【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能及煉鋼，尤其涉及一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法和裝置。
技術(shù)介紹
1、目前不同自動出鋼技術(shù)在部分工廠中已經(jīng)有應(yīng)用，對于自動出鋼中的控制技術(shù)目前已有多種控制技術(shù)，比如公開號cn113088615a的專利申請公開了一種基于視頻識別技術(shù)的轉(zhuǎn)爐出鋼控制方法與系統(tǒng)，包括以下步驟：分析手動出鋼的歷史數(shù)據(jù)自學習生成若干張出鋼的傾角時長表，根據(jù)當前爐況自動選擇對應(yīng)的傾角時長；根據(jù)轉(zhuǎn)爐爐口處和轉(zhuǎn)爐爐下的視頻，實時判斷出鋼過程中爐口溢渣、爐下溢渣、鋼水液位低和出鋼口有渣的情況；自動生成轉(zhuǎn)爐向上抬爐或向下轉(zhuǎn)動的指令。又比如公開號cn?118685584a的專利申請公開了一種轉(zhuǎn)爐智能出鋼控制方法、裝置、介質(zhì)及電子設(shè)備，轉(zhuǎn)爐智能出鋼控制方法包括：實時檢測并獲取爐口渣線距離；控制轉(zhuǎn)爐轉(zhuǎn)動傾倒，使所述爐口渣線距離維持在預(yù)設(shè)距離，以使出鋼口的靜壓力為最大值；確認出鋼口的鋼流穩(wěn)定落點的位置，根據(jù)鋼流穩(wěn)定落點的位置控制鋼包車的運動軌跡，以使鋼包車的中心位置與鋼流穩(wěn)定落點的位置重合，以及控制鋼包車上方合金溜槽的設(shè)置位置，以使合金溜槽流出的料流落點位置與鋼流穩(wěn)定落點的位置重合。
2、但是，上述自動化控制技術(shù)都沒法對自動出鋼過程進行全程監(jiān)控，沒有辦法識別出自動出鋼過程中的各種異常情況，比如出鋼過程中轉(zhuǎn)爐爐口溢渣、爐下鋼水罐溢渣、鋼水罐液位高低和出鋼口有渣等情況，沒法就這些異常情況提供報警及預(yù)警提示。
技術(shù)實現(xiàn)思路
1、有鑒于此，本專利技術(shù)提供一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法和
2、為了實現(xiàn)上述目的，本專利技術(shù)采用以下方案：
3、根據(jù)本專利技術(shù)的第一方面，提供一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，所述方法包括：獲取轉(zhuǎn)爐出鋼過程的歷史圖像數(shù)據(jù)，所述歷史圖像數(shù)據(jù)包括正常出鋼圖像數(shù)據(jù)和非正常出鋼圖像數(shù)據(jù)；對所述歷史圖像數(shù)據(jù)進行標注和特征提取，所述特征包括鋼水飛濺程度、轉(zhuǎn)路口溢渣溢鋼、鋼水罐與轉(zhuǎn)爐的相對位置、鋼水罐內(nèi)液面凈空、鋼水開始流出時刻和鋼水結(jié)束流出時刻；基于提取的所述特征建立數(shù)據(jù)庫，并利用所述數(shù)據(jù)庫訓練出鋼監(jiān)測模型，使所述出鋼監(jiān)測模型學習識別和判斷正常出鋼、非正常出鋼、鋼水開始流出和結(jié)束、以及正常和非正常轉(zhuǎn)爐與鋼水罐的位置關(guān)系；將訓練好的所述出鋼監(jiān)測模型部署到實際生產(chǎn)環(huán)境中，對無人出鋼過程進行實時監(jiān)測并提供出鋼過程及告警提示。
4、作為本專利技術(shù)的一個實施例，上述方法中出鋼過程的提示包括：出鋼開始階段和出鋼結(jié)束階段；所述告警提示包括：鋼水飛濺嚴重、轉(zhuǎn)爐口溢渣、轉(zhuǎn)路口鋼水外溢、鋼水罐位置偏差過大、鋼水罐內(nèi)鋼水液面凈空不正常。
5、作為本專利技術(shù)的一個實施例，上述方法還包括：基于所述歷史圖像數(shù)據(jù)中的正常出鋼圖像數(shù)據(jù)，利用單分類支持向量機算法訓練異常識別模型以識別出未在所述非正常出鋼圖像數(shù)據(jù)出現(xiàn)的異常出鋼情況。
6、作為本專利技術(shù)的一個實施例，上述方法中單分類支持向量機算法采用徑向基核函數(shù)，并通過網(wǎng)格搜索或交叉驗證方法優(yōu)化核參數(shù)γ和懲罰參數(shù)ν，以確定最優(yōu)的異常識別模型。
7、作為本專利技術(shù)的一個實施例，上述方法還包括：利用傳感器獲取轉(zhuǎn)爐出鋼過程中的鋼水重量、位置、溫度和振動數(shù)據(jù)，并基于所述鋼水重量、位置、溫度和振動數(shù)據(jù)，與所述出鋼監(jiān)測模型的監(jiān)測結(jié)果對出鋼過程中的異常情況進行綜合分析。
8、作為本專利技術(shù)的一個實施例，上述方法還包括：根據(jù)所述出鋼監(jiān)測模型所識別到的鋼水罐與轉(zhuǎn)爐的位置關(guān)系進行預(yù)警，包括：若鋼水罐的嘴與轉(zhuǎn)爐爐口的距離超過設(shè)定閾值，則發(fā)出預(yù)警信號。
