CN116459731B - 一种铝合金自动配料数据处理方法及系统 - Google Patents
一种铝合金自动配料数据处理方法及系统 Download PDFInfo
- Publication number
- CN116459731B CN116459731B CN202310451675.7A CN202310451675A CN116459731B CN 116459731 B CN116459731 B CN 116459731B CN 202310451675 A CN202310451675 A CN 202310451675A CN 116459731 B CN116459731 B CN 116459731B
- Authority
- CN
- China
- Prior art keywords
- information
- aluminum alloy
- data
- image
- blast furnace
- 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
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 133
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 239000000463 material Substances 0.000 claims abstract description 159
- 230000008859 change Effects 0.000 claims abstract description 110
- 239000000203 mixture Substances 0.000 claims abstract description 110
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 230000008021 deposition Effects 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 66
- 238000001931 thermography Methods 0.000 claims description 60
- 230000007704 transition Effects 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 26
- 230000004927 fusion Effects 0.000 claims description 25
- 238000002485 combustion reaction Methods 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 238000002844 melting Methods 0.000 claims description 8
- 230000008018 melting Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims description 4
- 238000013508 migration Methods 0.000 abstract 1
- 230000005012 migration Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 46
- 238000003723 Smelting Methods 0.000 description 43
- 238000012797 qualification Methods 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 239000007858 starting material Substances 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 229910052729 chemical element Inorganic materials 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000002309 gasification Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C1/00—Making non-ferrous alloys
- C22C1/02—Making non-ferrous alloys by melting
- C22C1/026—Alloys based on aluminium
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/21—Measuring
- B01F35/2131—Colour or luminescence
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/22—Control or regulation
- B01F35/221—Control or regulation of operational parameters, e.g. level of material in the mixer, temperature or pressure
- B01F35/2216—Time, i.e. duration, of at least one parameter during the operation
- B01F35/22162—Time of feeding of at least one of the components to be mixed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/80—Forming a predetermined ratio of the substances to be mixed
- B01F35/82—Forming a predetermined ratio of the substances to be mixed by adding a material to be mixed to a mixture in response to a detected feature, e.g. density, radioactivity, consumed power or colour
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C21/00—Alloys based on aluminium
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30136—Metal
-
- 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
