一种锌回转窑工况智能监测方法、装置、终端及介质制造方法及图纸

本发明专利技术公开了一种锌回转窑工况智能监测方法、装置、终端及介质，包括：获取工业相机采集的窑头火口的火焰视频数据；根据预设时长提取火焰视频数据中物料的关键燃烧特征；根据所述预设时长从装备监控系统中读取对应的关键监测数据；将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵；基于卷积神经网络计算所述观测参数矩阵的融合特征，并根据所述融合特征输出窑况信息。本发明专利技术采用计算机视觉与人工智能技术获取挥发窑的运行状态，解决了传统人工观察火焰和监测数据凭经验判断工况存在的大时滞与随机性的问题。问题。问题。

【技术实现步骤摘要】
一种锌回转窑工况智能监测方法、装置、终端及介质


[0001]本专利技术涉及冶金装备建模与应用
，尤其涉及的是一种锌回转窑工况智能监测方法、装置、终端及介质。

技术介绍

[0002]锌是我国国民经济和国防工业发展的重要原材料。湿法冶锌是现代炼锌的主要方法，其工艺流程中产生大量含有锌及其它有价金属的浸出渣。目前主要采用氧化锌回转挥发窑产生的高温环境对浸出渣、焦炭混合料进行复杂的物理化学反应来实现处理与回收。目前主要依赖人工观察窑头火焰和相关监测数据进行挥发窑调节，这种依赖人工经验判断窑况的方式存在较大的随机性和滞后性，导致低碳高效运行难、设备运行品质波动大。
[0003]虽然，火焰图像采集与视觉分析技术的发展为锌回转窑的窑况感知提供了数据支撑，但仍面临窑头物料燃烧特征提取不全、异构数据有效融合难等问题从而导致工况难以准确识别。全面感知窑内燃烧状态，并融合挥发窑的关键运行参数，从而准确识别窑况的是实现锌回转窑稳定高效运行的关键基础。
[0004]因此，现有技术还有待改进。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现有技术缺陷，本专利技术提供一种锌回转窑工况智能监测方法、装置、终端及介质，以解决传统人工观察火焰和监测数据凭经验判断工况存在的大时滞与随机性的问题。
[0006]本专利技术解决技术问题所采用的技术方案如下：
[0007]第一方面，本专利技术提供一种锌回转窑工况智能监测方法，包括：
[0008]获取工业相机采集的窑头火口的火焰视频数据；
[0009]根据预设时长提取火焰视频数据中物料的关键燃烧特征；
[0010]根据所述预设时长从装备监控系统中读取对应的关键监测数据；
[0011]将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵；
[0012]基于卷积神经网络计算所述观测参数矩阵的融合特征，并根据所述融合特征输出窑况信息。
[0013]在一种实现方式中，所述获取工业相机采集的窑头火口的火焰视频数据，之前包括：
[0014]调整所述工业相机的位置、朝向以及焦距，控制所述工业相机朝向窑头火口。
[0015]在一种实现方式中，所述根据预设时长提取火焰视频数据中物料的关键燃烧特征，包括：
[0016]选取预设时长的视频，按照预设规则从所述预设时长的视频中获取一个图像集；
[0017]根据预先定义的动态特征计算方法从所述图像集中提取所述物料的关键燃烧特
征。
[0018]在一种实现方式中，所述根据预先定义的动态特征计算方法从所述图像集中提取所述物料的关键燃烧特征，包括：
[0019]计算所述图像集中各图像对应的动态纹理特征、光流特征以及闪烁频率，得到各图像的燃烧特征；
[0020]根据各图像的燃烧特征与对应时间点的操作数据的相关性，筛选得到所述物料的关键燃烧特征。
[0021]在一种实现方式中，所述关键监测数据包括：历史的监测数据与控制数据、当前时刻的监测数据与控制数据。
[0022]在一种实现方式中，所述根据所述预设时长从装备监控系统中读取对应的关键监测数据，包括：
[0023]根据所述预设时长从装备监控系统中读取历史的监测数据与控制数据，并读取当前时刻的监测数据与控制数据。
[0024]在一种实现方式中，所述将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵，包括：
[0025]分别将所述关键燃烧特征和所述关键监测数据转化为对应的拼接矩阵；
[0026]将所有得到的拼接矩阵沿着非时间维度按照预设排列顺序形成不同的拼接矩阵；
[0027]将排序后的所有拼接矩阵组合成为所述观测参数矩阵。
[0028]在一种实现方式中，所述分别将所述关键燃烧特征和所述关键监测数据转化为对应的拼接矩阵，包括：
[0029]分别将所述关键燃烧特征和所述关键监测数据转化为对应的时间维度矩阵，并将转化后的时间维度矩阵沿着对应的非时间维度拼接成一个对应的拼接矩阵。
[0030]在一种实现方式中，所述基于卷积神经网络计算所述观测参数矩阵的融合特征，之前包括：
[0031]根据历史的监测数据与控制数据设置所述卷积神经网络的训练样本集，并将所述训练样本集中每个训练样本以观测参数矩阵为作为输入，以对应时间的工况标签作为输出，对所述卷积神经网络进行训练。
