ES3064528T3 - System and method for determining the chemical composition of liquid metallurgical products - Google Patents
System and method for determining the chemical composition of liquid metallurgical productsInfo
- Publication number
- ES3064528T3 ES3064528T3 ES21712226T ES21712226T ES3064528T3 ES 3064528 T3 ES3064528 T3 ES 3064528T3 ES 21712226 T ES21712226 T ES 21712226T ES 21712226 T ES21712226 T ES 21712226T ES 3064528 T3 ES3064528 T3 ES 3064528T3
- Authority
- ES
- Spain
- Prior art keywords
- radiance
- spectral
- est
- wavelength range
- ref
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/202—Constituents thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/205—Metals in liquid state, e.g. molten metals
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
Dispositivo para determinar la composición química de un producto metalúrgico líquido que emite radiaciones electromagnéticas. El dispositivo comprende una sonda de captación configurada para adquirir las radiaciones electromagnéticas emitidas por el producto metalúrgico en un rango de longitud de onda predeterminado Δλ, un sistema espectroscópico conectado a la sonda de captación y configurado para generar una señal espectral de las radiaciones electromagnéticas adquiridas, y un sistema de procesamiento que incluye una base de datos de radiancias de referencia. La invención también se refiere a un método que utiliza dicho dispositivo. (Traducción automática con Google Translate, sin valor legal)
Description
[0001] DESCRIPCIÓN
[0002] Sistema y procedimiento para determinar la composición química de productos metalúrgicos líquidos
[0003] La invención se encuentra dentro del campo de la metalurgia y, más particularmente, dentro del campo de los productos metalúrgicos líquidos.
[0004] La invención se refiere más particularmente a un sistema y un procedimiento para determinar la composición química de productos metalúrgicos líquidos usando radiaciones electromagnéticas emitidas por dichos productos metalúrgicos.
[0005] Un problema conocido en la metalurgia es caracterizar adecuadamente los productos metalúrgicos cuando se someten a temperaturas muy altas, típicamente más de 1000 °C y, por lo tanto, están en forma líquida debido a su fusión.
[0006] Se conoce a partir de la publicación WO2016/181185 A1 un sensor capaz de obtener la composición química de una porción de escoria sólida, usando una instalación comprendiendo una fuente de luz adaptada para iluminar la porción de escoria, un sistema óptico adaptado para recoger la luz reflejada desde la porción de escoria, y medios de procesamiento adaptados para obtener un conjunto de datos a partir de la luz recogida, definiendo dicho conjunto de datos una matriz que contiene valores representativos de la intensidad de la luz reflejada recogida desde una pluralidad de puntos. Por lo tanto, se implementa un algoritmo de regresión para estimar la composición química de la porción de escoria basado en la intensidad de la luz reflejada y su longitud de onda.
[0007] Sin embargo, el sistema y el procedimiento de la publicación WO2016/181185A1 no se pueden aplicar a productos metalúrgicos desconocidos. Además, la porción de escoria debe ser excitada por una fuente de luz, ya que solo la luz reflejada es recogida por la instalación.
[0008] La publicación de Picon Artzai y col., en IEEE Transactions on Industrial Informatics, vol.14, 3506-3512 (2018) describe un procedimiento para caracterizar la escoria de horno de cuchara usando un modelo de regresión de reflectancia hiperespectral para cuantificar la composición química de la escoria en tiempo real.
[0009] Un objetivo de la presente invención es por tanto remediar los inconvenientes de la técnica anterior proporcionando un sistema y un procedimiento para determinar la composición química de cualquier producto metalúrgico líquido que emita radiaciones electromagnéticas.
[0010] Con este fin, la invención se refiere a un dispositivo para determinar la composición química de un producto metalúrgico líquido que emite radiaciones electromagnéticas, según la reivindicación independiente 1.
[0011] Las reivindicaciones preferidas del dispositivo se definen en las reivindicaciones dependientes:
[0012] - los medios espectroscópicos comprenden una pluralidad de espectrómetros, cada espectrómetro está conectado a la sonda de recogida y configurado para generar una parte de la señal espectral en una fracción determinada del intervalo de longitud de onda predeterminado Δλ,
[0013] - los medios espectroscópicos están configurados para generar la señal espectral en un intervalo espectral entre 200 y 12000 nanómetros correspondiente al intervalo de longitud de onda predeterminado Δλ,
[0014] - los medios de procesamiento también están configurados para corregir cada parte de la señal espectral con al menos una constante de calibración calculada por dichos medios de procesamiento y asociada con el espectrómetro considerado.
[0015] La invención también se refiere a un procedimiento para determinar la composición química de un producto metalúrgico líquido que emite radiaciones electromagnéticas, como se define en la reivindicación independiente 5. Realizaciones preferidas del procedimiento se definen en las reivindicaciones dependientes:
[0016] - un coeficiente de atenuación de la atmósfera también se estima a partir de la radiancia observada en la etapa iv, dicha radiancia observada se correlaciona con dicho coeficiente de atenuación,
[0017] - la etapa iii se implementa siguiendo las siguientes subetapas:
[0018] • convertir la señal espectral en una luminosidad de cuerpo negro ideal L<BB>(λ, T);
[0019] • corregir esta radiancia ideal L<BB>(λ, T) con al menos una constante de calibración calculada por los medios de procesamiento y asociada con los medios espectroscópicos, calculándose dicha constante de calibración usando una lámpara de calibración de temperatura de emisión conocida y emisividad conocida en el intervalo de longitud de onda.
[0020] - la etapa iv se implementa siguiendo las siguientes subetapas:
[0021] • determinar un vector cuyas coordenadas son variables elegidas aleatoriamente que representan al menos la temperatura de emisión y la emisividad en el intervalo de longitud de onda;
[0022] • calcular una radiancia esperada L<exp>(λ, T) basado en las variables elegidas;
[0023] • ajustar un modelo probabilístico de inferencia comparando la radiancia observada y la radiancia esperada, para modificar aleatoriamente la varianza esperada modificando aleatoriamente las variables elegidas, hasta la convergencia de la radiancia esperada L<exp>(λ, T) hacia la radiancia observada L<obs>(λ, T<est>);
[0024] • estimar la temperatura de emisión T<est>y la emisividad ε<est>(λ, T<est>) en el intervalo de longitud de onda del producto metalúrgico líquido usando dicho modelo probabilístico de inferencia ajustado.
[0025] - Una de las coordenadas del vector comprende el coeficiente de atenuación de la atmósfera, y donde dicho coeficiente de atenuación también se estima mediante el uso de dicho modelo probabilístico de inferencia ajustado.
[0026] - La etapa iv se implementa usando un conjunto reducido de longitudes de onda que se determinan a partir del intervalo de longitud de onda usando una función de transferencia triangular.
