CN116205922A - 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 - Google Patents
一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 Download PDFInfo
- Publication number
- CN116205922A CN116205922A CN202310495248.9A CN202310495248A CN116205922A CN 116205922 A CN116205922 A CN 116205922A CN 202310495248 A CN202310495248 A CN 202310495248A CN 116205922 A CN116205922 A CN 116205922A
- Authority
- CN
- China
- Prior art keywords
- defect
- smelting
- steel
- identification
- matching
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统,涉及智能控制技术领域,方法包括:采集获得钢材的冶炼控制数据,通过内部探伤单元对钢材进行缺陷识别,获得缺陷识别集合后进行缺陷验证确定内部缺陷特征信息,通过图像采集单元对钢材进行表面图像采集,生成图像采集结果,对图像采集结果进行图像特征识别,获得表面缺陷特征信息后与内部缺陷特征信息基于节点控制标识进行节点关联匹配,生成冶炼节点优化信息进行冶炼的控制管理,本发明解决了现有技术中对钢材冶炼控制不佳,使得对钢材容易出现内部缺陷的技术问题,实现了对钢材内部缺陷进行精准的数据挖掘,优化了钢材冶炼的控制。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统。
背景技术
随着冶炼技术的发展,尤其是对钢材进行冶炼的控制,在钢材冶炼的过程中需要将炉料熔化成钢水,并提高钢水过热温度,以保证浇注的需要,再将钢水中的硅、锰、碳含量控制在规定范围内,降低钢液中有害元素硫和磷,使总含量降低到规定限度以下,但由于在对钢材进行冶炼的过程的控制不足,使得对钢材容易出现内部缺陷的技术问题。
发明内容
本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统,用于针对解决现有技术中存在的对钢材冶炼控制不佳,使得对钢材容易出现内部缺陷的技术问题。
鉴于上述问题,本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统。
第一方面,本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法,所述方法包括:采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;通过所述冶炼节点优化信息进行冶炼的控制管理。
第二方面,本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制系统,所述系统包括:数据采集模块,所述数据采集模块用于采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;缺陷识别模块,所述缺陷识别模块用于通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;缺陷验证模块,所述缺陷验证模块用于通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;表面图像采集模块,所述表面图像采集模块用于通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;图像特征识别模块,所述图像特征识别模块用于对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;节点关联匹配模块,所述节点关联匹配模块用于根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;控制管理模块,所述控制管理模块用于通过所述冶炼节点优化信息进行冶炼的控制管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统,涉及智能控制技术领域,解决了现有技术中由于对钢材冶炼控制不佳,使得对钢材容易出现内部缺陷的技术问题,实现了对钢材内部缺陷进行精准的数据挖掘,优化了钢材冶炼的控制。
附图说明
图1为本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法流程示意图;
图2为本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法中进行控制管理流程示意图;