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Materials Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明属于智能配料数据处理技术领域，尤其涉及一种铝合金自动配料数据处理方法及系统，该铝合金自动配料数据处理方法包括以下步骤：获取定向铝合金编号，对定向铝合金编号进行索引，从而获得原始配料比例；获取生产总质量数据信息，根据原始配料比例与生产总质量数据信息进行统计、衡量与计算，从而获得物质投料质量信息集；获取实时高炉内热成像图像，对实时高炉内热成像图像进行数据提取再进行矢量变迁并进行图像建立，从而生成温度变化图像；对温度变化图像进行物质投料控制，从而精准投放物质时间信息；获取高炉内的混合物图像，对高炉内混合物图像进行状态解析与自动配料校准，从而获得自动配料精准数据。
Description
技术领域
本发明属于智能配料数据处理技术领域，尤其涉及一种铝合金自动配料数据处理方法及系统。
背景技术
铝合金配料方案的设计是指在熔铸某种特定铝合金的过程中，应该投放哪些物料，才能让该铝合金的化学元素达到规定的标准，并且投料总重量尽量接近熔铸铝合金的重量。而铝合金的化学元素一般包括多种，但是主元素一般是Fe和Si，其他的元素一般为微量元素，如Mn、Cu等，在投放物料补充主元素的时候会同时引入微量元素，而在投放物料补充微料元素的同时也会引入主元素，如何让这些元素不超过固定的标准，如微量元素不超过内控值(铝加工厂规定的标准)、主元素与配料值吻合是当前铝合金生产行业亟待解决的技术难题。随着人工智能的发展已经深入各行各业，其也渗透进铝合金的生产产业，其对铝合金生产数据的处理能力和把控使得生产更便捷高效，但是在目前的铝业铸锭的实际生产过程中，对于铝合金的配料选择一般是操作员根据预定好配料规则去手动添加、计算和复核。由于配料规则具有复杂性、多条件限制、复核不准确后需要重新计算等技术缺陷，操作员难以在短时间内准确无误的计算出配料值，会出现一定的数值偏差，而计算配料值产生的数值偏差则会影响铝合金熔铸的高质量生产和加大工业生产的时间成本。
发明内容
有鉴于此，有必要提供一种铝合金自动配料数据处理方法及系统，以解决至少一个上述技术问题。
为实现上述目的，本发明提供一种铝合金自动配料数据处理方法，所述铝合金自动配料数据处理方法包括以下步骤：
步骤S1：获取铝合金配料比例数据集与定向铝合金编号，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例；
步骤S2：获取生产总质量数据信息，根据生产总质量数据信息进行统计，从而获得原始投料重量信息；根据原始配料比例与原始投料重量信息进行衡量与计算，从而获得物质投料质量信息集，并根据物质投料质量信息集进行自动获取；
步骤S3：获取实时高炉内热成像图像，对实时高炉内热成像图像进行数据提取，从而获得高炉内的热量变化信息集；
步骤S4：根据热量变化信息集进行矢量变迁，从而生成温度信息变化集，对温度信息变化集进行图像建立，从而生成温度变化图像；
步骤S5：根据预设的温度变化曲线对温度变化图像进行物质投料控制，从而精准投放物质时间信息，并根据精准投放物质时间信息进行自动物质投放工作；
步骤S6：获取高炉内的混合物图像与物质燃烧能量数据，根据物质燃烧能量数据对高炉内混合物图像进行状态解析，从而获得混合物状态信息集；根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
本实施例通过对各类性质的铝合金材料根据性质信息编号，能根据实用特征进行快速匹配相应的铝合金原始配料比例，根据生产的质量信息进行需求统计，能使铝合金的生产过程中降低人为干扰所导致的产品质量问题，通过对高炉内的熔炼情况进行试试观测，能准确的预支即将发送的情况，能准确把控投料的时机，从而减小生产过程中因未知因数所导致的生产质量问题，在熔炼过程中进行观测能及时发现熔炼过程中的问题所在，从而进行及时调整，从而提高铝合金的生成效率和成品合格率，从而实现高质量生产并节省时间。
在本说明书的一个实施例中，步骤S1包括以下步骤：
获取铝合金编号数据集与需求铝合金基础信息，根据需求铝合金基础信息对铝合金编号数据集进行推荐，从而获得定向铝合金编号；
获取铝合金配料比例数据集，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例。
本实施例通过需求的铝合金基础信息进行匹配，生成推荐信息，能使操作人员进行快速的查找到合适的铝合金原始配料比例，对不同种类和特性的铝合金进行编号，能简洁的规范铝合金的数据信息，从而减低数据查找的难度，便于计算机与操作人员进行查找需求信息，节约时间成本的同时提高生产效率。
在本说明书的一个实施例中，步骤S2包括以下步骤：
步骤S21：获取生产总质量数据信息，根据生产总质量数据信息进行生产需求统计，从而获得原始投料重量信息；
步骤S22：获取底层物料沉积关系函数，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，从而生成沉积配料比例；
步骤S23：根据沉积配料比例与原始投料重量信息进行衡量确认，从而获得物质投料质量信息集；
步骤S24：将物质投料质量信息集发送至物质装配设备进行物质获取，从而生成初步配料信息。
本实施例通过对生产总质量数据信息进行统计，确定生产铝合金所需的各类物料的总质量，再根据各个物料的总质量在熔炼过程中的沉积进行计算，因为物料的质量不同在熔炼的过程中的沉积也不同，所以需要根据各物料的质量和性质对沉积进行计算，从而使生产所得的铝合金更符合需求标准，减小生产过程因物质性质与环境变量对生产过程所产生的误差的影响，提高成品的合格率。
在本说明书的一个实施例中，步骤S22中，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，其中沉积调节计算的沉积调节计算公式具体为以下计算公式：
其中，Q(β,t1)表示为融合时间温度曲线，β表示为高炉内以开始投放物料为起始温度的温度变换量，v表示为当前混合物体积，t1表示为高炉内以开始投放物料为起始时间的时间变化量，log的底数为t1，α表示为混合物区域的温度变化权重，a、b、c分别表示为各项系数的常量，π表示为数学常量圆周率，μ表示为融合时间温度曲线的偏差调整项；
其中，B表示为高炉内的沉积调节权重，ω表示为物质熔点临界值，γ表示为成品废料比例，T表示为高炉内温度变化曲线，Q(β,t1)表示为融合时间温度曲线，π表示为数学常量圆周率，d表示为微分符号，δ表示为沉积调节权重的偏差调整项。
本实施例，计算融合时间温度曲线Q(β,t1)，利用对高炉内以开始投放物料为起始温度的温度变换量β与高炉内以开始投放物料为起始时间的时间变化量t1作为融合时间温度曲线Q(β,t1)的自变量，根据当前混合物体积v与混合物区域的温度变化权重α进行计算，充分考虑到在不同时间与温度关系下所产生的影响，降低外部条件对熔炼过程的物料沉积的计算；
本实施例，计算高炉内的沉积调节权重B的沉积调节计算公式，利用物质熔点临界值ω与成品废料比例γ根据高炉内温度变化曲线T与融合时间温度曲线Q(β,t1)进行计算，确定沉积数据曲线，在进去求导从而确定物质沉积调节权重的初始值，再根据沉积调节权重的偏差调整项δ进行调整，充分考虑影响物质沉积的具体影响因数，提高物质在熔炼的过程中的沉积量的计算，从而提高铝合金的生产精度，确保产品合格的同时提高生成的速率。
在本说明书的一个实施例中，步骤S3包括以下步骤：
步骤S31：接收初步配料信息，并根据完成初步配料信息对高炉内进行实时热成像图像拍摄，从而获得实时高炉内热成像图像，再对实时高炉内热成像图像进行预处理，从而获得预处理热成像图；
步骤S32：获取干扰数据信息集，根据干扰数据信息集对预处理热成像图进行定向降噪，从而获得定向处理热成像图；