[0032]在一种实现方式中，所述基于卷积神经网络计算所述观测参数矩阵的融合特征，并根据所述融合特征输出窑况信息，包括：
[0033]将所述观测参数矩阵输入所述卷积神经网络，计算所述观测参数矩阵的融合特征；
[0034]根据所述融合特征输出所述物料对应的工况标签；其中，所述工况标签包括：欠烧二级、欠烧一级、正常、过烧一级以及过烧二级。
[0035]第二方面，本专利技术提供一种锌回转窑工况智能监测装置，包括：
[0036]数据采集模块，用于获取工业相机采集的窑头火口的火焰视频数据；
[0037]关键燃烧特征模块，用于根据预设时长提取火焰视频数据中物料的关键燃烧特征；
[0038]关键监测数据模块，用于根据所述预设时长从装备监控系统中读取对应的关键监测数据；
[0039]观测参数矩阵模块，用于将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵；
[0040]窑况信息模块，用于基于卷积神经网络计算所述观测参数矩阵的融合特征，并根据所述融合特征输出窑况信息。
[0041]第三方面，本专利技术提供一种终端，包括：处理器以及存储器，所述存储器存储有锌回转窑工况智能监测程序，所述锌回转窑工况智能监测程序被所述处理器执行时用于实现如第一方面所述的锌回转窑工况智能监测方法的操作。
[0042]第四方面，本专利技术还提供一种介质，所述介质为计算机可读存储介质，所述介质存储有锌回转窑工况智能监测程序，所述锌回转窑工况智能监测程序被处理器执行时用于实现如第一方面所述的锌回转窑工况智能监测方法的操作。
[0043]本专利技术采用上述技术方案具有以下效果：
[0044]本专利技术通过将关键燃烧特征与关键监测数据分别转化为矩阵的形式，并且按照不同排列顺序进行组合，不仅充分融合两种不同来源的信息，也充分利用了卷积神经网络能很好分析数据的空间关系的优点，从而更有效的提取融合特征以提升工况识别准确率。同时，本专利技术只需要从窑头看火口处采集视频图像以及从监控系统中获取回转窑的状态监测数据，无需接触挥发窑主体结构且不影响现场工人的正常操作，方便现场部署应用，能够长期为现场工人操作与实现锌回转窑低碳高效运行提供指导，解决了传统人工观察火焰和监测数据凭经验判断工况存在的大时滞与随机性的问题。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锌回转窑工况智能监测方法，其特征在于，包括：获取工业相机采集的窑头火口的火焰视频数据；根据预设时长提取火焰视频数据中物料的关键燃烧特征；根据所述预设时长从装备监控系统中读取对应的关键监测数据；将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵；基于卷积神经网络计算所述观测参数矩阵的融合特征，并根据所述融合特征输出窑况信息。2.根据权利要求1所述的锌回转窑工况智能监测方法，其特征在于，所述获取工业相机采集的窑头火口的火焰视频数据，之前包括：调整所述工业相机的位置、朝向以及焦距，控制所述工业相机朝向窑头火口。3.根据权利要求1所述的锌回转窑工况智能监测方法，其特征在于，所述根据预设时长提取火焰视频数据中物料的关键燃烧特征，包括：选取预设时长的视频，按照预设规则从所述预设时长的视频中获取一个图像集；根据预先定义的动态特征计算方法从所述图像集中提取所述物料的关键燃烧特征。4.根据权利要求3所述的锌回转窑工况智能监测方法，其特征在于，所述根据预先定义的动态特征计算方法从所述图像集中提取所述物料的关键燃烧特征，包括：计算所述图像集中各图像对应的动态纹理特征、光流特征以及闪烁频率，得到各图像的燃烧特征；根据各图像的燃烧特征与对应时间点的操作数据的相关性，筛选得到所述物料的关键燃烧特征。5.根据权利要求1所述的锌回转窑工况智能监测方法，其特征在于，所述关键监测数据包括：历史的监测数据与控制数据、当前时刻的监测数据与控制数据。6.根据权利要求5所述的锌回转窑工况智能监测方法，其特征在于，所述根据所述预设时长从装备监控系统中读取对应的关键监测数据，包括：根据所述预设时长从装备监控系统中读取历史的监测数据与控制数据，并读取当前时刻的监测数据与控制数据。7.根据权利要求1所述的锌回转窑工况智能监测方法，其特征在于，所述将所述关键燃烧特征与所述关键监测数据按照不同排列顺序组合形成观测参数矩阵，包括：分别将所述关键燃烧特征和所述关键监测数据转化为对应的拼接矩阵；将所有得到的拼接矩阵沿着非时间维度按照预设排列顺序形成不同的拼接矩阵；将排序后的所有拼接矩阵组合成为所述观测参数矩阵。8.根据权利要求7所述的锌回转窑工况...

【专利技术属性】
技术研发人员：张超波，梁骁俊，骆伟超，周楠，黄科科，阳春华，桂卫华，任浩，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：