图3为本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法中确定内部缺陷特征信息流程示意图;
图4为本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法中行冶炼的控制优化补偿流程示意图;
图5为本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制系统结构示意图。
附图标记说明:数据采集模块1,缺陷识别模块2,缺陷验证模块3,表面图像采集模块4,图像特征识别模块5,节点关联匹配模块6,控制管理模块7。
具体实施方式
本申请通过提供一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统,用于解决现有技术中对钢材冶炼控制不佳,使得对钢材容易出现内部缺陷的技术问题。
实施例1
如图1所示,本申请实施例提供了一种基于钢材内部缺陷数据挖掘的冶炼控制方法,该方法应用于冶炼控制系统,冶炼控制系统与内部探伤单元、图像采集单元通信连接,该方法包括:
步骤S100:采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;
具体而言,本申请实施例提供的一种基于钢材内部缺陷数据挖掘的冶炼控制方法应用于冶炼控制系统,该冶炼控制系统与内部探伤单元、图像采集单元通信连接,该内部探伤单元、图像采集单元用于进行钢材冶炼控制参数的采集。
为保证对钢材冶炼的最优控制,首先需要提取钢材在冶炼过程中对冶炼进行的控制数据,钢材冶炼的过程可以是控制碳含量小于2%,消除铜、铅、锡、锑、铋等有害元素,保留或增加硅、锰、铬、镍等有益元素并调整元素之间的比例,获得最佳性能,因此在把钢材放到炼钢炉内按一定工艺冶炼的过程中根据不同控制工艺划分出对应不同节点,将其记作节点控制标识,从而对钢材的冶炼控制数据进行获取,为后期实现对钢材冶炼进行控制管理作为重要参考依据。
步骤S200:通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;
具体而言,在冶炼控制系统所通信连接的内部探伤单元为基准,通过内部探伤单元对目标钢材的钢材内部进行内部缺陷的识别,且内部探伤单元至少包括两种识别元件是指在内部探伤单元中可以包含超声波识别元件和红外识别元件,其内部缺陷可以是偏析、非金属夹杂、气孔、缩孔和裂纹等,偏析是指化学成分在钢内的分布不均匀,特别是有害元素如硫、磷等在钢锭中的富集现象,非金属夹杂是指钢中含有硫化物与氧化物等杂质,气孔是指氧化铁与碳作用生成的一氧化碳气体,在浇注时不能充分逸出而留在钢锭中的微小气孔,缩孔是因钢液在钢锭模中由外向内、自下而上凝固时体积收缩,因液面下降,最后凝固部位得不到钢液补充而形成,裂纹是指钢液在凝固中因先后次序的不同会引起内应力,拉力较大的部位可能出现裂纹,进一步的将内部探伤单元对目标钢材识别出的所有缺陷进行汇总,并将其记作缺陷识别集合进行输出,进而为实现对钢材冶炼进行控制管理做保障。
步骤S300:通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;
具体而言,为提取目标钢材所包含的内部缺陷的特征,因此需要以上述所获缺陷识别集合为基础,对缺陷识别集合进行缺陷验证,其缺陷验证是指对目标钢材所包含的缺陷识别集合进行缺陷的来源的识别,并根据缺陷来源对缺陷进行不同来源的分类,进一步的,根据超声波识别元件和红外识别元件对所有分类后不同来源的缺陷在目标钢材上的位置进行确定,分别对超声波识别元件能够识别的缺陷、红外识别元件能够识别的缺陷、超声波识别元件无法识别而红外识别元件能够识别的缺陷以及红外识别元件无法识别超声波识别元件能够识别的缺陷进行钢材缺陷的验证,从而将通过缺陷验证的钢材缺陷记作内部缺陷特征信息进行确定,为后续实现对钢材冶炼进行控制管理夯实基础。
步骤S400:通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;
具体而言,在冶炼控制系统所通信连接的图像采集单元为基准,通过图像采集单元对目标钢材的表面进行钢材表面图像的采集,图像采集单元可以周期性的对目标钢材的表面进行多角度图像的采集,同时可以根据所采集到的钢材表面图像中不同区域钢材的颜色,对钢材表面状态进行初步判断,实现对钢材冶炼进行控制管理有着推进的作用。
步骤S500:对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;
具体而言,将图像采集单元所采集的图像作为基础,对图像采集结果进行图像特征的识别,图像特征可以是以图像中目标钢材表面所包含的不同颜色、不同阴影部分、表面不同粗糙度作为图像特征对图像采集结果进行依次识别,即钢材表面无杂质、颜色均匀视为好钢材,从而达到对钢材表面所存在的缺陷进行判断,并将对目标钢材图像采集结果所识别出的缺陷特征记作表面缺陷特征信息,以便为后期对钢材冶炼进行控制管理时作为参照数据。