步骤S33：对定向处理热成像图进行图像增强，从而获得增强处理热成像图，并对增强处理热成像图进行卷积特征提取，从而获得特征图像集；
步骤S34：对特征图像集中的特征图像进行特征编码，从而生成特征编码信息集，并对特征编码信息集中的特征编码信息进行拟合，从而生成编码信息；
步骤S35：获取阶段混合物热能特征信息集，根据阶段混合物热能特征信息集对编码信息进行信息饱和判断，从而获得热量信息，根据实时获取的热量信息进行整合，从而获得高炉内的热量变化信息集。
本实施例通过接收初步配料信息，再进行高炉内的热成像拍摄，能有效的减小无效数据的生成，从而减小计算机所需分析的数据总量，提高计算的效率，通过对实时高炉内热成像图像进行预处理从而提高图像所办函信息量，通过对预处理热成像图进行定向降噪从而提高干扰信息对需求数据的掩埋与干扰，提高数据提取时的精确性，通过对定向处理热成像图进行图像增强，从而增强图像所包含的特征值，便于对特征信息的提取操作，通过人工自能深度学习对对增强处理热成像图进行卷积特征提取，能有效的提取图像中所办函的特征信息，通过对特征图像进行特征编码，从而简化特征信息的表达便于对特征信息的匹配，从而识别特征信息所包含的实际信息数据，对特征编码信息进行拟合与热量信息进行整合能使离散的数据信息得到规范的联合，从而使数据具有实际意义，为后续的分析提供结实的数据基础。
在本说明书的一个实施例中，步骤S4包括以下步骤：
步骤S41：根据热量变化信息集进行表面热量信息转换，从而获得表面温度信息，再根据热量变化信息集进行内核热量信息提取，从而获得内核热量信息集；
步骤S42：根据预设的内核热量温度模拟曲线，对内核热量信息集中的内核热量信息进行匹配，从而生成内核温度多点信息，并对内核温度多点信息进行精度拟合，从而获得内核温度信息；
步骤S43：根据表面温度信息与内核温度信息进行矢量变迁计算，从而生成温度变化预测曲线，并根据温度变化预测曲线进行温度变化信息提取，从而生成温度信息变化集；
步骤S44：对温度信息变化集进行图像建立，从而生成温度变化图像。
本实施例通过热量变化信息集进行表面热量信息转换，用于了解高炉内熔炼的混合物的表面温度，通过热量变化信息集进行内核热量信息提取，用于提取高炉内熔炼的混合物的内核温度，通过对高炉内熔炼的混合物的各个区域信息的了解，能更准确的把控投料时机与熔炼温度的把控，通过对内核热量信息进行匹配用于确认内核的具体温度情况，进行多点采用数据分析提高测量的准确性，通过矢量变迁计算从而获取高炉内熔炼的混合物将要发生的变化，用于预测投料的时机与熔炼进入的状态，增强对铝合金熔炼过程的把控，提高成品的合格率。
在本说明书的一个实施例中，步骤S43中，根据表面温度信息与内核温度信息进行矢量变迁计算，其中矢量变迁计算的矢量变迁计算公式具体为以下计算公式：
其中，G表示为矢量变迁权重，t2表示为融合时间温度曲线的时间变化量，θ表示为高炉内的混合物表面温度，表示为高炉内的混合物内核温度，τ表示为高炉内的气压压强，Q(β,t1)表示为融合时间温度曲线，e表示为数学上的自然常数，是自然对数函数的底数，log的底数为/>d表示为微分符号，ω表示为矢量变迁权重的偏差调整项。
本实施例，计算矢量变迁权重G的矢量变迁计算公式，利用高炉内的混合物表面温度λ与高炉内的混合物内核温度进行/>通过对融合时间温度曲线的时间变化量的把控进行极限分析，从而确定当前熔炼状态与温度情况，结合高炉内的气压压强τ与融合时间温度曲线Q(β,t1)进行/>计算，并求导确定基础矢量变迁权重，再根据矢量变迁权重的偏差调整项ω进行纠正，从而获得矢量变迁权重G，充分考虑不同因数对铝合金熔炼的影响，从而提高计算的精确性。
在本说明书的一个实施例中，步骤S5包括以下步骤：
获取物质投料投放信息数据，根据预设的温度变化曲线对物质投料投放信息数据进行校准，从而获得物质投放准确信息；
根据温度变化图像对物质投放准确信息进行控制，从而精准投放物质时间信息，并将精准投放物质时间信息发送至物料投放设备进行定时投放，从而生成终极配料信息。
本实施例通过对物质投料投放信息数据进行校准，用于确定各个物料的准确投放时间，从而提高熔炼过程的科学性和严谨性，能规范铝合金的熔炼过程的具体流程，从而使铝合金的熔炼减小外部因数对熔炼过程的把控，从而提高生产过程的生产效率与合格率，通过对物质投放准确信息进行控制，从而提高投放物料的时机。
在本说明书的一个实施例中，步骤S6包括以下步骤：
步骤S61：接收终极配料信息，并根据终极配料信息对高炉内进行实时光学图像拍摄，从而获得高炉内的混合物图像；
步骤S62：根据预设的卷积核对混合物图像进行颜色卷积提取，从而获得混合物色彩数据；
步骤S63：获取物质燃烧能量数据，根据物质燃烧能量数据对混合物色彩数据进行状态解析，从而获得混合物状态信息集；
步骤S64：根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
本实施例通过对高炉内的混合物进行实时观测，获取实时光学图像，再通过深度学习的卷积对需求信息进行提取，用于确定混合物的实时状态，用于判断先前的配料是否准确，通过对混合物色彩数据进行状态解析，用于对混合物的当前状态进行分析提供数据支持，通过对混合物状态信息集的分析，从而实现自动配料的校准工作，使之后再进行铝合金的生产提供更准确数据。
在本说明书的一个实施例中，还提供了一种铝合金自动配料数据处理系统，该铝合金自动配料数据处理系统包括：
处理器，以及
至少一个与所述处理器电性连接的存储器，所述存储器内存储有计算机程序，所述计算机程序用于执行上述中任一项所述铝合金自动配料数据处理方法。
本实施例通过计算机对高炉内所获取的实时数据进行分析，能替代人工因经验对熔炼过程的把握，使容量的过程更据科学性和专业性，可以对熔炼的数据进行复盘，寻找出现质量问题的所在，通过熔炼记录熔炼数据可以进一步提高计算机对熔炼过程的学习与把控，使其更具有稳定性和高效性。
附图说明
图1为本发明一种铝合金自动配料数据处理方法及系统的步骤流程示意图；
图2为图1步骤S2的详细实施步骤流程示意图；
图3为图1步骤S3的详细实施步骤流程示意图；
图4为图1步骤S4的详细实施步骤流程示意图；
图5为图1步骤S6的详细实施步骤流程示意图；
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1至图5，本申请实施例提供一种铝合金自动配料数据处理方法及系统。所述铝合金自动配料数据处理方法的执行主体包括但不限于控制台、单台服务器、服务器集群、云端服务器或云端服务器集群等可以使用本申请的系统的设备。本发明提供一种铝合金自动配料数据处理方法，包括以下步骤：
步骤S1：获取铝合金配料比例数据集与定向铝合金编号，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例；
步骤S2：获取生产总质量数据信息，根据生产总质量数据信息进行统计，从而获得原始投料重量信息；根据原始配料比例与原始投料重量信息进行衡量与计算，从而获得物质投料质量信息集，并根据物质投料质量信息集进行自动获取；
步骤S3：获取实时高炉内热成像图像，对实时高炉内热成像图像进行数据提取，从而获得高炉内的热量变化信息集；
步骤S4：根据热量变化信息集进行矢量变迁，从而生成温度信息变化集，对温度信息变化集进行图像建立，从而生成温度变化图像；
步骤S5：根据预设的温度变化曲线对温度变化图像进行物质投料控制，从而精准投放物质时间信息，并根据精准投放物质时间信息进行自动物质投放工作；
