一种基于熔盐图像特征的稀土电解槽状态多参数监测方法技术

本发明专利技术公开了一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测；通过GA

【技术实现步骤摘要】
一种基于熔盐图像特征的稀土电解槽状态多参数监测方法


[0001]本专利技术涉及稀土电解槽
，尤其涉及一种基于熔盐图像特征的稀土电解槽状态多参数监测方法。

技术介绍

[0002]在当前的工业生产中，稀土产品主要由熔盐电解法获取，该方法主要通过将电能转换为化学能对稀土氧化物进行电解，从而达到分离和提纯稀土金属的目的。稀土电解熔盐体系主要包括氯化稀土熔盐体系(两元体系)和氟化稀土熔盐体系(三元体系)。随着稀土工业的不断发展，氯化稀土熔盐体系已逐渐被淘汰，而氟化稀土熔盐体系已成为稀土电解的主流工艺。稀土电解槽在高温、强光和强腐蚀等严酷条件下完成复杂的物理、化学和动力学生产工艺，其电解反应过程目前仍属于一种“黑箱”模型。随着传感技术的不断发展，人们不断利用现存的检测技术，根据实际生产经验对稀土电解槽中的各种参数和反应状态进行判断和预测。在电解环境中，许多检测设备容易受到腐蚀，而一线技术人员更是面临着严重的安全隐患。
[0003]现有技术中对稀土电解槽状态的监测目标主要包括电流、电压、熔盐温度和熔盐反应状态(熔盐化学反应是否充分)。电流、电压数据可由电源输入端直接获取，而熔盐温度和熔盐反应状态还需依赖技术人员现场监测。其中，技术人员往往通过红外测温仪来获取稀土熔盐温度和通过专家经验来判断稀土熔盐反应状态。然而这两类监测手段存在成本高、安全隐患大、监测信息不直观和缺乏数据积累与数据溯源能力等缺陷，导致企业难以获得闭环调节反馈、难以保证电解槽长时间运行在高产低耗的状态和难以提高生产安全系数。因此寻求一种高效低成本的稀土电解槽状态监测手段对优化稀土电解工艺具有重要的指导意义。