步骤S600:根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;
具体而言,将基于缺陷验证结果所确定的内部缺陷特征信息与对图像采集结果进行图像特征识别所获的表面缺陷特征信息作为基础,对目标钢材的内外部缺陷信息进行结合,进一步的,将目标钢材所包含的内部缺陷特征信息和表面缺陷特征信息在上述钢材冶炼控制数据中所包括节点控制标识中,对内部缺陷特征信息和表面缺陷特征信息与钢材冶炼过程中所对应的节点进行关联匹配,即在对钢材进行冶炼控制的过程中存在部分冶炼工艺对目标钢材的表面缺陷存在影响的情况,也存在部分冶炼工艺对目标钢材的内部缺陷存在影响的情况,因此基于表面缺陷特征信息进行工艺关联匹配,再基于内部缺陷特征信息进行工艺关联匹配,并以所匹配的节点关联匹配结果对与内部缺陷特征信息所对应的节点中目标钢材的内部缺陷进行优化,即重点对目标钢材的内部缺陷进行改善,以所匹配的节点关联匹配结果对与表面缺陷特征信息所对应的节点中目标钢材的表面缺陷进行优化,即重点对目标钢材的表面缺陷进行改善,在此基础上,将完善后的信息作为冶炼节点优化信息完成对钢材冶炼的控制管理,实现准确的对钢材冶炼进行控制管理。
步骤S700:通过所述冶炼节点优化信息进行冶炼的控制管理。
具体而言,由冶炼节点优化信息对钢材冶炼进行控制管理,其控制管理的过程可以首先对内部缺陷特征信息和表面缺陷特征信息的缺陷所对应的检测特征,即内部缺陷特征信息和表面缺陷特征信息所对应的缺陷可能不同,但存在内部缺陷特征信息和表面缺陷特征信息均对应一种工艺异常的情况,因此分别将出现内部缺陷特征信息所对应的工艺、出现表面缺陷特征信息所对应的工艺、对应出现内部缺陷特征信息和表面缺陷特征信息多对应的工艺进行提取,从而重点对所提取的关联节点进行优化,以此达到更精确的根据目标钢材的内部缺陷特征信息和表面缺陷特征信息对钢材在冶炼时进行控制管理,实现了对钢材内部缺陷进行精准的数据挖掘,优化了钢材冶炼的控制。
进一步而言,如图2所示,本申请步骤S700还包括:
步骤S710:获得所述内部缺陷特征信息和所述表面缺陷特征信息的映射检出特征,并基于所述映射检出特征构建检出特征集;
步骤S720:将所述检出特征集依据所述节点关联匹配结果进行节点关联;
步骤S730:基于完成节点关联的所述检出特征集进行冶炼节点的检测,并将检出结果与所述冶炼节点优化信息关联;
步骤S740:当所述检出结果为存在所述检出特征集的存在特征时,则根据对应检出特征对应的所述冶炼节点优化信息进行控制管理。
具体而言,对内部缺陷特征信息和表面缺陷特征信息对应进行映射检出特征的提取,映射检出特征是指对内部缺陷特征信息和表面缺陷特征信息进行对应检查出的缺陷特征,并将内部缺陷特征信息和表面缺陷特征信息的多个映射检出特征汇总构建检出特征集,进一步的,依据节点关联匹配结果将检出特征集与钢材冶炼节点进行节点关联,即把包含内部缺陷特征信息和表面缺陷特征信息的节点与对应的检出特征进行关联,继而在已经完成节点关联的检出特征集中进行钢材冶炼节点的检测,是将已经完成节点关联的检出特征集中提取包含钢材冶炼节点的检出特征及,从而将检出结果与冶炼节点的优化信息进行关联后对检出结果进行判断,若检出结果为存在检出特征集的存在特征时,则根据对应检出特征对应的所述冶炼节点优化信息进行控制管理,即在检出结果中包含检出特征集中的任一检出特征时,则由该检出结果所包含的检出特征对钢材进行冶炼时对冶炼节点优化信息进行对应的控制管理,达到对钢材冶炼进行控制管理的技术效果。
进一步而言,如图3所示,本申请步骤S300还包括:
步骤S310:对所述缺陷识别集合进行缺陷识别来源的来源分类获得来源分类结果;
步骤S320:通过所述来源分类结果进行不同来源间的缺陷识别的位置匹配,获得匹配位置缺陷集和独立位置缺陷集;
步骤S330:获得所述独立位置缺陷集的缺陷特征和识别来源特征,并通过所述缺陷特征和所述识别来源特征获得准确关联系数;
步骤S340:基于所述准确关联系数对所述独立位置缺陷集修正,根据修正独立位置缺陷集和所述匹配位置缺陷集完成缺陷验证,确定所述内部缺陷特征信息。
