CN112906222B - 布料波动检测的方法及装置 - Google Patents
布料波动检测的方法及装置 Download PDFInfo
- Publication number
- CN112906222B CN112906222B CN202110193390.9A CN202110193390A CN112906222B CN 112906222 B CN112906222 B CN 112906222B CN 202110193390 A CN202110193390 A CN 202110193390A CN 112906222 B CN112906222 B CN 112906222B
- Authority
- CN
- China
- Prior art keywords
- cloth
- funnel
- information
- material level
- evaluation
- 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.)
- Active
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 273
- 238000001514 detection method Methods 0.000 title claims abstract description 181
- 238000011156 evaluation Methods 0.000 claims abstract description 269
- 239000000463 material Substances 0.000 claims abstract description 228
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000009826 distribution Methods 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims description 27
- 239000012925 reference material Substances 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 24
- 238000003723 Smelting Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 19
- 238000005259 measurement Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 241000209094 Oryza Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种布料波动检测的方法及装置，涉及冶炼技术领域，主要为解决目前的布料波动检测的时效性较差的问题。该方法包括：获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；根据所述料面信息确定布料评估信息，所述布料评估信息中包括料面波动信息及料面变化趋势信息；根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。本发明用于布料波动过程的检测。
Description
技术领域
本发明涉及冶炼技术领域，尤其涉及一种布料波动检测的方法及装置。
背景技术
一直以来，在钢铁冶炼过程中，高炉的炉缸状态对于炼铁生产起到举足轻重的作用。高炉的炉缸状态往往会随着布料操作的变化所影响，尤其是当布料过程存在一定波动变化时，极易影响炉缸的运行。因此，如何检测布料过程是否存在波动，对于炉缸的稳定运行和延长使用寿命具有积极意义。
目前，在确定炉缸状态的过程中，现有的布料波动检测方式往往是通过炉缸运行一段时间后的炉缸所表征的现象进行分析得到的，也就是说，常规的布料波动检测需要在炉缸运行后的基于一些特征现象，来反推和回溯之前布料过程中是否存在布料波动。然而，在实际应用中，现有的布料波动检测过程往往具有滞后性，从而导致布料波动检测时，现有的检测方式存在时效性较差的问题。
发明内容
鉴于上述问题，本发明提供一种布料波动检测的方法及装置，主要目的在于解决目前布料波动检测时，检测结果存在时效性较差的问题。
为解决上述技术问题，第一方面，本发明提供了一种布料波动检测的方法，该方法包括：
获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；
根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；
根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。
可选的，所述每组料面数据中包含多个检测点数据；
所述根据所述料面信息确定布料评估信息包括：
通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线；
根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
可选的，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
可选的，所述根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息包括：
从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差；
和/或，
从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差；
和/或，
从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差；
和/或，
从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差；
和/或，
从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差；
和/或，
从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
可选的，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；
其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；
所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；
所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；
所述料面波动评估关系包括料面波动范围以及对应的检测结果；
所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果包括：
从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；
根据所述目标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。