技术实现思路

[0004]本专利技术的目的是提供一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，该方法结合图像处理、人工智能和数据可视化技术进行基于机器视觉的稀土电解槽运行状态智能监测，为稀土电解槽在线控制提供了重要的闭环反馈参数，为提高生产安全系数和实现无人工厂提供了重要参考。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，所述方法包括：
[0007]步骤1、根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测；
[0008]步骤2、通过GA
‑
BP模型来构建稀土熔盐温度的非线性映射模型，实现稀土熔盐温度监测；
[0009]步骤3、通过稠密光流法Farneback、尺度变换和均值滤波量化稀土熔盐反应的剧烈程度，并由门控循环单元神经网络GRU建立稀土熔盐运动场特征与稀土熔盐反应状态之
间的非线性映射模型，实现稀土熔盐反应状态监测。
[0010]由上述本专利技术提供的技术方案可以看出，上述方法结合图像处理、人工智能和数据可视化技术进行基于机器视觉的稀土电解槽运行状态智能监测，为稀土电解槽在线控制提供了重要的闭环反馈参数，为提高生产安全系数和实现无人工厂提供了重要参考。
附图说明
[0011]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0012]图1为本专利技术实施例提供的基于熔盐图像特征的稀土电解槽状态多参数监测方法流程示意图；
[0013]图2为本专利技术实施例所述对比了反应充分和反应不充分两类运动场的位移统计直方图；
[0014]图3为本专利技术实施例所述稀土熔盐阴极棒轮廓拟合的结果示意图；
[0015]图4为本专利技术实施例所述归一化速度特征经过中值滤波前后的对比图；
[0016]图5为本专利技术实施例所述模型预测结果的示意图。
具体实施方式
[0017]下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例，这并不构成对本专利技术的限制。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0018]如图1所示为本专利技术实施例提供的基于熔盐图像特征的稀土电解槽状态多参数监测方法流程示意图，所述方法包括：
[0019]步骤1、根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测；
[0020]步骤2、通过GA
‑
BP模型来构建稀土熔盐温度的非线性映射模型，实现稀土熔盐温度监测；
[0021]在该步骤中，由于传统比色公式容易受到环境光影响的缺陷，本申请以比色特征为基础，通过构造辅助特征来提高模型的映射能力。首先通过比色公式(1)提取比色特征作为基础变量；
[0022][0023]然后通过大量查阅文献，初步确立几类辅助特征：HSI(Hue、Saturation和Intensity)、RR(Relative Red)、CVA(Color Vector Angle)和YUV颜色特征。HSI通过描述对象的色调、亮度以及饱和度信息来弥补RGB颜色空间中图像信息少的缺陷，如公式2所示；
RR能有效消除光照的影响，提高预测模型的鲁棒性，如公式5所示；利用CVA来表示不同颜色在视觉上的差异，如公式4所示；YUV颜色模型符合人类视觉对亮度信息更敏感的特征，如公式3所示：
[0024][0025][0026][0027][0028]其中，Y表示像素的亮度；U表示红色分量与亮度的差值；V表示蓝色分量与亮度的差值；K为修正系数，与相机参数、曝光时间以及物体的发射率有关；当被测对象和软硬件参数确定后，理论上可建立K、R/G与T的映射关系，修正系数K可由实验标定得出；H、S、I分别表示色调、亮度以及饱和度；R、G、B分别表示红、绿、蓝三个通道的灰度值；Grey表示灰度图像；；RR表示相对红色特征；CVA表示颜色矢量角特征；
[0029]基于比色公式的局限性，通过遗传算法GA
‑
BP神经网络模型来构建稀土熔盐温度的非线性映射模型，在非线性映射模型领域中，相比于多项式回归、逻辑回归和支持向量机等模型，BP神经网络具有更好的非线性映射能力，具体过程为：
[0030]BP神经网络模型由输入层、隐藏层和输出层三部分组成，输入层由自变量(特征向量)维度决定，输出层由因变量维度决定，本模型的输入层节点数为8，输出层节点数为6，隐藏层节点数参考经验公式6：
[0031][0032]I和O分别代表输入、输出节点数；根据公式6可知，隐藏层节点N的取值范围为(1，13)；模型分别由输入层、隐藏层和输出层节点全连接而成，模型的计算流程主要由权值正向传播和误差反向传播两部分组成，其计算公式如下：
[0033][0034][0035]其中，h
i
表示隐藏层第i个神经元；w...

