[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

说明书

本发明涉及基于雷达回波信号的料面测量方法、终端设备及存储介质，该方法中包括：S1：通过毫米波雷达，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：将回波曲线数据拼接为二维矩阵数组，将所有料面的二维矩阵数组和高度组成训练集；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；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。本发明能够快速且准确的对料面进行测量，并且解决了单点雷达发射波束角带来的测量不准确性的问题。

技术领域

本发明涉及高炉炼铁检测领域，尤其涉及一种基于雷达回波信号的料面测量方法、终端设备及存储介质。

背景技术

对于高炉操作者来说，实时了解料面形状，来改善炉内气流分布、提高煤气的利用率，在实际控制高炉生产中具有重要意义。目前国内外已有各种对高炉料面测量的方法，其中有基于单点测量的物位测量仪表，如超声波雷达、激光雷达、毫米波雷达等，也有红外影像、相控阵雷达的部分设备用于料面多维成像。

其中单点测量的方法存在主要问题是测量范围小维度少或精度不高，结果需要通过曲线拟合方式处理。特别地，对于毫米波雷达而言，其本身发射波不可避免存在波束角，带来了较大的测量误差。而多维成像测量方式一般设备复杂，需要对原有的炉顶设备结构进行改造，在运行中应对高温高压强气流环境易出故障且难以维护，不利于实际高炉生产中实施。

发明内容

为了解决上述问题，本发明提出了一种基于雷达回波信号的料面测量方法、终端设备及存储介质。

具体方案如下：

一种基于雷达回波信号的料面测量方法，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。

进一步的，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。

进一步的，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。

进一步的，针对不同的料面时，设定的测量位置均相同。

进一步的，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。

进一步的，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