[0027] - Las etapas v a vii se llevan a cabo mediante un perceptrón multicapa implementado por los medios de procesamiento.
[0028] Otras características y ventajas de la invención se describirán en las siguientes descripciones, a modo de indicación y de ninguna manera limitativa, y con referencia a las figuras adjuntas, entre las que:
[0029] - La Figura 1 es una vista esquemática del sistema de la invención.
[0030] - La Figura 2 representa una gráfica de la aplicación de una función triangular para determinar un conjunto de longitudes de onda ponderadas a partir de un intervalo de longitudes de onda determinado,
[0031] - La Figura 3 representa un diagrama que muestra las etapas sucesivas del procedimiento de la invención.
[0032] En primer lugar, se observa que en las figuras, las mismas referencias designan los mismos elementos independientemente de la figura en la que aparecen e independientemente de la forma de estos elementos. De manera similar, si los elementos no se mencionan específicamente en una de las figuras, sus referencias pueden encontrarse fácilmente consultando otra figura.
[0033] También se observa que las figuras representan principalmente una realización de la presente invención, pero otras realizaciones serán evidentes para el experto en la materia dentro del alcance de la invención que se define por las reivindicaciones adjuntas.
[0034] El sistema espectral 1 y el procedimiento de la invención encuentran aplicación en la estimación de la composición química de un producto metalúrgico líquido 2, por ejemplo, escorias o acero líquido.
[0035] Elementos calientes, como metal líquido como acero líquido, emiten radiaciones electromagnéticas correlacionadas con su respectiva temperatura de emisión y composición química. Estas radiaciones se emiten en un gran espectro de emisión, generalmente de longitudes de onda ultravioleta a longitudes de onda del infrarrojo lejano, incluidas las longitudes de onda infrarrojas y visibles directamente relacionadas con la temperatura de emisión que induce el aspecto rojo a blanco de los productos metalúrgicos líquidos.
[0036] Parámetros físicos se pueden extraer de las características medibles de dichas radiaciones electromagnéticas. Estos parámetros físicos incluyen:
[0037] • T, llamada temperatura, que es la temperatura del producto metalúrgico líquido 2 que emite radiaciones electromagnéticas;
[0038] • ε(λ,T),llamada emisividad espectral o simplemente emisividad, que es el flujo radiante de radiaciones electromagnéticas emitidas por un elemento de superficie a una temperatura dada T y a una longitud de onda dada λ en comparación con la de un cuerpo negro perfecto. El valor de la emisividad está comprendido entre 0 y 1.
[0039] •L(λ, T),llamada radiancia espectral, que es el flujo radiante emitido por una superficie dada, por unidad de ángulo sólido por unidad de área proyectada y por unidad de longitud de onda. El término "luminosidad" se usará a continuación.
[0040] Mientras se adquieren las radiaciones electromagnéticas emitidas por un producto metalúrgico líquido 2, se proporciona el sistema espectral 1 de la invención que se describirá ahora para estimar al menos los parámetros físicos mencionados anteriormente y a continuación para determinar la composición química del producto metalúrgico líquido 2 considerado usando estos parámetros físicos estimados.
[0041] [0018]Como se representa en la figura 1, el sistema espectral 1 de la invención comprende al menos una sonda de recogida 3 en un amplio intervalo espectral, lo que significa que la sonda de recogida está completamente operativa al menos para longitudes de onda de 0,1 micrómetros a 15000 micrómetros. Esta sonda de recogida 3 comprende un cabezal de recogida 4 proporcionado para recoger las radiaciones emitidas por el producto metalúrgico caliente 2, un colimador (no representado) para generar rayos paralelos 19, medios de enfoque 5 dispuestos para emitir un haz enfocado 6 a través de una salida 7 de la sonda 3. Dicha salida 7 está conectada a medios de transmisión óptica, por ejemplo, un conjunto de fibras ópticas que forman un paquete de fibras 12 y se proporciona para transmitir
el haz enfocado 6 a través de las fibras ópticas 13-17 del paquete 12.
[0042] El sistema 1 también comprende medios espectroscópicos 8 proporcionados para separar y medir componentes espectrales del haz enfocado 6 y para generar una señal espectral de las radiaciones electromagnéticas emitidas por el producto metalúrgico. La precisión de la señal espectral generada depende del poder de resolución del medio espectroscópico 8. En otras palabras, los medios espectroscópicos 8 separan el haz enfocado 6 en M componentes m, siendo cada componente m un parámetro, por ejemplo, intensidad, relacionado con una longitud de onda específica λm.Cuanto mayor sea el poder de resolución, mayor será M. Por lo general, M es superior a 3000.
[0043] Según la figura 1, los medios espectroscópicos 8 comprenden tres espectrómetros 9, 10, 11, cada uno configurado para analizar el haz enfocado 6 y para generar una señal espectral específica en un intervalo de longitud de onda determinado. Cada espectrómetro 9-11 está conectado ópticamente a la sonda de recogida 3 a través del paquete de fibras 12.
[0044] Un primer espectrómetro 9 de los medios espectroscópicos tiene un intervalo de longitud de onda de 0,2 a 1,1 µm. En otras palabras, el primer espectrómetro 9 está configurado para generar una señal espectral a partir de radiaciones emitidas en el intervalo de longitud de onda de 0,2 µm a 1,1 µm correspondientes a radiaciones ultravioletas y radiaciones visibles.
[0045] Un segundo espectrómetro 10 de los medios espectroscópicos tiene un intervalo de longitud de onda comprendido entre 0,9 y 2,6 µm. En otras palabras, el segundo espectrómetro 10 está configurado para generar una señal espectral a partir de radiaciones emitidas en el intervalo de longitud de onda entre 0,9 µm y 2,6 µm correspondiente a radiaciones del infrarrojo cercano.
[0046] Un tercer espectrómetro 11 de los medios espectroscópicos 8 tiene un intervalo de longitud de onda comprendido entre 2,5 y 12 µm. En otras palabras, el tercer espectrómetro 11 está configurado para generar una señal espectral a partir de radiaciones emitidas en el intervalo de longitud de onda entre 2,5 µm y 12 µm correspondiente a las radiaciones del infrarrojo medio.
[0047] Ventajosamente, el sistema espectral 1 también comprende un aparato láser 18 conectado a la sonda de recogida 3 a través del paquete de fibras 12. Este aparato láser 18 es típicamente un láser de clase B que emite luz visible, por ejemplo, una luz verde de 532 nanómetros, y se proporciona para apuntar la superficie de adquisición. Este aparato láser 18 permite elegir el sitio de adquisición.
[0048] Como se describió anteriormente, la sonda de recogida 3, los tres espectrómetros 9-11 y el aparato láser 18 están todos conectados con el paquete de fibras 12 comprendiendo cuatro entradas conectadas respectivamente al aparato láser 18 y los tres espectrómetros 9-11, y una salida conectada a la sonda de recogida 3.
