CN110728095A - 一种基于介观形貌检测的槽帮导热系数软测量方法、系统 - Google Patents
一种基于介观形貌检测的槽帮导热系数软测量方法、系统 Download PDFInfo
- Publication number
- CN110728095A CN110728095A CN201911075211.0A CN201911075211A CN110728095A CN 110728095 A CN110728095 A CN 110728095A CN 201911075211 A CN201911075211 A CN 201911075211A CN 110728095 A CN110728095 A CN 110728095A
- Authority
- CN
- China
- Prior art keywords
- ledge
- phase
- morphology
- sample
- heat conductivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于介观形貌检测的槽帮导热系数软测量方法、系统,其中方法包括以下步骤:通过取样,然后基于样品的介观形貌,利用图像处理和数值计算的方法,建立槽帮物相特征形貌数据库;然后基于槽帮物相特征形貌数据库识别未处理槽帮样品的物相组成;最后将根据样品各物相的特征形貌构建的几何模型并导入计算机平台中,与实际待测槽帮的工作环境相应的边界条件,计算得到对应实际待测槽帮相应位置的槽帮导热系数预测值。该方案依据实际检测到的槽帮结构与成分,对槽帮的导热系数进行预测,结果更加准确。另外,该方案可为智能化、数字化铝电解槽提供更加精确的物性参数基础。
Description
技术领域
本发明涉及铝电解槽技术中的热参数计算技术领域,尤其涉及一种基于介观形貌检测的槽帮导热系数软测量方法、系统及存储介质。
背景技术
槽帮是由高温高腐蚀的熔融电解质在电解槽内衬上凝固形成的。其主要传热方式是热传导,槽帮的导热系数值直接影响了槽帮的生长情况。槽帮对电解槽稳定运行至关重要,它能保护内衬材料,抑制电流侧漏和自适调节。槽帮过薄,容易造成槽帮局部破裂,熔体侵蚀侧部内衬,引起漏槽等严重事故;槽帮过厚,可能使得伸腿肥大,电流效率降低,增加能耗。槽帮不是均质材料,在空间分布上,其厚薄不一,热阻分布差异大;在结构及成分组成上,靠近内衬的槽帮结构致密,不含氧化铝,靠近熔体区的槽帮具有多孔结构,含有氧化铝和其它添加剂,并且每台槽的电解质分子比不同,其组成的物相浓度亦不同,直接影响槽帮的导热性。
工业4.0迫使铝电解生产向智能化、数字化方向发展。槽帮的热力学性质是对电解槽生产状态预测的基础。由于在高温状态的槽帮的物性参数很难获取,一般通过常温检测的方法得到部分槽帮的导热系数。然而检测结果与实际的槽帮物性有一定的差异,一方面,激光法是较为常用的测量导热系数的方法,该方法对于不均匀的复合材料测得的数据会有较大误差;另一方面,槽帮从高温到常温的过程中会发生进一步的凝固、收缩迸裂等,检测的槽帮与实际生产中的槽帮物性存在差异。目前在电解槽数值计算中,因槽帮结构及成分复杂,一般是将槽帮作为均质体处理,取经验值常数作为槽帮的导热系数,导致计算结果不精确。因此,在实际工业槽设计生产与智能制造时,槽帮作为关键的导热系数作为重要的性能指标,必须保证数据的精确性,因此急需确定槽帮的导热系数。
发明内容
本发明提供了一种基于介观形貌检测的槽帮导热系数软测量方法、系统及存储介质,以解决现有技术中槽帮导热系数检测方法检测的结果不精确的问题。
为了达到上述目的,本发明采用如下技术方案:
本发明第一方面,提供了一种基于介观形貌检测的槽帮导热系数软测量方法,包括以下步骤:
步骤一:建立槽帮物相特征形貌数据库:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成;
利用图像处理分离出样品中各物相的形貌,然后通过特征分析方法,计算并统计出各物相的特征值范围;
对各物相的形貌进行边缘检测并寻找计算出轮廓;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
步骤二:未处理槽帮样品物相识别:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌;
通过图像处理识别各未知物相的边缘轮廓及中心点,边缘轮廓用于划分各物相统计角点数的范围,因为样品的所有物相是在一张图像上的,对每个物相需要确定统计范围;中心点用于确定各物相的位置;并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;
步骤三:槽帮导热系数计算预测:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,通过在有限元计算机平台中模拟施加与实际待测电解槽槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测电解槽槽帮相应位置的槽帮导热系数。其中,槽帮几何模型基于槽帮样品中各物相的种类、中心点(位置)、轮廓一一对应构建而成。
