System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 炉压控制方法、系统、计算机设备和存储介质技术方案_技高网

炉压控制方法、系统、计算机设备和存储介质技术方案

技术编号:41295083 阅读:2 留言:0更新日期:2024-05-13 14:44
本说明书实施方式提供了一种炉压控制方法、系统、计算机设备和存储介质。所述方法应用于炉压控制系统,所述炉压控制系统通信连接有集散控制系统;所述方法包括:获取电炉的当前火焰图像;将所述当前火焰图像输入至预先训练好的火焰分类模型中提取火焰亮度特征,以基于提取的火焰亮度特征对所述电炉的火焰进行预测,得到对应的当前火焰等级;根据所述当前火焰等级在等级频率映射关系中查找,得到对应的目标风机频率;其中,所述等级频率映射关系用于描述火焰等级与风机频率之间的对应关系;发送所述目标风机频率至所述集散控制系统,以使所述集散控制系统基于所述目标风机频率,对所述电炉的炉压进行控制,如此,可以提高炉压控制的准确性。

【技术实现步骤摘要】

本说明书中实施方式关于自动控制,具体涉及一种炉压控制方法、系统、计算机设备和存储介质


技术介绍

1、电炉,也称电弧电炉、电阻电炉或矿热炉,主要用于还原冶炼矿石、碳质还原剂及溶剂等原料,是在冶金工业中具有重要作用的工业设备。在电炉运行过程中,维持电炉的炉压稳定是安全生产过程中至关重要的。

2、然而,相关技术中在对电路的炉压进行操作时,通常是通过人工手动进行控制或者是采用半自动的pid控制来对电炉的炉压进行控制,其控制准确性有待提高。


技术实现思路

1、有鉴于此,本说明书多个实施方式致力于提供一种炉压控制方法、系统、计算机设备和存储介质,以提高炉压控制的准确性。

2、本说明书实施方式提供一种炉压控制方法,应用于炉压控制系统,所述炉压控制系统通信连接有集散控制系统;所述方法包括:获取电炉的当前火焰图像;将所述当前火焰图像输入至预先训练好的火焰分类模型中提取火焰亮度特征,以基于提取的火焰亮度特征对所述电炉的火焰进行预测,得到对应的当前火焰等级;根据所述当前火焰等级在等级频率映射关系中查找,得到对应的目标风机频率;其中,所述等级频率映射关系用于描述火焰等级与风机频率之间的对应关系;发送所述目标风机频率至所述集散控制系统,以使所述集散控制系统基于所述目标风机频率,对所述电炉的炉压进行控制。

3、在一些实施方式中,所述炉压控制系统包括服务器和通信单元,所述火焰分类模型部署在所述服务器中;所述服务器通过所述通信单元与所述集散控制系统进行通信连接;所述服务器,用于发送所述目标风机频率至所述通信单元;所述通信单元,用于将所述目标风机频率发送至所述集散控制系统。

4、在一些实施方式中,所述炉压控制系统包括服务器和通信单元,所述服务器通过所述通信单元与所述集散控制系统进行通信连接,所述火焰分类模型部署在所述服务器中,所述等级频率映射关系存储在所述通信单元;所述服务器,用于在接收到所述通信单元发送的火焰等级请求信号的情况下,响应于所述火焰等级请求信号,将所述当前火焰等级发送至所述通信单元;所述通信单元,用于根据所述当前火焰等级在所述等级频率映射关系中查找得到所述目标风机频率。

5、在一些实施方式中,通过以下方式训练所述火焰分类模型:根据历史火焰图像,构建训练用样本图像和验证用样本图像;利用所述训练用样本图像对初始分类模型进行模型训练,得到多个中间分类模型;其中,所述初始分类模型是基于指定的efficientnet模型结构搭建的;基于每个所述中间分类模型的模型准确率确定所述火焰分类模型;其中,所述模型准确率是根据所述验证用样本图像和所述验证用样本图像对应的标注火焰等级,对每个所述中间分类模型进行评估得到的。

6、在一些实施方式中,所述利用所述训练用样本图像对初始分类模型进行模型训练,得到多个中间分类模型,包括:利用所述训练用样本图像,按照余弦退火热重启策略对所述初始分类模型进行第一阶段模型训练,得到多个第一分类模型;其中,所述第一阶段模型训练包括标签平滑操作和第一指定数据增强操作;

7、相应地,所述基于每个所述中间分类模型的模型准确率确定所述火焰分类模型,包括:根据所述验证用样本图像和所述验证用样本图像对应的标注火焰等级,对每个所述第一分类模型进行评估,得到每个所述第一分类模型的第一准确率;从所述多个第一分类模型中选取所述第一准确率最高的第一分类模型作为目标第一分类模型;基于所述目标第一分类模型,确定所述火焰分类模型。

