[发明专利]基于雷达回波信号的料面测量方法、终端设备及存储介质

权利要求书

1.一种基于雷达回波信号的料面测量方法，其特征在于，包括以下步骤：

S1：通过安装于高炉炉顶的毫米波雷达，针对高炉内不同的料面，分别采集该料面一半径上各测量位置对应的回波曲线数据，并记录料面该半径上各测量位置距离雷达旋转中心所在水平面的高度；

S2：将每个料面对应的回波曲线数据拼接为二维矩阵数组，将每个料面对应的二维矩阵数组和记录的高度作为一组训练数据，将所有料面对应的训练数据组成训练集；

S3：构建基于DenseNet的卷积神经网络模型，通过训练集对卷积神经网络模型进行训练，设定模型的输入为二维矩阵数组，输出为记录的高度；

S4：根据毫米波雷达采集的待测料面对应的回波曲线数据，将其拼接为二维矩阵数组后，通过训练后的卷积神经网络模型输出得到待测料面。

2.根据权利要求1所述的基于雷达回波信号的料面测量方法，其特征在于：回波曲线为雷达差频信号经过处理后得到的频谱曲线，频谱曲线的横轴表示距离，纵轴表示回波强度。

3.根据权利要求1所述的基于雷达回波信号的料面测量方法，其特征在于：毫米波雷达能够绕轴线进行旋转，通过控制毫米波雷达每次以一小于雷达波束角的旋转角度旋转，以使毫米波雷达对料面一半径中各测量位置进行扫描，得到各测量位置的回波曲线数据。

4.根据权利要求1所述的基于雷达回波信号的料面测量方法，其特征在于：针对不同的料面时，设定的测量位置均相同。

5.根据权利要求1所述的基于雷达回波信号的料面测量方法，其特征在于：在拼接二维矩阵数组之前，还包括对回波曲线数据进行预处理，剔除其内的无效数据。

6.根据权利要求1所述的基于雷达回波信号的料面测量方法，其特征在于：卷积神经网络模型的网络结构依次包括卷积层、第一个DenseBlock、过渡层、第二个DenseBlock和回归层；其中：

(1)卷积层使用32个3×3大小的卷积核；

(2)第一个DenseBlock和第二个DenseBlock均表示为：

X_i＝H_i([X₀,X₁,…,X_i-1])，i＝1,2,…,n

其中，n表示预设的DenseBlock内特征图层数，i表示DenseBlock内特征图层数的序号；X₀表示DenseBlock前一层的输出；[…]表示通道级联，即将X₀到X_i-1层的所有特征输出按通道组合起来；H_i(.)表示对级联后的特征图的非线性变换，依次包括4k个1×1卷积层和k个3×3卷积层，k为表示预设的H_i(.)特征输出的通道数；

(3)过渡层为一个卷积层加一个池化层，其中，卷积层采用40个1×1卷积核；池化层为2×2窗口的平均池化，采样间隔为2；

(4)回归层采用全局平均池化将特征图转换为1维数据，其后为两层全连接层；

(5)网络结构内所有卷积层的激活函数均采用线性整流单元，在线性整流单元之前执行归一化，将其输入规范化到均值为0、方差为1的标准正态分布；

(6)模型的损失函数采用均方误差。

7.根据权利要求6所述的基于雷达回波信号的料面测量方法，其特征在于：卷积神经网络模型中第一个DenseBlock配置为n＝3、k＝16；第二个DenseBlock配置为n＝6、k＝32。

8.一种基于雷达回波信号的料面测量终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～7中任一所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～7中任一所述方法的步骤。