[0049] Más precisamente, el aparato láser 18 está conectado a la sonda 3 a través de una fibra óptica de sílice con bajo contenido de iones hidroxilo 17, el primer espectrómetro 9 está conectado a la sonda a través de otra fibra óptica de sílice con bajo contenido de iones hidroxilo 13, el segundo espectrómetro 10 está conectado a la sonda 3 a través de dos fibras ópticas de sílice con bajo contenido de iones hidroxilo 14, y el tercer espectrómetro 11 está conectado a la sonda 3 a través de dos fibras ópticas infrarrojas policristalinas 15.
[0050] Por supuesto, las siete fibras ópticas descritas anteriormente están todas conectadas 16 a la salida de la sonda de recogida 3.
[0051] Finalmente, el sistema espectral 1 comprende medios de procesamiento configurados para generar una radiancia observada del producto metalúrgico 2 a partir de la señal espectral. Gracias a un primer algoritmo, los medios de procesamiento están configurados para determinar una radiancia esperada a partir de la radiancia observada usando un modelo probabilístico de inferencia, y a continuación para estimar la temperatura y la emisividad del producto metalúrgico 2.
[0052] Además, gracias a un segundo algoritmo, los medios de procesamiento están configurados para estimar la composición química del producto metalúrgico emisor 2, como el contenido en dióxido de silicio SiO<2>, óxido de aluminio Al<2>O<3>, óxido de hierro (II) FeO, óxido de hierro (III) Fe<2>O<3>, óxido de calcio CaO y óxido de magnesio MgO, usando un algoritmo de regresión conocido, ventajosamente un perceptrón multicapa implementado por dichos medios de procesamiento.
[0053] [0030]Como se describirá a continuación, para implementar este segundo algoritmo, los medios de procesamiento comprenden una base de datos de radiancias de referenciaLref,i(λ, Tref,n),cada radiancia de referenciaLref,i(λ, Tref,n)está asociada con una muestra i de emisividad espectral conocidaεref,i(λ, Tref,n)(también llamada emisividad de referencia) a una temperatura de referencia definidaTref,ny longitud de onda λ. Por lo tanto, cada valor de emisividad de referenciaεref,i(λ, Tref,n)está relacionado con un valor de temperatura de referenciaTref,ny un valor de longitud de onda λ en la base de datos. i varía de 1 a X, siendo X, por ejemplo, igual al menos a 30, cuanto mayor sea
X, más composiciones químicas diferentes se incluirán en la base de datos. n varía de 1 a Z, siendo Z, por ejemplo, igual al menos a 5.
[0054] Además, la composición química de cada muestra i en la base de datos es conocida y está asociada tanto con la emisividad de referencia consideradaεref,i(λ, Tref,n)en el intervalo de longitud de onda Δλ como con la temperatura de referenciaTref,n.Para determinar la composición química del producto metalúrgico líquido 2, los medios de procesamiento están configurados:
[0055] • para comparar la emisividad estimada ε<est>(
λ, Test)y la temperatura estimadaTestcon la emisividad de referenciaεref,i(λ, Tref,n)y la temperatura de referenciaTref,nde cada radiancia de referenciaLref,i(λTref,n)de la base de datos, paraTref,n = Tref
[0056] • para determinar la mejor radiancia de referencia de ajusteLbf(λ, Test)con la radiancia observadaLobs(λ, Test),y • para determinar la composición química del producto metalúrgico emisor 2.
[0057] Según la invención, se describirá ahora un procedimiento para estimar la temperatura T<est>y la emisividad ε<est>(λ, Test)
y para determinar la composición química del producto metalúrgico líquido 2 que emite radiaciones electromagnéticas.
[0058] En una primera etapa, la sonda de recogida 3 apunta hacia el sitio de adquisición elegido por el usuario. Para elegir con precisión este sitio de adquisición, el láser 18 se enciende y la sonda de recogida 3 se mueve hasta que el láser 18 apunta al sitio de adquisición.
[0059] En una segunda etapa E1, la sonda de recogida 3 adquiere radiaciones electromagnéticas emitidas por el producto metalúrgico líquido 2 en el sitio de adquisición y concentra estas radiaciones adquiridas en un haz enfocado 6 que se propaga desde la salida 7 de la sonda 3 a los tres espectrómetros 9-11 de los medios espectroscópicos 8 a través del paquete de fibras 12. A continuación, cada espectrómetro 9-11 genera una señal espectral en su intervalo de longitud de onda específico. Los medios de procesamiento del sistema espectral 1 generan a continuación E2 una señal espectral combinada en el intervalo de longitud de onda determinado de 0,2 µm a 12 µm.
[0060] En una tercera etapa E3, los medios de procesamiento generan una radiancia observada L<obs>(λ,Test) del producto metalúrgico 2 a partir de la señal espectral combinada. Esta radiancia observadaLobs(λ, Test) se genera siguiendo las subetapas que se describen a continuación.
[0061] En una primera subetapa, los medios de procesamiento convierten la señal espectral combinada en una radiancia de cuerpo negro idealLBB(λ, Test) a través de una función de calibración polinómica medida por el sistema espectral en un horno de cuerpo negro, dicha función polinómica sigue la fórmula:
[0064]
[0066] Donde h es la constante de Planck, c la velocidad de la luz y k<B>la constante de Boltzmann.
[0067] En una segunda subetapa, esta radiancia idealLBB(λ,Test)se corrige con una constante K directamente relacionada con los medios espectroscópicos 8. Dado que los espectrómetros 9-11 de los medios espectroscópicos 8 no miden la misma área, y dado que la instrumentación (sonda de recogida 3, paquete de fibras 12, colimador 5) de los medios espectroscópicos 8 induce imprecisiones en las mediciones, se debe aplicar una constante de corrección K<s>para cada espectrómetro S. Esta constante K es, por lo tanto, un vector cuyas coordenadas son las constantes K<1>, K<2>y K<3>del primer espectrómetro 9, el segundo espectrómetro 10 y el tercer espectrómetro 11, respectivamente.
[0068] Los valores iniciales de esas constantes K<1>a K<3>se determinan usando el sistema espectral 1 en una lámpara de calibración con emisividad conocida en el intervalo de longitud de onda y de temperatura de emisión conocida.
[0069] La radiancia idealLBB(λ, Test)corregida por los medios de procesamiento con la constante calculada K es la radiancia observada L<obs>(λ,Test).
[0070] En una cuarta etapa E4, los medios de procesamiento implementan el primer algoritmo para estimar la temperaturaTesty la emisividad ε<est>(λ, Test)
en el intervalo de longitud de onda λ del producto metalúrgico líquido 2.