具体而言,在通过所连接的内部探伤单元对钢材进行缺陷识别所获的缺陷识别集合的基础上,对其进行缺陷识别来源的来源分类,其内部探伤单元中至少包含两种识别元件,该识别元件可以是超声波识别元件以及红外线识别元件,缺陷识别来源的来源分类是指缺陷识别集合中钢材的内部缺陷是由内部探伤单元中哪个识别元件识别所获的,就将其作为缺陷识别来源,示例性的,若通过超声波识别元件识别出目标钢材中存在气泡,则将当前气泡缺陷的识别来源划分类超声波识别元件,从而对来源分类结果进行获取,进一步的,通过所获来源分类结果对不同来源之间的缺陷识别位置进行匹配,并对匹配位置缺陷集与独立位置缺陷集进行获取,匹配位置缺陷集是指内部探伤单元中所包含的识别元件均识别出的缺陷的集合,独立位置缺陷集是指内部探伤单元中所包含的识别元件仅一个识别出而其他识别元件未识别出的缺陷的集合,进一步的,对独立位置缺陷集中的缺陷特征以及识别来源特征进行提取,缺陷特征是指目标钢材在内部探伤单元中所包含的识别元件仅一个识别出而其他识别元件未识别出的缺陷的特征,识别来源特征为目标钢材在内部探伤单元中所包含的识别元件仅一个识别出而其他识别元件未识别出的缺陷的识别元件的特征,从而通过缺陷特征与识别来源特征对当前缺陷的准确关联系数进行获取,示例性的,若超声波识别元件对目标钢材气泡缺陷的识别准确率为80%,而红外线识别元件仅为40%,此时红外线识别元件识别出目标钢材存在气泡缺陷,而超声波识别元件未识别出该气泡缺陷,此时降低该气泡缺陷的准确度,最终在准确关联系数的基础上,对所获独立位置缺陷集进行偏离修正,即在独立位置缺陷集中将准确关联系数低的独立位置缺陷进行剔除,继而基于修正后的独立位置缺陷集与匹配位置缺陷集完成缺陷验证,并对目标钢材的内部缺陷特征信息进行确定。
进一步而言,本申请步骤S320包括:
步骤S321:基于所述钢材的钢材基础信息,设置位置的区域关联阈值;
步骤S322:当进行不同来源间的缺陷识别的位置匹配时,判断缺陷位置是否满足所述区域关联阈值;
步骤S323:当满足所述区域关联阈值时,则判定位置匹配成功,并生成所述匹配位置缺陷集。
具体而言,钢材的基础信息可以包含钢材机械性能、钢材硬度等,对目标钢材缺陷位置的区域关联阈值进行设定,即区域关联阈值可以设定为位置偏离不大于10%,当进行不同来源间的缺陷识别的位置匹配时,视为出现通过不同识别元件所获的缺陷位置进行位置重合度匹配时,对多个识别元件所识别出的缺陷位置是否满足上述所设定的区域关联阈值进行判断,当缺陷位置满足区域关联阈值时,则视为位置匹配成功,即通过不同识别元件所获的缺陷位置为同一位置,并将所有判定为同一位置的匹配位置进行汇总,并记作匹配位置缺陷集,达到为后期实现对钢材冶炼进行控制管理提供重要依据的技术效果。
进一步而言,本申请步骤S323包括:
步骤S3231:当判定位置匹配成功后,则进行不同来源间的缺陷特征种类匹配分析,获得缺陷特征种类匹配值;
步骤S3232:对不同来源间的缺陷进行同位置的缺陷大小比对,获得缺陷大小匹配值;
步骤S3233:根据所述缺陷特征种类匹配值、所述缺陷大小匹配值确定所述匹配位置缺陷集。
具体而言,当缺陷位置满足区域关联阈值时,则视为位置匹配成功,即通过不同识别元件所获的缺陷位置为同一位置,进一步的对不同来源之间的缺陷特征种类进行匹配分析,即不同识别元件识别出的缺陷特征种类,例如,气泡缺陷、裂纹缺陷等,将缺陷特征种类与当前所识别出的缺陷进行匹配,根据其匹配程度获取缺陷特征种类匹配值,其匹配程度越高,则匹配值越大,进一步的,对不同识别元件所识别出的缺陷进行同一位置的缺陷大小的比对,示例性的,若超声波识别元件识别出的气泡缺陷的气泡直径为1mm,红外线识别元件识别出的气泡缺陷的气泡直径为0.6mm,则将二者所识别出的气泡缺陷的缺陷大小进行匹配,其匹配重合度越高则缺陷大小匹配值越高,最终根据所获缺陷特征种匹配值以及缺陷大小匹配值的大小匹配位置缺陷集进行确定,缺陷特征种类匹配值与缺陷大小匹配值越高,则匹配位置缺陷集就越精准,以此保证后期对钢材的冶炼更好的进行控制管理。
进一步而言,本申请步骤S3233包括:
步骤S32331:获得不同来源的识别特征的准确关联系数,其中,第一来源对应有第一准确关联系数,第二来源对应有第二准确关联系数;
步骤S32332:基于所述第一准确关联系数和所述第二准确关联系数生成识别匹配影响值;
步骤S32333:通过所述识别匹配影响值、所述缺陷特征种类匹配值和所述缺陷大小匹配值确定所述匹配位置缺陷集。
具体而言,不同来源的识别特征对应不同的准确关联系数,即由于不同识别元件对不同缺陷的识别准确率不同,因此第一来源的第一识别元件对应有第一准确关联系数,第二来源的第二识别元件对应有第二准确关联系数,进一步的,在第一准确关联系数和第二准确关联系数的基础上对缺陷识别匹配影响值进行生成,将准确关联系数高的识别元件设为识别匹配影响值,最终通过识别匹配影响值、缺陷特征种类匹配值和缺陷大小匹配值对匹配位置缺陷集进行确定,识别匹配影响值、缺陷特征种类匹配值和缺陷大小匹配值与匹配位置缺陷集的准确率为正比关系,达到基于识别匹配影响值、缺陷特征种类匹配值和缺陷大小匹配值对钢材的冶炼更为精准的进行控制管理。
进一步而言,如图4所示,本申请步骤S800还包括:
步骤S810:通过所述异常预警单元进行异常数据汇总,并提取生成异常反馈信息;
步骤S820:当所述异常反馈信息核验通过后,则根据所述异常反馈信息进行冶炼的控制优化补偿。
