本技术介绍了一种转炉炼钢炉内温度智能检测系统与技术,属于温度检测技术领域。该系统包含特征提取器模块,该模块由卷积层、池化层以及四个block层组成,并以平均池化层作为前后连接,旨在提高炼钢过程中温度检测的准确性和效率。
背景技术
作为一个重工业大国,钢铁工业一直是我国国民经济的一个重要组成部分,近年来我国的钢铁产量一直占据着全球第一的份额。近年来,国家对钢铁工业的发展提出转型要求,在提高提高工艺水平与自主创新能力的同时必须节能降耗。冶金工业不仅是钢铁工业的一个重要组成部分,其工艺水平也是衡量一个国家工业化水平的重要标志,而炼钢又是冶金工业的重要工艺过程。
目前,转炉炼钢法由于其生产效率高、速度快、投资小等优点,是包括我国在内的大多数国家主要采用的炼钢方法。在转炉炼钢过程中,实时关注熔池内的情况十分重要,炉内的情况不仅影响着当前时刻转炉的控制操作,也与最终的出钢品质有很大关系。当前国内的工厂仍然主要采用人工的方法,由具有丰富炼钢经验的工人观察炉口的火焰与钢液的特征进行判断并采取相应的控制策略。而转炉炼钢后期的炉内温度值是炼钢工人的重要参考,对于炉内温度值的准确掌握会在很大程度上影响出钢品质。然而,这种基于经验的判断方式对炼钢工人提出了极高的要求,同时由于需要实时观察,工人的判断结果容易受到主观情绪及其他因素的影响,基于经验的判断准确度并不高,且实时观察高亮度的炉口,也容易对工人的身体健康造成影响,人力物力消耗大。
已有的转炉炼钢后期炉内温度检测的相关方法分为硬测量与软测量两种。董凯等人在中国发明专利申请“一种基于CO2动态混合喷吹的转炉炼钢终点控制方法”(申请号:CN202211529994.7)中采用一种温度检测系统实现转炉炉内温度的硬测量。潘军等人在中国发明专利申请“一种转炉吹炼终点温度补偿的方法”(申请号: CN201910358182.2)中采用直接取样测温的方法获得炉内温度。由于转炉炼钢后期炉内温度高,硬测量的方法对测量设备的损耗十分严重,提高了生产成本,而且硬测量的延迟较大,测量的实时性较差。软测量方法大多基于生产数据构建模型或手工设计图像特征的方法构建模型。沈卫明等人在中国发明专利申请“一种基于NSGA-II的转炉炼钢操作优化方法及设备”(申请号:CN202410529431.0)中使用一种基于径向基函数的网络模型,实现对转炉炼钢后期炉内温度的预报。刘辉等人在中国发明专利申请“一种基于集成学习的转炉炼钢终点碳温软测量方法”(申请号:CN202310238762.4)中使用一种集成学习的方法,实现转炉炼钢后期炉内温度的软测量。但基于生产数据构建模型的方法要求大量的生产数据,对钢厂的设备要求高。程向明等人在中国发明专利申请“基于火焰图像判断转炉炼钢终点温度的预测系统及方法”(申请号:CN202110944596.0)中基于传统图像特征的方法,提取火焰图像的亮度值、旋转不变LBP特征值和HOG特征值等用于温度预测,但计算传统图像特征常常较为复杂,而且泛化性能差。
近年来,随着深度学习的迅速发展,卷积神经网络在图像领域具有十分广泛的应用,卷积神经网络避免了手工设计特征的烦恼,通过卷积核自动提取特征,通过损失函数计算网络损失,通过随机梯度下降更新模型参数。
因此,本领域的技术人员致力于开发一种基于卷积神经网络的转炉炼钢后期炉内温度检测模型和方法,降低检测成本、提高检测速度。
实现思路