可选的，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作；
在所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果之后，所述方法还包括：
当确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
当确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
可选的，在所述获取布料后的料面信息之前，所述方法还包括：
获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
根据所述参数范围以及所述检测结果构建所述预设评估关系。
第二方面，本发明实施例还提供了一种布料波动检测的装置，包括：
获取单元，用于获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；
第一确定单元，用于根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；
第二确定单元，用于根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。
可选的，所述每组料面数据中包含多个检测点数据；
所述第一确定单元包括：
第一构建模块，用于通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
第一确定模块，用于根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
第二构建模块，用于根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线；
第二确定模块，用于根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
可选的，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
可选的，所述第一确定模块包括：
第一计算子模块，用于从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差；
第二计算子模块，用于从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差；
第三计算子模块，用于从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差；
第四计算子模块，用于从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差；
第五计算子模块，用于从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差；
第六计算子模块，用于从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
可选的，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；
其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；
所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；
所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；
所述料面波动评估关系包括料面波动范围以及对应的检测结果；
所述第二确定单元包括：
第一确定模块，用于从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；
第二确定模块，用于根据所述目标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。
可选的，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作；
所述装置还包括：
第三确定单元，用于当确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
第四确定单元，用于当确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
可选的，所述装置还包括：
设置单元，用于获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
第五确定单元，用于根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
构建单元，用于根据所述参数范围以及所述检测结果构建所述预设评估关系。
为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的布料波动检测的方法。
为了实现上述目的，根据本发明的第四方面，提供了一种设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，执行上述所述的布料波动检测的方法。
借由上述技术方案，本发明提供的布料波动检测的方法及装置，对于现有的布料波动检测时，检测结果存在时效性较差的问题，本发明通过获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；然后，根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；最后，根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动，从而实现布料波动检测的功能。在上述方案中，由于获取的料面信息是基于预设采集设备从炉缸内实时获取的料面数据确定的，因此能够保证料面信息的也是实时的，继而可以使后续基于该料面信息确定的布料评估信息具有较好的时效性，在此基础上进行的检测结果也能具有较好的时效性，避免了现有技术通过炉缸运行一段时间后反应出的现象反推布料波动检测结果存在的时效性问题。同时，发明中在确定布料波动检测结果的过程中的布料评估信息中包含有料面波动信息及料面变化趋势信息，也就是说能够基于布料后炉缸内的实时数据确定出炉缸内料面的变化情况进行判断和分析，相较于现有技术中通过炉缸外部反映的状态参数进行分析，由于炉缸外部表征出的状态参数可能还受除布料操作外其他因素的干扰，例如炉缸运行时的温度、风速等，因此本发明的上述方法更为科学、准确，从而提高了布料波动检测结果的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种布料波动检测的方法流程图；
图2示出了本发明实施例提供的一种布料波动检测的方法执行过程中料面曲线的示意图；
图3示出了本发明实施例提供的一种布料波动检测的装置的组成框图；
图4示出了本发明实施例提供的另一种布料波动检测的装置的组成框图；
图5示出了本发明实施例提供的一种用于布料波动检测的设备的组成框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
为了解决目前布料波动检测时的时效性较差的问题，本发明实施例提供了一种布料波动检测的方法，如图1所示，该方法包括：
101、获取布料后的料面信息。
