一种串罐连续定量给料系统技术方案

本发明专利技术公开了一种串罐连续定量给料系统，其基于下料情况来自适应地控制仓罐的转送速度，从而使得下料速度保持在相对稳定的状态，保证连读定量给料，也就是，基于炉料的下料变化特征来自适应地调整仓罐的转动速度，这样能够对于串罐式连续给料设备进行连续定量的自适应给料控制，避免在下料时发生下料堵塞，同时还能够精准地控制下料速度以及下料的量。时还能够精准地控制下料速度以及下料的量。时还能够精准地控制下料速度以及下料的量。

【技术实现步骤摘要】
一种串罐连续定量给料系统


[0001]本申请涉及给料
，且更为具体地，涉及一种串罐连续定量给料系统。

技术介绍

[0002]罐旋转给料泵是一种串罐式连续给料设备，其布置形式为上下串联型。仓罐旋转式给料泵通过转动组件实现仓罐的转动，并在仓罐头部装有挡料板，且仓罐和送料罐内装有导料器，在装料时仓罐旋转，转动的仓罐和设置的挡料板以及所述导料器引导炉料进行下料。
[0003]但在上述串罐式连续给料设备的工作过程中，却发现偶尔会发生下料堵塞，且无法精准地控制下料的速度使得下料的量难以精准把握。
[0004]因此，期待一种优化的用于串罐式连续给料设备的连续定量给料控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种串罐连续定量给料系统，其基于下料情况来自适应地控制仓罐的转送速度，从而使得下料速度保持在相对稳定的状态，保证连读定量给料，也就是，基于炉料的下料变化特征来自适应地调整仓罐的转动速度，这样能够对于串罐式连续给料设备进行连续定量的自适应给料控制，避免在下料时发生下料堵塞，同时还能够精准地控制下料速度以及下料的量。
[0006]相应地，根据本申请的一个方面，提供了一种串罐连续定量给料系统，其包括：监控单元，用于获取预定时间段内多个预定时间点的仓罐的转动速度值以及所述预定时间段的下料监控视频；采样单元，用于从所述下料监控视频提取多个下料监控关键帧；下料静态特征提取单元，用于将所述多个下料监控关键帧中各个下料关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个下料特征图；下料动态特征提取单元，用于将所述多个下料特征图通过使用三维卷积核的第二卷积神经网络模型以得到下料动态特征图；降维单元，用于对所述下料动态特征图的沿通道维度的各个特征矩阵进行全局均值池化处理以得到下料动态特征向量；转动数据编码单元，用于将所述预定时间段内多个预定时间点的仓罐的转动速度值按照时间维度排列为转动速度输入向量后通过多尺度邻域特征提取模块以得到多尺度转速特征向量；高斯增强单元，用于使用高斯密度图对所述多尺度转速特征向量进行数据增强以得到转速特征矩阵；响应性估计单元，用于计算所述下料动态特征向量相对于所述转速特征矩阵的响应性估计以得到分类特征向量；以及给料控制结果生成单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的仓罐的转速值应增大或应
减小。
[0007]在上述串罐连续定量给料系统中，所述采样单元，进一步用于以预定采样频率对所述下料监控视频进行采样以得到所述多个下料监控关键帧。
[0008]在上述串罐连续定量给料系统中，所述下料静态特征提取单元，包括：卷积编码子单元，用于使用所述使用空间注意力的第一卷积神经网络模型的卷积编码部分分别对所述多个下料监控关键帧中各个下料关键帧进行深度卷积编码以得到多个下料卷积特征图；空间编码子单元，用于将所述多个下料卷积特征图中各个下料卷积特征图分别输入所述第一卷积神经网络模型的空间注意力部分以得到多个第一空间注意力图；激活编码子单元，用于将所述多个第一空间注意力图中各个第一空间注意力图分别通过Softmax激活函数以得到多个第一空间注意力特征图；以及，注意力施加单元，用于分别计算所述多个第一空间注意力特征图中各个第一空间注意力特征图和所述多个下料卷积特征图中对应的各个下料卷积特征图的按位置点乘以得到所述多个下料特征图。
[0009]在上述串罐连续定量给料系统中，所述下料动态特征提取单元，进一步用于：所述使用三维卷积核的第二卷积神经网络模型在层的正向传递中对输入数据分别进行：基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述下料动态特征图，所述第二卷积神经网络模型的第一层的输入为所述多个下料特征图。
[0010]在上述串罐连续定量给料系统中，所述转动数据编码单元，包括：第一尺度特征提取子单元，用于将所述转动速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取子单元，用于将所述转动速度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联子单元，用于将所述第一尺度转速特征向量和所述第二尺度转速特征向量进行级联以得到所述多尺度转速特征向量。
[0011]在上述串罐连续定量给料系统中，所述高斯增强单元，包括：高斯密度图构造子单元，用于以如下公式构造所述多尺度转速特征向量的自高斯密度图；其中，所述公式为：其中，表示所述多尺度转速特征向量，且的每个位置的值表示所述多尺度转速特征向量中相应两个位置的特征值之间的方差；以及，高斯离散化子单元，用于对所述自高斯密度图中各个位置的高斯分布进行高斯离散化以得到转速特征矩阵。
[0012]在上述串罐连续定量给料系统中，所述响应性估计单元，进一步用于：以如下公式计算所述下料动态特征向量相对于所述转速特征矩阵的响应性估计以得到分类特征向量；其中，所述公式为：=其中 表示所述下料动态特征向量，表示所述转速特征矩阵， 表示所述分类特征向量， 表示向量与矩阵相乘。
