【技术实现步骤摘要】
本专利技术涉及机器学习及计算机数值模拟，特别涉及一种基于机器学习的高炉风口回旋区深度软测量方法。
技术介绍
1、现代高炉可被视为高温高压多相反应器。在现代高炉中，可被视为高温高压多相反应器，其中涉及气相、固相和液相材料的逆向、同向和交叉流动，伴随着复杂的热量和质量传递过程、化学反应以及强烈的相互作用。高炉内部可以根据物料的状态和流动性质划分为多个从顶部到底部的不同物理区域，包括块状带、软熔带、滴落带、死料柱、风口回旋区和炉缸区。在上述区域中，位于高炉下部的风口回旋区尤为重要。在高炉风口前缘形成风口回旋区的机理一直为炼铁工作者所重视，并且进行了多方面的细致研究，形成了众多关于风口回旋区的形成方式、形状特征以及传热、传质等理论和数学模型。
2、目前基于cfd-dem耦合的数值模拟技术在比较不同鼓风速度和床宽的情况下，以评估气固流动效果，为实际回旋区形态的优化控制提供理论支持。但计算成本较高，通常需要数天甚至数周的时间来建立和计算一个风口回旋区的cfd-dem模型。
3、同时，基于cfd-dem耦合的数值模拟技术的可行...
【技术保护点】
1.一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，在所述步骤1中，基于参数并利用流体相控制方程和颗粒运动控制方程构建高炉风口回旋区的三维仿真模型，并根据流体相控制方程和颗粒运动控制方程进行模拟求解得到模拟结果，采集模拟结果中高炉风口回旋区具有代表性的温度云图，得出三维仿真模型的方法具体包括如下步骤：
3.根据权利要求2所述的一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，在所述步骤2中，基于三维仿真模型模拟结果中...
【技术特征摘要】
1.一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，在所述步骤1中，基于参数并利用流体相控制方程和颗粒运动控制方程构建高炉风口回旋区的三维仿真模型，并根据流体相控制方程和颗粒运动控制方程进行模拟求解得到模拟结果，采集模拟结果中高炉风口回旋区具有代表性的温度云图，得出三维仿真模型的方法具体包括如下步骤：
3.根据权利要求2所述的一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，在所述步骤2中，基于三维仿真模型模拟结果中得到的具有代表性的温度云图数据进行特征中心化，特征中心化表示为：
4.根据权利要求3所述的一种基于机器学习的高炉风口回旋区深度软测量方法，其特征在于，在所述步骤2中，将得到的特征中心化后的数据代入协方差矩阵，协方差计算方程为：
5.根据权利...
【专利技术属性】
技术研发人员：鄂殿玉，刘宇文龙，崔佳鑫，但家云，蒋友源，刘永刚，罗迪强，周宗彦，匡世波，余艾冰，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：
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。