一种连续高精度的高炉料位实时检测方法

摘要

本发明公开了一种连续高精度的高炉料位实时检测方法，该方法以划分时间段的方式对现有的雷达检测数据与机械探尺检测数据进行样本选取，采用一种混合模糊聚类算法完成了雷达数据样本的聚类；通过智能方法获取雷达和机械探尺检测数据的关系模型，在此基础上构建滑动窗口模型对现有雷达检测数据进行处理，获得了高炉实时精确的料位信息，在现有雷达和机械探尺检测装备的基础上实现了高炉实时料位信息的连续高精度检测。本发明的方法克服了机械探尺无法连续测量以及雷达精度不高的双向缺点，充分利用高炉现有的检测设备，具有投资成本少、检测精度高、实时性好等特点。

主权项

一种连续高精度的高炉料位实时检测方法，其特征在于，所述方法包括以下步骤：S1、根据高炉布料工艺以划分时间段的方式对现有的雷达检测数据以及机械探尺检测数据进行样本选取，得到雷达数据样本以及机械探尺数据样本，所述雷达数据样本以及机械探尺数据样本组成数据样本；对选取的数据样本进行预处理，得到用于数据融合的训练样本；S2、采用混合模糊聚类算法，对所述步骤S1中的雷达数据样本进行聚类分析处理，得到所述雷达数据样本的聚类中心；S3、选取RBF神经网络模型结构及建模方法，根据所述步骤S2中得到的聚类中心以及所述步骤S1中得到的训练样本，建立雷达和机械探尺检测数据的关系模型；S4、利用所述骤S3中确定的雷达和机械探尺检测数据的关系模型，构建滑动窗口模型，对现有雷达检测数据进行处理，获得高炉连续高精度的料位信息；其中，所述步骤S1具体包括以下步骤：S11、对雷达检测数据和机械探尺检测数据剔除噪声较大的数据段，选取工况稳定的数据段作为数据样本源；S12、根据高炉布料和等待时的料位变化特征，对所述步骤S11数据样本源中的雷达检测数据按布料批次进行时间段划分，选取同一时间段内的N个雷达检测数据作为雷达数据样本；S13、选取与所述步骤S12中雷达数据样本对应时间段内的机械探尺检测数据，作为机械探尺数据样本，同时作为该雷达数据样本的目标输出值；雷达数据样本和目标输出值构成用于数据融合的训练样本。