[0071] Como se representa anteriormente, se sabe que la radiancia es una función de varios parámetros físicos incluyendo la emisividad en el intervalo de longitud de onda y la temperatura de emisión del producto metalúrgico 2. El primer algoritmo implementa así un modelo de transferencia radiativa cuyo propósito es extraer estos parámetros desconocidos para que puedan ajustarse a la radiancia observada L<obs>(λ,Test).
[0072] Los medios de procesamiento calculan a continuación una radiancia esperadaLexp(λ, Test)siguiendo una estrategia de MonteCarlo de la cadena de Markov o una estrategia MCMC (Markov Chain MonteCarlo), usando por ejemplo un algoritmo Metropolis-Hasting también llamado paseo aleatorio de Metropolis-Hasting. La radiancia esperada puede describirse siguiendo la fórmula:
[0075]
[0078] Donde es un coeficiente de atenuación de la atmósfera debido al vapor de agua y al dióxido de carbono. x está relacionado con la concentración del gas considerado,γestá relacionado con el coeficiente de atenuación conocido del gas considerado, y d es la distancia entre el elemento radiante y los espectrómetros 9-11. Además, f es una función de transferencia que modela la atenuación de la reflectividad, la atenuación de las fibras ópticas y la sensibilidad no lineal de los espectrómetros 9-11. Esta función de transferencia f se calcula usando un horno de cuerpo negro calibrado con el sistema espectral 1.
[0079] La estrategia MCMC permite estimar los parámetros desconocidos que son la temperatura de emisión, la emisividad en el intervalo de longitudes de onda λ y la concentración de vapor de agua y dióxido de carbono, implementando un modelo de inferencia bayesiana y comparando la radiancia esperada calculada con la radiancia observada. Además, los coeficientes de corrección calibrados K<1>a K<3>están finamente ajustados gracias al algoritmo de Metropolis-Hasting.
[0080] Un modelo de inferencia bayesiana construye una distribución de probabilidad sobre los valores de los parámetros de búsqueda desconocidos, usando la siguiente fórmula:
[0083]
[0085] Donde x representa la radiancia observadaLobs(λ, Test)mientras queθes un vector cuyas coordenadas son los parámetros desconocidos:
[0086] P(θ|x),
conocida como la distribución de probabilidad posterior, es la probabilidad de cada valor de parámetro desconocido de búsqueda dadoLobs(λ, Test).Esta es la probabilidad de que los medios de procesamiento necesiten calcular para estimar los parámetros desconocidos.
[0087] P(x|θ),
conocida como verosimilitud, es la forma en que se distribuye la radiancia observadaLobs(λ, Test)dado un conjunto de parámetros. El cálculo de esta probabilidad se explicará más adelante.
[0088] P(θ),
conocida como la distribución previa, es el conocimiento previo usado para permitir que los medios de procesamiento calculen el algoritmo de Metropolis-Hasting. En otras palabras, como se explicará más adelante, un conjunto de parámetrosθ0se elige aleatoriamente al comienzo del cálculo.
[0089] P
(x) es la evidencia de que los parámetros son generados por el modelo de transferencia radiativa. Esta cantidad no se puede calcular en muchos casos. Sin embargo,P(θ|x)se puede estimar usando la estrategia MCMC, especialmente el algoritmo de Metropolis-Hasting, solo definiendo la verosimilitudP(x|θ) y laP(θ) previa.
[0090] A continuación se describirá la implementación detallada de la cuarta etapa E4 del procedimiento de la invención.
[0091] Como se especificó anteriormente, la emisividad depende de la longitud de onda, lo que significa que cada longitud de onda está asociada con una emisividad. Dado que el poder de resolución del medio espectroscópico 8 permite generar M valores espectrales discretizados, cada uno relacionado con una longitud de onda única λm,los valores de emisividad M podrían ser determinados por el medio de procesamiento que implementa el procedimiento de la invención.
[0092] Sin embargo, dado que M es superior a 3000, los medios de procesamiento no pueden estimar M valores de emisividad basados en M longitudes de onda, debido a los límites de potencia de cálculo. Para resolver este problema, primero se debe realizar una selección de N conjuntos reducidos de longitudes de onda mediante los medios de procesamiento, usando, por ejemplo, una función triangular de membresía que sigue la fórmula:
[0093]
[0095] DondeλCmes la longitud de onda central y D la distancia entre dos longitudes de onda consecutivas.
[0096] Los medios de procesamiento asocian las M longitudes de onda con la función triangular para calcular N conjuntos de longitudes de onda. N es mucho menor que M, el valor de N es típicamente alrededor de 4 a 10. Dado que los N conjuntos se calculan usando lógica difusa, dichos conjuntos generalmente se denominan conjuntos difusos.
[0097] Además, los medios de procesamiento calculan una emisividad específicaεma una longitud de onda λmcomo un valor ponderado de valores de emisividad difusa,εmcada uno definido en el centro del conjunto difuso de longitudes de onda considerado, siguiendo la fórmula:
[0100]
[0102] Por ejemplo, y como se representa en la figura 2 donde N=8, la emisividad= ε(λm)es una combinación del 33 % de la emisividad difusaε4 = ε(λ4)y del 67 % de la emisividad difusaε5 = ε(λ5).Como resultado, solo los medios de procesamiento calculan directamente N valores de emisividad, lo que significa que cada emisividadεmpara m =1 a N.Otros valores de emisividad en el intervalo de longitud de onda se calculan a partir de una o varias emisividades difusas. Por lo tanto,λpuede representar indistintamente una longitud de onda o un intervalo de longitud de onda cuando se usa dicha función triangular o cualquier otra función similar que permita reducir los conjuntos de longitudes de onda.
[0103] Una vez que se selecciona el conjunto reducido de longitudes de onda, los medios de procesamiento que usan el algoritmo de Metropolis-Hasting generan aleatoriamente un vectorθ0cuyas coordenadas son los parámetros desconocidos elegidos aleatoriamente por los medios de procesamiento. A continuación, los medios de procesamiento calculan la distribución previaP(θ0)a partir de los parámetros elegidos aleatoriamente usando funciones de distribución uniforme y funciones de distribución normal.
[0104] Se aplica una función de distribución uniforme a la temperatura de emisión T siguiendo la fórmula
[0107]
[0109] Se aplica una función de distribución uniforme a la emisividad espectralε(λ)siguiendo la fórmula
[0111]
[0114] Se aplica una función de distribución normal centrada en
a cada coeficiente de corrección K<s>
[0116] siguiendo la fórmula
donde es la constante de calibración inicial del s<-ésimo>espectrómetro 9-11 calculado con la lámpara de calibración, y σ<2>= 0,001<2>, σ<2>siendo la varianza de la distribución.
