基于Transformer模型的串联谐振中频炉熔炼温度测量.pdf

计算机时代 2023年 第9期0 引言随着冶金行业的不断发展，中频炉凭借其熔炼效率高，元素烧损少，温度易控制，操作方便，污染小等优点，成为冶金的重要手段1-2。为了迅速有效地去除金属中的杂质，加快炉料熔化，减少喷溅，提高炉龄，节约熔炼消耗的能源2，就需要控制炉料温度，而控制炉料温度的根本是准确测量温度。近年来，冶炼工厂中用于中频炉炉料的测温方法主要有热电偶、红外辐射测温等3，其中，热电偶不能够进行连续测温、寿命有限；红外辐射测温技术对环境要求极高，不同环境下的测温会对结果产生不同的影响，对炉体的也有一定的要求。随着科技的快速发展，熔炼测温的方法也逐步走向智能化4-11。中频炉的耗电量不可小觑，在熔炼期间，需要不断地测量炉料温度，调整中频炉的工作频率，实现用最小的电能达到最佳的熔炼效果。本文首先介绍串联谐振式中频炉的电路原理、温度对金属电阻率的影响，并对中频炉的电路模型做了仿真验证，搭建了数据采集系统，同时，对谐振回路电压、谐振回路电流及中频炉炉料温度进行了采集，并DOI:10.16644/33-1094/tp.2023.09.001基于Transformer模型的串联谐振中频炉熔炼温度测量*麻士峰，李艳萍(山东建筑大学信息与电气工程学院，山东 济南 250102)摘要：针对中频炉熔炼过程中传统测温方法的弊端，利用金属在熔炼过程中电阻率会随着温度的改变而变化的性质，提出利用Transformer模型来连续测量中频炉熔炼温度。对中频炉的电路结构进行分析，搭建数据采集系统，通过设计电路采集炉料温度和谐振回路的电压、电流等数据，推算出电路的等效电阻，对采集到的数据运用Transformer模型进行训练以及性能评估，实时测量出中频炉的熔炼温度。关键词：中频炉；Transformer模型；数据采集系统；熔炼温度测量中图分类号：TP399文献标识码：A文章编号：1006-8228(2023)09-01-05Melting temperature measurement of series resonant medium frequencyfurnace based on Transformer modelMa Shifeng,Li Yanping（School of Information and Electrical Engineering,Shandong Jianzhu University,Jinan,Shandong 250000,China）Abstract：In view of the disadvantages of traditional temperature measurement methods in the process of medium frequencyfurnace melting,Transformer model is proposed to continuously measure the melting temperature of medium frequency furnace bytaking advantage of the property that the resistivity of metal will change with the temperature during the melting process.Thecircuit structure of the medium frequency furnace is analyzed,and a data acquisition system is built.The data such as thetemperature of the furnace charge and the voltage and current of the resonant circuit are collected,and the equivalent resistance ofthe circuit is calculated.The collected data is trained using the Transformer model to evaluate its performance,so as to measurethe melting temperature of the medium frequency furnace in real time.Key words：medium frequency furnace;Transformer model;data acquisition system;melting temperature measurement收稿日期：2023-03-07*基金项目：山东省科技型中小企业创新能力提升工程项目（2022TSGC1262）；山东省自然科学基金资助项目（ZR2022MF267）作者简介：麻士峰（1998-），男，山东省淄博市人，硕士研究生在读，主要研究方向：智能控制与机器人系统。通讯作者：李艳萍（1967-），女，山东省济南市人，硕士，教授，主要研究方向：智能控制与机器人系统。1Computer Era No.9 2023通过 Transformer 模型对数据进行处理，并将模型测量温度与实际测量温度做了比较，实现温度测量的功能。