其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的。
基于现有布料波动检测往往是在布料后炉缸运行了一段时间后表征的外部参数进行分析和判断的，而这种检测方式实际上属于一种事后回溯的方式，也就是说当回溯分析时，其检测出结果确定存在布料波动时已经发生了较大的波动情况，这时检测结果属于事后诸葛，即便调整布料方式也仍然会使炉缸运行状态更不稳定，从而影响正常生产和炉缸寿命。
有鉴于此，本实施例中所述的布料波动检测方法则可以通过本步骤101中获取布料后的料面信息进行，其中，该料面信息是基于料面数据确定的，而料面数据则是在炉缸运行时通过预设采集设备在炉顶料面实时获取的，也就是说本实施例中的料面信息能够基于实时采集到的数据进行确定，从而能够保证该料面信息的实时性。同时，由于本实施例所述的方法在于确定布料波动的是否存在波动，因此该料面信息中实际上可以包含至少两次布料操作时的两组料面数据，当然，为了确保检测结果的准确性，分析过程中还可能需要增加分析样本的需要，即在本步骤中还可以基于用户的需要获取更多组的料面数据作为所述料面信息。另外，由于料面数据需要表征布料后炉缸内内料的分布情况的，因此需要设置多个不同的监测点采集数据，因此，料面数据可以按照布料批次将多个不同位置的监测点的数据按批分组得到分组数据。
102、根据料面信息确定布料评估信息。
其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息。
由于料面信息中包含的是以不同批次布料操作分组的料面数据，同时为了后续进行布料波动的检测，还需要从这些数据按照影响因素确定对应的参数，从而便于后续的检测，因此，在本步骤中需要将前述步骤中的料面信息中确定出后续检测所需的布料评估信息，具体的，可以包括反映料面波动情况的料面波动信息以及料面变化趋势的料面变化趋势信息。
具体的，基于后续的检测过程的方式的不同，上述料面波动信息及料面变化趋势信息的具体信息的参数可以不同，例如所述料面变化趋势信息中可以包含表征每组料面数据的曲线中不同曲线之间的变化程度。
103、根据布料评估信息及预设评估关系确定布料操作对应的检测结果。
其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。
需要说明的是，在本步骤中，当根据布料评估信息及预设评估关系进行检测结果的确定时，所需的预设评估关系中包含的具体的评估参数范围种类需要与布料评估信息中具体包含的数据相对应，例如，当所述布料评估信息中料面波动信息具体的包括A参数时，则预设布料评估信息中进行检测时也需要选取对应A参数的各种评估参数范围进行检测结果的判断，从而基于A参数中具体值所属的评估参数范围确定对应的检测结果，从而避免检测结果出现错误。
在上述方案中，由于获取的料面信息是基于预设采集设备从炉缸内实时获取的料面数据确定的，因此能够保证料面信息的也是实时的，继而可以使后续基于该料面信息确定的布料评估信息具有较好的时效性，在此基础上进行的检测结果也能具有较好的时效性，避免了现有技术通过炉缸运行一段时间后反应出的现象反推布料波动检测结果存在的时效性问题。同时，发明中在确定布料波动检测结果的过程中的布料评估信息中包含有料面波动信息及料面变化趋势信息，也就是说能够基于布料后炉缸内的实时数据确定出炉缸内料面的变化情况进行判断和分析，相较于现有技术中通过炉缸外部反映的状态参数进行分析，由于炉缸外部表征出的状态参数可能还受除布料操作外其他因素的干扰，例如炉缸运行时的温度、风速等，因此本发明的上述方法更为科学、准确，从而提高了布料波动检测结果的准确性。
进一步的，在一些实施例中，前述示例步骤101中，所述每组料面数据中包含多个检测点数据；
前述实施例中步骤102根据所述料面信息确定布料评估信息在执行时具体可以包括：
首先，通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
然后，根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
之后，根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线；
最后，根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
在本示例中，由于料面信息是依据每次布料分组的料面数据确定的，且料面数据是按照一定数据的监测点采集的数值构成，因此，可以基于该料面数据构建对应每次布料时的布料曲线，在此，当一共布料了20次，每次布料时设置的监测点的数量为30，则依照上述方法构建的料面曲线可以具体可以如图2所示，其中，该图中示例了20次布料对应的20组料面曲线，其中每条料面曲线代表了一次布料时30个监测点的数据。
通过图2所示的料面曲线可知，整个料面曲线分为开始的平稳部分和后续的下滑部分，在此可以基于曲线的图形特点间料面曲线分为对应曲线起始时相对平稳的平台部分以及经过平稳部分后开始下滑变化的漏斗部分。实时上平台部分和漏斗部能够表征开始布料后炉缸内的内料的变化，因此，在本实施例中可以结合平台部分和漏斗部分对多个料面曲线进行分析，从而以便得到能够用于后续确定检测结果的布料评估信息。
同时，在本步骤中还包括根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线，根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，的过程，实际上可以理解为在多条曲线中确定一条基于每个监测点的平均值(每个监测点在20次布料时不同数值的平均值)所形成的基准料面曲线。并在该基准面料曲线的基础上确定每条曲线与之偏差值作为料面波动信息。
具体的，本步骤上述方法在确定料面波动信息时可以基于下述方式进行：
在本示例中可以通过扫描雷达作为获取料面数据的监测设备，该扫描雷达一次可以在5米左右的炉喉半径上获取30监测点，每个点的深度以0米料线为基准进行确定，然后按照用户所需获取20条连续测量的同品种曲线，将相关测量值保存在数据库表。需要说明的是，在获取料面数据的种类可以为焦炭、也可以为矿石，其中矿石可以为大烧结矿料面数据和小烧结矿料面数据，在本示例中为了便于描述，全部以焦炭为例，获取每条曲线的30个监测点的数值(数值编号从炉喉到高炉中心)，Zi,j，其中Z表示每个
点对应的料线深度，i表征对应于20条曲线，i＝1,2,…,20；j:对应于每条料面测量曲线的30个测量点，j＝1,2,3,…,30。
基于此，计算20条曲线的平均料线深度：
Mean_Dj表征每个点的平均料线深度，单位米；j表征对应于平均料面测量曲线的30个测量点，j＝1,2,3,…,30。
根据计算可以得到每个监测点的平均值，具体可以下表所示：
| 监测点 | 平均值 | 监测点 | 平均值 | 监测点 | 平均值 | 监测点 | 平均值 | 监测点 | 平均值 |
| 1 | 1.2515 | 8 | 1.3375 | 15 | 1.7215 | 22 | 2.4175 | 29 | 2.4625 |
| 2 | 1.292 | 9 | 1.317 | 16 | 1.818 | 23 | 2.512 | 30 | 2.4495 |
| 3 | 1.25015 | 10 | 1.3 | 17 | 1.9175 | 24 | 2.5955 | ||
| 4 | 1.311 | 11 | 1.3505 | 18 | 2.0185 | 25 | 2.572 | ||
