【摘要】：轉爐煉鋼終點的判定是轉爐生產中的重要環(huán)節(jié),判定的準確度直接影響生產出的鋼水質量,主要判定依據(jù)是爐內鋼水的碳含量和溫度是否達到出鋼要求,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在于終點時刻連續(xù)實時的準確預報,現(xiàn)有終點時刻碳溫檢測的方法如副槍檢測法雖然準確但成本較高不易普及且不能連續(xù)探測,傳統(tǒng)的轉爐終點判定方法利用提取的人工火焰特征雖然可以實現(xiàn)對轉爐終點的判定,但不能連續(xù)實時的預測終點時刻熔池內的碳含量和溫度,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,本文主要研究內容描述如下:(1)通過工業(yè)相機現(xiàn)場采集轉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)逐幀轉至更符合人類觀察的HSI色彩空間,分析隨著吹煉過程的進行,火焰圖像在HSI色彩空間的色度、色調值的變化趨勢,找出其與轉爐吹煉過程碳溫變化相關聯(lián)的特征,通過建立BP神經網絡擬合分析轉爐煉鋼終點時刻火焰圖像特征與碳含量和溫度之間的關聯(lián)關系;(2)提出基于改進的Lenet-5卷積神經網絡的轉爐煉鋼終點碳含量預測方法,對傳統(tǒng)Lenet-5結構的不足進行分析,在傳統(tǒng)結構上加入局部響應歸一化處理,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。經過多次對內部參數(shù)(如卷積核大小、全連接隱含層神經元個數(shù)、學習率等)的調整并做對比試驗,建立了適合于提取火焰圖像特征的基于Lenet-5卷積神經網絡的轉爐終點碳含量預測模型,可連續(xù)實時預測終點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網絡的轉爐煉鋼終點碳含量預測方法,對傳統(tǒng)卷積神經網絡結構的不足進行分析,利用殘差結構提升傳統(tǒng)卷積神經網絡預測模型結構的深度,結合多尺度融合卷積層,充分利用1×1卷積核降維、多通道信息關聯(lián)等特點,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網絡映射到火焰樣本的標記空間,制作轉爐終點火焰彩色圖像數(shù)據(jù)集,訓練出能夠連續(xù)實時預報終點時刻碳含量的模型;(4)提出一種四元數(shù)表示的卷積神經網絡轉爐煉鋼碳含量預測方法,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)全連接神經網絡結構模型,四元數(shù)卷積層能夠保留通道之間的關聯(lián)性,減少火焰圖像因為分通道處理而導致的關聯(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,使神經網絡能夠保留多通道關聯(lián)特征,并通過實驗驗證了它的優(yōu)越性。
【圖文】：

昆明理工大學碩士學位論文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)時間推算出轉爐終點�，F(xiàn)場的工人師傅也常常將單位時間供氧量和供養(yǎng)時間作為判定轉爐終點的參考依據(jù)。圖1.1轉爐煉鋼取樣檢測現(xiàn)場圖轉爐煉鋼吹煉時熔池內會發(fā)生復雜的氧化還原反應，僅依靠工人師傅的經驗去判斷終點的效率很低，，經常需要進行一次或多次的重新補吹，這不僅使煉鋼效率低下，還會影響鋼水質量，縮短使用壽命，還會污染環(huán)境，同時取樣檢測時耗費傳感器成本較高。另一方面，不同的工人師傅之間主觀思想和工作經驗不同，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驗判定的局限性，國內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的各種化學元素及溫度是否達到出鋼要求，進而對吹煉過程進行控制。（1）副槍檢測法

昆明理工大學碩士學位論文14（為學習率，∈(0,1)）2.2實驗與分析2.2.1實驗數(shù)據(jù)及平臺介紹本實驗所使用的設備為具有GPU加速的筆記本一臺，所用實驗平臺為Matlab軟件，實驗所用的火焰視頻數(shù)據(jù)是通過cmos500萬像素工業(yè)相機采集自某煉鋼廠的轉爐爐口中，出鋼時的碳含量和溫度標簽都是經過現(xiàn)場工人檢測過的真實數(shù)據(jù)。工業(yè)現(xiàn)場煉鋼時，鋼水由于溫度的升高發(fā)生劇烈的物理化學反應，導致鋼水飛濺，為了保護現(xiàn)場操作的工人師傅，煉鋼爐的保護門會關閉，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)域內的火焰來判斷轉爐終點，爐口火焰采集設備及火焰視頻圖像如圖2.1、圖2.2所示。圖2.1轉爐煉鋼爐口火焰采集設備圖2.2轉爐煉鋼爐口火焰高清視頻圖像
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183;TF713

【相似文獻】

相關期刊論文 前10條

1 孟海東;冀小青;宋宇辰;;基于光網絡的深度學習算法研究[J];現(xiàn)代電子技術;2017年14期

2 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

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

4 俞汝R

本文編號：2657418