1 原理简介1.1 串联谐振式中频炉原理串联谐振式中频炉的电路模型如图1所示，由三相交流电作为供电电源，通过一个桥式整流电路，把50Hz工频交流电整流成直流电，再经滤波器（电抗器LDC）滤波，然后经逆变器（SCR1-4）将直流电逆变为单相中频交流电供给负载。其中负载电路包括电容、电感、电阻，电感由感应线圈组成，这里的感应线圈和炉料等效为互感耦合，感应线圈、电阻、电容组成初级回路，炉料作为次级回路。图1串联谐振电路模型1.2 温度对金属电阻率的影响电阻率是反映导体导电性能好坏的物理量。金属在加热的过程中，由于温度不断变化，导致其电阻率呈现一种非线性的变化趋势12-13，如图2所示。根据金属电阻率随温度变化的这种关系，本文提出在金属熔炼过程中通过找到温度和电阻率的对应关系，来测算熔炼过程中炉料温度的方法。图2铝硅合金液电阻率温度关系曲线、钨电阻率随温度变化曲线1.3 中频炉电路模型仿真验证根据不同温度下金属电阻随温度变化而变化的原理，在Multisim上搭建了如图3所示的中频炉的硬件仿真电路，其中T1为中频炉上的线圈，圈数为24圈，该圈数为某串联谐振式中频炉实测圈数。在 T1 的次级线圈串联了一个最大阻值为 10m 的滑动变阻器，通过改变滑动变阻器阻值的方法模拟金属在不同温度下阻值的改变，以此来观察电阻改变对中频炉线路的数据影响。随机改变次级回路中滑动变阻器0.001m 阻值后的数据变化，初级回路电流变化了0.4A，电压变化了1V，回路的数据发生了非常明显的变化，故通过仿真可以看出通过电阻反映温度是可以实现的。图3仿真电路搭建2 Transformer模型训练数据的采集2.1 数据采集系统的搭建在谐振时，L与C上的电压VL0.与Vc0.大小相等，相位相差180，说明经过谐振电压Vs.等于R上的电压降VR.。由于谐振回路的通频带对外加电压具有选频作用，经过逆变器的输入电压，实际上只有其基波分量在发挥作用，其余的谐波都被过滤，故基波分量就是谐振回路电压Vs.，然后测量谐振回路的电流I0.，通过电压与电流求得R。2.1.1 谐振回路输入电压的采集与处理串联谐振电路的输入电压很大，无法直接采集，本文将两个串联在一起的无感精密高压电阻 R1 和R2，并联到谐振回路上，如图4所示，测试的中频炉额定电压Us为750V，R1阻值设定为1K，R2阻值设定在100K。图4谐振回路电压采集 2计算机时代 2023年 第9期频炉工作时，R1两端电阻电压可以由式得到。UR1=UsR1+R2图5电压跟随器隔离电路将R1两端接入隔离运放AD210BN，对其进行隔离，AD210电压跟随器隔离电路如图5所示。对输出Vout设计AD采样电路，对采样得到的电压信号Vout做离散傅里叶变换，取基波分量U0后，实际的谐振电压Us和基波分量U0可以用式得到。Us=U0R1*(R1+R2)2.1.2 谐振回路电流的采集为了满足本文电流采集的电气需求，选择采用穿心式电流互感器，在互感器输出端接入负载电阻R3，并对其进行隔离，防止电流流入采样模块造成结果误差。对R3上的电压值进行采样，流程图如图6所示。图6谐振回路电流采集流程隔离模块电路如图7所示，将电阻R上端输入作为隔离模块的输入电压 Vin，运用 LMV321运算放大器设计隔离电路，目的是隔离作用，防止电流互感器输出的电流流经别处，对采样结果产生误差。图7电流采集隔离模块电路对于谐振回路中电流的计算，同样中频炉在运行时只有基波分量作用于谐振回路，故对采样得到的电流信号 IR 做离散傅里叶变换，得到基波电流幅值 I0后，作用于谐振回路的电流有效值I和基波电流幅值I0之间的关系可以用式表示：I=MAX()I02*4000在采集到经过逆变器后的电压信号Vs.和初级回路电流信号I0后，根据电压电流关系求出回路的总电阻R。2.2 料温度数据采集中频炉在冶炼过程中的温度高达1600，本文选择了S型铂铑热电偶搭配温度变送器进行温度测量。铂铑热电偶的温度测量范围为0-1800，温度变送器将铂铑热电偶输出的电动势转换成0-5V电压信号输出，温度和电压之间呈线性变化。2.3 AD采样模块设计采样模块需要同时采集谐振回路电流、谐振回路电压、温度电压参数三个值，且采样精度要求高，本文选择了AD7606采样芯片，具有8路同步采样输入以及16位分辨率的超高性能，双极性模拟输入范围10V、5V，单电源 5V 供电，模拟输入阻抗可达 1M。AD7606采样模块PCB原理图如图8所示。利用 ADR421ARZ 芯片，输入 5V 产生 2.5V 电压供给AD7606作为基准电压。可以同时对8路信号进行采样，采样率设置在20KHZ，采样速度快，精度高。AD7606采样模块实物图如图9所示。3Computer Era No.9 2023图9AD7606采样模块实物图3 利用Transformer模型对数据进行处理本文的数据处理运用Transformer模型，利用该模型的注意力机制，将温度和电阻数据进行训练。本文采集了工作频率为 1KHZ串联谐振中频炉 9000组等效电阻及温度数据作为训练数据。Transformer 模型包含两部分：编码器和解码器14。首先，模型对输入的数据进行一个词嵌入操作，然后输入到编码器层，自注意力处理完数据后把数据送给前馈神经网络，前馈神经网络的计算可以并行，得到的输出会输入到下一个编码器。