[发明专利]基于模式识别的铜转炉吹炼造铜期终点智能判断方法

说明书

基于模式识别的铜转炉吹炼造铜期终点智能判断方法，首先对获取的粗铜图像进行预处理，再利用VGG16网络构建造铜期吹炼状态识别模型以预测出转炉吹炼后期粗铜图像；而后提取转炉吹炼后期粗铜图像特征信息作为支持向量机预测模型的输入，构建基于粒子群优化的支持向量机预测模型，用以预测铜转炉吹炼造铜期终点。本发明能够避免人工判断铜转炉吹炼造铜期终点存在的误差，有效提高铜转炉冶炼终点命中率，从而提高生产效率，降低成本。

技术领域

本发明涉及铜转炉吹炼自动化控制技术领域，尤其涉及一种基于模式识别的铜转炉吹炼造铜期终点智能判断方法。

背景技术

铜转炉吹炼造铜期是一个涉及化学反应、传热、传质、流体流动等众多作用，生产具有多变量，非线性，不确定性的过程，且物料变化范围大，影响因素多，故一直很难实现在线检测，这也给吹炼终点判断造成了极大的困难。随着计算机技术和图像处理的迅速发展，将模式识别应用于铜转炉吹炼终点的判断具有重要的意义。目前，国内外开发有许多检测技术，常用的方法有(大多数现场依旧是依靠操作人员)人工经验、仪器测定法、物料平衡与神经网络结合等方法，判断铜转炉吹炼的终点。

在实际生产和理论研究中发现：人工检测的方法费时费力，不可避免会出现误差，进而导致粗铜的生产效率下降；采用仪器测定方法，根据造铜期 SO₂气体浓度的变化，通过差分吸收光谱技术定性定量得到SO₂的浓度以判断造铜期的终点，最终检测到的系统预报全程吹炼终点与实际经验操作终点误差在8分钟左右，此方法虽然简洁有效，但使用的仪器价格昂贵且容易损坏；物料平衡和神经网络方法，由于反应因素较多，反应过程较为复杂，故计算量较大，终点判断准确度不高。

发明内容

本发明提供一种基于模式识别的铜转炉吹炼造铜期终点智能判断方法，以解决上述背景技术中存在的问题。

本发明所解决的技术问题采用以下技术方案来实现：

基于模式识别的铜转炉吹炼造铜期终点智能判断方法，具体步骤如下：

步骤1)获取铜转炉吹炼造铜期前期、中期、后期的粗铜图像，并对粗铜图像进行预处理

利用工业相机采集粗铜图像，在对粗铜图像去噪和分割后，进行归一化处理；

步骤2)将步骤1)中预处理后的粗铜图像作为造铜期吹炼状态识别模型的输入进行训练，构建基于VGG16卷积神经网络的造铜期吹炼状态识别模型，以预测出转炉吹炼后期粗铜图像

首先载入VGG16卷积神经网络，而后将步骤1)中预处理后的粗铜图像作为造铜期吹炼状态识别模型的输入进行训练，经由卷积神经网络的特征抽取器提取粗铜图像特征，最终识别出粗铜图像在造铜期铜转炉的吹炼状态(前期、中期、后期)，并预测出吹炼后期粗铜图像，为进一步判断铜转炉吹炼造铜期终点奠定基础；

步骤3)对步骤2)得到的吹炼后期粗铜图像进行预处理，提取预处理后的吹炼后期粗铜图像特征信息，吹炼后期粗铜图像特征信息包括图像的形状、颜色、纹理特征；

步骤4)将步骤3)中获得的吹炼后期粗铜图像特征信息作为支持向量机预测模型的输入，构建基于粒子群优化的支持向量机预测模型，以得到吹炼后期粗铜图像的形状、颜色、纹理特征与造铜期吹炼数据间的映射关系，并将输出造铜期S含量与预存在支持向量机预测模型内的特征比对表进行对比，以预测铜转炉吹炼造铜期终点

首先提取步骤3)获得的吹炼后期粗铜图像的形状、颜色、纹理特征信息数据，将数据分为训练组与测试组并进行归一化处理，作为支持向量机预测模型的输入，再利用XRD与XRF，以获得每次吹炼造铜期对应的S含量，而后将提取的每张吹炼后期粗铜图像特征信息与获得的S含量形成一一对应关系，最后输出造铜期S含量。

有益效果：本发明能够避免人工判断铜转炉吹炼造铜期终点存在的误差，减轻人工劳动强度，有效提高铜转炉冶炼终点命中率，从而提高生产效率，降低生产成本。