9、作為本專利技術(shù)的一個實施例，上述方法中獲取轉(zhuǎn)爐出鋼過程的歷史圖像數(shù)據(jù)之后，所述方法還包括：對所述歷史圖像數(shù)據(jù)中的非正常出鋼圖像數(shù)據(jù)進行數(shù)據(jù)增強操作以增加非正常出鋼圖像數(shù)據(jù)量。
10、作為本專利技術(shù)的一個實施例，上述方法中數(shù)據(jù)增強操作包括：對所述非正常出鋼圖像數(shù)據(jù)進行基于圖像的增強操作：包括對所述非正常出鋼圖像數(shù)據(jù)進行旋轉(zhuǎn)和平移、縮放、添加噪聲、模糊和遮擋操作以生產(chǎn)新的非正常出鋼圖像數(shù)據(jù)；對所述非正常出鋼圖像數(shù)據(jù)進行基于視頻的增強操作：對所述非正常出鋼圖像數(shù)據(jù)所屬的視頻片段進行變速播放然后再生產(chǎn)新的非正常出鋼圖像數(shù)據(jù)；對所述非正常出鋼圖像數(shù)據(jù)進行基于特征的增強操作：基于smote方法生產(chǎn)新的非正常出鋼圖像數(shù)據(jù)。
11、作為本專利技術(shù)的一個實施例，上述方法中基于smote算法生產(chǎn)新的非正常出鋼圖像數(shù)據(jù)包括：從所述非正常出鋼圖像數(shù)據(jù)中提取增強特征，所述增強特征包括：顏色直方圖、紋理特征、邊緣特征、形狀特征、關(guān)鍵點特征；將所述增強特征的向量作為smote算法的輸入以生成新的非正常出鋼圖像樣本的特征向量；將所述特征向量輸入至由生成對抗網(wǎng)絡(luò)訓練而成的生成模型中以轉(zhuǎn)換成新的非正常出鋼圖像。
12、根據(jù)本專利技術(shù)的第二方面，提供一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測裝置，所述裝置包括：歷史數(shù)據(jù)獲取單元，用于獲取轉(zhuǎn)爐出鋼過程的歷史圖像數(shù)據(jù)，所述歷史圖像數(shù)據(jù)包括正常出鋼圖像數(shù)據(jù)和非正常出鋼圖像數(shù)據(jù)；特征提取單元，用于對所述歷史圖像數(shù)據(jù)進行標注和特征提取，所述特征包括鋼水飛濺程度、轉(zhuǎn)路口溢渣溢鋼、鋼水罐與轉(zhuǎn)爐的相對位置、鋼水罐內(nèi)液面凈空、鋼水開始流出時刻和鋼水結(jié)束流出時刻；模型訓練單元，用于基于提取的所述特征建立數(shù)據(jù)庫，并利用所述數(shù)據(jù)庫訓練出鋼監(jiān)測模型，使所述出鋼監(jiān)測模型學習識別和判斷正常出鋼、非正常出鋼、鋼水開始流出和結(jié)束、以及正常和非正常轉(zhuǎn)爐與鋼水罐的位置關(guān)系；模型部署單元，用于將訓練好的所述出鋼監(jiān)測模型部署到實際生產(chǎn)環(huán)境中，對無人出鋼過程進行實時監(jiān)測并提供出鋼過程及告警提示。
13、作為本專利技術(shù)的一個實施例，上述出鋼過程的提示包括：出鋼開始階段和出鋼結(jié)束階段；所述告警提示包括：鋼水飛濺嚴重、轉(zhuǎn)爐口溢渣、轉(zhuǎn)路口鋼水外溢、鋼水罐位置偏差過大、鋼水罐內(nèi)鋼水液面凈空不正常。
14、作為本專利技術(shù)的一個實施例，上述裝置還包括：異常識別單元，基于所述歷史圖像數(shù)據(jù)中的正常出鋼圖像數(shù)據(jù)，利用單分類支持向量機算法訓練異常識別模型以識別出未在所述非正常出鋼圖像數(shù)據(jù)出現(xiàn)的異常出鋼情況。
15、作為本專利技術(shù)的一個實施例，上述單分類支持向量機算法采用徑向基核函數(shù)，并通過網(wǎng)格搜索或交叉驗證方法優(yōu)化核參數(shù)γ和懲罰參數(shù)ν，以確定最優(yōu)的異常識別模型。
16、作為本專利技術(shù)的一個實施例，上述裝置還包括：傳感器單元，用于利用傳感器獲取轉(zhuǎn)爐出鋼過程中的鋼水重量、位置、溫度和振動數(shù)據(jù)，并基于所述鋼水重量、位置、溫度和振動數(shù)據(jù)，與所述出鋼監(jiān)測模型的監(jiān)測結(jié)果對出鋼過程中的異常情況進行綜合分析。
17、作為本專利技術(shù)的一個實施例，上述裝置還包括：預(yù)警單元，用于根據(jù)所述出鋼監(jiān)測模型所識別到的鋼水罐與轉(zhuǎn)爐的位置關(guān)系進行預(yù)警，包括：若鋼水罐的嘴與轉(zhuǎn)爐爐口的距離超過設(shè)定閾值，則發(fā)出預(yù)警信號。
18、作為本專利技術(shù)的一個實施例，上述裝置還包括：數(shù)據(jù)增強單元，用于對所述歷史圖像數(shù)據(jù)中的非正常出鋼圖像數(shù)據(jù)進行數(shù)據(jù)增強操作以增加非正常出鋼圖像數(shù)據(jù)量。
19、本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述出鋼過程的提示包括：出鋼開始階段和出鋼結(jié)束階段；所述告警提示包括：鋼水飛濺嚴重、轉(zhuǎn)爐口溢渣、轉(zhuǎn)路口鋼水外溢、鋼水罐位置偏差過大、鋼水罐內(nèi)鋼水液面凈空不正常。