具体而言,为保证对钢材进行冶炼过程中可能存在的异常进行预警,因此可以将冶炼控制系统与异常预警单元进行通信连接,在异常预警单元中对钢材进行冶炼的过程的异常数据进行提取,即冶炼参数未在正常参数范围内均视为异常数据,其中正常参数范围由相关技术人员根据大数据中钢材冶炼的参数进行预设,并将所汇总的异常数据反馈至冶炼控制系统中,生成异常反馈信息,并对异常反馈信息进行核验,即在钢材冶炼的过程中是否真实存在该反馈的异常,若存在,则核验成功,即视为异常反馈信息的核验通过,最终根据异常反馈信息的异常部分对钢材冶炼的过程进行优化控制的补偿,以保证在对钢材的冶炼进行控制管理时的高效性。
综上所述,本申请实施例提供的一种基于钢材内部缺陷数据挖掘的冶炼控制方法,至少包括如下技术效果:实现了对钢材内部缺陷进行精准的数据挖掘,优化了钢材冶炼的控制。
实施例2
基于与前述实施例中一种基于钢材内部缺陷数据挖掘的冶炼控制方法相同的发明构思,如图5所示,本申请提供了一种基于钢材内部缺陷数据挖掘的冶炼控制系统,系统包括:
数据采集模块1,所述数据采集模块1用于采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;
缺陷识别模块2,所述缺陷识别模块2用于通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;
缺陷验证模块3,所述缺陷验证模块3用于通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;
表面图像采集模块4,所述表面图像采集模块4用于通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;
图像特征识别模块5,所述图像特征识别模块5用于对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;
节点关联匹配模块6,所述节点关联匹配模块6用于根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;
控制管理模块7,所述控制管理模块7用于通过所述冶炼节点优化信息进行冶炼的控制管理。
进一步而言,系统还包括:
特征集构建模块,所述特征集构建模块用于获得所述内部缺陷特征信息和所述表面缺陷特征信息的映射检出特征,并基于所述映射检出特征构建检出特征集;
节点关联模块,所述节点关联模块用于将所述检出特征集依据所述节点关联匹配结果进行节点关联;
冶炼节点检测模块,所述冶炼节点检测模块用于基于完成节点关联的所述检出特征集进行冶炼节点的检测,并将检出结果与所述冶炼节点优化信息关联;
控制模块,所述控制模块用于当所述检出结果为存在所述检出特征集的存在特征时,则根据对应检出特征对应的所述冶炼节点优化信息进行控制管理。
进一步而言,系统还包括:
来源分类模块,所述来源分类模块用于对所述缺陷识别集合进行缺陷识别来源的来源分类获得来源分类结果;
位置匹配模块,所述位置匹配模块用于通过所述来源分类结果进行不同来源间的缺陷识别的位置匹配,获得匹配位置缺陷集和独立位置缺陷集;
特征确定模块,所述特征确定模块用于获得所述独立位置缺陷集的缺陷特征和识别来源特征,并通过所述缺陷特征和所述识别来源特征获得准确关联系数;
修正模块,所述修正模块用于基于所述准确关联系数对所述独立位置缺陷集修正,根据修正独立位置缺陷集和所述匹配位置缺陷集完成缺陷验证,确定所述内部缺陷特征信息。
进一步而言,系统还包括:
阈值设置模块,所述阈值设置模块用于基于所述钢材的钢材基础信息,设置位置的区域关联阈值;
第一判断模块,所述第一判断模块用于当进行不同来源间的缺陷识别的位置匹配时,判断缺陷位置是否满足所述区域关联阈值;
第二判断模块,所述第二判断模块用于当满足所述区域关联阈值时,则判定位置匹配成功,并生成所述匹配位置缺陷集。
进一步而言,系统还包括:
匹配分析模块,所述匹配分析模块用于当判定位置匹配成功后,则进行不同来源间的缺陷特征种类匹配分析,获得缺陷特征种类匹配值;
比对模块,所述比对模块用于对不同来源间的缺陷进行同位置的缺陷大小比对,获得缺陷大小匹配值;
第一缺陷集确定模块,所述第一缺陷集确定模块用于根据所述缺陷特征种类匹配值、所述缺陷大小匹配值确定所述匹配位置缺陷集。
进一步而言,系统还包括:
系数获取模块,所述系数获取模块用于获得不同来源的识别特征的准确关联系数,其中,第一来源对应有第一准确关联系数,第二来源对应有第二准确关联系数;
影响值生成模块,所述影响值生成模块用于基于所述第一准确关联系数和所述第二准确关联系数生成识别匹配影响值;
第二缺陷集确定模块,所述第二缺陷集确定模块用于通过所述识别匹配影响值、所述缺陷特征种类匹配值和所述缺陷大小匹配值确定所述匹配位置缺陷集。
进一步而言,系统还包括:
异常数据汇总模块,所述异常数据汇总模块用于通过所述异常预警单元进行异常数据汇总,并提取生成异常反馈信息;
控制优化补偿模块,所述控制优化补偿模块用于当所述异常反馈信息核验通过后,则根据所述异常反馈信息进行冶炼的控制优化补偿。
