钢包透气砖生产方法及其系统与流程

本技术涉及智能化生产，且更为具体地，涉及一种钢包透气砖生产方法及其系统。

背景技术：

1、钢包透气砖是炉外精炼中安装钢包底部提供吹氩工艺的关键功能元件，其主要功能是向钢液中吹入惰性气体，搅拌钢水，快速分散、融化添加到钢液的合金，使有害夹杂物和气体上浮，达到精炼的目的。钢包透气砖质量及性能的好坏直接影响炼钢的质量和效率。

2、目前传统钢包耐火透气砖在使用过程中，抗热震性能不佳，且在高温吹氧过程中，容易造成砖体损坏，从而影响砖体使用寿命。

3、因此，期望一种优化的钢包透气砖生产方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种钢包透气砖生产方法及其系统，其获取预定时间段内多个预定时间点的搅拌速度值和所述预定时间段的混合监控视频，采用基于深度学习的人工智能生产技术，以对于监控帧的图像语义和搅拌速度值进行多尺度时序关联特征提取，以生成搅拌速度与原材料混合的状态变化之间的复杂映射关系，并基于混合状态变化调整所述当前时间点的搅拌速度。这样，可以通过混合状态变化来自适应地实时调整搅拌速度，以提高搅拌效率且保证搅拌质量，进而提高耐火透气砖的使用寿命。

2、根据本技术的一个方面，提供了一种钢包透气砖生产方法，其包括：

3、获取预定时间段内多个预定时间点的搅拌速度值和所述预定时间段的混合监控视频；

4、从所述混合监控视频提取所述多个预定时间点对应的混合监控关键帧；

5、将所述多个预定时间点的混合监控关键帧分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个混合监控特征矩阵；

6、将所述多个混合监控特征矩阵分别展开为一维特征向量以得到多个混合监控特征向量；

7、将所述多个混合监控特征向量沿着样本维度拼接为全局混合监控特征向量后通过第一多尺度邻域特征提取模块以得到多尺度状态变化特征向量；

8、将所述多个预定时间点的搅拌速度值按照时间维度排列为搅拌速度输入向量后通过第二多尺度邻域特征提取模块以得到多尺度搅拌速度特征向量；

9、计算所述多尺度状态变化特征向量相对于所述多尺度搅拌速度特征向量的响应性估计以得到分类特征矩阵；

10、基于所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量，对所述分类特征矩阵进行校正以得到校正后分类特征矩阵；以及

11、将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。

12、在上述钢包透气砖生产方法中，所述将所述多个预定时间点的混合监控关键帧分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个混合监控特征矩阵，包括：从所述包含深浅特征融合模块的第一卷积神经网络模型的浅层提取浅层特征矩阵；从所述包含深浅特征融合模块的第一卷积神经网络模型的深层提取深层特征矩阵；以及，使用所述包含深浅特征融合模块的第一卷积神经网络模型的深浅特征融合模块来融合所述浅层特征矩阵和所述深层特征矩阵以得到所述多个混合监控特征矩阵。

13、在上述钢包透气砖生产方法中，所述将所述多个混合监控特征矩阵分别展开为一维特征向量以得到多个混合监控特征向量，包括：将所述多个混合监控特征矩阵分别沿着行向量或者列向量展开为一维特征向量以得到多个混合监控特征向量。

14、在上述钢包透气砖生产方法中，所述第一多尺度邻域特征提取模块，包括：相互并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的第一多尺度融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。

15、在上述钢包透气砖生产方法中，所述将所述多个混合监控特征向量沿着样本维度拼接为全局混合监控特征向量后通过第一多尺度邻域特征提取模块以得到多尺度状态变化特征向量，包括：使用所述第一多尺度邻域特征提取模块的第一卷积层以如下公式对所述全局混合监控特征向量进行一维卷积编码以得到所述第一尺度状态变化特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；其中，所述公式为：

16、

17、其中，a为第一卷积核在x方向上的宽度、f(a)为第一卷积核参数向量、g(x-a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，x表示所述全局混合监控特征向量；

18、使用所述第一多尺度邻域特征提取模块的第二卷积层以如下公式对所述全局混合监控特征向量进行一维卷积编码以得到所述第二尺度状态变化特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；其中，所述公式为：

