一种基于两阶段分类的高炉堵铁口时间在线监测方法及系统技术方案

本发明专利技术公开了一种基于两阶段分类的高炉堵铁口时间在线监测方法及系统，通过采集铁水流图像数据和高炉运行状态数据，建立铁水流图像分类模型，并根据铁水流图像分类模型获得粗分类结果,同时建立融合模型，并根据融合模型建立堵铁口时间分类模型，并根据堵铁口时间分类模型对粗分类结果进行细分类，获得精准堵铁口时间，解决了现有高炉堵铁口时间预测精度低的技术问题，通过将堵铁口时间的监测问题转化为两阶段分类问题，并将最终的分类结果转化为堵铁口时间，从而获得精确的堵铁口时间，并设计了具有一键智能堵铁口功能的监测系统，能够实时高精度监测堵铁口时间，科学地指导高炉出铁口堵铁口操作，具有监测速度快、稳定性强、部署便捷等优点。署便捷等优点。署便捷等优点。

【技术实现步骤摘要】
一种基于两阶段分类的高炉堵铁口时间在线监测方法及系统


[0001]本专利技术主要涉及钢铁工业
，特指一种基于两阶段分类的高炉堵铁口时间在线监测方法及系统。

技术介绍

[0002]钢铁行业是制造业的基石，为现代工业提供核心原材料，推动着国民经济的发展与国防工业的进步。高炉炼铁是钢铁生产中的关键工序，其产物为熔融铁水与炉渣。熔融铁水与炉渣经出铁口周期性地排出的过程被称为出铁，其能够稳定炉内液位，保证炼铁过程的平稳顺行。当高炉内部熔融铁水的液位下降到出铁口附近时，为防止炉内煤气随熔融铁水与炉渣从出铁口喷出，必须及时采用泥炮机堵住出铁口。如果堵铁口时间过早，炉内的熔融铁水与炉渣将不会完全被排出。反之，炉内煤气会大量喷出，造成安全隐患。因此，精确监测正确的堵铁口时间非常重要，是实现高炉现场一键智能堵铁口的信息基础，对于保障高炉稳定顺行、降低炼铁能耗及提高炼铁效率具有重要意义。
[0003]目前主要有五种堵铁口时间监测方法：基于人工观察铁水流图像、基于高炉运行状态数据、基于高炉炉缸液位、基于高炉电动势数据以及基于出铁过程铁水流图像数据的方法。大多数炼铁现场的堵铁口时间监测是通过人工观察铁水流形态后凭经验判断，造成堵铁口操作人为主观因素大、可靠性差，严重制约了炼铁过程的节能减排与智能化升级。现有基于高炉运行状态数据判断堵铁口时间的方法需要大量的高炉运行状态时间序列数据，难以保证数据质量，因此其适应性有待进一步检验。由于无法观察到高炉内部实际液位，基于高炉炉缸液位判断堵铁口时间的方法假设条件太多，会带来较大误差。基于高炉电动势数据的方法容易受到铁水温度等因素的干扰，且变化趋势分析依赖于人工经验，因此无法获得准确的堵铁口时间。由于出铁现场具有强光强粉尘干扰，采集的铁水流图像特征不明显，基于出铁过程铁水流图像数据的方法面临铁水流图像有效特征提取难的问题。
[0004]综合对比上述监测方法的优缺点，堵铁口时间监测问题仍是高炉炼铁过程中一个亟需解决的问题。高炉出铁现场具有强光强粉尘干扰，采集的铁水流图像特征不明显，从铁水流图像中精确提取与出铁进程相关的有效特征是一项极具挑战的任务。此外，不同出铁过程的持续时间差异较大且随机性强，难以利用以往出铁规律来精准监测当前堵铁口时间。
[0005]因此，本专利技术考虑到出铁相关数据的多态性，提出了一种基于两阶段分类和多模态数据融合的堵铁口时间监测新方法，第一阶段利用SE
‑
ReNeXt网络对铁水流图像进行分类获得粗略的出铁进程，第二阶段利用本专利技术设计的多模态数据融合算法(SENeXt
‑
Fusion
‑
Decoder)融合铁水流图像和高炉运行状态数据的有效信息，并推理计算以获得精确的堵铁口时间。进一步，本专利技术利用AI边缘计算平台，搭建了高炉堵铁口时间在线监测系统，为智能堵铁口操作提供科学指导。
[0006]申请号为CN202010165654.5的专利技术专利公开了一种高炉出铁过程堵铁口时间智能确定方法及系统，该专利技术通过建立表征高炉炼铁过程的条件参数、操作参数与堵铁口时
间的优良操作模式库来判断堵铁口时间，然而，高炉炼铁过程中不同出铁周期之间的相关性较少且随机性较大，模式匹配的方式会带来较大误差。
[0007]申请号为CN202010578474.X的专利技术专利公开了一种高炉出铁智能化堵铁口自动控制方法，该专利技术仅仅通过铁水流的喷溅状态信号和经验数据来监测堵铁口时间，这种做法和现场工人凭经验判断堵铁口时间没有本质区别，无法做到精准监测。
[0008]申请号为CN202210102523.1的专利技术专利公开了一种高炉出铁终点在线智能识别方法及系统，该专利技术通过采集铁水流图像，提取铁水流图像特征，融合铁水流图像特征和铁水流短时时序特征，建立出铁流程分类预测模型来预测堵铁口时间。然而，单纯从铁水流图像中获取的信息往往不足以反映精确的出铁时间，很难做到堵铁口时间的精细化监测。