| 5 | 1.329 | 12 | 1.433 | 19 | 2.1185 | 26 | 2.5435 | ||
| 6 | 1.3535 | 13 | 1.5285 | 20 | 2.2165 | 27 | 2.511 | ||
| 7 | 1.357 | 14 | 1.625 | 21 | 2.3195 | 28 | 2.4875 |
然后，计算20条料面曲线和基准料面曲线之间的差值。其中，本实施例以平均测量点为基准，计算20个同品种料面测量曲线测量点相对于基准料面曲线的差值D_Di,j，i：对应于20条曲线，i＝1,2,…,20；j:对应于每条料面测量曲线的30个测量点，j＝1,2,3,…,30。
D_Di,j＝Zi,j-Mean_Dj
具体的，对每条曲线而言，计算过程如下：
计算第1条料面曲线和基准料面曲线测量值之间的差值：D_D1,j＝Z1,j-Mean_Dj，j表征对应于每个料面测量曲线的30个测量点，j＝1,2,3,…,30。以此类推，用同样的方法计算2-20条料面曲线和基准料面曲线测量值之间的差值，如计算第20条曲线和基准料面曲线测量值之间的差值：D_D20,j＝Z20,j-Mean_Dj，j:j:对应于每个料面测量曲线的30个测量点，j＝1,2,3,…,30。
之后，根据计算的每条曲线和平均曲线每个点的差值，计算每条曲线偏差Flu_Bi，即曲线偏差值，并通过比较计算结果比较20条料面曲线波动情况。
由于在实际应用中，能够表征料面波动情况的主要可以通过曲线偏差值中的最大值进行确定，从而反映布料过程中曲线之间差异最大的部分，因此，确定最终确定的料面波动信息是曲线偏差值中的最大值，即
Flu_B＝max(Flu_Bj)
基于上述表格可知，料面波动信息为Flu_B中最大值0.084313。
这样，通过本实施例所述的方法，能够基于通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，并在此基础上确定出平台部分状态信息和漏斗部分状态信息作为所述料面变化趋势，能够确保检测过程中能够基于曲线变化情况直观的判断布料后料面的整体变化，继而确保了后续检测结果的准确性。同时，还通过根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线，再根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，从而确保了料面波动信息中包含了基于料面曲线中与平均值相差最大的曲线的状态，也就是确定了与其他多次布料中区别最大的一次布料的情况，继而为后续检测结果的判断的准确性，奠定了基础。
进一步的，在一些实施例中，基于前述示例可知，料面曲线分为平台部分和漏斗部分，具体的，为了进一步提高检测结果的准确性，在本实施例中，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
通过设置平台部分状态信息及漏斗部分状态信息中包含的信息的具体种类，可以为后续检测时能够依照更为精细的特点变化进行分析，从而为整体方案的检测结果的准确性奠定了基础。
进一步的，在一些实施例中，前述示例中的步骤，根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息在执行过程中，基于具体的参数种类，其确定过程可以分为下述几种方面执行，其中包括：
方面一：从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差。
具体的，该方面的方法在执行时可以为：通过比对曲线形状，确定每条曲线的平台宽度Flati，i＝1，2，3，...，20，然后计算平均平台宽度，在此以每条料面测量数据为基准，计算第j个和j+2个数据之间的差值PD_Flati，j，这里j+2≤15。
PD_Flati，j＝Zi，j+2-Zi，j
PD_Flati，j：第j个和j+2个数据之间的差值，j+2≤15，米；
Zi，j：第i条曲线，第j点的料线值，米。
在1-15个点之间当发现最大值，则将j点到炉墙的距离确定为该条料面的平台宽度Wi_Flati，Wi_Flati＝[Dia/30]×j。
式中：i：对应于20条曲线，i＝1，2，...，20；j：对应于max(PD_Flati，j)的测量点，j＝1，2，3，...，30。
Dia：炉喉半径，单位米。
由此，确定每个曲线的平台宽度为下表所示：
| 曲线 | 宽度 | 曲线 | 宽度 | 曲线 | 宽度 | 曲线 | 宽度 | 曲线 | 宽度 |
| 1 | 1.5 | 5 | 1.5 | 9 | 1.8 | 13 | 1.65 | 17 | 1.65 |
| 2 | 1.75 | 6 | 1.5 | 10 | 1.65 | 14 | 1.5 | 18 | 1.8 |
| 3 | 1.5 | 7 | 1.65 | 11 | 1.5 | 15 | 1.5 | 19 | 1.65 |
| 4 | 1.8 | 8 | 1.5 | 12 | 1.5 | 16 | 1.5 | 20 | 1.65 |
基于该表，可以计算平台宽度波动，即计算平台宽度
计算平台宽度的最大最小值差，即平台宽度极值差，Wi_D_Flat，算法如下：
Wi_D_Flat＝max(Wi_Flati)-min(Wi_Flati)
式中：i：对应于20条曲线，i＝1，2，...，20；基于上述表格可知，最大的波动范围可以通过1.8(最大的平台宽度)及1.5(最小的平台宽度)确定平台宽度极值差0.3米。
方面二：从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差。
具体的，本步骤执行时可以为：
首先计算20条料面曲线平台宽度的平均值，计算方式为：
其中，Wi_S_Flat代表20条料面曲线平台宽度的平均值。
然后计算平台波动的偏差值Del_Wi_Flat，计算方式为：
其中，i：对应于20条曲线，i＝1，2，...，20；
基于上述表格及公式可以计算平台宽度波动偏差Del_Wi_Flat＝0.122。
方面三：从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差。
具体的，本步骤执行时可以包括：首先，通过比对料面曲线，确定每条曲线的漏斗宽度Wi_C_Flati，i＝1，2，3，...，20。然后，计算漏斗宽度以每条料面测量数据为基准，计算第j个和j+2个数据之间的差值CD_Flati，j，其中，15≤j+2≤30，计算方式为：
CD_Flati，j＝Zi，j+2-Zi，j
CD_Flati，j表征第j个和j+2个数据之间的差值，15≤j+2≤30，米；
Zi，j表征第i条曲线，第j点的料线值，米。
在15-30个点之间当发现最大值，则将j点到高炉中心的距离确定为该条料面的中间区域漏斗宽度Wi_C_Flati，
式中：i：对应于20条曲线，i＝1，2，...，20；j：对应于max(CD_Flati，j)的测量点，j＝1，2，3，...，30。Dia：表征炉喉半径，具体的，如下表所示：
基于上述表格内容，可以计算漏斗宽度波动情况，即漏斗宽度极值差，也就是上述漏斗看度中最大值与最小值之间差值Wi_CD_Flat，算法如下：
Wi_CD_Flat＝max(Wi_C_Flati)-min(Wi_C_Flati)
式中：i：对应于20条曲线，i＝1,2,…,20；通过上述计算可知最大值为1.05，最小值为0.75，计算求得Wi_CD_Flat＝0.3米。