[0013]在上述串罐连续定量给料系统中，所述给料控制结果生成单元，进一步用于：使用所述分类器以如下公式对所述分类特征向量进行处理以获得所述分类结果，其中，所述公式为： ，其中， 到 为权重矩阵， 到 为偏置向量， 为所述分类特征向量。
[0014]在上述串罐连续定量给料系统中，还包括用于对所述使用空间注意力的第一卷积神经网络模型、所述使用三维卷积核的第二卷积神经网络模型、所述多尺度邻域特征提取模块和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练监控单元，用于获取训练数据，所述训练数据包括预定时间段内多个预定时间点的所述仓罐的训练转动速度值，所述预定时间段的训练下料监控视频，以及，所述当前时间点的仓罐的转速值应增大或应减小的真实值；训练采样单元，用于从所述训练下料监控视频提取多个训练下料监控关键帧；训练下料静态特征提取单元，用于将所述多个训练下料监控关键帧中各个下料关键帧分别通过所述使用空间注意力的第一卷积神经网络模型以得到多个训练下料特征图；训练下料动态特征提取单元，用于将所述多个训练下料特征图通过所述使用三维卷积核的第二卷积神经网络模型以得到训练下料动态特征图；训练降维单元，用于对所述训练下料动态特征图的沿通道维度的各个特征矩阵进行全局均值池化处理以得到训练下料动态特征向量；训练转动数据编码单元，用于将所述预定时间段内多个预定时间点的所述仓罐的训练转动速度值按照时间维度排列为训练转动速度输入向量后通过所述多尺度邻域特征提取模块以得到训练多尺度转速特征向量；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种串罐连续定量给料系统，其特征在于，包括：监控单元，用于获取预定时间段内多个预定时间点的仓罐的转动速度值以及所述预定时间段的下料监控视频；采样单元，用于从所述下料监控视频提取多个下料监控关键帧；下料静态特征提取单元，用于将所述多个下料监控关键帧中各个下料关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个下料特征图；下料动态特征提取单元，用于将所述多个下料特征图通过使用三维卷积核的第二卷积神经网络模型以得到下料动态特征图；降维单元，用于对所述下料动态特征图的沿通道维度的各个特征矩阵进行全局均值池化处理以得到下料动态特征向量；转动数据编码单元，用于将所述预定时间段内多个预定时间点的仓罐的转动速度值按照时间维度排列为转动速度输入向量后通过多尺度邻域特征提取模块以得到多尺度转速特征向量；高斯增强单元，用于使用高斯密度图对所述多尺度转速特征向量进行数据增强以得到转速特征矩阵；响应性估计单元，用于计算所述下料动态特征向量相对于所述转速特征矩阵的响应性估计以得到分类特征向量；以及给料控制结果生成单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的仓罐的转速值应增大或应减小。2.根据权利要求1所述的串罐连续定量给料系统，其特征在于，所述采样单元，进一步用于以预定采样频率对所述下料监控视频进行采样以得到所述多个下料监控关键帧。3.根据权利要求2所述的串罐连续定量给料系统，其特征在于，所述下料静态特征提取单元，包括：卷积编码子单元，用于使用所述使用空间注意力的第一卷积神经网络模型的卷积编码部分分别对所述多个下料监控关键帧中各个下料关键帧进行深度卷积编码以得到多个下料卷积特征图；空间编码子单元，用于将所述多个下料卷积特征图中各个下料卷积特征图分别输入所述第一卷积神经网络模型的空间注意力部分以得到多个第一空间注意力图；激活编码子单元，用于将所述多个第一空间注意力图中各个第一空间注意力图分别通过Softmax激活函数以得到多个第一空间注意力特征图；以及注意力施加单元，用于分别计算所述多个第一空间注意力特征图中各个第一空间注意力特征图和所述多个下料卷积特征图中对应的各个下料卷积特征图的按位置点乘以得到所述多个下料特征图。4.根据权利要求3所述的串罐连续定量给料系统，其特征在于，所述下料动态特征提取单元，进一步用于：所述使用三维卷积核的第二卷积神经网络模型在层的正向传递中对输入数据分别进行：基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；
其中，所述第二卷积神经网络模型的最后一层的输出为所述下料动态特征图，所述第二卷积神经网络模型的第一层的输入为所述多个下料特征图。5.根据权利要求4所述的串罐连续定量给料系统，其特征在于，所述转动数据编码单元，包括：第一尺度特征提取子单元，用于将所述转动速度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度转速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取子单元，用于将所述转动速度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度转速特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及多尺度级联子单元，用于将所述第一尺度转速特征向量和所述第二尺度转速特征向量进行级联以得到所述多尺度转速特征向量。6.根据权利要求5所述的串罐连续定量给料系统，其特征在于，所述高斯增强单元，包括：高斯密度图构造子单元...

【专利技术属性】
技术研发人员：胡伟波，
申请(专利权)人：河南瑞德克气力输送设备有限公司，
类型：发明
国别省市：