CN111259528A - 石墨电极缺损检测算法及石墨电极缺损检测方法 - Google Patents
石墨电极缺损检测算法及石墨电极缺损检测方法 Download PDFInfo
- Publication number
- CN111259528A CN111259528A CN202010026973.8A CN202010026973A CN111259528A CN 111259528 A CN111259528 A CN 111259528A CN 202010026973 A CN202010026973 A CN 202010026973A CN 111259528 A CN111259528 A CN 111259528A
- Authority
- CN
- China
- Prior art keywords
- graphite electrode
- defect detection
- frequency band
- defect
- electrode defect
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 161
- 229910002804 graphite Inorganic materials 0.000 title claims abstract description 160
- 239000010439 graphite Substances 0.000 title claims abstract description 160
- 230000007547 defect Effects 0.000 title claims abstract description 123
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000003595 spectral effect Effects 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000002950 deficient Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000009977 dual effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000005236 sound signal Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003750 conditioning effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明属于石墨电极检测技术领域,具体涉及一种石墨电极缺损检测算法及石墨电极缺损检测方法,其中石墨电极缺损检测算法包括:获取功率谱密度;根据功率谱密度计算相关频段的功率比;根据相关频段的功率比建立相应向量;根据相应向量构建最优化模型,并获取最优化模型的解;以及根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度,实现了自动检测石墨电极的缺损程度,避免了由人工检测等方法造成主观性强、漏检率高的缺点,同时降低了人力成本。
Description
技术领域
本发明属于石墨电极检测技术领域,具体涉及一种石墨电极缺损检测算法及石墨电极缺损检测方法。
背景技术
石墨电极在生产过程中会不可避免的出现空洞、裂缝等情况,这将直接影响石墨电极的使用。在冶炼过程中,如果电极发生断裂或破损,断裂或破损的部分就会落入冶炼的金属中,从而改变其中的碳含量,最终可能致使整炉原料报废,造成极大的损失。
目前,石墨电极工厂对石墨电极内部缺损的检测主要依靠人工法和机械切断抽检法。人工法就是由经过长期训练的工人锤击电极产生声音,然后利用人耳来分辨声音的差异性,进而判断电极是否存在缺损情况。这种方法对人员的要求较高,而且主观性比较强,效率低,漏检率高。机械切断抽检法是利用机器对电极进行切割,来判断内部情况,该方法检测过程耗时长,成本高,漏检率高,无法满足大规模电极检测要求。此外,还有使用超声波技术、X射线技术、红外测温技术和声波检测技术进行石墨电极内部缺陷的探测,上述检测方法都存在一定的局限性。
因此,基于上述技术问题,需要设计一种新的石墨电极缺损检测算法及石墨电极缺损检测方法。
发明内容
本发明的目的是提供一种石墨电极缺损检测算法及石墨电极缺损检测方法。
为了解决上述技术问题,本发明提供了一种石墨电极缺损检测算法,包括:
获取功率谱密度;
根据功率谱密度计算相关频段的功率比;
根据相关频段的功率比建立相应向量;
根据相应向量构建最优化模型,并获取最优化模型的解;以及
根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度。
进一步,所述获取功率谱密度的方法包括:根据声音信号数据,并通过FFT变换处理获取各频段的功率谱密度;
所述频段包括:500-1500Hz、1500-2500Hz、2500-3500Hz。
进一步,所述根据功率谱密度计算相关频段的功率比的方法包括:
其中,S(fi)为频率为fi时功率谱密度的值;S(fi+1)为频率为fi+1时功率谱密度的值;nj为第j个频段按频率间隔等分的个数;fjh为第j个频段的最高频率;fjl为第j个频段的最低频率;Δf为fi到fi+1的频率间隔;Ej为第j个频段的功率;x(j)为第j个频段的功率与所有频段的功率之和的比值,即第j个频段的功率比,j=1,2,3;
