【摘要】：轉(zhuǎn)爐煉鋼終點(diǎn)的判定是轉(zhuǎn)爐生產(chǎn)中的重要環(huán)節(jié),判定的準(zhǔn)確度直接影響生產(chǎn)出的鋼水質(zhì)量,主要判定依據(jù)是爐內(nèi)鋼水的碳含量和溫度是否達(dá)到出鋼要求,因此檢測鋼水中含的碳含量和溫度在判定過程中占據(jù)主要因素。碳含量和溫度測量的難點(diǎn)在于終點(diǎn)時刻連續(xù)實(shí)時的準(zhǔn)確預(yù)報(bào),現(xiàn)有終點(diǎn)時刻碳溫檢測的方法如副槍檢測法雖然準(zhǔn)確但成本較高不易普及且不能連續(xù)探測,傳統(tǒng)的轉(zhuǎn)爐終點(diǎn)判定方法利用提取的人工火焰特征雖然可以實(shí)現(xiàn)對轉(zhuǎn)爐終點(diǎn)的判定,但不能連續(xù)實(shí)時的預(yù)測終點(diǎn)時刻熔池內(nèi)的碳含量和溫度,且存在易受環(huán)境干擾、丟失火焰圖像特征信息多等問題而影響精度。針對此問題,本文主要研究內(nèi)容描述如下:(1)通過工業(yè)相機(jī)現(xiàn)場采集轉(zhuǎn)爐煉鋼吹煉過程爐口火焰變化視頻,將該火焰視頻數(shù)據(jù)逐幀轉(zhuǎn)至更符合人類觀察的HSI色彩空間,分析隨著吹煉過程的進(jìn)行,火焰圖像在HSI色彩空間的色度、色調(diào)值的變化趨勢,找出其與轉(zhuǎn)爐吹煉過程碳溫變化相關(guān)聯(lián)的特征,通過建立BP神經(jīng)網(wǎng)絡(luò)擬合分析轉(zhuǎn)爐煉鋼終點(diǎn)時刻火焰圖像特征與碳含量和溫度之間的關(guān)聯(lián)關(guān)系;(2)提出基于改進(jìn)的Lenet-5卷積神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煉鋼終點(diǎn)碳含量預(yù)測方法,對傳統(tǒng)Lenet-5結(jié)構(gòu)的不足進(jìn)行分析,在傳統(tǒng)結(jié)構(gòu)上加入局部響應(yīng)歸一化處理,增加模型的泛化能力,并將原有Sigmoid激活函數(shù)改為Swish激活函數(shù),避免因參數(shù)飽和而造成梯度爆炸或消失的問題。經(jīng)過多次對內(nèi)部參數(shù)(如卷積核大小、全連接隱含層神經(jīng)元個數(shù)、學(xué)習(xí)率等)的調(diào)整并做對比試驗(yàn),建立了適合于提取火焰圖像特征的基于Lenet-5卷積神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點(diǎn)碳含量預(yù)測模型,可連續(xù)實(shí)時預(yù)測終點(diǎn)時刻碳含量且精度更高;(3)提出一種多尺度融合深度卷積神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煉鋼終點(diǎn)碳含量預(yù)測方法,對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的不足進(jìn)行分析,利用殘差結(jié)構(gòu)提升傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)的深度,結(jié)合多尺度融合卷積層,充分利用1×1卷積核降維、多通道信息關(guān)聯(lián)等特點(diǎn),提取豐富而又抽象的火焰圖像特征,將這些提取到的火焰特征通過神經(jīng)網(wǎng)絡(luò)映射到火焰樣本的標(biāo)記空間,制作轉(zhuǎn)爐終點(diǎn)火焰彩色圖像數(shù)據(jù)集,訓(xùn)練出能夠連續(xù)實(shí)時預(yù)報(bào)終點(diǎn)時刻碳含量的模型;(4)提出一種四元數(shù)表示的卷積神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)爐煉鋼碳含量預(yù)測方法,分析傳統(tǒng)卷積層分通道提取火焰圖像特征的不足,建立四元數(shù)卷積四元數(shù)全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型,四元數(shù)卷積層能夠保留通道之間的關(guān)聯(lián)性,減少火焰圖像因?yàn)榉滞ǖ捞幚矶鴮?dǎo)致的關(guān)聯(lián)信息的丟失。分析傳統(tǒng)全連接層對四元數(shù)火焰特征的影響,為了保留前面四元數(shù)卷積層提取的四元數(shù)火焰特征中多通道之間的關(guān)聯(lián)性,避免被普通全連接層的操作破壞,在四元數(shù)卷積層的基礎(chǔ)上加入四元數(shù)表示的全連接層,四元數(shù)全連接層就是滿足全連接規(guī)則的1×1四元數(shù)卷積操作,使神經(jīng)網(wǎng)絡(luò)能夠保留多通道關(guān)聯(lián)特征,并通過實(shí)驗(yàn)驗(yàn)證了它的優(yōu)越性。
【圖文】：

