[发明专利]基于人工智能的炼铁高炉流嘴异常检测方法及系统

权利要求书

1.一种基于人工智能的炼铁高炉流嘴异常检测方法，其特征在于，该方法包括：

利用语义分割网络得到包含铁水罐和摆动流嘴的第一图像；

获取所述第一图像中所述铁水罐和所述摆动流嘴的3D点云数据；

利用所述3D点云数据，计算在摆动的所述安全距离阈值内，所述摆动流嘴到所述铁水罐罐口中心点的最大距离，以得到所述最大距离对应的合理摆动角范围；

根据所述3D点云数据，利用改进的光流法获得所述摆动流嘴在三维坐标下的运动速度；

根据预设时间内所述摆动流嘴的所述运动速度在三维坐标下Z方向的速度，利用该方向上的运动速度、运动方向的变化次数及其运动时间预测震动程度；

当所述震动程度小于震动阈值时，根据所述预设时间内所述摆动流嘴的所述运动速度在三维坐标下Y方向的速度，通过判断所述摆动流嘴的速度为0时对应的摆动角度是否在所述合理摆动角范围内得到所述摆动流嘴的准确性指标，通过判断摆动时间是否在时间阈值内得到所述摆动流嘴的及时性指标，通过摆动过程中速度突变量、摆动偏移角以及极限摆动角得到所述摆动流嘴的稳定性指标；所述摆动偏移角为所述摆动流嘴回程时刻的位置与所述Y方向的夹角；所述极限摆动角为所述摆动流嘴摆动的极限角；

根据所述摆动流嘴的所述震动程度、所述准确性指标、所述及时性指标和所述稳定性指标得到摆动异常程度。

2.如权利要求1所述的方法，其特征在于，所述改进的光流法的光流约束方程为：

其中，表示相邻两帧所述第一图像的3D点云数据之间的差值；V_x，V_y，V_z分别是所述点(x，y，z)处沿x轴、y轴、z轴的速度矢量；是所述第一图像在所述3D点云数据中所述点(x，y，z)的梯度。

3.如权利要求1所述的方法，其特征在于，所述摆动流嘴到所述铁水罐罐口的中心点的最大距离是利用所述铁水罐罐口的半径减去所述摆动的安全距离阈值和所述摆动流嘴出铁口宽度的一半。

4.如权利要求1所述的方法，其特征在于，当所述震动程度大于所述震动阈值时，确定所述摆动流嘴出现异常。

5.如权利要求1所述的方法，其特征在于，所述摆动流嘴的稳定性指标的获取方法为：

其中，η为所述摆动流嘴的稳定性指标；Δv_g为第g个所述Y方向的速度突变量；m为所述速度突变量的数量；θ_pk为第k个所述摆动偏移角；i为所述摆动偏移角的数量；θ_j为所述极限摆动角；θ_B为最小极限摆动角。

6.如权利要求4所述的方法，其特征在于，所述摆动异常程度的获取方法为：

其中，pro为所述摆动异常程度；γ为所述准确性指标；δ为所述及时性指标；η为所述稳定性指标；β为所述震动程度；A为所述震动阈值。