技术实现思路

[0009]本专利技术提供的基于两阶段分类的高炉堵铁口时间在线监测方法及系统，解决了现有高炉堵铁口时间预测精度低的技术问题。
[0010]为解决上述技术问题，本专利技术提出的基于两阶段分类的高炉堵铁口时间在线监测方法包括：
[0011]采集铁水流图像数据和高炉运行状态数据；
[0012]基于铁水流图像数据，建立铁水流图像分类模型，并根据铁水流图像分类模型进行粗分类，获得粗分类结果；
[0013]基于铁水流图像数据与高炉运行状态数据，建立融合模型；
[0014]根据融合模型，建立堵铁口时间分类模型，并根据堵铁口时间分类模型对粗分类结果进行细分类，获得精准堵铁口时间。
[0015]进一步地，基于铁水流图像数据与高炉运行状态数据，建立融合模型包括：
[0016]构建铁水流图像特征提取模块，并根据铁水流图像特征提取模块提取铁水流图像数据特征，其中铁水流图像特征提取模块的具体计算公式为：
[0017][0018]其中I代表铁水流图像，I'表示输出特征图，I1，I2分别代表基于群卷积网络的通道注意力模块的输入数据和输出数据，Conv7(
·
)代表卷积核尺寸为7的卷积操作，Conv1(
·
)代表卷积核尺寸为1的卷积操作，ConvGroup(
·
)代表分组参数为32的群卷积操作，SEBlock(
·
)代表通道注意力模块操作，由Squeeze模块和Excitation模块共同组成；
[0019]基于铁水流图像数据特征和高炉运行状态数据，建立融合模型。
[0020]进一步地，Squeeze模块和Excitation模块的具体计算公式为：
[0021][0022]其中，z
c
代表Squeeze模块的输出结果，u
c
代表第c个通道的二维图像数据，H和W表示图像的高度和宽度，C为通道数量，W1和W2为神经网络中自动调整的权值，z是由z
c
按通道
拼接的特征图，z＝[z1,z2,...,z
c
]，δ为Relu激活函数，σ为Sigmoid激活函数，u代表输入SEBlock之前特征图，u＝[u1,u2,...,u
c
]，s＝[s1,s2,...,s
c
]，代表经过通道注意力之后的特征图，
[0023]进一步地，基于铁水流图像数据特征和高炉运行状态数据，建立融合模型包括：
[0024]对高炉运行状态数据进行嵌入编码和位置编码；
[0025]根据嵌入编码和位置编码后的高炉运行状态数据和铁水流图像数据特征，建立融合模型，具体为：
[0026][0027]其中Concat代表按通道拼接，Reshape(
·
)代表重构函数，u'代表融合模型的输出数据，代表铁水流图像数据特征，X
code
代表嵌入编码和位置编码后的高炉运行状态数据。
[0028]进一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于两阶段分类的高炉堵铁口时间在线监测方法，其特征在于，所述方法包括：采集铁水流图像数据和高炉运行状态数据；基于铁水流图像数据，建立铁水流图像分类模型，并根据所述铁水流图像分类模型进行粗分类，获得粗分类结果；基于铁水流图像数据与高炉运行状态数据，建立融合模型；根据所述融合模型，建立堵铁口时间分类模型，并根据所述堵铁口时间分类模型对粗分类结果进行细分类，获得精准堵铁口时间。2.根据权利要求1所述的基于两阶段分类的高炉堵铁口时间在线监测方法，其特征在于，基于铁水流图像数据与高炉运行状态数据，建立融合模型包括：构建铁水流图像特征提取模块，并根据所述铁水流图像特征提取模块提取铁水流图像数据特征，其中所述铁水流图像特征提取模块的具体计算公式为：其中I代表铁水流图像，I
′
表示输出特征图，I1，I2分别代表基于群卷积网络的通道注意力模块的输入数据和输出数据，Conv7(
·
)代表卷积核尺寸为7的卷积操作，Conv1(
·
)代表卷积核尺寸为1的卷积操作，ConvGroup(
·
)代表分组参数为32的群卷积操作，SEBlock(
·
)代表通道注意力模块操作，由Squeeze模块和Excitation模块共同组成；基于所述铁水流图像数据特征和高炉运行状态数据，建立融合模型。3.根据权利要求2所述的基于两阶段分类的高炉堵铁口时间在线监测方法，其特征在于，所述Squeeze模块和Excitation模块的具体计算公式为：其中，z
c
代表Squeeze模块的输出结果，u
c
代表第c个通道的二维图像数据，H和W表示图像的高度和宽度，C为通道数量，W1和W2为神经网络中自动调整的权值，z是由z
c
按通道拼接的特征图，z＝[z1,z2,...,z
c
]，δ为Relu激活函数，σ为Sigmoid激活函数，u代表输入SEBlock之前特征图，u＝[u1,u2,...,u
c
]，s＝[s1,s2,...,s
c
]，代表经过通道注意力之后的特征图，4.根据权利要求3所述的基于两阶段分类的高炉堵铁口时间在线监测方法，其特征在于，基于所述铁水流图像数据特征和高炉运行状态数据，建立融合模型包括：对高炉运行状态数据进行嵌入编码和位置编码；根据嵌入编码和位置编码后的高炉运行状态数据和铁水流图像数据特征，建立融合模型，具体为：其中Concat代表按通道拼接，Reshape(...

【专利技术属性】
技术研发人员：蒋朝辉，董晋宗，潘冬，桂卫华，
申请(专利权)人：中南大学，
类型：发明
国别省市：