首先选择一个停槽的铝电解槽,再通过部分采样建立基于样品的位置、介观形貌、物相组成及各物相的特征值范围和轮廓的槽帮物相特征形貌数据库,对于未通过检测直接得到物相组成的槽帮样品,通过计算槽帮样品中各物相的特征值,然后对照槽帮物相特征形貌数据库中已知物相及其对应的特征值范围,从而确定槽帮样品中各物相的种类。因为通过检测手段直接得到样品中物相组成及种类过程复杂,且成本高昂,因而此方案通过先取部分样品通过检测手段建立槽帮物相特征形貌数据库,然后再基于槽帮物相特征形貌数据库来识别其他槽帮样品的物相组成,极大简化的检测过程,效率高,能有效降低成本。得到样品的物相组成及其特征形貌相关数据后,通过构建对应几何模型导入计算机平台,在平台中可模拟施加与实际待测电解槽槽帮的工作环境对应的边界条件,即可通过模拟计算得到实际待测电解槽槽帮相应位置的导热系数预测值。该方案依据实际检测到的槽帮结构与成分,对槽帮的导热系数进行预测,结果更加准确。
进一步地,还包括以下步骤:
通过所述槽帮导热系数计算预测步骤计算得到槽帮各取样点的导热系数,并对各取样点的导热系数先进行二维插值预处理,再进行三维插值,得到三维全槽槽帮的导热系数分布,该全槽槽帮的导热系数分布即为对应实际待测槽帮全槽的预测导热系数分布。
通过得到实际待测槽帮全槽的预测导热系数分布,有利于后期利用各区域对应的导热系数对电解槽生产状态进行预测,不再是将槽帮作为一个均质体来处理,预测结果更加准确。
进一步地,建立槽帮物相特征形貌数据库步骤中所述检测手段包括SEM、EDS和MLA检测手段。SEM:扫描电镜,用于检测样品介观形貌;EDS:能量色散X射线光谱仪,用于检测样品所含元素种类及含量;MLA:矿物解离分析。
进一步地,建立槽帮物相特征形貌数据库步骤中所述特征分析方法包括Harris角点特征分析、KLT角点特征分析和Moravec角点特征分析,其中特征值=角点数/有效像素数,其中,特征角点数目是根据Harris/KLT/Moravec算子进行计算提取得出来的,物相边缘轮廓内有效像素数作为图像处理过程中的基本信息,可以直接调用计数。
进一步地,建立槽帮物相特征形貌数据库步骤中所述对各物相的形貌进行边缘检测并寻找计算出轮廓包括以下过程:
对各物相的形貌进行边缘检测并寻找轮廓;
创建包围轮廓的圆形边界框;
在圆形边界框的基础上计算轮廓的最小凸包,该最小凸包为多边形,得到对应物相的最后轮廓。
进一步地,槽帮导热系数计算预测步骤中导热系数根据如下公式计算:
其中,q是所有槽帮几何模型节点的热流密度,l是槽帮几何模型厚度,ΔT是槽帮几何模型两侧温度差。
进一步地,建立槽帮物相特征形貌数据库步骤中所取槽帮样品尺寸不超过2cm×2cm×3cm。
进一步地,建立槽帮物相特征形貌数据库步骤中所取槽帮样品总数为100~200组。
进一步地,槽帮导热系数计算预测步骤中所述有限元计算机平台为有限元软件,如ANSYS、COMSOL、Flotherm计算软件。
本发明第二方面,提供了一种基于介观形貌检测的槽帮导热系数软测量系统,包括:
数据库单元,所述数据库单元存储有槽帮物相特征形貌数据库,所述槽帮物相特征形貌数据库通过如下过程构建:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成;
利用图像处理分离出样品中各物相的形貌,然后通过特征分析方法,计算并统计出各物相的特征值范围;
对各物相的形貌进行边缘检测并寻找计算出轮廓;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
物相识别单元,用于对未处理槽帮样品进行物相识别,其识别过程如下:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌;
通过图像处理识别各未知物相的中心点,并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;
导热系数预测单元,用于对槽帮的导热系数进行计算预测,其计算预测过程如下:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,通过在有限元计算机平台中模拟施加与实际待测槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测槽帮相应位置的槽帮导热系数预测值。其中,槽帮几何模型基于槽帮样品中各物相的种类、中心点(位置)、轮廓一一对应构建而成。
本发明第三方面,提供了一种计算机可读存储介质,所述存储介质存储有程序指令,该程序指令适于处理器加载并执行如上述的基于介观形貌检测的槽帮导热系数软测量方法。
有益效果