[0118] Funciones de distribución normal se centran respectivamente en y también a
se aplican a
[0120] xCO2yxH2O
donde y σ<2>= 50<2>y
500<2>.
[0121] Con los resultados de cálculo de cada distribución descritos anteriormente, el medio de procesamiento determina la distribución previaP(θ0).
[0122] Además, una vez que las coordenadas del vectorθ0se determinan aleatoriamente, los medios de procesamiento calculan un primer valor de varianza esperadaLexp(θ0)con la fórmula descrita anteriormente, usando los valores de parámetro desconocidos deθ0.
[0123] Los medios de procesamiento calculan así la verosimilitudP(Lobs|θ0)usando una función de distribución normal ℵ(L<exp>(θ<0>), σ<2>) centrada enLexp(θ0), siendoσ2una distribución MediaCauchyσ ~ MediaCauchy(β)cuya fórmula es: es un parámetro fijo cuyo valor se elige en 10.
[0124] Los medios de procesamiento generan aleatoriamente un vectorθ1siguiendo una distribución normal θ<1>= ℵ(θ<0>, σ<2>) centrada enθ0.Por lo tanto, se elige aleatoriamente un nuevo conjunto de parámetros desconocidos y los medios de procesamiento calculanLexp(θ1), la verosimilitudP(Lobs|θ1) y laP(θ1)previa.
[0125] A continuación, se calcula un número r<1>siguiendo la fórmula:
[0128]
[0130]
torio r’ también se calcula usando una distribución uniforme estándar
[0132] . El valor de r' está entre 0 y 1.
[0133] Los medios de procesamiento comparan r<1>y r' y sir1 > r’,a continuación se mantiene el vectorθ1y se calcula un vectorθ2siguiendo la distribución normal θ<2>= ℵ(θ<1>, σ<2>) centrada enθ1.Sir1< r’,se rechaza el vectorθ1y se calcula aleatoriamente un nuevo vector siguiendo la distribución normal siempre quer1< r’.
[0134] Los vectoresθyse calculan etapa por etapa siguiendo esta estrategia con θ<y>= ℵ(θ<y-1>, σ<2>), hasta quey= ymáx.Por ejemplo,ymáx= 2000. Cuanto mayor seaymáx, más precisa será la estimación, pero más largo será el cálculo.
[0135] El paseo aleatorio de Metropolis-Hasting implementado por los medios de procesamiento hace que la varianza esperadaLexp(λ, T)converja hacia la radiancia observadaLobs(λ, Test)con un conjunto estimado de parámetros que son las coordenadas del vector finalθimax.
[0136] Dada una radiancia observadaLobs(λ, Test), la estrategia MCMC estima los valores de la temperatura de emisiónTesty de la emisividad espectralεest(λ,T<est>) del producto metalúrgico líquido 2. Además, también se estiman los parámetros de corrección internos K<1>a K<3>de los espectrómetros 9, 10, 11 y la concentración de vapor de aguaXH2Oy dióxido de carbonoxCO2en la atmósfera.
[0137] Los medios de procesamiento ejecutan el segundo algoritmo para implementar una quinta etapa E5, una sexta etapa E6 y una séptima etapa E7 del procedimiento de la invención. En la quinta etapa E5, los medios de procesamiento comparan la emisividad ε<est>(λ,
T<est>) y la temperaturaTestestimadas a partir de la radiancia observadaLobs(λ, Test)con la emisividad de referencia ε<ref,i>(λ,
T<ref,n>) y la temperatura de emisión de referenciaTrefde cada radiancia de referenciaLref,i(λk, Tref,n)de la base de datos paraTrefn=Tref. Usando los resultados de comparación obtenidos en la quinta etapa E5, los medios de procesamiento determinan en la sexta etapa E6 la mejor radiancia de referencia de ajusteLbf(λ, Tref)con la radiancia observadaLobs(λ, Test).Finalmente, el medio de procesamiento atribuye la composición química relacionada con la mejor radiación de referencia de ajusteLbf(λ, Tref)al producto metalúrgico emisor 2. Por lo tanto, los medios de procesamiento han determinado la composición química del producto metalúrgico emisor 2.
[0138] [0071]Ventajosamente, este segundo algoritmo es un algoritmo de regresión conocido, preferentemente un perceptrón multicapa que es una red neuronal artificial comprendiendo un número J de capas neuronales
interconectadas, siendo implementada dicha red neuronal artificial por los medios de procesamiento.
[0139] Cada neurona digital de una capa de la red neuronal comprende una pluralidad de entradas proporcionadas para recibir datos de las salidas de las neuronas de la capa anterior, y una salida proporcionada para enviar datos de salida a las neuronas de la siguiente capa. Más precisamente, los datos de entrada son procesados por la neurona digital usando un operador, típicamente una función de combinación que suma todos los datos de entrada, cada uno ponderado con un peso sináptico para generar los datos de salida. Además, cada neurona puede comprender una función de transferencia no lineal que es una función de umbral proporcionada para generar datos de salida si la suma ponderada de los datos de entrada está por encima del umbral definido por la función de umbral. Típicamente, dicha función de umbral es una función sigmoide cuya fórmula es
.
[0140] Cada entrada de una neurona j de una capa neuronal se ve afectada con un peso sináptico específico. Los pesos sinápticos de las entradas se eligen primero aleatoriamente cuando se programa el perceptrón multicapa. Como se analizará más adelante, esos pesos sinápticos se ajustan durante una fase de entrenamiento de la red neuronal.
[0141] Se proporcionan redes neuronales artificiales para predecir y clasificar datos realizando análisis de regresión de datos inyectados a través de la entrada de la red neuronal, es decir, a través de las entradas de las neuronas de la primera capa. Los datos inyectados son un vector X<0>de coordenadas j y son procesados sucesivamente por la primera capa neuronal y todas las capas neuronales intermedias.
[0142] Los datos de salida, es decir, los datos obtenidos en la salida de la red neuronal, son un vector Y<J>de j coordenadas relacionadas con el vector X<0>que representa los datos inyectados.
[0143] El vector X<0>comprendiendo coordenadas j, la primera capa y todas las capas neuronales intermedias de la red neuronal también comprende j neuronas, cada una con j entradas, cada entrada se ve afectada con un peso sináptico específico. La última capa comprende j neuronas ya que el vector de salida Y<J>comprende j coordenadas.
[0144] Para resumir la regresión de datos implementada por la red neuronal, los datos de entrada recibidos por cada neurona de una capa j son los datos de salida generados por las salidas de todas las neuronas de la capa j-1. En otras palabras, cada capa j de la red neuronal genera un vector de salida Y<J>a partir de un vector de entrada X<j>que ha sido procesado con las funciones de transferencia de las neuronas de la capa j. Las coordenadas de X<j>son las mismas coordenadas que el vector de salida Y<j-1>de la capa j-1, mientras que las coordenadas del vector de entrada X<j+1>de la capa j+1 son las mismas coordenadas que el vector de salida Y<j>de la capa j.