19、

20、其中，b为第二卷积核在x方向上的宽度、f(b)为第二卷积核参数向量、g(x-b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，x表示所述全局混合监控特征向量；以及，将所述第一尺度状态变化特征向量和所述第二尺度状态变化特征向量进行级联以得到所述多尺度状态变化特征向量。

21、在上述钢包透气砖生产方法中，所述第二多尺度邻域特征提取模块，包括：相互并行的第三卷积层和第四卷积层，以及，与所述第三卷积层和所述第四卷积层连接的第二多尺度融合层，其中，所述第三卷积层和所述第四卷积层使用具有不同尺度的一维卷积核。

22、在上述钢包透气砖生产方法中，所述计算所述多尺度状态变化特征向量相对于所述多尺度搅拌速度特征向量的响应性估计以得到分类特征矩阵，包括：以如下公式计算所述多尺度状态变化特征向量相对于所述多尺度搅拌速度特征向量的响应性估计以得到分类特征矩阵；其中，所述公式为：

23、

24、其中，vs表示多尺度状态变化特征向量，vl表示所述多尺度搅拌速度特征向量，m表示所述分类特征矩阵。

25、在上述钢包透气砖生产方法中，所述基于所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量，对所述分类特征矩阵进行校正以得到校正后分类特征矩阵，包括：以如下公式对所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量进行类节点的拓扑-类中心融合以得到融合特征矩阵；其中，所述公式为：

26、

27、其中，v1和v2分别是所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量，v2t是所述多尺度搅拌速度特征向量的转置向量，mc是所述融合特征矩阵，和⊙分别表示矩阵或向量的kronecker积和hadamard积，d(v1，v2)为所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量之间的距离矩阵，且v1和v2均为列向量，exp(·)表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值；以及，将所述融合特征矩阵与所述分类特征矩阵进行矩阵相乘以得到所述校正后分类特征矩阵。

28、在上述钢包透气砖生产方法中，所述将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小，包括：将所述校正后分类特征矩阵按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

29、根据本技术的另一个方面，提供了一种钢包透气砖生产系统，其包括：

30、数据采集模块，用于获取预定时间段内多个预定时间点的搅拌速度值和所述预定时间段的混合监控视频；

31、关键帧提取模块，用于从所述混合监控视频提取所述多个预定时间点对应的混合监控关键帧；

32、卷积编码模块，用于将所述多个预定时间点的混合监控关键帧分别通过包含深浅特征融合模块的第一卷积神经网络模型以得到多个混合监控特征矩阵；

33、向量展开模块，用于将所述多个混合监控特征矩阵分别展开为一维特征向量以得到多个混合监控特征向量；

34、第一多尺度特征提取模块，用于将所述多个混合监控特征向量沿着样本维度拼接为全局混合监控特征向量后通过第一多尺度邻域特征提取模块以得到多尺度状态变化特征向量；

35、第二多尺度特征提取模块，用于将所述多个预定时间点的搅拌速度值按照时间维度排列为搅拌速度输入向量后通过第二多尺度邻域特征提取模块以得到多尺度搅拌速度特征向量；

36、响应性估计计算模块，用于计算所述多尺度状态变化特征向量相对于所述多尺度搅拌速度特征向量的响应性估计以得到分类特征矩阵；

37、校正模块，用于基于所述多尺度状态变化特征向量和所述多尺度搅拌速度特征向量，对所述分类特征矩阵进行校正以得到校正后分类特征矩阵；以及

38、搅拌速度控制模块，用于将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的搅拌速度值应增大或应减小。

39、与现有技术相比，本技术提供的钢包透气砖生产方法及其系统，其获取预定时间段内多个预定时间点的搅拌速度值和所述预定时间段的混合监控视频，采用基于深度学习的人工智能生产技术，以对于监控帧的图像语义和搅拌速度值进行多尺度时序关联特征提取，以生成搅拌速度与原材料混合的状态变化之间的复杂映射关系，并基于混合状态变化调整所述当前时间点的搅拌速度。这样，可以通过混合状态变化来自适应地实时调整搅拌速度，以提高搅拌效率且保证搅拌质量，进而提高耐火透气砖的使用寿命。