本发明提出了一种基于介观形貌检测的槽帮导热系数软测量方法、系统及存储介质,测量之前,首先选择一个停槽的铝电解槽,再通过部分采样建立基于样品的位置、介观形貌、物相组成及各物相的特征值范围和轮廓的槽帮物相特征形貌数据库,对于未通过检测直接得到物相组成的槽帮样品,通过计算槽帮样品中各物相的特征值,然后对照槽帮物相特征形貌数据库中已知物相及其对应的特征值范围,从而确定槽帮样品中各物相的种类。因为通过检测手段直接得到样品中物相组成及种类过程复杂,且成本高昂,因而此方案通过先取部分样品通过检测手段建立槽帮物相特征形貌数据库,然后再基于槽帮物相特征形貌数据库来识别其他槽帮样品的物相组成,极大简化的检测过程,效率高,能有效降低成本。得到样品的物相组成及其特征形貌相关数据后,通过构建对应槽帮几何模型导入有限元计算机平台,在平台中可模拟施加与实际待测电解槽槽帮的工作环境对应的边界条件,即可通过模拟计算得到实际待测电解槽槽帮相应位置的导热系数预测值。该方案依据实际检测到的槽帮结构与成分,对槽帮的导热系数进行预测,结果更加准确。
另外,该方案可为智能化、数字化铝电解槽提供更加精确的物性参数基础。而且,本方案适用于不同结构、不同电流级别和使用不同成分电解质的铝电解槽,充分考虑了槽帮各区域热物性参数的差异性,结果更加准确;同一类型的铝电解槽只需建立一个相应的数据库,即可完成预测。也可基于对各类型典型条件下铝电解槽槽帮样品的介观形貌检测结果,批量建立槽帮物相特征形貌基础数据库,实现局部及全槽槽帮的导热系数在各种条件下的软测量。
附图说明
图1是本发明实施例提供的槽帮实验试样中钙冰晶石的特征形貌;
图2是本发明实施例提供的槽帮实验试样中氯化钠的特征形貌;
图3是本发明实施例提供的槽帮实验试样中炭渣的特征形貌;
图4是本发明实施例提供的槽帮实验试样厚度方向的介观形貌;
图5是本发明实施例提供的槽帮实验试样在计算中的温度分布图;
图6是本发明实施例提供的槽帮实验试样在计算中的热流矢量图。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细说明。
本发明实施例提供了一种基于介观形貌检测的槽帮导热系数软测量方法,介观是介于宏观与微观之间的一种体系。本实施例基于一实验进行说明,在进行测量之前,首先在配比好的熔融电解质中,通过冷凝装置获得模拟槽帮生长的槽帮实验试样;然后进行以下步骤:
步骤一:建立槽帮物相特征形貌数据库:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成,具体检测手段包括SEM、EDS和MLA检测手段。SEM:扫描电镜,用于检测样品介观形貌;EDS:能量色散X射线光谱仪,用于检测样品所含元素种类及含量;MLA:矿物解离分析。
利用图像处理分离出样品中各物相的形貌,然后通过特征分析方法,计算并统计出各物相的特征值范围;其中特征分析方法包括Harris角点特征分析、KLT角点特征分析和Moravec角点特征分析,其中特征值=角点数/有效像素数,其中,特征角点数目是根据Harris/KLT/Moravec算子进行计算提取得出来的,物相边缘轮廓内有效像素数作为图像处理过程中的基本信息,可以直接调用计数;本实施例中,优选采用Harris角点特征分析方法,对应本实施例试样中钙冰晶石、氯化钠炭渣特征值范围分别为0.009~0.018,0.045~0.053,0.014~0.026;
对各物相的形貌进行边缘检测并寻找计算出轮廓;具体包括以下过程:
对各物相的形貌进行边缘检测并寻找轮廓;创建包围轮廓的圆形边界框;在圆形边界框的基础上计算轮廓的最小凸包,得到对应物相的最后轮廓。如图1~3所示,对应本实施例试样中钙冰晶石、氯化钠炭渣的特征形貌;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
步骤二:未处理槽帮样品物相识别:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌,此处检测手段为SEM(扫描电镜)或BSE(背散射扫描电镜);
通过图像处理识别各未知物相的边缘轮廓及中心点,边缘轮廓用于划分各物相统计角点数的范围,因为样品的所有物相是在一张图像上的,对每个物相需要确定统计范围;中心点用于确定各物相的位置;并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;某种物相一般具有特定的形貌特征,但每个样品中的该物相轮廓形状肯定不一样,所以步骤一中对轮廓进行了简化(最小凸包)和统一;在计算时复杂的轮廓模型会增加很大的计算量,所以该步骤的作用是在保留形貌特征的同时简化计算;
步骤三:槽帮导热系数计算预测:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,具体的,槽帮几何模型基于槽帮样品中各物相的种类、中心点(位置)、轮廓一一对应构建而成,将槽帮几何模型在MATLAB平台中转换成矢量图,导入CAD绘图软件中处理成可编辑面域,然后导入有限元计算机平台中;通过在有限元计算机平台中模拟施加与实际待测电解槽槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测电解槽槽帮相应位置的槽帮导热系数。其中边界条件是指在槽帮几何模型对应靠近电解质的一端设置恒温边界条件,如960℃,另一端设置恒温条件,如800℃,其上下两端绝热。