方面四：从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差。
具体的，本步骤执行时可以具体为：
首先计算20条料面曲线中间漏斗宽度的平均值，计算过程为：
其中Wi_CS_Flat代表20条料面曲线中间漏斗宽度的平均值，米。
计算中间漏斗宽度波动的偏差值Del_CW_Flat，计算过程为：
其中：i：对应于20条曲线，i＝1,2,…,20；基于此，可以计算出每条曲线的偏差和差值平方作为偏差值，具体如下表：
基于上述表格可以从上述表格中每条曲线对应的偏差值确定出漏斗宽度波动偏差为：Del_CW_Flat＝0.0934
方面五：从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差。
具体的，本方面执行时可以具体为：首先，通过料面曲线进行对比，确定每条曲线的中间漏斗高度C_Heii，i＝1，2，3，...，20，然后计算漏斗平均高度，具体的，以每条料面测量数据为基准，计算每个料面中间漏斗的高度C_Heii，执行方式为：
C_Heii＝max(Zi，j)-min(Zi，j)
其中，15≤j+2≤30，Zi，j：第i条曲线，第j点的料线值，单位为米。
然后，计算第j个到第30个数据之间的平均值C_M_Hei，这里15≤j+2≤30，执行方式为：
C_M_Hei 1到20个料面中间漏斗平均高度，单位米，由此得到对应每条料面曲线漏斗高度如下表所示：
| 曲线 | 漏斗高度，米 | 曲线 | 漏斗高度，米 | 曲线 | 漏斗高度，米 | 曲线 | 漏斗高度，米 |
| 1 | 0.17 | 6 | 0.08 | 11 | 0.3 | 16 | 0.13 |
| 2 | 0.1 | 7 | 0.11 | 12 | 0.15 | 17 | 0.15 |
| 3 | 0.08 | 8 | 0.14 | 13 | 0.23 | 18 | 0.19 |
| 4 | 0.14 | 9 | 0.08 | 14 | 0.23 | 19 | 0.1 |
| 5 | 0.15 | 10 | 0.19 | 15 | 0.22 | 20 | 0.12 |
基于上述表格所示的内容，漏斗高度的平均值C_M_Hei＝0.154米
之后，计算中间漏斗高度波动，其中，计算漏斗高度极值差，即最大最小值差Hei_Cen，算法如下：
Hei_Cen＝max(C_Heii)-min(C_Heii)
结合上述表格可知，可以求得Hei_Cen＝0.22米。
方面六：从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
具体的，执行过程可以为：首先，确定漏洞高度平均值，其计算方式与前述方案中计算漏洞宽度平局值一致，并根据该漏斗高度平均值分别计算每条漏斗高度的差值以及差值平方，得到漏斗高度偏差，如下表所示：
并基于此计算中间漏斗高度波动偏差Del_Cen_Hei，执行方式为：
其中，i对应于20条曲线，i＝1,2,…,20，C_M_Heii为漏斗高度平均值，基于上述表格内容可计算出Del_Cen_Hei＝0.059。
需要说明的是，在前述方面一至方面六所述的方法中，可以基于用户需要自行进行组合和选择，例如可以选取六种全部参数作为后续布料波动检测使用，也可以选取任意一种或者几种，在此不做限定，可以根据用户的实际需求进行选取。
进一步的，在一些实施例中，基于不同的检测条件，前述示例中的预设评估关系中包含的内容也可以根据实际需要选择，其中，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；所述料面波动评估关系包括料面波动范围以及对应的检测结果；
基于此前述实施例步骤103中根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果包括：首先，从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；然后，根据所述目标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。这样，可以确保通过用户所需的评估参数选取对应的评估条件，从而确保检测结果的准确性。
进一步的，为一些实施例中，由于确定布料波动的检测结果后可能需要对后续的布料行为进行控制和调整，因此，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作。这样，可以确保在确定布料波动检测结果的过程中能够直接获知所需执行的后续布料建议，确保了在存在布料波动时及时调整，同时发现未存在布料波动时维持之前布料行为，从而确保避免布料波动的情况发生。
具体的，当当选取平台宽度极值差(Wi_D_Flat)作为布料波动检测的参数时对应的预设评估关系，其预设评估关系可以如下表：
当然，该表仅以为示例性的，实际情况可以选取多种不同参数作为布料评估信息，并基于不同的参数获取对应的评估条件从而形成综合分析的效果，确保检测结果的准确性。
这样，在步骤103执行所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果之后，所述方法还包括：
当确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
当确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
这样，能够基于不同的检测结果在预设评估关系中确定相应的布料建议能够确保后续布料能够随着检测结果及时调整，有利于减少布料波动带来的影响。
进一步的，在一些实施例中，在所述获取布料后的料面信息之前，所述方法还包括：
获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
根据所述参数范围以及所述检测结果构建所述预设评估关系。
这样，通过上述步骤进行预先布置，可以确保本实施例所述的方法在执行时能够基于历史布料信息设置后续监测点和预设评估关系，从而确保了本实施例所述的方法执行的可靠性，同时也避免了每次执行时都临时设置带来的操作繁琐的问题。
进一步的，作为对上述图1所示方法的实现，本发明实施例还提供了一种布料波动检测的装置，用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示，该装置包括：
获取单元31，可以用于获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；
第一确定单元32，可以用于根据所述获取单元31获取的料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；
第二确定单元33，可以用于根据所述第一确定单元32确定的布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。
可选的，如图4所示，所述每组料面数据中包含多个检测点数据；
所述第一确定单元32包括：
第一构建模块321，可以用于通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
第一确定模块322，可以用于根据所述第一构建模块321构建的料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
第二构建模块323，可以用于根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线；
