一种高炉铁水硅含量在线检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113092448A(43)申请公布日2021.07.09(21)申请号202110313013.4(22)申请日2021.03.24(71)申请人中南大学地址410083湖南省长沙市麓山南路932号申请人合肥金星机电科技发展有限公司(72)发明人蒋朝辉黄倩谢永芳潘从元桂卫华方怡静朱霁霖吴华峰(74)专利代理机构长沙朕扬知识产权代理事务所(普通合伙)43213代理人易瑶(51)Int.Cl.G01N21/71(2006.01)G06N3/04(2006.01)权利要求书3页说明书11页附图3页(54)发明名称一种高炉铁水硅含量在线检测方法及系统(57)摘要本发明公开了一种高炉铁水硅含量在线检测方法及系统，通过采集标准实验样品光谱数据与高炉铁水在线光谱数据，对在线光谱数据进行预处理，获得铁水各元素的光谱分析线，提取铁水各元素的光谱分析线的光谱特征量，基于光谱特征量，采用广义回归神经网络建立定标模型，并基于定标模型获得高炉铁水硅含量，解决了现有高炉铁水硅含量在线检测精度低的技术问题，充分结合铁水成分含量、检测环境等特点，基于谱线展宽机制求得铁水样本中关键元素的分析谱线最优线型，并对分析谱线最优线型进行参数优化，以及获取谱线积分强度特征，从而更准确的得到光谱特征信息与微量元素含量的定标模型，进而基于定标模型实现高炉铁水硅含量的高精度在线检测。CN113092448ACN113092448A权利要求书1/3页1.一种高炉铁水硅含量在线检测方法，其特征在于，所述方法包括：采集标准实验样品光谱数据与高炉铁水在线光谱数据；对所述高炉铁水在线光谱数据进行预处理，获得铁水各元素的光谱分析线；提取铁水各元素的光谱分析线的光谱特征量；基于所述光谱特征量，采用广义回归神经网络建立多元光谱分析线积分强度与硅含量之间的定标模型；基于所述定标模型，获得高炉铁水硅含量。2.根据权利要求1所述的高炉铁水硅含量在线检测方法，其特征在于，对所述高炉铁水在线光谱数据进行预处理，获得铁水各元素的光谱分析线包括：将高炉铁水在线光谱数据中的谱图中的负值数据剔除；根据LIBS光谱呈正态分布的特点，采用依据拉依达准则筛选数据，进行kσ校验，对高炉铁水在线光谱数据中的谱图进行有效筛选，剔除异常谱线，循环验证并每次删除不满足校验标准的谱线中偏差最大的一条，直至所有谱线满足验证条件或者谱线数量少于原始谱线数量的一半；对剩下符合正态分布的谱图按波长分布取平均值，获得平均谱图；对所述平均谱图进行归一化处理；通过连续小波变换操作，对归一化后的平均谱图进行寻峰；根据标准原子发射光谱数据库与平均谱图的寻峰结果，获得铁水各元素的光谱分析线。3.根据权利要求1或2所述的高炉铁水硅含量在线检测方法，其特征在于，提取铁水各元素的光谱分析线的光谱特征量包括：基于谱线展宽机制求得铁水样本中关键元素的光谱分析线的最优线型，获得最优线型光谱分析线；对所述最优线型光谱分析线进行拟合优化；根据拟合优化后的最优线型光谱分析线，提取铁水各元素的光谱分析线的光谱特征量。4.根据权利要求3所述的高炉铁水硅含量在线检测方法，其特征在于，基于谱线展宽机制求得铁水样本中关键元素的光谱分析线的最优线型，获得最优线型光谱分析线包括：获取与光谱分析线的中心波长最近的两个波谷点组成的区域，其中所述区域包含x个离散数据点；将所述区域内的x个离散点代入待选线型的拟合函数，进行第一次拟合，其中所述待选线型包括三种线型，分别为Lorentz线型、Gauss线型和Voigt线型；将第一次拟合后得到的基底信号取平均值与波长中心位置取平均值，分别代入三种线型的拟合函数，进行第二次拟合；获取x个离散数据点分别在基底信号同为基底信号的平均值，波长中心位置都取波长中心位置的平均值的三种线型拟合下的残差平方和；比较三种线型的残差平方和，若Voigt线型的残差值不是最小的，则直接选择另两种线型中残差值最小的种类作为与光谱分析线对应的最优线型，若Voigt线型的残差值是最小的，则判断是否与另两种线型残差绝对差是否大于5％，若是，则直接将Voigt线型作为最优2CN113092448A权利要求书2/3页线型，否则，选择与Voigt函数残差平方和相近的Lorentz或者Gauss线型作为与光谱分析线对应的最优线型。5.根据权利要求4所述的高炉铁水硅含量在线检测方法，其特征在于，对所述最优线型光谱分析线进行拟合优化包括：确定对最优线型光谱分析线进行拟合优化的优化目标函数与参数约束；根据优化目标函数与参数约束确定蜘蛛猴优化算法中的各项参数数值，最终通过蜘蛛猴优化算法得到目标函数中拟合参数基底信号、谱峰系数、半高宽和中心频率的最优解，从而得到相应线型的最优拟合函数。6.根据权利要求5所述的高