当j为1时,频段为500-1500Hz;
当j为2时,频段为1500-2500Hz;
当j为3时,频段为2500-3500Hz。
进一步,所述根据相关频段的功率比建立相应向量的方法包括:
建立数据向量和权值系数向量;
所述数据向量为:x=(x(1),x(2),x(3));
其中,x(1)为500-1500Hz频段的功率比;x(2)为1500-2500Hz频段的功率比;x(3)为2500-3500Hz频段的功率比;
所述权值系数向量为:w=(w(1),w(2),w(3));
其中,w(1)为500-1500Hz频段的功率比系数;w(2)为1500-2500Hz频段的功率比系数;w(3)为2500-3500Hz频段的功率比系数。
进一步,所述根据相应向量构建最优化模型,并获取最优化模型的解的方法包括:
构建最优化模型,即
s.t.yi(wgxi+b)≥1-ξi;
ξi≥0i=1,2,......,N;
其中,C为惩罚系数;xi为第i个训练数据向量;yi为xi的类标记,当yi为-1时表示石墨电极严重缺损,当yi为1时表示石墨电极无损;N为训练数据数目;ξ为松弛变量;ξi为第i个训练数据的松弛变量;b为偏置;
则最优化模型的解为:w*和b*;
其中,w*为系数向量的解;b*为偏置的解;为拉格朗日乘子向量中对偶问题的解的第i个元素;为对于所有石墨电极严重缺损yi=-1的数据xi,计算w*xi,取所有w*xi的最大值;为对于所有石墨电极无损yi=1的数据xi,计算w*xi,取所有w*xi的最小值。
进一步,所述根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法包括:
构建石墨电极缺损检测模型,即
其中,μg为严重缺陷时石墨电极的状态均值;μb为无损石墨电极的状态均值;m为无损石墨电极状态的数目;q为石墨电极缺损指数,q为大于0的整数;xc为当前被检测石墨电极的数据向量。
进一步,所述根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法还包括:
根据石墨电极缺损检测模型获取石墨电极缺损指数,并根据石墨电极缺损指数判断石墨电极是否缺损,即
石墨电极缺损指数q越小表示石墨电极缺损越小,石墨电极缺损指数q越大表示石墨电极缺损越大。
另一方面,本发明还提供一种石墨电极缺损检测方法,包括:
采集数据并发送至云服务器和/或处理器模块;
云服务器和/或处理器模块根据数据判断石墨电极的缺损程度。
进一步,所述云服务器和/或处理器模块适于采用上述的石墨电极缺损检测算法判断石墨电极的缺损程度。
进一步,所述采集数据并发送至云服务器和/或处理器模块的方法包括:
通过处理器模块控制敲击机构敲击石墨电极;
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块;和/或
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块,由处理器模块转发至云服务器。
本发明的有益效果是,本发明通过获取功率谱密度;根据功率谱密度计算相关频段的功率比;根据相关频段的功率比建立相应向量;根据相应向量构建最优化模型,并获取最优化模型的解;以及根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度,实现了自动检测石墨电极的缺损程度,避免了由人工检测等方法造成主观性强、漏检率高的缺点,同时降低了人力成本。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,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的附图。
图1是本发明所涉及的石墨电极缺损检测算法的流程图;
图2是本发明所涉及的石墨电极缺损检测方法的流程图;
图3是本发明云服务器的原理框图;
图4是本发明中石墨电极缺损检测方法所涉及结构的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
图1是本发明所涉及的石墨电极缺损检测算法的流程图。
如图1所示,本实施例1提供了一种石墨电极缺损检测方法,包括:获取功率谱密度;根据功率谱密度计算相关频段的功率比;根据相关频段的功率比建立相应向量;根据相应向量构建最优化模型,并获取最优化模型的解;以及根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度,实现了自动检测石墨电极的缺损程度,避免了由人工检测等方法造成主观性强、漏检率高的缺点,同时降低了人力成本。
在本实施例中,所述获取功率谱密度的方法包括:根据声音信号数据,并通过FFT变换处理获取各频段的功率谱密度;所述频段包括:500-1500Hz、1500-2500Hz、2500-3500Hz。
在本实施例中,所述根据功率谱密度计算相关频段的功率比的方法包括:通过以下公式计算相关频段的功率比x(j):
其中,S(fi)为频率为fi时功率谱密度的值;S(fi+1)为频率为fi+1时功率谱密度的值;nj为第j个频段按频率间隔等分的个数;fjh为第j个频段的最高频率;fjl为第j个频段的最低频率;Δf为fi到fi+1的频率间隔;Ej为第j个频段的功率;x(j)为第j个频段的功率与所有频段的功率之和的比值,即第j个频段的功率比,j=1,2,3。每个频段的最高频率和最低频率如下表所示:
j | f<sub>jl</sub>(Hz) | f<sub>jh</sub>(Hz) |
1 | 500 | 1500 |
2 | 1500 | 2500 |
3 | 2500 | 3500 |
在本实施例中,所述根据相关频段的功率比建立相应向量的方法包括:建立数据向量和权值系数向量(根据相关频段的功率比相应历史数据情况下,可得出相关频段的功率比与设备工作状态关系的权值系数);
所述数据向量为:x=(x(1),x(2),x(3));
其中,x(1)为500-1500Hz频段的功率比;x(2)为1500-2500Hz频段的功率比;x(3)为2500-3500Hz频段的功率比;
所述权值系数向量为:w=(w(1),w(2),w(3));
其中,w(1)为500-1500Hz频段的功率比系数;w(2)为1500-2500Hz频段的功率比系数;w(3)为2500-3500Hz频段的功率比系数。
在本实施例中,所述根据相应向量构建最优化模型,并获取最优化模型的解的方法包括:构建最优化模型(求几何间隔最大的分类超平面,问题可以表示为约束最优化问题),即
s.t.yi(wgxi+b)≥1-ξi;
ξi≥0 i=1,2,......,N;
其中,C为惩罚系数(经反复调参,C为0.55时效果最好);xi为第i个训练数据向量;yi为xi的类标记,当yi为-1时表示石墨电极严重缺损,当yi为1时表示石墨电极无损;N为训练数据数目;ξ为松弛变量;ξi为第i个训练数据的松弛变量;b为偏置;
则最优化模型的解为:w*和b*;
通过将原始问题转化为对偶问题,使用KKT条件,求对偶问题的最优解,可得:
其中,w*为系数向量的解;b*为偏置的解;为拉格朗日乘子向量中对偶问题的解的第i个元素;;为对于所有石墨电极严重缺损yi=-1的数据xi,计算w*xi,取所有w*xi的最大值;为对于所有石墨电极无损yi=1的数据xi,计算w*xi,取所有w*xi的最小值。
在本实施例中,所述根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法包括:
构建石墨电极缺损检测模型,即
其中,k∈[1,m];μg为严重缺陷时石墨电极的状态均值;μb为无损石墨电极的状态均值,该状态均值可以由专家标定;m为无损石墨电极状态的数目,该数目可以由专家标定;q为石墨电极缺损指数,q为大于0的整数;xc为当前被检测石墨电极的数据向量;INT为向下取整函数。
在本实施例中,所述根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法还包括:根据石墨电极缺损检测模型获取石墨电极缺损指数,并根据石墨电极缺损指数判断石墨电极是否缺损,即石墨电极缺损指数q越小表示石墨电极缺损越小,石墨电极缺损指数q越大表示石墨电极缺损越大;通过石墨电极缺损指数可以精确的得知石墨电极的缺损程度,便于工作人员判断是否更换石墨电极。
实施例2
图2是本发明所涉及的石墨电极缺损检测方法的流程图。
如图2所示,在实施例1的基础上,本实施例2还提供一种石墨电极缺损检测方法,包括:采集数据并发送至云服务器和/或处理器模块;所述处理器模块包括:ARM处理器和DSP处理器,并且所述ARM处理器与DSP处理器电性连接;云服务器和/或处理器模块根据数据判断石墨电极的缺损程度(既可以通过处理器模块进行判断又可以通过云服务器进行判断),实现了自动判断石墨电极的缺损程度,提高了石墨电极的缺损程度的精确度。
图3是本发明云服务器的原理框图。
在本实施例中,所述云服务器包括存储器、处理器及通信模块。所述存储器、处理器以及通信模块各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器用于存储程序或者数据。所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
处理器用于读/写存储器中存储的数据或程序,并执行相应地功能。
通信模块用于通过所述网络建立所述云服务器与其它通信终端之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图3所示的结构仅为云服务器的结构示意图,所述云服务器还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
在本实施例中,所述云服务器和/或处理器模块适于采用实施例1所述的石墨电极缺损检测算法判断石墨电极的缺损程度。
图4是本发明中石墨电极缺损检测方法所涉及结构的原理框图。
如图4所示,在本实施例中,所述采集数据并发送至云服务器和/或处理器模块的方法包括:通过处理器模块控制敲击机构敲击石墨电极,即通过DSP处理器控制敲击机构敲击石墨电极;所述敲击机构包括:脉冲控制电路、电磁阀、气泵和气锤;DSP处理器适于脉冲控制电路输出脉冲信号控制所述电磁阀导通,使气泵提供的气体通过高压气管进入气锤,以使气锤敲击石墨电极;
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块,即通过与DSP处理器电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至DSP处理器;所述声音检测模块包括:声音传感器、调理电路和AD转换器;所述声音传感器适于检测敲击机构敲击石墨电极发出的声音;所述声音传感器适于将声音信号转换为电信号,并发送至调理电路;所述调理电路适于对电信号进行放大和滤波,并发送至所述AD转换器;所述AD转换器适于对放大和滤波后的信号进行模数转换,并发送至DSP处理器;和/或