第二确定模块324，可以用于根据所述第二构建模块323基准料面曲线与所述第一构建模块321构建的料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
可选的，如图4所示，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
可选的，如图4所示，所述第一确定模块322包括：
第一计算子模块3221，可以用于从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差；
第二计算子模块3222，可以用于从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差；
第三计算子模块3223，可以用于从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差；
第四计算子模块3224，可以用于从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差；
第五计算子模块3225，可以用于从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差；
第六计算子模块3226，可以用于从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
可选的，如图4所示，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；
其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；
所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；
所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；
所述料面波动评估关系包括料面波动范围以及对应的检测结果；
所述第二确定单元33包括：
第一确定模块331，可以用于从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；
第二确定模块332，可以用于根据所述目第一确定模块331标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。
可选的，如图4所示，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作；
所述装置还包括：
第三确定单元34，可以用于当第二确定单元33确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
第四确定单元35，可以用于当第二确定单元33确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
可选的，如图4所示，所述装置还包括：
设置单元36，可以用于获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
第五确定单元37，可以用于根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
构建单元38，可以用于根据所述第五确定单元37确定的参数范围以及所述检测结果构建所述预设评估关系。
借由上述技术方案，本发明实施例提供一种布料波动检测的方法及装置，由于获取的料面信息是基于预设采集设备从炉缸内实时获取的料面数据确定的，因此能够保证料面信息的也是实时的，继而可以使后续基于该料面信息确定的布料评估信息具有较好的时效性，在此基础上进行的检测结果也能具有较好的时效性，避免了现有技术通过炉缸运行一段时间后反应出的现象反推布料波动检测结果存在的时效性问题。同时，发明中在确定布料波动检测结果的过程中的布料评估信息中包含有料面波动信息及料面变化趋势信息，也就是说能够基于布料后炉缸内的实时数据确定出炉缸内料面的变化情况进行判断和分析，相较于现有技术中通过炉缸外部反映的状态参数进行分析，由于炉缸外部表征出的状态参数可能还受除布料操作外其他因素的干扰，例如炉缸运行时的温度、风速等，因此本发明的上述方法更为科学、准确，从而提高了布料波动检测结果的准确性。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高布料波动检测效果的时效性。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述布料波动检测的方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述布料波动检测的方法。
本发明实施例提供了一种设备50，如图5所示，设备包括至少一个处理器501、以及与处理器连接的至少一个存储器502、总线503；其中，处理器501、存储器502通过总线503完成相互间的通信；处理器501用于调用存储器中的程序指令，以执行上述的布料波动检测的方法。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取布料后的料面信息，其中，所述料面数据是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动。
进一步的，所述每组料面数据中包含多个检测点数据；
所述根据所述料面信息确定布料评估信息包括：
通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
根据所述料面信息计算平均料线深度，并根据所述平均料面深度构建基准料面曲线；
根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
进一步的，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
进一步的，所述根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息包括：
从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差；和/或，
从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差；和/或，
从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差；和/或，
从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差；和/或，
从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差；和/或，
从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
进一步的，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；
其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；
所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；
