基于机器视觉和SVM的AOD炉终点预测方法

被引:2
作者
韩顺杰
尤文
马海涛
孙明超
机构
[1] 长春工业大学电气与电子工程学院
关键词
AOD炉; 机器视觉; 火焰特征; 支持向量机;
D O I
暂无
中图分类号
TF33 [铁合金冶炼机械与生产自动化];
学科分类号
0806 ;
摘要
针对AOD炉冶炼中低碳铬铁合金工艺过程终点判别依靠人工看火操作的难题,提出了利用机器视觉技术模拟传统人工看火过程进行终点判别的方法。利用灰度级提取AOD炉口火焰特征,采用支持向量机(SVM)算法实现图像特征的训练和测试,对比了3种核函数的测试精度。实验结果表明,采用机器视觉技术提取火焰图像特征并与支持向量机结合的方法能够有效识别冶炼终点,并具有较好的识别精度。
引用
收藏
页码:20 / 23
页数:4
相关论文
共 6 条
[1]   基于火焰图像特征与BT-SVM的窑况识别方法 [J].
孙鹏 ;
周晓杰 ;
柴天佑 .
系统仿真学报, 2009, 21 (13) :4019-4022+4027
[2]   我国转炉炼钢的现状和发展 [J].
王勇 ;
杨宁川 ;
王承宽 .
特殊钢, 2005, (04) :1-5
[3]   氩氧炉生产中、低、微碳铬铁的新工艺 [J].
贾振海 .
铁合金, 2005, (02) :11-16+25
[4]   基于支持向量机的火焰状态识别方法 [J].
白卫东 ;
严建华 ;
马增益 ;
王飞 ;
张清宇 ;
林彬 ;
倪明江 ;
岑可法 .
动力工程, 2004, (04) :548-551
[5]  
转炉炼钢生产[M]. 冶金工业出版社 , 冯捷, 2006
[6]  
Mass spectrometry for oxygen steelmaking control .2 Daniel Merriman. Steel Times . 1997