【技术保护点】

【技术特征摘要】
1.一种基于熔盐图像特征的稀土电解槽状态多参数监测方法，其特征在于，所述方法包括：步骤1、根据稀土电解槽运行状态的监测需求，将稀土电解槽状态监测分为稀土熔盐温度监测和稀土熔盐反应状态监测；步骤2、通过GA
‑
BP模型来构建稀土熔盐温度的非线性映射模型，实现稀土熔盐温度监测；步骤3、通过稠密光流法Farneback、尺度变换和均值滤波量化稀土熔盐反应的剧烈程度，并由门控循环单元神经网络GRU建立稀土熔盐运动场特征与稀土熔盐反应状态之间的非线性映射模型，实现稀土熔盐反应状态监测。2.根据权利要求1所述基于熔盐图像特征的稀土电解槽状态多参数监测方法，其特征在于，所述步骤2的过程具体为：首先通过比色公式1提取比色特征作为基础变量：然后确立几类辅助特征为：HSI、RR、CVA和YUV颜色特征；HSI通过描述对象的色调、亮度以及饱和度信息来弥补RGB颜色空间中图像信息少的缺陷，如公式2所示；RR能有效消除光照的影响，提高预测模型的鲁棒性，如公式5所示；利用CVA来表示不同颜色在视觉上的差异，如公式4所示；YUV颜色模型符合人类视觉对亮度信息更敏感的特征，如公式3所示：更敏感的特征，如公式3所示：更敏感的特征，如公式3所示：更敏感的特征，如公式3所示：其中，Y表示像素的亮度；U表示红色分量与亮度的差值；V表示蓝色分量与亮度的差值；K为修正系数，与相机参数、曝光时间以及物体的发射率有关，修正系数K由实验标定得出；H、S、I分别表示色调、亮度以及饱和度；R、G、B分别表示红、绿、蓝三个通道的灰度值；Grey表示灰度图像；θ、C
R
、C
B
均为中间变量；RR表示相对红色特征；CVA表示颜色矢量角特征；基于比色公式的局限性，通过遗传算法GA
‑
BP神经网络模型来构建稀土熔盐温度的非线性映射模型，具体过程为：BP神经网络模型由输入层、隐藏层和输出层三部分组成，输入层由自变量维度决定，输出层由因变量维度决定，隐藏层节点数参考公式6：
I和O分别代表输入、输出节点数；根据公式8可知，隐藏层节点N的取值范围为(1，13)；模型分别由输入层、隐藏层和输出层节点全连接而成；模型的计算流程由权值正向传播和误差反向传播两部分组成，其计算公式如下：误差反向传播两部分组成，其计算公式如下：其中，h
i
表示隐藏层第i个神经元；w
ti
表示第t个温度输入特征与第i个隐藏层神经元的连接权重；b
ti
表示第t个温度输入特征与第i个隐藏层神经元的偏置值；w
it
表示第i个隐藏层神经元与第t个输出的连接权重；b
it
表示第i个隐藏层神经元与第t个输出的偏置值；N表示隐藏层节点数；K1表示输入节点数；K2表示输出节点数；I
t
表示第t个温度输入特征；O
t
表示第t个输出节点；ReLu和σ均为非线性激活函数，它们的表达式分别如公式11和12所示：示第t个输出节点；ReLu和σ均为非线性激活函数，它们的表达式分别如公式11和12所示：通过引入遗传算法GA对BP神经网络模型中的隐藏层节点数、初始化连接权重参数以及初始化偏置参数进行优化，优化过程包括初始化种群、计算适应度函数、选择、交叉以及变异过程，设优化参数的总数为N，其计算方法如下：N＝wnum1+bnum1+wnum2+bnum2+hiddenlayersize (11)wnum1＝inputnum*hiddenlayersize、wnum2＝hiddenlayersize*outputnum (12)bnum1＝hiddenlayersize、bnum2＝outputnum (13)上式中，wnum1表示输入层与隐藏层之间的连接权重数量；bnum1表示输入层到隐藏层之间的偏置权重数量；wnum2表示隐藏层与输出层之间的连接权重数量；bnum2表示隐藏层到输出层之间的偏置权重参数；hiddenlayersize表示隐藏层节点数；inputnum表示输入层节点数；outputnum表示输出层节点数；各权重参数的理论界限为(
‑
1，1)；其中，遗传算法的优化目标函数采用均方误差函数表示为：式中，MES表示均方误差；n表示样本数据的长度；Y
i
表示第i个数据标签的真实值；Y
i
'表示第i个数据标签的预测值；稀土电解槽的图像亮度范围为整个炉台面，为尽可能保证数据的一致性，需截取熔盐中心相同大小的像素块后再取极大值。3.根据权利要求2所述基于熔盐图像特征的稀土电解槽状态多参数监测方法，其特征在于，在步骤2中，进一步设置均值滤波器对实验数据进行滤波处理，具体是先对所截取的像素块取各通道的最大值以逼近相机响应曲线的峰值，接着对同一温度段的最大值采样数据进行滤波处理；滤波器宽度间隔为10帧，其最大宽度值为彩色工业相机的最大帧率值；
其中，由于稀土电解槽存在一定的温度惯性，将温度软测量目标划分为以下几个温度段：&...

【专利技术属性】
技术研发人员：伍昕宇，刘飞飞，陈鑫宇，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：