步骤S6：获取高炉内的混合物图像与物质燃烧能量数据，根据物质燃烧能量数据对高炉内混合物图像进行状态解析，从而获得混合物状态信息集；根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
本实施例通过对各类性质的铝合金材料根据性质信息编号，能根据实用特征进行快速匹配相应的铝合金原始配料比例，根据生产的质量信息进行需求统计，能使铝合金的生产过程中降低人为干扰所导致的产品质量问题，通过对高炉内的熔炼情况进行试试观测，能准确的预支即将发送的情况，能准确把控投料的时机，从而减小生产过程中因未知因数所导致的生产质量问题，在熔炼过程中进行观测能及时发现熔炼过程中的问题所在，从而进行及时调整，从而提高铝合金的生成效率和成品合格率。
本发明实施例中，参照图1所述，为本发明一种铝合金自动配料数据处理方法及系统的步骤流程示意图，在本实例中，所述铝合金自动配料数据处理方法包括以下步骤：
步骤S1：获取铝合金配料比例数据集与定向铝合金编号，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例；
本发明实施例中，所述铝合金配料比例数据集是指各类型铝合金的基础物料的配方比例，所述定向铝合金编号是指，根据操作人员进行输入，从而确定生产为某种类型的铝合金编号，其中为了便利与规范管理将各类铝合金进行编号，从而获得预设编号。
步骤S2：获取生产总质量数据信息，根据生产总质量数据信息进行统计，从而获得原始投料重量信息；根据原始配料比例与原始投料重量信息进行衡量与计算，从而获得物质投料质量信息集，并根据物质投料质量信息集进行自动获取；
本发明实施例中，所述生产总质量数据信息是指，操作人员输入得生产总量的铝合金重量信息，所述根据生产总质量数据信息进行统计是指对需求生产的铝合金所需的各个物料进行基础重量统计的操作，所述根据原始配料比例与原始投料重量信息进行衡量与计算是指，根据配料比例进行调整原始投料重量信息，其中的相关计算，是计算物料在熔炼的过程中的损失量，所述根据物质投料质量信息集进行自动获取是指，系统将各个物料的信息发送至相应物料厂库，通过自动装配设备对物料进行装配工作，从而获取到相应质量的物料。
步骤S3：获取实时高炉内热成像图像，对实时高炉内热成像图像进行数据提取，从而获得高炉内的热量变化信息集；
本发明实施例中，所述实时高炉内热成像图像是指，根据红外热成像仪对开始熔炼的高炉内的混合物进行实时红外扫描，从而获取实时高炉内热成像图像，所述对实时高炉内热成像图像进行数据提取是指，对实时高炉内热成像图像进行一系列的处理，从而获取到图像所包含的信息的过程。
步骤S4：根据热量变化信息集进行矢量变迁，从而生成温度信息变化集，对温度信息变化集进行图像建立，从而生成温度变化图像；
本发明实施例中，所述根据热量变化信息集进行矢量变迁是指，根据热量信息从而映射出温度信息的过程称为矢量变迁，所述对温度信息变化集进行图像建立是指，其中变迁获得的温度信息变化集存在离散且不规则的数据信息，不便于对其进行分析，从而将相关的数据信息构建图像能便于观察数据得趋势，方便分析与观察。
步骤S5：根据预设的温度变化曲线对温度变化图像进行物质投料控制，从而精准投放物质时间信息，并根据精准投放物质时间信息进行自动物质投放工作；
本发明实施例中，所述根据预设的温度变化曲线对温度变化图像进行物质投料控制是指，根据时间与温度的关系对各个物料的投放时间进行精准控制，所述根据精准投放物质时间信息进行自动物质投放工作是指，将装配好的各个物料运送至投料设备进行待定，投料设备根据精准投放物质时间信息对物料进行投放工作。
步骤S6：获取高炉内的混合物图像与物质燃烧能量数据，根据物质燃烧能量数据对高炉内混合物图像进行状态解析，从而获得混合物状态信息集；根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据；
本发明实施例中，所述高炉内的混合物图像是指利用光学成像设备对高炉内进行实时成像操作，从而获得高炉内的混合物图像，所述物质燃烧能量数据是指，各个物料的基础数据值，如物料的熔点，气化温度，在不同环境下燃烧时的火焰颜色等信息，所述根据物质燃烧能量数据对高炉内混合物图像进行状态解析是指；根据混合物图像所提供的信息对高炉内的当前状态进行分析的过程，所述根据混合物状态信息集进行自动配料校准是指根据当前完成的配料方式对正确性把控，出现某一变差状况时对当前的配方进行准确性调整的过程。
在本说明书的一个实施例中，步骤S1包括以下步骤：
获取铝合金编号数据集与需求铝合金基础信息，根据需求铝合金基础信息对铝合金编号数据集进行推荐，从而获得定向铝合金编号；
获取铝合金配料比例数据集，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例。
本实施例通过需求的铝合金基础信息进行匹配，生成推荐信息，能使操作人员进行快速的查找到合适的铝合金原始配料比例，对不同种类和特性的铝合金进行编号，能简洁的规范铝合金的数据信息，从而减低数据查找的难度，便于计算机与操作人员进行查找需求信息，节约时间成本的同时提高生产效率。
本发明实施例中，所述铝合金编号数据集是指各个类型的铝合金进行编号，从而组成的数据集，称为铝合金编号数据集，所述需求铝合金基础信息是指操作人员根据所需生产的铝合金的基础数据信息进行总结而成的需求铝合金基础信息，其中铝合金的基础数据信息包括密度、熔点、抗腐蚀性、韧性、硬度等信息，所述根据需求铝合金基础信息对铝合金编号数据集进行推荐是指，系统根据操作人员所输入得需求铝合金基础信息在铝合金编号数据集中进行匹配获取接近或相同性质的铝合金的编号进行推荐给操作人员，所述铝合金配料比例数据集是指各类型铝合金的基础物料的配方比例。
在本说明书的一个实施例中，步骤S2包括以下步骤：
步骤S21：获取生产总质量数据信息，根据生产总质量数据信息进行生产需求统计，从而获得原始投料重量信息；
步骤S22：获取底层物料沉积关系函数，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，从而生成沉积配料比例；
步骤S23：根据沉积配料比例与原始投料重量信息进行衡量确认，从而获得物质投料质量信息集；
步骤S24：将物质投料质量信息集发送至物质装配设备进行物质获取，从而生成初步配料信息。
本实施例通过对生产总质量数据信息进行统计，确定生产铝合金所需的各类物料的总质量，再根据各个物料的总质量在熔炼过程中的沉积进行计算，因为物料的质量不同在熔炼的过程中的沉积也不同，所以需要根据各物料的质量和性质对沉积进行计算，从而使生产所得的铝合金更符合需求标准，减小生产过程因物质性质与环境变量对生产过程所产生的误差的影响，提高成品的合格率。
本发明实施例中，参考图2所述，为图1步骤S2的详细步骤流程示意图，在本实例中，包括以下步骤：
步骤S21：获取生产总质量数据信息，根据生产总质量数据信息进行生产需求统计，从而获得原始投料重量信息；
本发明实施例中，所述生产总质量数据信息是指，操作人员输入得生产总量的铝合金重量信息，所述根据生产总质量数据信息进行统计是指对需求生产的铝合金所需的各个物料进行基础重量统计的操作。
步骤S22：获取底层物料沉积关系函数，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，从而生成沉积配料比例；
本发明实施例中，所述底层物料沉积关系函数是指根据各物质在不同情况下所统计所获得的沉积信息进行计算所获得的底层物料沉积关系函数，所述根据底层物料沉积关系函数对原始配料比例进行沉积调节计算是指，根据物质的沉积关系对原始配料比例中的各个物料进行损失计算的过程。