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块,由处理器模块转发至云服务器,即通过与DSP处理器电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至DSP处理器,经由所述DSP处理器转发至所述ARM处理器,由与ARM处理器连接的传输模块发送至云服务器。
综上所述,本发明通过获取功率谱密度;根据功率谱密度计算相关频段的功率比;根据相关频段的功率比建立相应向量;根据相应向量构建最优化模型,并获取最优化模型的解;以及根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度,实现了自动检测石墨电极的缺损程度,避免了由人工检测等方法造成主观性强、漏检率高的缺点,同时降低了人力成本。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法,也可以通过其它的方式实现。附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,云服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种石墨电极缺损检测算法,其特征在于,包括:
获取功率谱密度;
根据功率谱密度计算相关频段的功率比;
根据相关频段的功率比建立相应向量;
根据相应向量构建最优化模型,并获取最优化模型的解;以及
根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度。
2.如权利要求1所述的石墨电极缺损检测算法,其特征在于,
所述获取功率谱密度的方法包括:根据声音信号数据,并通过FFT变换处理获取各频段的功率谱密度;
所述频段包括:500-1500Hz、1500-2500Hz、2500-3500Hz。
4.如权利要求3所述的石墨电极缺损检测算法,其特征在于,
所述根据相关频段的功率比建立相应向量的方法包括:
建立数据向量和权值系数向量;
所述数据向量为:x=(x(1),x(2),x(3));
其中,x(1)为500-1500Hz频段的功率比;x(2)为1500-2500Hz频段的功率比;x(3)为2500-3500Hz频段的功率比;
所述权值系数向量为:w=(w(1),w(2),w(3));
其中,w(1)为500-1500Hz频段的功率比系数;w(2)为1500-2500Hz频段的功率比系数;w(3)为2500-3500Hz频段的功率比系数。
5.如权利要求4所述的石墨电极缺损检测算法,其特征在于,
所述根据相应向量构建最优化模型,并获取最优化模型的解的方法包括:
构建最优化模型,即
s.t.yi(wgxi+b)≥1-ξi;
ξi≥0i=1,2,......,N;
其中,C为惩罚系数;xi为第i个训练数据向量;yi为xi的类标记,当yi为-1时表示石墨电极严重缺损,当yi为1时表示石墨电极无损;N为训练数据数目;ξ为松弛变量;ξi为第i个训练数据的松弛变量;b为偏置;
则最优化模型的解为:w*和b*;
7.如权利要求6所述的石墨电极缺损检测算法,其特征在于,
所述根据最优化模型的解构建石墨电极缺损检测模型,并根据石墨电极缺损检测模型判断石墨电极的缺损程度的方法还包括:
根据石墨电极缺损检测模型获取石墨电极缺损指数,并根据石墨电极缺损指数判断石墨电极是否缺损,即
石墨电极缺损指数q越小表示石墨电极缺损越小,石墨电极缺损指数q越大表示石墨电极缺损越大。
8.一种石墨电极缺损检测方法,其特征在于,包括:
采集数据并发送至云服务器和/或处理器模块;
云服务器和/或处理器模块根据数据判断石墨电极的缺损程度。
9.如权利要求8所述的石墨电极缺损检测方法,其特征在于,
所述云服务器和/或处理器模块适于采用如权利要求1-7任一项所述的石墨电极缺损检测算法判断石墨电极的缺损程度。
10.如权利要求8所述的石墨电极缺损检测方法,其特征在于,
所述采集数据并发送至云服务器和/或处理器模块的方法包括:
通过处理器模块控制敲击机构敲击石墨电极;
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块;和/或
通过与处理器模块电性连接的声音检测模块检测敲击机构敲击石墨电极发出的声音,并发送至处理器模块,由处理器模块转发至云服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026973.8A CN111259528B (zh) | 2020-01-10 | 2020-01-10 | 石墨电极缺损检测法及石墨电极缺损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026973.8A CN111259528B (zh) | 2020-01-10 | 2020-01-10 | 石墨电极缺损检测法及石墨电极缺损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259528A true CN111259528A (zh) | 2020-06-09 |
CN111259528B CN111259528B (zh) | 2024-02-02 |
Family