本说明书通过前述对一种基于钢材内部缺陷数据挖掘的冶炼控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于钢材内部缺陷数据挖掘的冶炼控制系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于钢材内部缺陷数据挖掘的冶炼控制方法,其特征在于,所述方法应用于冶炼控制系统,所述冶炼控制系统与内部探伤单元、图像采集单元通信连接,所述方法包括:
采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;
通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;
通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;
通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;
对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;
根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;
通过所述冶炼节点优化信息进行冶炼的控制管理。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述内部缺陷特征信息和所述表面缺陷特征信息的映射检出特征,并基于所述映射检出特征构建检出特征集;
将所述检出特征集依据所述节点关联匹配结果进行节点关联;
基于完成节点关联的所述检出特征集进行冶炼节点的检测,并将检出结果与所述冶炼节点优化信息关联;
当所述检出结果为存在所述检出特征集的存在特征时,则根据对应检出特征对应的所述冶炼节点优化信息进行控制管理。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述缺陷识别集合进行缺陷识别来源的来源分类获得来源分类结果;
通过所述来源分类结果进行不同来源间的缺陷识别的位置匹配,获得匹配位置缺陷集和独立位置缺陷集;
获得所述独立位置缺陷集的缺陷特征和识别来源特征,并通过所述缺陷特征和所述识别来源特征获得准确关联系数;
基于所述准确关联系数对所述独立位置缺陷集修正,根据修正独立位置缺陷集和所述匹配位置缺陷集完成缺陷验证,确定所述内部缺陷特征信息。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述钢材的钢材基础信息,设置位置的区域关联阈值;
当进行不同来源间的缺陷识别的位置匹配时,判断缺陷位置是否满足所述区域关联阈值;
当满足所述区域关联阈值时,则判定位置匹配成功,并生成所述匹配位置缺陷集。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
当判定位置匹配成功后,则进行不同来源间的缺陷特征种类匹配分析,获得缺陷特征种类匹配值;
对不同来源间的缺陷进行同位置的缺陷大小比对,获得缺陷大小匹配值;
根据所述缺陷特征种类匹配值、所述缺陷大小匹配值确定所述匹配位置缺陷集。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
获得不同来源的识别特征的准确关联系数,其中,第一来源对应有第一准确关联系数,第二来源对应有第二准确关联系数;
基于所述第一准确关联系数和所述第二准确关联系数生成识别匹配影响值;
通过所述识别匹配影响值、所述缺陷特征种类匹配值和所述缺陷大小匹配值确定所述匹配位置缺陷集。
7.如权利要求1所述的方法,其特征在于,所述冶炼控制系统与异常预警单元通信连接,所述方法还包括:
通过所述异常预警单元进行异常数据汇总,并提取生成异常反馈信息;
当所述异常反馈信息核验通过后,则根据所述异常反馈信息进行冶炼的控制优化补偿。
8.一种基于钢材内部缺陷数据挖掘的冶炼控制系统,所述冶炼控制系统与内部探伤单元、图像采集单元通信连接,所述系统包括:
数据采集模块,所述数据采集模块用于采集获得钢材的冶炼控制数据,其中,所述钢材冶炼控制数据包括节点控制标识;
缺陷识别模块,所述缺陷识别模块用于通过所述内部探伤单元对所述钢材进行缺陷识别,获得缺陷识别集合,其中,所述内部探伤单元至少包括两种识别元件;
缺陷验证模块,所述缺陷验证模块用于通过所述缺陷识别集合进行缺陷验证,基于缺陷验证结果确定内部缺陷特征信息;
表面图像采集模块,所述表面图像采集模块用于通过所述图像采集单元对所述钢材进行表面图像采集,生成图像采集结果;
图像特征识别模块,所述图像特征识别模块用于对所述图像采集结果进行图像特征识别,获得表面缺陷特征信息;
节点关联匹配模块,所述节点关联匹配模块用于根据所述内部缺陷特征信息和所述表面缺陷特征信息基于所述节点控制标识进行节点关联匹配,并基于节点关联匹配结果生成冶炼节点优化信息;