步骤S23：根据沉积配料比例与原始投料重量信息进行衡量确认，从而获得物质投料质量信息集；
本发明实施例中，所述根据沉积配料比例与原始投料重量信息进行衡量确认是指，根据计算所获得的沉积配料比例对原始投料重量信息进行循环校准，从而确认需要投放的各个物料的精确质量。
步骤S24：将物质投料质量信息集发送至物质装配设备进行物质获取，从而生成初步配料信息；
本发明实施例中，所述将物质投料质量信息集发送至物质装配设备进行物质获取是指，系统将各个物料的信息发送至相应物料厂库，通过自动装配设备对物料进行装配工作，从而获取到相应质量的物料。
在本说明书的一个实施例中，步骤S22中，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，其中沉积调节计算的沉积调节计算公式具体为以下计算公式：
其中，Q(β,t1)表示为融合时间温度曲线，β表示为高炉内以开始投放物料为起始温度的温度变换量，v表示为当前混合物体积，t1表示为高炉内以开始投放物料为起始时间的时间变化量，log的底数为t1，α表示为混合物区域的温度变化权重，a、b、c分别表示为各项系数的常量，π表示为数学常量圆周率，μ表示为融合时间温度曲线的偏差调整项；
其中，B表示为高炉内的沉积调节权重，ω表示为物质熔点临界值，γ表示为成品废料比例，T表示为高炉内温度变化曲线，Q(β,t1)表示为融合时间温度曲线，π表示为数学常量圆周率，d表示为微分符号，δ表示为沉积调节权重的偏差调整项。
本实施例，计算融合时间温度曲线Q(β,t1)，利用对高炉内以开始投放物料为起始温度的温度变换量β与高炉内以开始投放物料为起始时间的时间变化量t1作为融合时间温度曲线Q(β,t1)的自变量，根据当前混合物体积v与混合物区域的温度变化权重α进行计算，充分考虑到在不同时间与温度关系下所产生的影响，降低外部条件对熔炼过程的物料沉积的计算；
本实施例，计算高炉内的沉积调节权重B的沉积调节计算公式，利用物质熔点临界值ω与成品废料比例γ根据高炉内温度变化曲线T与融合时间温度曲线Q(β,t1)进行计算，确定沉积数据曲线，在进去求导从而确定物质沉积调节权重的初始值，再根据沉积调节权重的偏差调整项δ进行调整，充分考虑影响物质沉积的具体影响因数，提高物质在熔炼的过程中的沉积量的计算，从而提高铝合金的生产精度，确保产品合格的同时提高生成的速率。
在本说明书的一个实施例中，步骤S3包括以下步骤：
步骤S31：接收初步配料信息，并根据完成初步配料信息对高炉内进行实时热成像图像拍摄，从而获得实时高炉内热成像图像，再对实时高炉内热成像图像进行预处理，从而获得预处理热成像图；
步骤S32：获取干扰数据信息集，根据干扰数据信息集对预处理热成像图进行定向降噪，从而获得定向处理热成像图；
步骤S33：对定向处理热成像图进行图像增强，从而获得增强处理热成像图，并对增强处理热成像图进行卷积特征提取，从而获得特征图像集；
步骤S34：对特征图像集中的特征图像进行特征编码，从而生成特征编码信息集，并对特征编码信息集中的特征编码信息进行拟合，从而生成编码信息；
步骤S35：获取阶段混合物热能特征信息集，根据阶段混合物热能特征信息集对编码信息进行信息饱和判断，从而获得热量信息，根据实时获取的热量信息进行整合，从而获得高炉内的热量变化信息集。
本实施例通过接收初步配料信息，再进行高炉内的热成像拍摄，能有效的减小无效数据的生成，从而减小计算机所需分析的数据总量，提高计算的效率，通过对实时高炉内热成像图像进行预处理从而提高图像所办函信息量，通过对预处理热成像图进行定向降噪从而提高干扰信息对需求数据的掩埋与干扰，提高数据提取时的精确性，通过对定向处理热成像图进行图像增强，从而增强图像所包含的特征值，便于对特征信息的提取操作，通过人工自能深度学习对对增强处理热成像图进行卷积特征提取，能有效的提取图像中所办函的特征信息，通过对特征图像进行特征编码，从而简化特征信息的表达便于对特征信息的匹配，从而识别特征信息所包含的实际信息数据，对特征编码信息进行拟合与热量信息进行整合能使离散的数据信息得到规范的联合，从而使数据具有实际意义，为后续的分析提供结实的数据基础。
本发明实施例中，参考图3所述，为图1步骤S3的详细步骤流程示意图，在本实例中，包括以下步骤：
步骤S31：接收初步配料信息，并根据完成初步配料信息对高炉内进行实时热成像图像拍摄，从而获得实时高炉内热成像图像，再对实时高炉内热成像图像进行预处理，从而获得预处理热成像图；
本发明实施例中，所述接收初步配料信息是指配料设备完成配料时想系统发送的完成配料信息，称为初步配料信息，所述根据完成初步配料信息对高炉内进行实时热成像图像拍摄是指，系统根据完成初步配料信息，从而向红外成像仪发送实时成像信息，以使红外成像仪对高炉内进行熔炼的混合物进行实时成像操作，从而生成实时高炉内热成像图像。
步骤S32：获取干扰数据信息集，根据干扰数据信息集对预处理热成像图进行定向降噪，从而获得定向处理热成像图；
本发明实施例中，所述干扰数据信息集是指，通过往常对热成像进行分析，所获得的干扰数据进行总结与汇总，从而形成干扰数据信息集，便于对以后对实时高炉内热成像图像进行降噪的处理过程，所述根据干扰数据信息集对预处理热成像图进行定向降噪是指，根据干扰数据信息集中的干扰数据信息在预处理热成像图中进行识别并消除，从而降低相应的干扰对观察数据进行提取的影响。
步骤S33：对定向处理热成像图进行图像增强，从而获得增强处理热成像图，并对增强处理热成像图进行卷积特征提取，从而获得特征图像集；
本发明实施例中，所述对定向处理热成像图进行图像增强是指，根据预设的需求数据对定向处理热成像图进行信息增强的方法从而提高需求数据在定向处理热成像图中的表现，便于后续对需求的数据进行提取的操作，所述对增强处理热成像图进行卷积特征提取是指，根据预设的深度学习的卷积核对增强处理热成像图进行卷积特征提取，其中预设的深度学习的卷积核是通过大量的实验增强处理热成像图进行训练，从而获得的具有稳定对需求特征信息进行提取能力的卷积核。
步骤S34：对特征图像集中的特征图像进行特征编码，从而生成特征编码信息集，并对特征编码信息集中的特征编码信息进行拟合，从而生成编码信息；
本发明实施例中，所述对特征图像集中的特征图像进行特征编码是指，根据特征图像所包含的信息进行编码的过程，所述对特征编码信息集中的特征编码信息进行拟合是指，将数个特征编码信息拟合在一起，便于后续的分析。
步骤S35：获取阶段混合物热能特征信息集，根据阶段混合物热能特征信息集对编码信息进行信息饱和判断，从而获得热量信息，根据实时获取的热量信息进行整合，从而获得高炉内的热量变化信息集；
本发明实施例中，所述阶段混合物热能特征信息集是指，根据混合物的各种情况的热量特征信息进行汇总而成，所述根据阶段混合物热能特征信息集对编码信息进行信息饱和判断是指，依据阶段混合物热能特征信息集中的信息对编码信息进行匹配，从而确认当前编码信息所包含的当前混合物熔炼的信息。
在本说明书的一个实施例中，步骤S4包括以下步骤：
步骤S41：根据热量变化信息集进行表面热量信息转换，从而获得表面温度信息，再根据热量变化信息集进行内核热量信息提取，从而获得内核热量信息集；
步骤S42：根据预设的内核热量温度模拟曲线，对内核热量信息集中的内核热量信息进行匹配，从而生成内核温度多点信息，并对内核温度多点信息进行精度拟合，从而获得内核温度信息；
步骤S43：根据表面温度信息与内核温度信息进行矢量变迁计算，从而生成温度变化预测曲线，并根据温度变化预测曲线进行温度变化信息提取，从而生成温度信息变化集；