对于整块槽帮样品,检测得到其厚度方向的介观形貌,如图4所示。通过图像处理识别各未知物相的中心点,并且分析各物相形貌的特征值,通过特征值判定其物相组成,调用槽帮物相特征形貌数据库已标定的物相特征形貌,在其中心点坐标处重新构建可编辑多边形轮廓。将对所有识别出的物相构建完成的几何模型导入ANSYS、COMSOL或Flotherm计算软件中,通过在厚度方向两侧施加恒温边界条件,计算得到通过该样品的热流量,如图5和6所示,最后利用公式计算该样品的导热系数,其中,q是所有槽帮几何模型节点的热流密度(W/m2),步骤二中建好的槽帮几何模型在导入计算机平台设置边界条件计算之前,需要划分网格,这是有限元计算的标准步骤,槽帮几何模型节点就是网格连接处,l是槽帮几何模型厚度(m),ΔT是槽帮几何模型两侧温度差(K)。计算得到该样品的导热系数为1.45W/m·K,与实际铝电槽帮导热系数的值相符。
首先通过冷凝装置获得模拟槽帮生长的槽帮实验试样,再通过部分采样建立基于样品的位置、介观形貌、物相组成及各物相的特征值范围和轮廓的槽帮物相特征形貌数据库,对于未通过检测直接得到物相组成的槽帮样品,通过计算槽帮样品中各物相的特征值,然后对照槽帮物相特征形貌数据库中已知物相及其对应的特征值范围,从而确定槽帮样品中各物相的种类。因为通过检测手段直接得到样品中物相组成及种类过程复杂,且成本高昂,因而此方案通过先取部分样品通过检测手段建立槽帮物相特征形貌数据库,然后再基于槽帮物相特征形貌数据库来识别其他槽帮样品的物相组成,极大简化的检测过程,效率高,能有效降低成本。得到样品的物相组成及其特征形貌相关数据后,通过构建对应槽帮几何模型导入计算机平台,在平台中可模拟施加与实际待测电解槽槽帮的工作环境对应的边界条件,即可通过模拟计算得到实际待测电解槽槽帮相应位置的导热系数预测值。该方案依据实际检测到的槽帮结构与成分,对槽帮的导热系数进行预测,结果更加准确。
优选地,还包括以下步骤:
通过所述槽帮导热系数计算预测步骤计算得到槽帮各取样点的导热系数,并对各取样点的导热系数进行归纳、计算,具体为对各取样点的导热系数先进行二维插值预处理,再进行三维插值,得到全槽槽帮的导热系数分布,该全槽槽帮的导热系数分布即为对应实际待测槽帮全槽的预测导热系数分布。
通过得到实际待测槽帮全槽的预测导热系数分布,有利于后期利用各区域对应的导热系数对电解槽生产状态进行预测,不再是将槽帮作为一个均质体来处理,预测结果更加准确。
在本实施例中,建立槽帮物相特征形貌数据库步骤中所取槽帮样品尺寸大小不超过2cm×2cm×3cm,本实施例中,优选1cm×1cm×2cm。
根据实际需要,建立槽帮物相特征形貌数据库步骤中所取槽帮样品总数为100~200组,本实施例中优选150组。
本发明提出的一种基于介观形貌检测的槽帮导热系数软测量方法,测量之前,首先通过冷凝装置获得模拟槽帮生长的槽帮实验试样,再通过部分采样建立基于样品的位置、介观形貌、物相组成及各物相的特征值范围和轮廓的槽帮物相特征形貌数据库,对于未通过检测直接得到物相组成的槽帮样品,通过计算槽帮样品中各物相的特征值,然后对照槽帮物相特征形貌数据库中已知物相及其对应的特征值范围,从而确定槽帮样品中各物相的种类。因为通过检测手段直接得到样品中物相组成及种类过程复杂,且成本高昂,因而此方案通过先取部分样品通过检测手段建立槽帮物相特征形貌数据库,然后再基于槽帮物相特征形貌数据库来识别其他槽帮样品的物相组成,极大简化的检测过程,效率高,能有效降低成本。得到样品的物相组成及其特征形貌相关数据后,通过构建对应槽帮几何模型导入有限元计算机平台,在平台中可模拟施加与实际待测电解槽槽帮的工作环境对应的边界条件,即可通过模拟计算得到实际待测电解槽槽帮相应位置的导热系数预测值。该方案依据实际检测到的槽帮结构与成分,对槽帮的导热系数进行预测,结果更加准确。
另外,该方案可为智能化、数字化铝电解槽提供更加精确的物性参数基础。而且,本方案适用于不同结构、不同电流级别和使用不同成分电解质的铝电解槽,充分考虑了槽帮各区域热物性参数的差异性,结果更加准确;同一类型的铝电解槽只需建立一个相应的数据库,即可完成预测。
本发明实施例还提供了一种基于介观形貌检测的槽帮导热系数软测量系统,包括:
数据库单元,所述数据库单元存储有槽帮物相特征形貌数据库,所述槽帮物相特征形貌数据库通过如下过程构建:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成;
利用图像处理分离出样品中各物相的形貌,然后通过特征分析方法,计算并统计出各物相的特征值范围;
对各物相的形貌进行边缘检测并寻找计算出轮廓;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
物相识别单元,用于对未处理槽帮样品进行物相识别,其识别过程如下:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌;
通过图像处理识别各未知物相的中心点,并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;