[0145] A la salida de la red neuronal, el vector de salida Y<J>resulta del procesamiento del vector de entrada X<J>= Y<J-1>por la capa de salida de la red neuronal. Por lo tanto, la regresión de datos se implementa a través de la propagación de datos en las capas sucesivas de la red neuronal.
[0146] Con respecto a las etapas quinta E5 a séptima E7 del procedimiento de la invención, las coordenadas del vector de entrada X<0>son la temperatura de emisión estimadaTesty los diferentes valores de emisividad estimada ε<est,m>(λm’, Test)
para cada longitud de onda centrada λ<m>de los N conjuntos difusos. Este vector de entrada X<0>es procesado sucesivamente por las capas de la red neuronal para generar un vector de salida Y<M>cuyas coordenadas son las proporciones de diferentes compuestos químicos del producto metalúrgico 2. En otras palabras, los medios de procesamiento en las etapas quinta a séptima determinan la composición química del producto metalúrgico 2 a partir de su emisividad espectral estimada ε<est>(λ, Test)
y su temperatura estimada T<est>. Sin embargo, dicho procesamiento solo es posible si los pesos se ajustan correctamente.
[0147] Una cuestión crucial del procedimiento es ajustar finamente dichos pesos sinápticos para obtener una buena clasificación y/o predicción de datos.
[0148] La base de datos de radiaciones de referenciaLref,i(λ,Tref,n)se construye previamente midiendo una colección de muestras i con composición química conocida a diferentes temperaturas de emisión T<ref>,<n>. Para cada muestra, se mide una radiancia observada, y el primer algoritmo descrito anteriormente se aplica a esta radiancia observada para obtener varios valores de emisividad de referencia ε<ref,i,k>(λ<k>, T<ref>) dependiendo de la longitud de ondaλk.
[0149] Los medios de procesamiento construyen así una base de datos de muestras, cada muestra comprendiendo un vector de entrada X'<0>relacionado con los valores de emisividad de referencia a diferentes temperaturas de emisión de referencia, y un vector de salida Y'<J>correlacionado con X'<0>y relacionado con una composición química conocida. En otras palabras, los valores de emisividad a una temperatura de emisión específica están directamente relacionados con una composición química de un producto metalúrgico 2.
[0150] Para entrenar la red neuronal, se implementan funciones de retropropagación. Un vector de entrada X'<0>correlacionado con un vector de salida conocido Y'<J>se introduce en la red neuronal. X'<0>es procesado por la red neuronal y se obtiene un vector de salida calculado Y<J>. A continuación, Y<J>se compara con Y'<J>con una función de pérdida conocida para determinar un valor de error. Los medios de procesamiento comparan a continuación este valor de error con un umbral predeterminado.
[0151] Si el valor de error es mayor que el umbral, este valor de error o preferentemente el gradiente de error se retropropaga en la red neuronal para adaptar ligeramente el peso de cada entrada neuronal. A continuación, se calcula un nuevo vector de salida Y<J>a partir de X'<0>y de nuevo se compara con Y'J con la función de pérdida y se calcula un nuevo valor de error. Siempre que el valor de error o su gradiente sea mayor que el umbral, se itera la etapa de retropropagación. La red neuronal se entrena una vez que el valor de error es menor que el umbral.
[0152] El sistema espectral 1 y el procedimiento de la invención permiten:
[0153] • adquirir radiaciones electromagnéticas emitidas directamente por un producto metalúrgico líquido 2;
[0154] • estimar la emisividad espectral ε<est>(λ, Test)
en el intervalo de longitud de onda predeterminado λ del sistema 1 y la temperaturaTestdel producto metalúrgico 2 a partir de las radiaciones emitidas, gracias al modelo de transferencia radiativa implementado por los medios de procesamiento del sistema espectral 1, y
[0155] • estimar la composición química del producto metalúrgico 2, gracias al modelo de regresión implementado por los medios de procesamiento.
Claims (11)
1. REIVINDICACIONES
1. Dispositivo para determinar la composición química de un producto metalúrgico líquido (2) que emite radiaciones electromagnéticas, comprendiendo:
- una sonda de recogida (3) configurada para adquirir las radiaciones electromagnéticas emitidas por el producto metalúrgico (2) en un intervalo de longitud de onda predeterminado Δλ,
- medios espectroscópicos (8) conectados a la sonda de recogida (3) y configurados para generar una señal espectral de las radiaciones electromagnéticas adquiridas,
- medios de procesamiento configurados para calcular una radiancia observadaLobs(λ,T<est>) a partir de dicha señal espectral generada usando un modelo de transferencia radiativa, y para estimar, a partir de dicha radiancia observada calculadaLobs(λ, Test),la temperaturaTesty la emisividad espectral ε<est>(λ,
T<est>) del producto metalúrgico (2) en el intervalo de longitud de onda predeterminado Δλ, donde dichos medios de procesamiento comprenden una base de datos de radiancias de referenciaLref,i (λ, Tref,n)de X muestras i, i variando de 1 a X, en el intervalo de longitud de onda predeterminado Δλ y Z temperaturas de referencia T<ref,n,>n variando de 1 a Z, comprendiendo para cada radiancia de referencia:
- emisividades espectrales de referencia ε<ref,i>(λ, T<ref,n>) asociadas a temperaturas de referenciaTref,nen el intervalo de longitud de onda predeterminado Δλ, y
- la composición química de dichas muestras i, donde los medios de procesamiento están configurados para comparar la emisividad espectral estimada ε<est>(λ,Test)y la temperatura estimadaTestcon las temperaturas de referenciaTref,ny las emisividades espectrales de referencia ε<ref,i>(λ, T<ref,n>) en el intervalo de longitud de onda predeterminado Δλ de cada radiancia de referencia L<ref,i>(λ, T<ref,n>) de dicha base de datos para T<ref,n>= T<ref>, para determinar la radiancia de referenciaLbf(λ, Tref)que mejor se ajusta a la radiancia observadaLobs(λ,T<est>),y para determinar la composición química del producto metalúrgico líquido (2) a partir de la radiancia de referencia de mejor ajuste determinadaLbf(λ, Tref).
2. Dispositivo (1) según la reivindicación 1, donde los medios espectroscópicos (8) comprenden una pluralidad de espectrómetros (9, 10, 11), cada espectrómetro está conectado a la sonda de recogida (3) y configurado para generar una parte de la señal espectral en una fracción determinada del intervalo de longitud de onda predeterminado Δλ.