在Transformer的编码器层中，数据会经过自注意力模块得到加权之后的特征向量Attention(Q,K,V)，计算出三个新的向量，向量的维度是512维，这三个向量是用词嵌入向量与一个矩阵相乘得到的，矩阵是随机初始化的，维度为（64，512），第二个维度和词嵌入的维度一样，其值在BP的过程中会一直更新，得到的这三个向量的维度是64低于词嵌入维度的。其中输入由维度为dk的查询向量q和键向量k以及维度为 dk的值 v组成。接着计算 q与所有键的点积，再除以d1/2k，并应用Soft-max函数来获得这些值的权重。在实际应用中，一组q的注意力函数将被同时计算，这些q被打包到一个矩阵Q中，k 和v也被打包到矩阵K和V中。计算输出矩阵可以用式表示。Attention()Q,K,V=soft max(QKTd1/2k)V之后它会被送到编码器的下一个模块，即全连接层。其线性激活函数，可以表示为：FNN=max()0,ZW1+b1W2+b2解码器和编码器的不同之处在于解码器多了一个“Encoder-Decoder Attention”，两个 Attention 分别用于计算输入和输出的权值。模型训练好后，取另一部分数据做数据集做性能评估。4 炉料温度推算系统的搭建对采集到的温度、电阻数据用模型训练完成后，将在中频炉上搭建的电阻采集系统采集到的数据经处理后实时导入到模型中，进行温度测量系统的搭建，具体流程框图如图10所示。首先，利用已搭建的等效电阻采集系统，待中频炉运行后，对电压以及电流数据进行实时采集处理，图8AD7606采样模块PCB原理图 4计算机时代 2023年 第9期推测出当前的等效电阻，并将推测出的等效电阻值导入模型中运行，测量出当前的温度值，并利用上位机将其实时显示在屏幕上。图10搭建温度测算系统工作流程5 结果分析为了验证该测温系统的优劣，在该系统测算温度的同时，用热电偶对中频炉进行温度测量，将测算温度数据与实际温度数据记录下来，做成曲线图如图11所示。图11实际数据与测算数据比较从图11可以看出，实际的温度数据与测算的温度数据趋势相同，大体一致，为了便于观察，从6m所在位置的两组数据开始，每隔2m取一组数据得到表1所示数据，通过表1的数据对比可知，实际数据与测算数据之间有5的误差，在冶炼行业中，温度的跳跃范围大，该误差在可接受范围内。出现该误差的原因是没有对采集的数据进行误差补偿，以及温度采集和电阻采集时可能出现时间上的偏差。表1实际数据与测算数据等效电阻值/m实际值/测量值/66056108684688107467481283483414940943161053105818117011746 结束语本文利用利用金属在熔炼过程中电阻率会随着温度的改变而发生变化的这一特性。设计了一种可以连续测量中频炉炉料温度的方法。为了能够采集等效电阻数据，搭建了炉料电阻数据采集系统，首先通过该系统采集谐振电压和谐振电流，以此来推测出中频炉炉料在初级电路中的等效电阻，在采集等效电阻数据的同时，采集炉料相对应的温度，然后运用Transformer模型对采集到的数据进行训练，通过已经搭建好的炉料电阻数据采集系统，采集炉料在初级回路中的等效电阻，并将采集到的电阻数据上传至Transformer模型，得出当前中频炉的炉料温度，经验证，得到的温度可靠性极高。参考文献(References):1 史明,陈瑞.中频炉在铸钢生产中的应用J.铸造,2018,67(1):49-50.2 席文娣.中频电炉节能原理与方法的研究D.山东:山东理工大学,2012.3 华飚,徐含依.燃烧过程中非接触测温技术发展与应用J.仪器仪表与分析监测,2021,2021(2):22-27.4 Lee S Y,Tama B A,Choi C,et al.Spatial and SequentialDeep Learning Approach for Predicting TemperatureDistributioninaSteel-MakingContinuousCastingProcessJ.IEEE Access,2020(99):1-1.5 张毛毛.基于深度双向加权GRU的回转窑烧结温度预测D.湖南:湖南大学,2018.6 孙为钊,周俊.基于卷积神经网络的平面磨削温度预测J.计算机系统应用,2020,29(2):244-249.7 陈宇,金文兵,谢晓能,等.基于温度定性趋势分析的锌冶炼焙烧炉实时状态评价J.冶金自动化,2022,46(4):86-94.8 时日晖.AOD炉内熔体温度在线红外监测系统的研究D.吉林:长春工业大学,2022.9 田儒良,岳峰,史建凯.冶炼过程钢包温度场和钢水温降的研究J.炼钢,2022,38(1):42-48.10 孟凡姿,杨显涛,杨磊,等.冶炼炉红外在线温度监控系统设计J.工业控制计算机,2020,33(5):59-60.11 贾一杰.A0D炉双比色法温度在线检测温度补偿的研究D.吉林:长春工业大学,2015.12 张明,张玲.高温金属电导率的测量研究J.计量技术,2022(6):6-8.13 郭风祥.金属熔体过热及过冷液态电阻率与结构的相关性研究D.山东:山东大学,2013.14 付恩,张益农,杨帆,等.基于频率分解Transformer的时间序 列 长 时 预 测 模 型 J.制 造 业 自 动 化,2022,44(11):177-181.CE 5