导热系数预测单元,用于对槽帮的导热系数进行计算预测,其计算预测过程如下:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,通过在有限元计算机平台中模拟施加与实际待测槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测槽帮相应位置的槽帮导热系数预测值。其中,槽帮几何模型基于槽帮样品中各物相的种类、中心点(位置)、轮廓一一对应构建而成。
该基于介观形貌检测的槽帮导热系数软测量系统具体实现细节参见上述基于介观形貌检测的槽帮导热系数软测量方法,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序指令,该程序指令适于处理器加载并执行如上述的基于介观形貌检测的槽帮导热系数软测量方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,包括以下步骤:
步骤一:建立槽帮物相特征形貌数据库:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成;
利用图像处理分离出样品中各物相的形貌,然后通过基于灰度值的角点特征分析方法,计算并统计出各物相的特征值范围;
对各物相的形貌进行边缘检测并寻找计算出轮廓;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
步骤二:未处理槽帮样品物相识别:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌;
通过图像处理识别各未知物相的边缘轮廓及中心点,并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;
步骤三:槽帮导热系数计算预测:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,通过在有限元计算机平台中模拟施加与实际待测槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测槽帮相应位置的槽帮导热系数预测值。
2.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,还包括以下步骤:
通过所述槽帮导热系数计算预测步骤计算得到槽帮各取样点的导热系数,并对各取样点的导热系数先进行二维插值预处理,再进行三维插值,得到三维全槽槽帮的导热系数分布,该全槽槽帮的导热系数分布即为对应实际待测槽帮全槽的预测导热系数分布。
3.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,建立槽帮物相特征形貌数据库步骤中所述检测手段包括SEM、EDS和MLA检测手段。
4.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,建立槽帮物相特征形貌数据库步骤中所述特征分析方法包括Harris角点特征分析、KLT角点特征分析和Moravec角点特征分析,其中特征值=角点数/有效像素数。
5.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,建立槽帮物相特征形貌数据库步骤中所述对各物相的形貌进行边缘检测并寻找计算出轮廓包括以下过程:
对各物相的形貌进行边缘检测并寻找轮廓;
创建包围轮廓的圆形边界框;
在圆形边界框的基础上计算轮廓的最小凸包,得到对应物相的最后轮廓。
7.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,建立槽帮物相特征形貌数据库步骤中所取槽帮样品尺寸不超过2cm×2cm×3cm。
8.根据权利要求1所述的基于介观形貌检测的槽帮导热系数软测量方法,其特征在于,建立槽帮物相特征形貌数据库步骤中所取槽帮样品总数为100~200组。
9.一种基于介观形貌检测的槽帮导热系数软测量系统,其特征在于,包括:
数据库单元,所述数据库单元存储有槽帮物相特征形貌数据库,所述槽帮物相特征形貌数据库通过如下过程构建:
在停槽的铝电解槽中,于电解质层高度、电解质-铝液界面高度、铝液层高度均匀取若干组槽帮样品;
通过检测手段分析得到各样品厚度方向的介观形貌及物相组成;
利用图像处理分离出样品中各物相的形貌,然后通过特征分析方法,计算并统计出各物相的特征值范围;
对各物相的形貌进行边缘检测并寻找计算出轮廓;
基于样品的选取位置、介观形貌、物相组成及各物相的特征值范围和轮廓,建立槽帮物相特征形貌数据库;
物相识别单元,用于对未处理槽帮样品进行物相识别,其识别过程如下:
通过检测手段得到未处理槽帮样品的厚度方向的介观形貌;
通过图像处理识别各未知物相的中心点,并通过特征分析方法分析各物相的特征值;
基于槽帮物相特征形貌数据库,通过特征值判定各物相种类;
根据各物相的种类,基于槽帮物相特征形貌数据库,在各物相中心点坐标处重新构建轮廓;
导热系数预测单元,用于对槽帮的导热系数进行计算预测,其计算预测过程如下:
将某一槽帮样品根据其各物相的种类、中心点及轮廓构建槽帮几何模型并导入有限元计算机平台中,通过在有限元计算机平台中模拟施加与实际待测槽帮的工作环境相应的边界条件,计算得到该槽帮样品取样处的槽帮导热系数,得到的该槽帮样品取样处的槽帮导热系数即为对应实际待测槽帮相应位置的槽帮导热系数预测值。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序指令,该程序指令适于处理器加载并执行如权利要求1至8任一项所述的基于介观形貌检测的槽帮导热系数软测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911075211.0A CN110728095B (zh) | 2019-11-06 | 2019-11-06 | 一种基于介观形貌检测的槽帮导热系数软测量方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911075211.0A CN110728095B (zh) | 2019-11-06 | 2019-11-06 | 一种基于介观形貌检测的槽帮导热系数软测量方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110728095A true CN110728095A (zh) | 2020-01-24 |
CN110728095B CN110728095B (zh) | 2021-06-08 |
Family
ID=69224839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911075211.0A Expired - Fee Related CN110728095B (zh) | 2019-11-06 | 2019-11-06 | 一种基于介观形貌检测的槽帮导热系数软测量方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728095B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115494096A (zh) * | 2022-10-24 | 2022-12-20 | 青岛理工大学 | 一种基于x射线衍射光谱的冶金固体废物鉴别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2584420A1 (en) * | 2011-10-18 | 2013-04-24 | Vetco Gray Controls Limited | Flow monitoring of a subsea pipeline |
CN103603010A (zh) * | 2013-11-18 | 2014-02-26 | 中南大学 | 一种铝电解槽电压及热平衡的计算方法 |
CN105734612A (zh) * | 2016-04-18 | 2016-07-06 | 中南大学 | 一种应用铝电解系列消纳不稳定风电的方法 |
CN108446501A (zh) * | 2018-03-22 | 2018-08-24 | 中南大学 | 一种槽帮预测量方法 |
-
2019
- 2019-11-06 CN CN201911075211.0A patent/CN110728095B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2584420A1 (en) * | 2011-10-18 | 2013-04-24 | Vetco Gray Controls Limited | Flow monitoring of a subsea pipeline |
CN103603010A (zh) * | 2013-11-18 | 2014-02-26 | 中南大学 | 一种铝电解槽电压及热平衡的计算方法 |
CN105734612A (zh) * | 2016-04-18 | 2016-07-06 | 中南大学 | 一种应用铝电解系列消纳不稳定风电的方法 |
CN108446501A (zh) * | 2018-03-22 | 2018-08-24 | 中南大学 | 一种槽帮预测量方法 |
Non-Patent Citations (3)
Title |
---|
HONGLIANG ZHANG 等: "Effect of Current Transient Enhancement on Thermal Field of Aluminum Electrolysis Cell for the Accommodation of Wind Power", 《JOURNAL OF SUSTAINABLE METALLURGY》 * |
李相鹏 等: "大型预焙铝电解槽槽膛内形模拟计算", 《冶金自动化》 * |