3. Dispositivo (1) según la reivindicación 1 o la reivindicación 2, donde los medios espectroscópicos (8) están configurados para generar la señal espectral en un intervalo espectral entre 200 y 12000 nanómetros correspondiente al intervalo de longitud de onda predeterminado Δλ
4. Dispositivo (1) según cualquiera de las reivindicaciones anteriores, donde los medios de procesamiento también están configurados para corregir cada parte de la señal espectral con al menos una constante de calibración calculada por dichos medios de procesamiento y asociada con el espectrómetro considerado (9, 10, 11).
5. Procedimiento para determinar la composición química de un producto metalúrgico líquido (2) que emite radiaciones electromagnéticas con un dispositivo (1) según cualquiera de las reivindicaciones 1 a 4, comprendiendo dicho procedimiento las siguientes etapas:
viii. adquirir (E1) las radiaciones electromagnéticas emitidas por el producto metalúrgico (2) en el intervalo de longitud de onda predeterminado Δλ;
ix. generar una señal espectral (E2) separando y midiendo los componentes espectrales de dichas radiaciones electromagnéticas emitidas por el producto metalúrgico (2);
x. calcular una radiancia observadaLobs(λ,T<est>) (E3) del producto metalúrgico (2) a partir de dicha señal espectral usando un modelo de transferencia radiativa;
xi. estimar (E4) a partir de dicha radiancia observadaLobs(λ,T<est>) la temperaturaTesty la emisividad espectral(λ, Test)del producto metalúrgico (2) en dicho intervalo de longitud de onda predeterminado;
xii. comparar (E5) dicha emisividad espectral estimada ε<est>(
λ,T<est>) y la temperatura T<est>con la emisividad espectral de referencia ε<ref,i>(λ, T<ref>) y la temperatura de referenciaTrefde cada radiancia de referenciaLref,i(λ, Tref)de la base de datos;
xiii. determinar la mejor radiancia de referencia de ajusteLbf(λ, Tref)(E6) con la radianciaLobs(λ, Test) observada,y xiv. determinar la composición química (E7) del producto metalúrgico emisor (2).
6. Procedimiento según la reivindicación anterior, donde también se estima un coeficiente de atenuación de la atmósfera a partir de la radiancia observada en la etapa iv (E4), estando dicha radiancia observada correlacionada con dicho coeficiente de atenuación.
7. Procedimiento según la reivindicación 5 o la reivindicación 6, donde la etapa iii (E3) se implementa siguiendo las siguientes subetapas:
• convertir la señal espectral en una radiancia de cuerpo negro idealLBB(λ,T);
• corregir esta radiancia idealLBB(λ, T)con al menos una constante de calibración calculada por los medios de procesamiento y asociada con los medios espectroscópicos (8), calculándose dicha constante de calibración usando una lámpara de calibración de temperatura de emisión conocida y emisividad conocida en el intervalo de longitud de onda.
8. Procedimiento según la reivindicación anterior, donde la etapa iv (E4) se implementa siguiendo las siguientes subetapas:
• determinar un vector cuyas coordenadas son variables elegidas aleatoriamente que representan al menos la temperatura de emisión y la emisividad en el intervalo de longitud de onda;
• calcular una radiancia esperadaLexp(λ, T)basado en las variables elegidas;
• ajustar un modelo probabilístico de inferencia comparando la radiancia observada y la radiancia esperada, para modificar aleatoriamente la varianza esperada modificando aleatoriamente las variables elegidas, hasta la convergencia de la radiancia esperadaLexp(λ, T)hacia la radiancia observadaLobs(λ, Test);
• estimar la temperatura de emisiónTesty la emisividad espectral ε<est>(λ, T<est>) en el intervalo de longitud de onda Δλ del producto metalúrgico líquido (2) usando dicho modelo probabilístico de inferencia ajustado.
9. Procedimiento según la reivindicación anterior, donde una de las coordenadas del vector comprende el coeficiente de atenuación de la atmósfera, y donde dicho coeficiente de atenuación también se estima mediante el uso de dicho modelo probabilístico de inferencia ajustado.
10. Procedimiento según la reivindicación 8 o la reivindicación 9, donde la etapa iv (E4) se implementa usando un conjunto reducido de longitudes de onda que se determinan a partir del intervalo de longitudes de onda usando una función de transferencia triangular.
11. Procedimiento según cualquiera de las reivindicaciones 5 a 10, donde las etapas v (E5) a vii (E7) se llevan a cabo mediante un perceptrón multicapa implementado por los medios de procesamiento.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/IB2021/051976 WO2022189830A1 (en) | 2021-03-10 | 2021-03-10 | System and method for determining the chemical composition of liquid metallurgical products |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES3064528T3 true ES3064528T3 (en) | 2026-04-27 |
Family
ID=74874911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES21712226T Active ES3064528T3 (en) | 2021-03-10 | 2021-03-10 | System and method for determining the chemical composition of liquid metallurgical products |
Country Status (13)
| Country | Link |
|---|---|
| US (1) | US12510485B2 (es) |
| EP (1) | EP4305407B1 (es) |
| JP (1) | JP7663705B2 (es) |
| KR (1) | KR20230140586A (es) |
| CN (1) | CN116888457A (es) |
| BR (1) | BR112023016119A2 (es) |
| CA (1) | CA3210901A1 (es) |
| ES (1) | ES3064528T3 (es) |
| FI (1) | FI4305407T3 (es) |
| MX (1) | MX2023010509A (es) |
| PL (1) | PL4305407T3 (es) |
| UA (1) | UA130592C2 (es) |
| WO (1) | WO2022189830A1 (es) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117420863B (zh) * | 2023-10-30 | 2024-04-19 | 上海频准激光科技有限公司 | 一种增益介质材料隶属函数类型确定方法、设备及介质 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2572523B1 (fr) | 1984-10-25 | 1987-06-12 | Bertin & Cie | Procede et dispositif pyrometriques pour determiner a distance, par voie optique, la temperature et/ou l'emissivite d'un corps ou milieu quelconque |
| JPH0675037B2 (ja) * | 1987-11-09 | 1994-09-21 | 新日本製鐵株式会社 | 溶鉄成分の検出方法およびそれに基づく精錬方法 |