步骤S44：对温度信息变化集进行图像建立，从而生成温度变化图像。
本实施例通过热量变化信息集进行表面热量信息转换，用于了解高炉内熔炼的混合物的表面温度，通过热量变化信息集进行内核热量信息提取，用于提取高炉内熔炼的混合物的内核温度，通过对高炉内熔炼的混合物的各个区域信息的了解，能更准确的把控投料时机与熔炼温度的把控，通过对内核热量信息进行匹配用于确认内核的具体温度情况，进行多点采用数据分析提高测量的准确性，通过矢量变迁计算从而获取高炉内熔炼的混合物将要发生的变化，用于预测投料的时机与熔炼进入的状态，增强对铝合金熔炼过程的把控，提高成品的合格率。
本发明实施例中，参考图4所述，为图1步骤S4的详细步骤流程示意图，在本实例中，包括以下步骤：
步骤S41：根据热量变化信息集进行表面热量信息转换，从而获得表面温度信息，再根据热量变化信息集进行内核热量信息提取，从而获得内核热量信息集；
本发明实施例中，所述根据热量变化信息集进行表面热量信息转换是指，将热能信息转换成热量信息的过程，所述再根据热量变化信息集进行内核热量信息提取是指，根据热量变化信息集中的热量变化信息对内核热量信息进行推演并提取。
步骤S42：根据预设的内核热量温度模拟曲线，对内核热量信息集中的内核热量信息进行匹配，从而生成内核温度多点信息，并对内核温度多点信息进行精度拟合，从而获得内核温度信息；
本发明实施例中，所述根据预设的内核热量温度模拟曲线，对内核热量信息集中的内核热量信息进行匹配是指，根据模拟数据将内核热量信息集中的内核热量信息转换成内核温度信息的过程。
步骤S43：根据表面温度信息与内核温度信息进行矢量变迁计算，从而生成温度变化预测曲线，并根据温度变化预测曲线进行温度变化信息提取，从而生成温度信息变化集；
本发明实施例中，所述根据温度变化预测曲线进行温度变化信息提取是指，根据温度变化预测曲线对高炉内的混合物的各个部位进行推演，从而获得未来高炉内的混合物的温度变化关系，其中温度变化预测曲线是用于预测未来温度变化的曲线。
步骤S44：对温度信息变化集进行图像建立，从而生成温度变化图像；
本发明实施例中，所述对温度信息变化集进行图像建立是指将温度信息变化集中的温度信息进行鞭策成图像，从而便于观察系统的预测信息。
在本说明书的一个实施例中，步骤S43中，根据表面温度信息与内核温度信息进行矢量变迁计算，其中矢量变迁计算的矢量变迁计算公式具体为以下计算公式：
其中，G表示为矢量变迁权重，t2表示为融合时间温度曲线的时间变化量，θ表示为高炉内的混合物表面温度，表示为高炉内的混合物内核温度，τ表示为高炉内的气压压强，Q(β,t1)表示为融合时间温度曲线，e表示为数学上的自然常数，是自然对数函数的底数，log的底数为/>d表示为微分符号，ω表示为矢量变迁权重的偏差调整项。
本实施例，计算矢量变迁权重G的矢量变迁计算公式，利用高炉内的混合物表面温度θ与高炉内的混合物内核温度进行/>通过对融合时间温度曲线的时间变化量的把控进行极限分析，从而确定当前熔炼状态与温度情况，结合高炉内的气压压强τ与融合时间温度曲线Q(β,t1)进行/>计算，并求导确定基础矢量变迁权重，再根据矢量变迁权重的偏差调整项ω进行纠正，从而获得矢量变迁权重G，充分考虑不同因数对铝合金熔炼的影响，从而提高计算的精确性。
在本说明书的一个实施例中，步骤S5包括以下步骤：
获取物质投料投放信息数据，根据预设的温度变化曲线对物质投料投放信息数据进行校准，从而获得物质投放准确信息；
根据温度变化图像对物质投放准确信息进行控制，从而精准投放物质时间信息，并将精准投放物质时间信息发送至物料投放设备进行定时投放，从而生成终极配料信息。
本实施例通过对物质投料投放信息数据进行校准，用于确定各个物料的准确投放时间，从而提高熔炼过程的科学性和严谨性，能规范铝合金的熔炼过程的具体流程，从而使铝合金的熔炼减小外部因数对熔炼过程的把控，从而提高生产过程的生产效率与合格率，通过对物质投放准确信息进行控制，从而提高投放物料的时机。
本发明实施例中，所述物质投料投放信息数据是指，投放设备进行投放后向系统反馈的数据，称为投料投放信息数据，所述根据预设的温度变化曲线对物质投料投放信息数据进行校准是指，对物质投料投放信息数据进行实时校准。
在本说明书的一个实施例中，步骤S6包括以下步骤：
步骤S61：接收终极配料信息，并根据终极配料信息对高炉内进行实时光学图像拍摄，从而获得高炉内的混合物图像；
步骤S62：根据预设的卷积核对混合物图像进行颜色卷积提取，从而获得混合物色彩数据；
步骤S63：获取物质燃烧能量数据，根据物质燃烧能量数据对混合物色彩数据进行状态解析，从而获得混合物状态信息集；
步骤S64：根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
本实施例通过对高炉内的混合物进行实时观测，获取实时光学图像，再通过深度学习的卷积对需求信息进行提取，用于确定混合物的实时状态，用于判断先前的配料是否准确，通过对混合物色彩数据进行状态解析，用于对混合物的当前状态进行分析提供数据支持，通过对混合物状态信息集的分析，从而实现自动配料的校准工作，使之后再进行铝合金的生产提供更准确数据。
本发明实施例中，参考图5所述，为图1步骤S6的详细步骤流程示意图，在本实例中，包括以下步骤：
步骤S61：接收终极配料信息，并根据终极配料信息对高炉内进行实时光学图像拍摄，从而获得高炉内的混合物图像；
本发明实施例中，所述终极配料信息是指投料设备完成全部物料投放后向系统反馈的信息，称为终极配料信息，所述根据终极配料信息对高炉内进行实时光学图像拍摄是指，系统根据投料设备反馈的完成投料信息，向光学拍摄设备发送开始实时拍摄信息。
步骤S62：根据预设的卷积核对混合物图像进行颜色卷积提取，从而获得混合物色彩数据；
本发明实施例中，所述预设的卷积核是指根据用途进行建立的卷积核模型，根据大量的实验数据进行定向干扰所获得的具有稳定功能的卷积核，用于对混合物图像进行颜色卷积提取。
步骤S63：获取物质燃烧能量数据，根据物质燃烧能量数据对混合物色彩数据进行状态解析，从而获得混合物状态信息集；
本发明实施例中，所述物质燃烧能量数据是指，各个物料的基础数据值，如物料的熔点，气化温度，在不同环境下燃烧时的火焰颜色等信息，所述根据物质燃烧能量数据对高炉内混合物图像进行状态解析是指，根据混合物图像所提供的信息对高炉内的当前状态进行分析的过程。
步骤S64：根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据；
本发明实施例中，所述根据混合物状态信息集进行自动配料校准是指根据当前完成的配料方式对正确性把控，出现某一变差状况时对当前的配方进行准确性调整的过程。
在本说明书的一个实施例中，还提供了一种铝合金自动配料数据处理系统，该铝合金自动配料数据处理系统包括：
处理器，以及
至少一个与所述处理器电性连接的存储器，所述存储器内存储有计算机程序，所述计算机程序用于执行上述中任一项所述铝合金自动配料数据处理方法。
本实施例通过计算机对高炉内所获取的实时数据进行分析，能替代人工因经验对熔炼过程的把握，使容量的过程更据科学性和专业性，可以对熔炼的数据进行复盘，寻找出现质量问题的所在，通过熔炼记录熔炼数据可以进一步提高计算机对熔炼过程的学习与把控，使其更具有稳定性和高效性。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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发明的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种铝合金自动配料数据处理方法，其特征在于，包括以下步骤：
