同规格的样本生球的占比实际值之间的差值达到预设的允差范围，或占比预测模型通过迭代运算时达到设定的最大迭代次数，则训练结束，并保存最后更新的权重参数、偏置参数以及学习因子。


3.根据权利要求2所述的方法，其特征在于，所述占比预测模型是基于长短期记忆神经网络预测模型LSTM建立的。


4.根据权利要求2所述的方法，其特征在于，所述不同规格的样本生球的占比实测值具体通过以下步骤得到：
采用图像采集装置获取造球机出球区域的图像信息；
对所述出球区域的图像信息进行图像预处理，分离出样本生球的图像信息与背景图像信息；
根据所述样本生球的图像信息，获取样本生球的中心亮点；
根据所述样本生球的图像信息与所述背景图像信息，确定样本生球的轮廓；
根据所述样本生球的中心亮点与所述样本生球的轮廓，获取样本生球的粒径；
根据所述样本生球的粒径，以及预设的粒径范围与生球规格的对应关系，确定样本生球的规格；
统计历史预测周期内样本生球的总数量，以及不同规格的样本生球的数量；
根据所述历史预测周期内样本生球的总数量和所述不同规格的样本生球的数量，确定不同规格的样本生球的占比实测值。


5.根据权利要求1所述的方法，其特征在于，所述当前原料信息具体通过以下步骤得到：<...

【专利技术属性】
技术研发人员：朱佼佼，邱立运，
申请(专利权)人：湖南长天自控工程有限公司，中冶长天国际工程有限责任公司，
类型：发明
国别省市：湖南;43