控制管理模块,所述控制管理模块用于通过所述冶炼节点优化信息进行冶炼的控制管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310495248.9A CN116205922B (zh) | 2023-05-05 | 2023-05-05 | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310495248.9A CN116205922B (zh) | 2023-05-05 | 2023-05-05 | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205922A true CN116205922A (zh) | 2023-06-02 |
CN116205922B CN116205922B (zh) | 2023-10-13 |
Family
ID=86511506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310495248.9A Active CN116205922B (zh) | 2023-05-05 | 2023-05-05 | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205922B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563273A (zh) * | 2023-06-30 | 2023-08-08 | 张家港广大特材股份有限公司 | 用于钢材缺陷的检测预警方法及系统 |
CN117132828A (zh) * | 2023-08-30 | 2023-11-28 | 常州润来科技有限公司 | 一种铜管加工过程固体废料的自动分类方法及系统 |
CN117390795A (zh) * | 2023-12-07 | 2024-01-12 | 江苏宏宝优特管业制造有限公司 | 一种钢管加工制造工艺优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012053060A (ja) * | 2011-10-31 | 2012-03-15 | Mitsubishi Heavy Ind Ltd | 超音波探傷データの処理方法、探傷データ処理プログラム及び超音波探傷 |
CN206177838U (zh) * | 2016-10-26 | 2017-05-17 | 华中科技大学 | 一种基于红外信息的金属增材制造过程控制装置 |
CN109658396A (zh) * | 2018-12-06 | 2019-04-19 | 华中科技大学 | 一种基于选择性搜索与cnn的铸件x光图像缺陷识别方法 |
CN111721768A (zh) * | 2020-06-04 | 2020-09-29 | 江苏弘冉智能科技有限公司 | 一种多信息融合焊缝缺陷探测系统及方法 |
CN114878582A (zh) * | 2022-07-01 | 2022-08-09 | 苏州翔楼新材料股份有限公司 | 一种特钢的缺陷检测分析方法及系统 |
CN115388956A (zh) * | 2022-10-26 | 2022-11-25 | 济南东方结晶器有限公司 | 一种基于连铸工艺流程的质量检测方法及系统 |
US20230051041A1 (en) * | 2020-01-16 | 2023-02-16 | Refractory Intellectual Property Gmbh & Co. Kg | System and method for determination of a 3d information and of a modification of a metallurgical vessel |
-
2023
- 2023-05-05 CN CN202310495248.9A patent/CN116205922B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012053060A (ja) * | 2011-10-31 | 2012-03-15 | Mitsubishi Heavy Ind Ltd | 超音波探傷データの処理方法、探傷データ処理プログラム及び超音波探傷 |
CN206177838U (zh) * | 2016-10-26 | 2017-05-17 | 华中科技大学 | 一种基于红外信息的金属增材制造过程控制装置 |
CN109658396A (zh) * | 2018-12-06 | 2019-04-19 | 华中科技大学 | 一种基于选择性搜索与cnn的铸件x光图像缺陷识别方法 |
US20230051041A1 (en) * | 2020-01-16 | 2023-02-16 | Refractory Intellectual Property Gmbh & Co. Kg | System and method for determination of a 3d information and of a modification of a metallurgical vessel |
