基于图像与光谱融合的转炉炼钢终点成分预测

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:qy313
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着国家经济的由快转稳,对钢铁的需求也从高数量转为高质量。转炉炼钢是我国目前主要的炼钢方式,出钢时钢水的温度及杂质含量是衡量其钢铁质量的重要指标,因此对炼钢终点的实时控制进行研究有重要意义。本文以转炉炼钢为应用背景,通过对炉口火焰图像和光谱进行分析,设计并建立了一个同时具有冶炼过程判断、炉口遮挡报警以及碳含量预测功能的转炉炼钢终点成分预测系统。使用多颜色空间融合分割结合Otsu阈值分割方法,提取出图像中的有效火焰区域;使用多方向的双通道颜色共生矩阵提取了火焰图像的颜色纹理特征;通过局部二值模式转换,描述了火焰图像的像素值分布;借助数学分析方法,计算了火焰图像矩阵的范数性质。提出了一种窗口竞争性自适应重加权采样结合迭代式连续投影算法,将窗口粗选结合迭代精选,提取出火焰光谱的特征波长。对火焰图像特征和光谱特征进行融合处理。使用主成分分析对特征数据进行计算,并用主成分代替原始特征;通过计算最大信息系数衡量了各特征与终点碳含量之间的相关程度,根据结果筛除了无效特征。最后,使用支持向量机建立了转炉炼钢终点成分预测系统,实现了对冶炼过程的监测判断、对炉口处遮挡的实时报警以及对钢水碳含量的实时预测;比较不同特征输入对碳含量预测结果的影响,确定了最终的系统结构;使用粒子群算法和鸡群算法对系统参数进行了优化;设计了系统运行界面,实现了系统的顺利运行。
其他文献
随着软件行业的快速发展,软件成本管理作为软件工程重要的一环,越来越得到相关从业人员的重视。COCOMO Ⅱ模型作为理论研究最为广泛的软件成本估算模型,其成功得益于将影响软件成本的因素严格地隔离出来,表示为5个规模因子和17个成本驱动因子,每个因子分为四到六个等级。如何准确、科学地使用这些因子是一个值得长期探讨和发展的课题。随着机器学习的兴起和历史数据的沉淀,使得深入研究这些因子的定级过程成为可能。
高光谱图像是由空间维和光谱维组成的三维立体图像,拥有丰富的空间光谱信息,在精准农业、环境监测、军事侦察等许多领域都得到了广泛应用。高光谱图像分类技术是图像分析的关键技术,根据是否使用标签信息,可以分为有监督分类和无监督分类两种,其中无监督分类又称为聚类。高光谱图像的真实地物标签标注是像素级的,获取非常困难且价格昂贵,因此不需要使用人工标签的聚类,就得到了众多学者的关注和研究。由于高光谱图像具有高维
随着市场和用户对物流服务质量及配送时效要求的不断提高,A公司物流中心的作业效率也有了新的要求,针对物流中心传统的作业方式急需改进的问题,本论文研究并实现了A公司物流中的货位分配和路径优化的应用,从而提高了物流中心的作业效率和管理质量。论文阐述了A公司物流中心的运营情况,讨论了影响物流中心货位分配不合理和拣货路径的浪费的主要因素,分析了目前常用的货位分配策略和拣货路径优化策略,重点讨论了物流中心货位
随着各领域对软件需求的提高、信息处理量的剧增,使得软件系统的规模日益庞大、结构日趋复杂。如何有针对性地进行软件故障定位,快速、准确地检测到缺陷程序,提高软件程序的调试效率,仍然面临挑战。针对较大规模软件以及同一软件升级版本故障定位效率低、准确性不高等问题,本文以程序源码为研究对象,面向软件单故障定位和软件多故障定位两个不同场景,采用传统的机器学习技术和最近的深度学习技术作为解决方案的基本组成,开展
利用常规气象观测资料、1°×1°NCEP再分析资料、FY-2G静止卫星及郑州和洛阳CIN-RAD/SA雷达资料,结合探空和地面逐小时区域自动站资料,对“7·20”郑州特大暴雨的环流背景、卫星云图、双偏振雷达特征进行了分析。结果表明:中低层低涡、切变线和200hPa强辐散的叠置,为郑州“7·20”特大暴雨提供了强劲的动力条件;副热带高压偏强偏北,致台风“烟花”和“查帕卡”外围的东南和偏东急流持续向郑
现代雷达所处的工作环境比较复杂,由于周边目标的存在以及电磁干扰等原因,欠定问题和信号相干问题是当前阵列雷达系统进行DOA(Direction of Arrival)估计时所面临的两大难题。然而当前已有的解决这两类问题的算法大多是基于线阵提出的,并不适用于均匀圆阵。均匀圆阵相比于线阵拥有更好的角度估计性能且能同时估计俯仰角和水平角。基于此,本文基于LFMCW(Linear Frequency Mod
随着网联化技术不断发展,车联网网络安全问题逐渐暴露出来,对于车联网安全研究也在不断深入。入侵检测技术作为一种主动安全防护手段被应用到车联网当中,传统入侵检测技术并不适用复杂多维的车联网环境,现有的车联网安全研究工作更多注重车辆安全和功能安全,缺少入侵检测研究但更多的实例证明入侵行为在不断发生和增加,研究适合车联网的入侵检测技术十分必要。因此,本文针对车联网数据复杂多维条件对车联网数据进行特征处理并
文本事件抽取的目标是检测文本中的事件实例,如果存在,则标识事件类型及其所有论元和属性。近年来,虽然文本事件抽取方法研究得到了很大的关注,但是相对于实体抽取和关系抽取而言,现有的方法仍然存在模型复杂和抽取精度低的问题。本文考虑从特征编码和模型结构出发,采用流水线式方法,引入深度预训练语言模型,图卷积网络和注意力机制等,改进现有的文本事件抽取模型。主要研究工作如下:1.针对传统上下文无关词向量未考虑句
随着5G移动网络的到来以及便携式移动端网络设备的快速发展,人们能够从互联网中获取大量的信息,并在购物网站、社交媒体上随时随地发表自己的言论,带有用户个体情感的文本数据得到了爆发式增长。基于文本数据的情感分析任务自出现以来一直备受关注,在许多实际应用中得到了广泛的研究,该任务的目的是自动检测出文本中包含的情感极性,探究用户对产品、热点事件、问题、事物等的看法和观点,帮助个体或者组织作出更好的决策。本
作为细分光谱成像数据,高光谱遥感图像蕴含丰富的辐射和光谱信息,高光谱图像分类与异常检测是高光谱数据处理中的核心任务,在环境监测、地质勘探、国土安全等领域应用广泛。高光谱数据波段多,波段相关性高,特征维数高且存在冗余性。因此需要大量的训练样本来减少分类与异常检测的不稳定性。但是实际应用过程中训练样本的获取难度大、成本高。再加上高光谱图像的空间分辨率低、类内差异性强,存在混合像元现象和噪声等复杂情况,