林燕: "铝电解槽槽膛内形在线监测的研究及应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115494096A (zh) * | 2022-10-24 | 2022-12-20 | 青岛理工大学 | 一种基于x射线衍射光谱的冶金固体废物鉴别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110728095B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Münch et al. | Contradicting geometrical concepts in pore size analysis attained with electron microscopy and mercury intrusion | |
CN110223267B (zh) | 基于高度直方图分割的耐火砖深度缺陷的识别方法 | |
CN108875213B (zh) | 一种反应堆堆芯热工水力多尺度分析方法 | |
CN108021776B (zh) | 一种复杂工件表面铣削加工误差的耦合数值仿真预测方法 | |
CN110728095B (zh) | 一种基于介观形貌检测的槽帮导热系数软测量方法、系统 | |
CN104809756B (zh) | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 | |
CN102637300A (zh) | 改进的Zernike矩边缘检测方法 | |
JP2008001985A (ja) | 物品上のプラズマ溶射皮膜多孔性を制御する方法及びシステム | |
CN110415331B (zh) | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 | |
CN106373184A (zh) | 一种三维打印模型摆放所需支撑量快速估算方法 | |
Yildiz | Prediction of white layer thickness and material removal rate in electrical discharge machining by thermal analyses | |
EP3652708A1 (en) | Method of printing a 3d model from point cloud data | |
US20130336576A1 (en) | Metallographic method for accurate measurement of pore sizes and distributions in metal castings | |
Brant et al. | A novel electrochemical micro additive manufacturing method of overhanging metal parts without reliance on support structures | |
Borovinšek et al. | Geometrical characterization of perlite-metal syntactic foam | |
Zhao et al. | 3D stockpile modelling and quality calculation for continuous stockpile management | |
CN108563915B (zh) | 车辆数字化仿真测试模型构建系统及方法、计算机程序 | |
CN113642855A (zh) | 一种基于知识模型库的汽车铝合金转向节差压铸造质量优化的方法 | |
Zhong et al. | Grain boundary curvatures in polycrystalline SrTiO3: Dependence on grain size, topology, and crystallography | |
CN116465969B (zh) | 基于图像处理分析型砂粉用量对铸造质量影响的方法 | |
CN111368416B (zh) | 一种大型铸钢件充型感知修正方法及系统 | |
CN108731616B (zh) | 一种基于云模型的螺旋锥齿轮齿面测量点自适应分布方法 | |
CN108221004A (zh) | 一种铝液界面波动的测量方法 | |
Jakumeit et al. | Simulation-based prediction of micro-shrinkage porosity in aluminum casting: Fully-coupled numerical calculation vs. criteria functions | |
Tao et al. | A Numerical Assessment of Anodic Large Bubble on Horizontal Current in Metal Pad of Aluminum Electrolytic Cells |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210608 Termination date: 20211106 |
|
CF01 | Termination of patent right due to non-payment of annual fee |