基于料面视频图像分析的高炉异常状态智能感知与识别

doi:10.16383/j.aas.c230674

CASIA OpenIR > 学术期刊 > 自动化学报

	基于料面视频图像分析的高炉异常状态智能感知与识别
	朱霁霖; 桂卫华; 蒋朝辉; 陈致蓬; 方怡静
发表期刊	自动化学报
ISSN	0254-4156
	2024
卷号	50 期号:7 页码:1345-1362
摘要	智能感知、精准识别高炉(Blast furnace, BF)异常状态对高炉调控优化和稳定运行至关重要, 但高炉内部的黑箱状态致使传统检测方法难以直接感知并准确识别多种高炉异常状态. 新型工业内窥镜可获取大量料面视频图像, 为直接观测炉内运行状态提供了全新的手段. 基于此, 提出一种基于料面视频图像分析的高炉异常状态智能感知与识别方法. 首先, 提出基于多尺度纹理模糊C均值(Multi-scale texture fuzzy C-means, MST-FCM)聚类的高温煤气流区域提取方法, 准确获取煤气流图像, 并提取煤气流图像多元特征; 其次, 提出基于特征编码的高维特征降维方法, 结合自适应K-means++ 算法, 实现煤气流异常状态的粗粒度感知; 在此基础上, 通过改进雅可比–傅立叶矩(Jacobi-Fourier moments, JFM) 提取煤气流图像深层特征变化趋势, 进而提出细粒度煤气流异常状态感知方法; 最后, 基于煤气流异常状态感知结果, 结合料面视频图像, 提出多级残差通道注意力模块(Multi-level residual channel attention module, MRCAM), 建立高炉异常状态识别模型ResVGGNet, 实现高炉煤气流异常、塌料和悬料的精准在线识别. 实验结果表明, 所提方法能准确识别不同的高炉异常状态且识别速度快, 可为高炉平稳运行提供重要保障.
关键词	高炉料面图像高炉异常状态感知高炉异常状态识别多级残差通道注意力模块
DOI	10.16383/j.aas.c230674
引用统计
文献类型	期刊论文
条目标识符	http://ir.ia.ac.cn/handle/173211/58790
专题	学术期刊_自动化学报
推荐引用方式 GB/T 7714	朱霁霖,桂卫华,蒋朝辉,等. 基于料面视频图像分析的高炉异常状态智能感知与识别[J]. 自动化学报,2024,50(7):1345-1362.
APA	朱霁霖,桂卫华,蒋朝辉,陈致蓬,&方怡静.(2024).基于料面视频图像分析的高炉异常状态智能感知与识别.自动化学报,50(7),1345-1362.
MLA	朱霁霖,et al."基于料面视频图像分析的高炉异常状态智能感知与识别".自动化学报 50.7(2024):1345-1362.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
AAS-CN-2023-0674.pdf（12475KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载