步骤S1：获取铝合金配料比例数据集与定向铝合金编号，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例；步骤S1包括以下步骤：
获取铝合金编号数据集与需求铝合金基础信息，根据需求铝合金基础信息对铝合金编号数据集进行推荐，从而获得定向铝合金编号；
获取铝合金配料比例数据集，根据铝合金配料比例数据集中的预设编号对定向铝合金编号进行索引，从而获得原始配料比例；
步骤S2：获取生产总质量数据信息，根据生产总质量数据信息进行统计，从而获得原始投料重量信息；根据原始配料比例与原始投料重量信息进行衡量与计算，从而获得物质投料质量信息集，并根据物质投料质量信息集进行自动获取；步骤S2包括以下步骤：
步骤S21：获取生产总质量数据信息，根据生产总质量数据信息进行生产需求统计，从而获得原始投料重量信息；
步骤S22：获取底层物料沉积关系函数，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，从而生成沉积配料比例；步骤S22中，根据底层物料沉积关系函数对原始配料比例进行沉积调节计算，其中沉积调节计算的沉积调节计算公式具体为以下计算公式：
；
其中，表示为融合时间温度曲线，/>表示为高炉内以开始投放物料为起始温度的温度变换量，/>表示为当前混合物体积，/>表示为高炉内以开始投放物料为起始时间的时间变化量，/>的底数为/>，/>表示为混合物区域的温度变化权重，/>分别表示为各项系数的常量，/>表示为数学常量圆周率，/>表示为融合时间温度曲线的偏差调整项；
；
其中，表示为高炉内的沉积调节权重，/>表示为物质熔点临界值，/>表示为成品废料比例，/>表示为高炉内温度变化曲线，/>表示为融合时间温度曲线，/>表示为数学常量圆周率，/>表示为微分符号，/>表示为沉积调节权重的偏差调整项；
步骤S23：根据沉积配料比例与原始投料重量信息进行衡量确认，从而获得物质投料质量信息集；
步骤S24：将物质投料质量信息集发送至物质装配设备进行物质获取，从而生成初步配料信息；
步骤S3：获取实时高炉内热成像图像，对实时高炉内热成像图像进行数据提取，从而获得高炉内的热量变化信息集；
步骤S4：根据热量变化信息集进行矢量变迁，从而生成温度信息变化集，对温度信息变化集进行图像建立，从而生成温度变化图像；
步骤S5：根据预设的温度变化曲线对温度变化图像进行物质投料控制，从而精准投放物质时间信息，并根据精准投放物质时间信息进行自动物质投放工作；
步骤S6：获取高炉内的混合物图像与物质燃烧能量数据，根据物质燃烧能量数据对高炉内混合物图像进行状态解析，从而获得混合物状态信息集；根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
2.根据权利要求1所述铝合金自动配料数据处理方法，其特征在于，步骤S3包括以下步骤：
步骤S31：接收初步配料信息，并根据完成初步配料信息对高炉内进行实时热成像图像拍摄，从而获得实时高炉内热成像图像，再对实时高炉内热成像图像进行预处理，从而获得预处理热成像图；
步骤S32：获取干扰数据信息集，根据干扰数据信息集对预处理热成像图进行定向降噪，从而获得定向处理热成像图；
步骤S33：对定向处理热成像图进行图像增强，从而获得增强处理热成像图，并对增强处理热成像图进行卷积特征提取，从而获得特征图像集；
步骤S34：对特征图像集中的特征图像进行特征编码，从而生成特征编码信息集，并对特征编码信息集中的特征编码信息进行拟合，从而生成编码信息；
步骤S35：获取阶段混合物热能特征信息集，根据阶段混合物热能特征信息集对编码信息进行信息饱和判断，从而获得热量信息，根据实时获取的热量信息进行整合，从而获得高炉内的热量变化信息集。
3.根据权利要求1所述铝合金自动配料数据处理方法，其特征在于，步骤S4包括以下步骤：
步骤S41：根据热量变化信息集进行表面热量信息转换，从而获得表面温度信息，再根据热量变化信息集进行内核热量信息提取，从而获得内核热量信息集；
步骤S42：根据预设的内核热量温度模拟曲线，对内核热量信息集中的内核热量信息进行匹配，从而生成内核温度多点信息，并对内核温度多点信息进行精度拟合，从而获得内核温度信息；
步骤S43：根据表面温度信息与内核温度信息进行矢量变迁计算，从而生成温度变化预测曲线，并根据温度变化预测曲线进行温度变化信息提取，从而生成温度信息变化集；
步骤S44：对温度信息变化集进行图像建立，从而生成温度变化图像。
4.根据权利要求3所述铝合金自动配料数据处理方法，其特征在于，步骤S43中，根据表面温度信息与内核温度信息进行矢量变迁计算，其中矢量变迁计算的矢量变迁计算公式具体为以下计算公式：
；
其中，表示为矢量变迁权重，/>表示为融合时间温度曲线的时间变化量，/>表示为高炉内的混合物表面温度，/>表示为高炉内的混合物内核温度，/>表示为高炉内的气压压强，表示为融合时间温度曲线，/>表示为数学上的自然常数，是自然对数函数的底数，/>的底数为/>，/>表示为微分符号，/>表示为矢量变迁权重的偏差调整项。
5.根据权利要求1所述铝合金自动配料数据处理方法，其特征在于，步骤S5包括以下步骤：
获取物质投料投放信息数据，根据预设的温度变化曲线对物质投料投放信息数据进行校准，从而获得物质投放准确信息；
根据温度变化图像对物质投放准确信息进行控制，从而精准投放物质时间信息，并将精准投放物质时间信息发送至物料投放设备进行定时投放，从而生成终极配料信息。
6.根据权利要求1所述铝合金自动配料数据处理方法，其特征在于，步骤S6包括以下步骤：
步骤S61：接收终极配料信息，并根据终极配料信息对高炉内进行实时光学图像拍摄，从而获得高炉内的混合物图像；
步骤S62：根据预设的卷积核对混合物图像进行颜色卷积提取，从而获得混合物色彩数据；
步骤S63：获取物质燃烧能量数据，根据物质燃烧能量数据对混合物色彩数据进行状态解析，从而获得混合物状态信息集；
步骤S64：根据混合物状态信息集进行自动配料校准，从而获得自动配料精准数据。
7.一种铝合金自动配料数据处理系统，其特征在于，包括：
处理器，以及
至少一个与所述处理器电性连接的存储器，所述存储器内存储有计算机程序，所述计算机程序用于执行如权利要求1-6中任一项所述铝合金自动配料数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310451675.7A CN116459731B (zh) | 2023-04-20 | 2023-04-20 | 一种铝合金自动配料数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310451675.7A CN116459731B (zh) | 2023-04-20 | 2023-04-20 | 一种铝合金自动配料数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116459731A CN116459731A (zh) | 2023-07-21 |
| CN116459731B true CN116459731B (zh) | 2024-01-09 |
Family