3.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法還包括：基于所述歷史圖像數(shù)據(jù)中的正常出鋼圖像數(shù)據(jù)，利用單分類支持向量機算法訓練異常識別模型以識別出未在所述非正常出鋼圖像數(shù)據(jù)出現(xiàn)的異常出鋼情況。
4.如權(quán)利要求3所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述單分類支持向量機算法采用徑向基核函數(shù)，并通過網(wǎng)格搜索或交叉驗證方法優(yōu)化核參數(shù)γ和懲罰參數(shù)ν，以確定最優(yōu)的異常識別模型。
5.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法還包括：利用傳感器獲取轉(zhuǎn)爐出鋼過程中的鋼水重量、位置、溫度和振動數(shù)據(jù)，并基于所述鋼水重量、位置、溫度和振動數(shù)據(jù)，與所述出鋼監(jiān)測模型的監(jiān)測結(jié)果對出鋼
6.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法還包括：根據(jù)所述出鋼監(jiān)測模型所識別到的鋼水罐與轉(zhuǎn)爐的位置關(guān)系，包括：若鋼水罐的嘴與轉(zhuǎn)爐爐口的距離超過設(shè)定閾值，則發(fā)出預(yù)警信號。
7.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，獲取轉(zhuǎn)爐出鋼過程的歷史圖像數(shù)據(jù)之后，所述方法還包括：
8.如權(quán)利要求7所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述數(shù)據(jù)增強操作包括：
9.如權(quán)利要求8所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述基于SMOTE算法生產(chǎn)新的非正常出鋼圖像數(shù)據(jù)包括：
10.一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測裝置，其特征在于，所述裝置包括：
11.一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1-9任一項所述方法的步驟。
12.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-9任一項所述方法的步驟。
13.一種計算機程序產(chǎn)品，包括計算機程序/指令，其特征在于，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至9任一項所述方法的步驟。
...【技術(shù)特征摘要】
1.一種基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述出鋼過程的提示包括：出鋼開始階段和出鋼結(jié)束階段；所述告警提示包括：鋼水飛濺嚴重、轉(zhuǎn)爐口溢渣、轉(zhuǎn)路口鋼水外溢、鋼水罐位置偏差過大、鋼水罐內(nèi)鋼水液面凈空不正常。
3.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法還包括：基于所述歷史圖像數(shù)據(jù)中的正常出鋼圖像數(shù)據(jù)，利用單分類支持向量機算法訓練異常識別模型以識別出未在所述非正常出鋼圖像數(shù)據(jù)出現(xiàn)的異常出鋼情況。
4.如權(quán)利要求3所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述單分類支持向量機算法采用徑向基核函數(shù)，并通過網(wǎng)格搜索或交叉驗證方法優(yōu)化核參數(shù)γ和懲罰參數(shù)ν，以確定最優(yōu)的異常識別模型。
5.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其特征在于，所述方法還包括：利用傳感器獲取轉(zhuǎn)爐出鋼過程中的鋼水重量、位置、溫度和振動數(shù)據(jù)，并基于所述鋼水重量、位置、溫度和振動數(shù)據(jù)，與所述出鋼監(jiān)測模型的監(jiān)測結(jié)果對出鋼過程中的異常情況進行綜合分析。
6.如權(quán)利要求1所述的基于人工智能的轉(zhuǎn)爐無人出鋼監(jiān)測方法，其...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張茂林，余慧，王磊，
申請(專利權(quán))人：中冶京誠工程技術(shù)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。