所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；
所述料面波动评估关系包括料面波动范围以及对应的检测结果；
所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果包括：
从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；
根据所述目标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。
进一步的，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作；
在所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果之后，所述方法还包括：
当确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
当确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
进一步的，在所述获取布料后的料面信息之前，所述方法还包括：
获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
根据所述参数范围以及所述检测结果构建所述预设评估关系。
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。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种布料波动检测的方法，其特征在于，包括：
获取布料后的料面信息，其中，所述料面信息是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；
根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；
根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动；
其中，每组所述料面数据中包含多个检测点数据；
所述根据所述料面信息确定布料评估信息包括：
通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
根据所述料面信息计算平均料面深度，并根据所述平均料面深度构建基准料面曲线；
根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
2.根据权利要求1所述的方法，其特征在于，所述平台部分状态信息包括平台宽度极值差及平台宽度偏移量，所述漏斗部分状态信息包括漏斗宽度极值差、漏斗宽度偏移量、漏斗高度极值差以及漏斗高度偏移量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息包括：
从多个所述料面曲线中确定平台宽度最大值与平台宽度最小值，并根据所述平台宽度最大值与所述平台宽度最小值计算，得到所述平台宽度极值差；
和/或，
从多个所述料面曲线中确定平台宽度平均值，并根据每个所述料面曲线的平台宽度分别与所述平台宽度平均值计算，得到多个所述平台宽度偏移量，并基于多个所述平台偏移量确定平台宽度波动偏差；
和/或，
从多个所述料面曲线中确定漏斗宽度最大值与漏斗宽度最小值，并根据所述漏斗宽度最大值与所述漏斗宽度最小值计算，得到所述漏斗宽度极值差；
和/或，
从多个所述料面曲线中确定漏斗宽度平均值，并根据每个所述料面曲线的漏斗宽度分别与所述漏斗宽度平均值计算，得到多个所述漏斗宽度偏移量，并基于多个所述漏斗宽度偏移量确定漏斗宽度波动偏差；
和/或，
从多个所述料面曲线中确定漏斗高度最大值与漏斗高度最小值，并根据所述漏斗高度最大值与所述漏斗高度最小值计算，得到所述漏斗高度极值差；
和/或，
从多个所述料面曲线中确定漏斗高度平均值，并根据每个所述料面曲线的漏斗高度分别与所述漏斗高度平均值计算，得到多个所述漏斗高度偏移量，并基于多个所述漏斗高度偏移量确定漏斗高度波动偏差。
4.根据权利要求3所述的方法，其特征在于，所述预设评估关系包括平台状态评估关系、漏斗宽度状态评估关系、漏斗高度状态评估关系以及料面波动评估关系；
其中，所述平台状态评估关系中包含平台宽度极值差范围、平台宽度偏移量范围、所述平台宽度极值差范围对应的检测结果、所述平台宽度偏移量范围对应的检测结果；
所述漏斗宽度状态评估关系包括漏斗宽度极值差范围、漏斗宽度偏移量范围、所述漏斗宽度极值差范围对应的检测结果以及所述漏斗宽度偏移量范围对应的检测结果；
所述漏斗高度状态评估关系包括漏斗高度极值差范围、漏斗高度偏移量范围、所述漏斗高度极值差范围对应的检测结果、所述漏斗高度偏移量范围对应的检测结果；
所述料面波动评估关系包括料面波动范围以及对应的检测结果；
所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果包括：
从所述布料评估信息中确定目标评估参数，其中，所述目标评估参数是基于用户指令从所述平台宽度极值差、所述平台宽度偏移量、所述漏斗宽度极值差、所述漏斗宽度偏移量、所述漏斗高度极值差、所述漏斗高度偏移量及所述料面波动信息中确定的；
根据所述目标评估参数以及对应所述目标评估参数的目标评估关系，确定检测结果，其中，所述目标评估关系是从所述预设评估关系中基于所述目标评估参数确定的。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述预设评估关系中还包括布料建议，所述布料建议对应所述检测结果，所述布料建议包括调整布料操作及维持当前布料操作；
在所述根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果之后，所述方法还包括：
当确定检测结果为存在所述布料波动时，确定所述布料建议为所述调整布料操作；
当确定检测结果为不存在所述布料波动时，确定所述布料建议为所述维持当前布料操作。
6.根据权利要求4所述的方法，其特征在于，在所述获取布料后的料面信息之前，所述方法还包括：
获取历史布料信息，并根据历史布料信息设置测试预设数量的所述监测点；
根据所述历史布料信息，确定所述平台状态评估关系、所述漏斗宽度状态评估关系、所述漏斗高度状态评估关系以及所述料面波动评估关系中不同的参数范围以及对应的检测结果；
根据所述参数范围以及所述检测结果构建所述预设评估关系。
7.一种布料波动检测的装置，其特征在于，包括：
获取单元，用于获取布料后的料面信息，其中，所述料面信息是根据至少两组料面数据确定的，每组所述料面数据是基于预设采集设备在每次布料操作后从炉顶料面实时获取的；
第一确定单元，用于根据所述料面信息确定布料评估信息，其中，所述布料评估信息中包括料面波动信息及料面变化趋势信息；
第二确定单元，用于根据所述布料评估信息及预设评估关系确定布料操作对应的检测结果，其中，所述预设评估关系中包含评估参数范围以及评估参数范围对应的检测结果，所述评估参数范围和所述布料评估信息对应，所述检测结果包括存在布料波动以及不存在布料波动；
其中，每组所述料面数据中包含多个检测点数据；
所述根据所述料面信息确定布料评估信息包括：
通过所述料面信息按照分组构建对应每组所述料面数据的料面曲线，其中，所述料面曲线的数量与所述料面数据的分组数量相对应，所述料面曲线包括平台部分及漏斗部分；
根据所述料面曲线确定平台部分状态信息及漏斗部分状态信息，作为所述料面变化趋势信息；