ID=87175108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310451675.7A Active CN116459731B (zh) | 2023-04-20 | 2023-04-20 | 一种铝合金自动配料数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116459731B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101358288A (zh) * | 2008-09-25 | 2009-02-04 | 云南铝业股份有限公司 | 一种快速、准确、简洁的铝合金配料计算方法 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN110669963A (zh) * | 2019-10-12 | 2020-01-10 | 北京机电研究所有限公司 | 一种铝合金熔铸配料系统 |
| CN112501368A (zh) * | 2020-11-17 | 2021-03-16 | 中冶南方工程技术有限公司 | 一种高炉冶炼方法及计算机设备 |
| CN112819802A (zh) * | 2021-02-09 | 2021-05-18 | 东北大学 | 基于风口信息深度学习的监督及预测高炉炉况异常的方法 |
| CN113792910A (zh) * | 2021-08-16 | 2021-12-14 | 北京科技大学 | 一种铝合金自动配料方法及装置 |
| CN115125363A (zh) * | 2022-06-09 | 2022-09-30 | 北京同创信通科技有限公司 | 一种智能识别废钢料斗中配料检测系统及方法 |
| CN115383140A (zh) * | 2022-08-24 | 2022-11-25 | 上海交通大学 | 蓝激光熔化沉积铝合金材料沉积状态监控系统与方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6751342B2 (en) * | 1999-12-02 | 2004-06-15 | Thermal Wave Imaging, Inc. | System for generating thermographic images using thermographic signal reconstruction |
-
2023
- 2023-04-20 CN CN202310451675.7A patent/CN116459731B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101358288A (zh) * | 2008-09-25 | 2009-02-04 | 云南铝业股份有限公司 | 一种快速、准确、简洁的铝合金配料计算方法 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN110669963A (zh) * | 2019-10-12 | 2020-01-10 | 北京机电研究所有限公司 | 一种铝合金熔铸配料系统 |
| CN112501368A (zh) * | 2020-11-17 | 2021-03-16 | 中冶南方工程技术有限公司 | 一种高炉冶炼方法及计算机设备 |
| CN112819802A (zh) * | 2021-02-09 | 2021-05-18 | 东北大学 | 基于风口信息深度学习的监督及预测高炉炉况异常的方法 |
| CN113792910A (zh) * | 2021-08-16 | 2021-12-14 | 北京科技大学 | 一种铝合金自动配料方法及装置 |
| CN115125363A (zh) * | 2022-06-09 | 2022-09-30 | 北京同创信通科技有限公司 | 一种智能识别废钢料斗中配料检测系统及方法 |
| CN115383140A (zh) * | 2022-08-24 | 2022-11-25 | 上海交通大学 | 蓝激光熔化沉积铝合金材料沉积状态监控系统与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116459731A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109472057B (zh) | 基于跨工步隐式参数记忆的产品加工质量预测装置及方法 | |
| CN114611844B (zh) | 一种转炉出钢过程合金加入量的确定方法和系统 | |
| EP3916651A1 (en) | Design assistance method for metal material, prediction model generation method, metal material manufacturing method, and design assistance device | |
| CN110739031B (zh) | 一种冶金烧结过程的有监督预测方法、装置及存储介质 | |
| CN109165798A (zh) | 一种水泥熟料游离氧化钙含量在线预测方法及系统 | |
| CN110669963A (zh) | 一种铝合金熔铸配料系统 | |
| JP2017120640A (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
| CN110502781B (zh) | 一种基于先验知识的铁合金生产配料优化方法 | |
| CN111598293A (zh) | 氧气底吹炉铜吹炼过程参数在线预测方法 | |
| CN110442954A (zh) | 基于物理冶金学指导下机器学习的超高强不锈钢设计方法 | |
| CN109616161B (zh) | 一种基于孪生支持向量回归机的发酵过程软测量方法 | |
| KR20160040732A (ko) | 전로 취련 설비의 제어 장치 및 제어 방법 | |
| JP5962290B2 (ja) | 鋼材の熱伝達係数予測装置及び冷却制御方法 | |
| CN112766815A (zh) | 基于全局最优算法的再生铝在线配料系统及方法 | |
| Moylan et al. | Recommended protocol for round-robin studies in additive manufacturing | |
| CN116459731B (zh) | 一种铝合金自动配料数据处理方法及系统 | |
| CN112992291A (zh) | 一种高温电工级氧化镁粉配料优化方法 | |
| CN115776936A (zh) | 优化增材制造中的过程参数 | |
| CN117930780A (zh) | 石英产品生产质量控制方法及系统 | |
| JP5821656B2 (ja) | 生石灰濃度予測装置及び吹錬制御方法 | |
| CN112100819A (zh) | 一种基于集成计算与数据驱动的铸造冒口设计方法 | |
| CN112070408A (zh) | 基于大数据和深度学习的烧结矿成分预报模型 | |
| CN116993102A (zh) | 一种mim成型工艺 | |
| CN116523075A (zh) | 水泥熟料强度预测方法、装置、电子设备及存储介质 | |
| CN107090534A (zh) | 用于混铁车喷吹脱硫的粉剂计算方法 |
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 |