| TW337553B (en) * | 1995-12-20 | 1998-08-01 | Voest Alpine Ind Anlagen | Method for determination of electromagnetic waves originating from a melt |
| JP3861480B2 (ja) | 1998-11-12 | 2006-12-20 | Ｊｆｅスチール株式会社 | スラグの分析方法及び装置 |
| US6640199B1 (en) * | 2001-10-24 | 2003-10-28 | Spectral Sciences, Inc. | System and method for optically determining properties of hot fluids from the spectral structure of emitted radiation |
| CA2503610C (en) * | 2002-11-06 | 2011-08-02 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of Natural Resources Canada | Nir spectroscopy method for analyzing chemical process components |
| US20070279629A1 (en) * | 2004-01-07 | 2007-12-06 | Jacob Grun | Method and apparatus for identifying a substance using a spectral library database |
| FR2938066B1 (fr) * | 2008-11-06 | 2010-12-17 | Centre Nat Rech Scient | Systeme et procede d'analyse quantitative de la composition elementaire de la matiere par spectroscopie du plasma induit par laser (libs) |
| BR112015014244A2 (pt) * | 2012-12-28 | 2017-07-11 | Halliburton Energy Services Inc | fonte de luz para uso em um sensor ótico, sensor ótico, e, método para determinar uma composição química de uma amostra usando um sensor ótico |
| KR102093005B1 (ko) * | 2015-05-11 | 2020-03-25 | 아르셀러미탈 | 슬래그 부분의 화학적 조성을 결정하는 방법 |
| CN105043555B (zh) * | 2015-09-18 | 2017-12-12 | 上海工程技术大学 | 一种计算光谱发射率和真实温度的方法 |
| JP6424998B1 (ja) * | 2017-04-25 | 2018-11-21 | 新日鐵住金株式会社 | スケール組成判定システム、スケール組成判定方法、およびプログラム |
| RU2664485C1 (ru) * | 2017-07-05 | 2018-08-17 | Александр Николаевич Забродин | Способ спектрального анализа химического состава расплавленных металлов и устройство для его осуществления |
| FR3077640B1 (fr) * | 2018-02-05 | 2023-06-30 | Elichens | Procede d'analyse d'un gaz par une double illumination |
| CN110567591B (zh) * | 2019-09-25 | 2020-07-28 | 核工业北京地质研究院 | 一种适用于地面热红外数据的温度/发射率反演方法 |
| CN110866467A (zh) * | 2019-10-30 | 2020-03-06 | 核工业北京地质研究院 | 一种航空中红外高光谱数据温度和发射率反演方法 |
| CN111398198A (zh) * | 2020-04-29 | 2020-07-10 | 中国农业大学 | 一种小麦籽粒微量元素快速无损检测方法 |
-
2021
- 2021-03-10 US US18/280,429 patent/US12510485B2/en active Active
- 2021-03-10 PL PL21712226.6T patent/PL4305407T3/pl unknown
- 2021-03-10 EP EP21712226.6A patent/EP4305407B1/en active Active
- 2021-03-10 JP JP2023555254A patent/JP7663705B2/ja active Active
- 2021-03-10 KR KR1020237030848A patent/KR20230140586A/ko active Pending
- 2021-03-10 WO PCT/IB2021/051976 patent/WO2022189830A1/en not_active Ceased
- 2021-03-10 UA UAA202304739A patent/UA130592C2/uk unknown
- 2021-03-10 FI FIEP21712226.6T patent/FI4305407T3/fi active
- 2021-03-10 ES ES21712226T patent/ES3064528T3/es active Active
- 2021-03-10 CA CA3210901A patent/CA3210901A1/en active Pending
- 2021-03-10 CN CN202180094481.5A patent/CN116888457A/zh active Pending
- 2021-03-10 BR BR112023016119A patent/BR112023016119A2/pt unknown
- 2021-03-10 MX MX2023010509A patent/MX2023010509A/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4305407A1 (en) | 2024-01-17 |
| KR20230140586A (ko) | 2023-10-06 |
| US12510485B2 (en) | 2025-12-30 |
| JP7663705B2 (ja) | 2025-04-16 |
| EP4305407B1 (en) | 2026-02-11 |
| CA3210901A1 (en) | 2022-09-15 |
| UA130592C2 (uk) | 2026-03-25 |
| CN116888457A (zh) | 2023-10-13 |
| WO2022189830A1 (en) | 2022-09-15 |
| MX2023010509A (es) | 2023-09-20 |
| PL4305407T3 (pl) | 2026-04-13 |
| JP2024509586A (ja) | 2024-03-04 |
| FI4305407T3 (fi) | 2026-03-26 |
| BR112023016119A2 (pt) | 2023-10-03 |
| US20240133816A1 (en) | 2024-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101862106B1 (ko) | 복사열 영상측정장치를 이용한 온도측정장치의 교정방법 | |
| CN105043555B (zh) | 一种计算光谱发射率和真实温度的方法 | |
| RU2083961C1 (ru) | Способ измерения температуры и коэффициента излучения поверхности | |
| CN113588115A (zh) | 一种基于多光谱比色的温度测量方法 | |
| RU2752809C1 (ru) | Способ спектротермометрии | |
| Lapeyre et al. | A Bayesian error model for quantifying methane and carbon dioxide column densities from hyperspectral measurements | |
| US12510485B2 (en) | System and method for determining the chemical composition of liquid metallurgical products | |
| CN103983353B (zh) | 一种利用等离子体发射光谱实现光学系统传输效率的标定方法 | |
| RU2737606C1 (ru) | Способ измерения яркостной температуры и пирометрический преобразователь для его осуществления | |
| CN118089955A (zh) | 一种目标红外光谱发射率外场测量方法及系统 | |
| CN120274891A (zh) | 一种基于自由能最小化的温度场成像方法 | |
| Yu et al. | Construction and experimental verification of optimal expansion wavelength (OEW) inertia criterion based on three-channel wide-spectrum temperature measurement technology | |
| Chernysheva et al. | The main principles of development of an intelligent multi-channel radiation thermometer | |
| RU2727340C1 (ru) | Способ измерения действительной температуры и спектральной излучательной способности объекта | |
| Madding | Temperature dependence of the graybody approximation to emissivity for some common materials | |
| Sapritsky et al. | Effective emissivity | |
| Krapez | Measurements without contact in heat transfer: Multiwavelength radiation thermometry. principle, implementation and pitfalls | |
| CN117232661B (zh) | 一种多通道红外辐射测量系统及多波长实时温度测量方法 | |
| Krapez et al. | Lecture 4: Measurements without contact in heat transfer: radiation thermometry. Part A: principles, implementation and pitfalls | |
| Tan et al. | High-Temperature Measurement Method Based on Ensemble Learning with Combined Dual-Color and Tri-Color Colorimetric Thermometry | |
| Zheng et al. | A model of faint target temperature estimation based on dual-band infrared | |
| Kim et al. | LSC-TES: Local spectral curvature-based accurate temperature-emissivity separation in indoor environments | |
| Moshe et al. | Measurement of emissivity with a new grey body and novel IR thermal sensor dubbed TMOS | |
| Liao et al. | Simultaneous measurement of two dimensional temperature of combustion chamber wall and flame along the path with infrared radiation thermometry | |
| Schmitt | Pyrometric temperature and emissivity determination from statistic of the broadband spectral ratio |