申请/专利权人:中南大学
申请日:2021-11-09
公开(公告)日:2024-04-23
公开(公告)号:CN114136458B
主分类号:G01J5/48
分类号:G01J5/48
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2022.03.22#实质审查的生效;2022.03.04#公开
摘要:本发明公开了一种熔融金属流体温度多态在线检测方法及系统,通过获取熔融金属流体红外热图像,提取熔融金属流体红外热图像中的熔融金属流体区域,对冶炼现场的粉尘干扰状态进行划分,并建立用于识别粉尘的不同干扰状态的深度网络模型,构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型以及根据熔融金属流体表面氧化层温度多态检测模型,获取熔融金属流体温度,解决了现有熔融金属流体温度多态在线检测方法精度低的技术问题,考虑了冶炼现场粉尘干扰的多态性,智能识别粉尘的干扰状态,以及分析熔融金属流体表面氧化层的影响,克服了冶炼现场粉尘对非接触式红外测温方法的干扰,实现了对熔融金属流体温度的多态在线准确检测。
主权项:1.一种熔融金属流体温度多态在线检测方法,其特征在于,所述方法包括:获取熔融金属流体红外热图像,并提取所述熔融金属流体红外热图像中的熔融金属流体区域;对冶炼现场的粉尘干扰状态进行划分,并建立用于识别粉尘的不同干扰状态的深度网络模型,其中对冶炼现场的粉尘干扰状态进行划分,并建立用于识别粉尘的不同干扰状态的深度网络模型包括:采集熔融金属流体红外热图像样本集,根据现场专家经验将熔融金属流体红外热图像样本集中的熔融金属流体红外热图像分为受粉尘轻微干扰和严重干扰两类,并记录熔融金属流体红外热图像对应的类别标签数据;随机从熔融金属流体红外热图像样本集中抽取三分之二作为训练集,剩余的熔融金属流体红外热图像作为测试集;采用轻量级深度神经网络建立用于识别粉尘干扰状态的深度网络模型,并利用训练好的深度网络模型对熔融金属流体红外热图像进行分类;基于深度网络模型,利用红外辐射测温机理,构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型,其中基于深度网络模型,利用红外辐射测温机理,构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型包括:利用深度网络模型,识别熔融金属流体红外热图像的粉尘干扰状态;基于熔融金属流体红外热图像的粉尘干扰状态,利用红外辐射测温机理,建立在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型,具体为: 其中,Tou为熔融金属流体表面氧化层真实温度,T0'为带误差的红外热像仪实测温度,fT′ou,τdust为熔融金属流体表面氧化层温度多态检测模型,τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率,τdust为粉尘透射率,Tu为环境温度,R、B、F为与红外热像仪相关的拟合系数;根据熔融金属流体表面氧化层温度多态检测模型,利用熔融金属流体与其表面氧化层之间的传热关系,构建熔融金属流体温度多态检测模型,并根据所述熔融金属流体温度多态检测模型获取熔融金属流体温度,其中根据熔融金属流体表面氧化层温度多态检测模型,利用熔融金属流体与其表面氧化层之间的传热关系,构建熔融金属流体温度多态检测模型的具体公式为: 其中,Tiron为熔融金属流体温度,T′ou为带误差的氧化层表面温度,hoe为对流换热系数,l为氧化层的厚度,k1为导热系数,ε0为氧化层发射率,σ为斯特潘玻尔兹曼常数,τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率,fT′ou,τdust1为轻微粉尘影响时多态模型的检测结果,f4T′ou,τdust1为轻微粉尘影响时多态模型检测结果的四次方,f4T′ou,τdust2为严重粉尘影响时多态模型检测结果的四次方,Tu为环境温度,Tu4环境温度的四次方。
全文数据:
权利要求:
百度查询: 中南大学 一种熔融金属流体温度多态在线检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。