昆明理工大學(xué)碩士學(xué)位論文4則單位金屬氧化量也幾乎不變，因此很容易通過單位時間供氧量和供養(yǎng)時間推算出轉(zhuǎn)爐終點(diǎn)�，F(xiàn)場的工人師傅也常常將單位時間供氧量和供養(yǎng)時間作為判定轉(zhuǎn)爐終點(diǎn)的參考依據(jù)。圖1.1轉(zhuǎn)爐煉鋼取樣檢測現(xiàn)場圖轉(zhuǎn)爐煉鋼吹煉時熔池內(nèi)會發(fā)生復(fù)雜的氧化還原反應(yīng)，僅依靠工人師傅的經(jīng)驗(yàn)去判斷終點(diǎn)的效率很低，，經(jīng)常需要進(jìn)行一次或多次的重新補(bǔ)吹，這不僅使煉鋼效率低下，還會影響鋼水質(zhì)量，縮短使用壽命，還會污染環(huán)境，同時取樣檢測時耗費(fèi)傳感器成本較高。另一方面，不同的工人師傅之間主觀思想和工作經(jīng)驗(yàn)不同，影響判斷的精度。1.2.2副槍檢測及爐氣分析法由于人工經(jīng)驗(yàn)判定的局限性，國內(nèi)外一些大型鋼廠使用更為昂貴的副槍、爐氣分析儀等裝置來檢測熔池內(nèi)的各種化學(xué)元素及溫度是否達(dá)到出鋼要求，進(jìn)而對吹煉過程進(jìn)行控制。（1）副槍檢測法

昆明理工大學(xué)碩士學(xué)位論文14（為學(xué)習(xí)率，∈(0,1)）2.2實(shí)驗(yàn)與分析2.2.1實(shí)驗(yàn)數(shù)據(jù)及平臺介紹本實(shí)驗(yàn)所使用的設(shè)備為具有GPU加速的筆記本一臺，所用實(shí)驗(yàn)平臺為Matlab軟件，實(shí)驗(yàn)所用的火焰視頻數(shù)據(jù)是通過cmos500萬像素工業(yè)相機(jī)采集自某煉鋼廠的轉(zhuǎn)爐爐口中，出鋼時的碳含量和溫度標(biāo)簽都是經(jīng)過現(xiàn)場工人檢測過的真實(shí)數(shù)據(jù)。工業(yè)現(xiàn)場煉鋼時，鋼水由于溫度的升高發(fā)生劇烈的物理化學(xué)反應(yīng)，導(dǎo)致鋼水飛濺，為了保護(hù)現(xiàn)場操作的工人師傅，煉鋼爐的保護(hù)門會關(guān)閉，但每次能觀測到的區(qū)域大小不同，工人師傅就是通過觀察這個區(qū)域內(nèi)的火焰來判斷轉(zhuǎn)爐終點(diǎn)，爐口火焰采集設(shè)備及火焰視頻圖像如圖2.1、圖2.2所示。圖2.1轉(zhuǎn)爐煉鋼爐口火焰采集設(shè)備圖2.2轉(zhuǎn)爐煉鋼爐口火焰高清視頻圖像
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP183;TF713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟海東;冀小青;宋宇辰;;基于光網(wǎng)絡(luò)的深度學(xué)習(xí)算法研究[J];現(xiàn)代電子技術(shù);2017年14期

2 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

3 錢岳;丁效;劉挺;陳毅恒;;聊天機(jī)器人中用戶出行消費(fèi)意圖識別方法[J];中國科學(xué):信息科學(xué);2017年08期

4 俞汝R

本文編號：2657418