[发明专利]基于多源信息的烧结生产指标识别方法、模型及系统

说明书

本申请涉及技术烧结技术领域，提供一种基于多源信息的烧结生产指标识别方法、模型及系统，所述基于多源信息的烧结生产指标识别方法，通过获取同一时刻的烧结机尾断面的可见光图像和红外图像，以及该时刻烧结机的生产参数，然后将可见光图像和红外图像进行特征提取，获得可见光图像的第一特征向量和红外图像的第二特征向量，并在对第一特征向量和第二特征向量进行特征值降维后，进行特征级图像融合，获得双源图像融合特征，并将融合后的双源图像融合特征与生产参数进行多模态数据融合，获得多模态特征向量中包含更多对烧结矿关键参数的影响因素，最后以多模态特征向量为输入，利用预先建立的多层感知模型，获得烧结矿关键参数。

技术领域

本申请涉及技术烧结技术领域，尤其涉及一种基于多源信息的烧结生产指标识别方法、模型及系统。

背景技术

烧结工艺是钢铁生产过程中的基础环节，主要是将经过配料、混合、制粒后的含铁原料，布设在烧结机台车上，使得含铁原料经高温焙烧，发生一系列物理化学变化后，再经过破碎处理，形成具有一定强度的多孔、块状的烧结成品矿的过程。

烧结机尾断面是衔接烧结和冷却两个复杂物理化学过程的关键状态图像，具有丰富的热状态与烧结矿质量和产量指标特性的隐含信息，鉴于目前的测量手段，烧结工艺参数调整后，需要较长时间才能得到烧结矿指标，无法保证烧结矿指标的稳定性。

现有技术中，还利用人工智能的方法，从机尾断面智能获取烧结过程工况并预测烧结矿指标，从而解决烧结矿检化验时间延迟的重要方法，但是，目前的预测方法中的图像处理阶段，采用单一图像，或者图像上的较少数据，导致提取的特征值丢失大量的有用信息，最终影响预测结果的准确度。

发明内容

为了针对机尾断面信息、及时准确的预测出对应烧结矿关键参数，本申请实施例提供一种基于多源信息的烧结生产指标识别方法、模型及系统。

本申请第一方面提供一种基于多源信息的烧结生产指标识别方法，其特征在于，包括：

获取任一时刻烧结机尾断面的可见光图像和红外图像，以及该时刻烧结机的生产参数；

分别对可见光图像和红外图像进行特征提取，获得可见光图像的第一特征向量和红外图像的第二特征向量；

分别对第一特征向量和第二特征向量进行特征值降维，获得第一代表特征和第二代表特征，所述第一代表特征为第一特征向量中N组相关性最高的特征值，所述第二代表特征为第二特征向量中N组相关性最高的特征值；

将第一代表特征和第二代表特征融合，获得双源图像融合特征；

将所述生产参数与双源图像融合特征进行多模态数据融合，获得多模态特征向量；

将多模态特征向量输入至预先建立的多层感知模型，所述多层感知模型包括依次全连接的输入层、隐藏层和输出层；所述输入层用于输入多模态特征向量；所述隐藏层用于根据多模态特征向量进行推理运算，获得烧结矿关键参数；所述输出层用于输出烧结矿关键参数；

获取所述多层感知模型输出的烧结矿关键参数。

可选的，所述烧结矿关键参数包括FeO含量、固体能耗、转鼓强度或成品率。

可选的，所述烧结机的生产参数包括混合料水分、料层厚度、烧结机速、烧结终点位置、烧结终点温度、风量、负压、点火温度、上料量、燃料配比、燃料粒度和生石灰配比。

可选的，在所述对第一特征向量和第二特征向量进行特征值降维，获得第一代表特征和第二代表特征的步骤中，具体采用的方法为主成分分析降维法。

可选的，所述第一特征向量中的特征值相关性以及所述第二特征向量中的特征值相关性均采用灰色关联分析法计算。

可选的，所述多层感知模型通过以下步骤预先构建：