ID=70953975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010026973.8A Active CN111259528B (zh) | 2020-01-10 | 2020-01-10 | 石墨电极缺损检测法及石墨电极缺损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259528B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067043A (zh) * | 2020-08-14 | 2020-12-11 | 常州机电职业技术学院 | 一种木结构古建筑的缺损度检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204925039U (zh) * | 2015-08-31 | 2015-12-30 | 吉林大学 | 一种石墨电极无损检测装置 |
CN108982671A (zh) * | 2018-09-06 | 2018-12-11 | 大同宇林德石墨设备股份有限公司 | 一种石墨电极加工后的物理数据检测线及检测方法 |
-
2020
- 2020-01-10 CN CN202010026973.8A patent/CN111259528B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204925039U (zh) * | 2015-08-31 | 2015-12-30 | 吉林大学 | 一种石墨电极无损检测装置 |
CN108982671A (zh) * | 2018-09-06 | 2018-12-11 | 大同宇林德石墨设备股份有限公司 | 一种石墨电极加工后的物理数据检测线及检测方法 |
Non-Patent Citations (2)
Title |
---|
李文可;凌振宝;王君;李东时;张笑彰;: ""一种石墨电极缺损音频检测系统设计"" * |
王中旂: ""石墨电极内部缺损检测装置研制"" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067043A (zh) * | 2020-08-14 | 2020-12-11 | 常州机电职业技术学院 | 一种木结构古建筑的缺损度检测系统 |
CN112067043B (zh) * | 2020-08-14 | 2022-08-26 | 常州机电职业技术学院 | 一种木结构古建筑的缺损度检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111259528B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111157622B (zh) | 石墨电极缺损检测系统 | |
CN109142547B (zh) | 一种基于卷积神经网络的声学在线无损检测方法 | |
CN108318630B (zh) | 一种城市空气质量实时监测系统和预警方法 | |
CN105651213B (zh) | 颚式破碎机齿板磨损检测传感器及检测方法 | |
CN117308275B (zh) | 一种基于温差的管路连接异常检测方法及系统 | |
CN1200783C (zh) | 冷轧机的抖动检测方法及装置 | |
CN2854594Y (zh) | 基于语音识别技术的刀具工况监测装置 | |
CN118312746B (zh) | 一种基于数字孪生的设备状态评价方法及系统 | |
CN103487250B (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN111259528A (zh) | 石墨电极缺损检测算法及石墨电极缺损检测方法 | |
CN114993640A (zh) | 一种设备状态监测方法、装置、设备及计算机存储介质 | |
CN115931246A (zh) | 一种氢冷发电机的气密性检测与故障处理系统及方法 | |
CN115420437A (zh) | 基于深度学习的超声测漏装置 | |
CN115825718A (zh) | 一种用于气体绝缘开关的局部放电在线监测系统及方法 | |
CN112505501B (zh) | 一种基于电声联合的局部放电严重等级判别及预警方法 | |
CN107402173A (zh) | 交流耦合式电荷感应法粉尘浓度监测装置及方法 | |
CN112666430B (zh) | 变压器声纹智能故障检测方法及系统 | |
CN117628417A (zh) | 一种燃气场用智能安全控制系统 | |
CN116698986B (zh) | 一种基于调谐带通滤波器的吸音材料质控系统和方法 | |
CN115774081A (zh) | 一种电子元器件车间用有毒气体排放监测系统 | |
CN104819382B (zh) | 一种用于光纤预警系统的自适应恒虚警率振源检测方法 | |
CN112083066A (zh) | 一种非接触式超声波检测方法 | |
CN216646699U (zh) | 一种gis局部放电声电联合检测系统 | |
CN113311296A (zh) | 一种基于超声波检测的组合开关柜局部放电检测系统 | |
CN112035782A (zh) | 一种废气收集效率评估方法及废气收集装置 |
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 |