8、在一些实施方式中,所述基于所述目标第一分类模型,确定所述火焰分类模型,包括:利用所述训练用样本图像,按照所述余弦退火热重启策略对所述目标第一分类模型进行第二阶段模型训练,得到多个第二分类模型;其中,所述第二阶段模型训练包括标签平滑操作、第二指定数据增强操作和权值衰减操作;根据所述验证用样本图像和所述验证用样本图像对应的标注火焰等级,对每个所述第二分类模型进行评估,得到每个所述第二分类模型的第二准确率;从所述多个第二分类模型中选取所述第二准确率最高的第二分类模型作为目标第二分类模型;基于所述目标第二分类模型,确定所述火焰分类模型。

9、在一些实施方式中,所述基于所述目标第二分类模型,确定所述火焰分类模型,包括:利用所述训练用样本图像,按照所述余弦退火热重启策略对所述目标第二分类模型进行第三阶段模型训练,得到多个第三分类模型;其中,所述第三阶段模型训练包括标签平滑操作和权值衰减操作,所述第三阶段模型训练的损失函数为交叉熵损失函数;根据所述验证用样本图像和所述验证用样本图像对应的标注火焰等级,对每个所述第三分类模型进行评估,得到每个所述第三分类模型的第三准确率;从所述多个第三分类模型中选取所述第三准确率最高的第三分类模型,作为所述火焰分类模型。

10、本说明书实施方式提供一种炉压控制系统,包括服务器和通信单元,所述服务器通过所述通信单元连接有集散控制系统;所述服务器,用于获取电炉的当前火焰图像;将所述当前火焰图像输入至预先训练好的火焰分类模型中提取火焰亮度特征,以基于提取的火焰亮度特征对所述电炉的火焰进行预测,得到对应的当前火焰等级;所述通信单元,用于根据所述当前火焰等级在等级频率映射关系中查找,得到对应的目标风机频率,并发送所述目标风机频率至所述集散控制系统,以使所述集散控制系统基于所述目标风机频率,对所述电炉的炉压进行控制;其中,所述等级频率映射关系用于描述火焰等级与风机频率之间的对应关系。

11、本说明书实施方式提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施方式所述的炉压控制方法。

12、本说明书实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施方式所述的炉压控制方法。

13、本说明书提供的多个实施方式,通过将当前火焰图像输入至预先训练好的火焰分类模型中提取火焰亮度特征,以使火焰分类模型基于提取的火焰亮度特征对电炉的火焰进行预测,得到对应的当前火焰等级,并根据当前火焰等级在等级频率映射关系中进行查找得到对应的目标风机频率,然后将目标风机频率发送至集散控制系统,以使集散控制系统根据目标风机频率对电炉的炉压进行控制,如此,可以提高炉压控制的准确性。

本文档来自技高网...

【技术保护点】

1.一种炉压控制方法,其特征在于,应用于炉压控制系统,所述炉压控制系统通信连接有集散控制系统;所述方法包括:

2.根据权利要求1所述的控制方法,其特征在于,所述炉压控制系统包括服务器和通信单元,所述火焰分类模型部署在所述服务器中;所述服务器通过所述通信单元与所述集散控制系统进行通信连接;

3.根据权利要求1所述的控制方法,其特征在于,所述炉压控制系统包括服务器和通信单元,所述服务器通过所述通信单元与所述集散控制系统进行通信连接,所述火焰分类模型部署在所述服务器中,所述等级频率映射关系存储在所述通信单元;

4.根据权利要求1-3任一所述的控制方法,其特征在于,通过以下方式训练所述火焰分类模型:

5.根据权利要求4所述的控制方法,其特征在于,所述利用所述训练用样本图像对初始分类模型进行模型训练,得到多个中间分类模型,包括:

6.根据权利要求5所述的控制方法,其特征在于,所述基于所述目标第一分类模型,确定所述火焰分类模型,包括:

7.根据权利要求6所述的控制方法,其特征在于,所述基于所述目标第二分类模型,确定所述火焰分类模型,包括:

8.一种炉压控制系统,其特征在于,包括服务器和通信单元,所述服务器通过所述通信单元连接有集散控制系统;

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的炉压控制方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的炉压控制方法。

...

【技术特征摘要】

1.一种炉压控制方法,其特征在于,应用于炉压控制系统,所述炉压控制系统通信连接有集散控制系统;所述方法包括:

2.根据权利要求1所述的控制方法,其特征在于,所述炉压控制系统包括服务器和通信单元,所述火焰分类模型部署在所述服务器中;所述服务器通过所述通信单元与所述集散控制系统进行通信连接;

3.根据权利要求1所述的控制方法,其特征在于,所述炉压控制系统包括服务器和通信单元,所述服务器通过所述通信单元与所述集散控制系统进行通信连接,所述火焰分类模型部署在所述服务器中,所述等级频率映射关系存储在所述通信单元;

4.根据权利要求1-3任一所述的控制方法,其特征在于,通过以下方式训练所述火焰分类模型:

5.根据权利要求4所述的控制方法,其特征在于,所述利用所述训练用样本图像对初始...

【专利技术属性】
技术研发人员:宋植林齐志坤钟海胜
申请(专利权)人:北京朗信智能科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1