根据所述料面信息计算平均料面深度，并根据所述平均料面深度构建基准料面曲线；
根据所述基准料面曲线与所述料面曲线确定曲线偏差值，并从多个所述曲线偏差值中选取最大值作为所述料面波动信息，其中，所述曲线偏差值是根据所述料面曲线中每个监测点与所述基准料面曲线对应的基准点进行差值计算得到的。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求6中任意一项所述的布料波动检测的方法。
9.一种设备，其特征在于，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，执行如权利要求1至权利要求6中任意一项所述的布料波动检测的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110193390.9A CN112906222B (zh) | 2021-02-20 | 2021-02-20 | 布料波动检测的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110193390.9A CN112906222B (zh) | 2021-02-20 | 2021-02-20 | 布料波动检测的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112906222A CN112906222A (zh) | 2021-06-04 |
| CN112906222B true CN112906222B (zh) | 2023-07-25 |
Family
ID=76124085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110193390.9A Active CN112906222B (zh) | 2021-02-20 | 2021-02-20 | 布料波动检测的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112906222B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107641669A (zh) * | 2017-09-01 | 2018-01-30 | 武汉钢铁有限公司 | 一种利用扫描雷达实现4000m3高炉高效低耗冶炼的方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5412947B2 (ja) * | 2008-12-29 | 2014-02-12 | 新日鐵住金株式会社 | 高炉内装入物のプロフィル測定装置および測定方法 |
| CN102732659B (zh) * | 2011-04-11 | 2014-01-08 | 宝山钢铁股份有限公司 | 高炉布料的料面形状控制方法及控制系统 |
| CN105112590B (zh) * | 2015-09-25 | 2017-05-10 | 九江萍钢钢铁有限公司 | 高炉漏斗型料面布料方法 |
| CN109754137B (zh) * | 2017-11-03 | 2022-03-29 | 钢铁研究总院 | 确定钢铁材料产品的质量和/或等级的方法及设备 |
| CN108880931B (zh) * | 2018-05-29 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
| CN111394533B (zh) * | 2020-04-29 | 2022-03-29 | 江苏省沙钢钢铁研究院有限公司 | 高炉布料状况评估方法及评估系统 |
-
2021
- 2021-02-20 CN CN202110193390.9A patent/CN112906222B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107641669A (zh) * | 2017-09-01 | 2018-01-30 | 武汉钢铁有限公司 | 一种利用扫描雷达实现4000m3高炉高效低耗冶炼的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112906222A (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110070282B (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
| CN108241901B (zh) | 一种基于预测数据的变压器预警评估方法及装置 | |
| CN103440368A (zh) | 一种多模型动态软测量建模方法 | |
| CN114819636B (zh) | 一种基于spc检测的工业生产数据处理方法及系统 | |
| CN111443163A (zh) | 一种臭氧缺失数据的插补方法、装置及插补设备 | |
| US20220012539A1 (en) | Evaluating device, plant control assist system, evaluation method, and program | |
| CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
| CN112906222B (zh) | 布料波动检测的方法及装置 | |
| CN110570649B (zh) | 机动车流量检测方法、设备工作状态检测方法及相应装置 | |
| CN109976986B (zh) | 异常设备的检测方法及装置 | |
| CN116821836B (zh) | 基于多传感器的轮轴瓦异常状态监测方法及系统 | |
| CN114238685B (zh) | 基于ble路由器的托盘自动化统计方法、装置及计算机设备 | |
| CN110058811A (zh) | 信息处理装置、数据管理系统、方法以及计算机可读介质 | |
| CN115829337A (zh) | 一种存储区风险预警方法及系统 | |
| CN116127344A (zh) | 一种异常检测优化方法及相关设备 | |
| CN114741258B (zh) | 一种基于大数据的计算机性能控制分析系统及方法 | |
| CN113065222B (zh) | 炉缸状态评估的方法及装置 | |
| CN108415372A (zh) | 精密机床热误差补偿方法 | |
| CN107144683A (zh) | 一种基于西格摩德函数的沥青混合料主曲线的构建方法 | |
| CN110658722A (zh) | 一种基于gap的自均衡多模型分解方法及系统 | |
| CN118312656B (zh) | 基于机器学习的审批工作流数据智能筛查方法与系统 | |
| CN118246610B (zh) | 基于大数据的微藻浓度预测方法及系统 | |
| CN118130743B (zh) | 基于云计算的水质监测数据处理方法及系统 | |
| CN114798760B (zh) | 钢材生产线的精轧机辊缝调整方法、装置、终端及介质 | |
| CN115576268A (zh) | 一种数控加工设备的跟随误差预测方法 |
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 |