CN111721768A (zh) * | 2020-06-04 | 2020-09-29 | 江苏弘冉智能科技有限公司 | 一种多信息融合焊缝缺陷探测系统及方法 |
CN114878582A (zh) * | 2022-07-01 | 2022-08-09 | 苏州翔楼新材料股份有限公司 | 一种特钢的缺陷检测分析方法及系统 |
CN115388956A (zh) * | 2022-10-26 | 2022-11-25 | 济南东方结晶器有限公司 | 一种基于连铸工艺流程的质量检测方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563273A (zh) * | 2023-06-30 | 2023-08-08 | 张家港广大特材股份有限公司 | 用于钢材缺陷的检测预警方法及系统 |
CN116563273B (zh) * | 2023-06-30 | 2023-10-27 | 张家港广大特材股份有限公司 | 用于钢材缺陷的检测预警方法及系统 |
CN117132828A (zh) * | 2023-08-30 | 2023-11-28 | 常州润来科技有限公司 | 一种铜管加工过程固体废料的自动分类方法及系统 |
CN117132828B (zh) * | 2023-08-30 | 2024-03-19 | 常州润来科技有限公司 | 一种铜管加工过程固体废料的自动分类方法及系统 |
CN117390795A (zh) * | 2023-12-07 | 2024-01-12 | 江苏宏宝优特管业制造有限公司 | 一种钢管加工制造工艺优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116205922B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116205922B (zh) | 一种基于钢材内部缺陷数据挖掘的冶炼控制方法及系统 | |
CN105956618B (zh) | 基于图像动静态特征的转炉炼钢吹炼状态识别系统及方法 | |
CN115047162B (zh) | 一种钢管热处理的缺陷检测方法及系统 | |
CN110598958B (zh) | 一种钢包分级管理分析方法及系统 | |
CN110909657A (zh) | 一种隧道表观病害图像识别的方法 | |
CN108268632A (zh) | 异常情报数据识别机器学习方法 | |
CN114119595A (zh) | 一种基于集成深度学习的gmaw焊接质量在线监测及评价方法 | |
CN117635604B (zh) | 一种建筑工程钢结构焊接质量检测方法 | |
CN116778520B (zh) | 一种海量证照数据质量检验方法 | |
CN115937218B (zh) | 一种冷冲件的表面缺陷检测方法及系统 | |
CN117351005A (zh) | 一种涂炭箔涂布缺陷检测方法和系统 | |
CN117115169A (zh) | 一种汽车配件压铸模具表面形变异常智能识别方法 | |
CN117078641A (zh) | 基于主动强化学习与多模态的电熔镁炉欠烧工况识别方法 | |
CN115625317A (zh) | 一种用于压铸调控的表面水纹优化处理方法及系统 | |
CN116452505A (zh) | 基于改进YOLOv5的连铸坯内部缺陷检测与评级方法 | |
CN110936574A (zh) | 一种注塑机工作状态判断方法 | |
TWI801973B (zh) | 錯誤因素之推定裝置及推定方法 | |
CN114623935A (zh) | 基于红外热成像仪成像数据的钢包准投准停模型应用方法 | |
CN117011210A (zh) | 一种烧结状态检测方法、系统、电子设备及存储介质 | |
CN117741090B (zh) | 一种变速箱精密铸件质量缺陷检测方法 | |
Hassan et al. | Compressed air leakage detection and quantification through infrared thermography | |
CN108500269A (zh) | Slm设备真空箱气动压力控制循环系统 | |
CN117636257A (zh) | 一种基于物联网的图像数据智能识别检测系统及方法 | |
CN117870778B (zh) | 一种用于燃料电池双极板的检测方法及系统 | |
CN113343568B (zh) | 一种水平连续铸造生产工艺优化方法及系统 |
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 |