多目标优化下基于分析图像的二氧化硅熔融表征模型

周善海 陈婉雯 袁丹 苏家泰

摘 要：本文建立了一个基于平面直角坐标系的硅熔融图像表征研究。将使用Python编程来定位和识别色块原理和先进的CAD绘图工具，并对114组CCD照片进行放大处理。在不同的时间点上获得关于硅的位置、周长和面积的数据。采用最小二乘多项式拟合和函数拟合多项式插值公式，建立了描述融合过程中运动轨迹和融合特性的多目标优化模型。

首先，建立平面直角坐标系。基于Python定位的色块识别原理在1500摄氏度的熔融状态下定位111个质心位置。经过聚类分析，得到了以（x，y）表示的三组数据集。然后用最小二乘多项式拟合。然后引入跟踪方程进行分析。再者，利用先进的CAD计算机绘图工具，经过精确处理，得到了111组的熔化区和周长的具体数据。对于形状，经过系统采样后，采用CAD进行图像处理。观察形状随时间变化。最后，通过多目标分析比较，得出我国观测区的特征变化是观察的最佳指标。

关键词：多目标优化;MATLAB;最小二乘多项式拟合

1.问题背景

铁尾矿的熔融特性可以用SiO2 融化。但是，当熔池的熔化温度超过1500°C时，常规测试设备的使用寿命变得非常短，为了解决这一问题，国内外相关研究小组首次采用了具有放大倍数的CCD视频拍摄系统。它可以获得实时动态数据，并通过视频分析得到了实时熔化速度。尾矿的加入和热补偿为高炉渣的直接成纤工艺提供了指导。定性地分析铁尾矿的熔融中心轨迹，以便对高温下的熔融轨迹进行更清晰的分析，以便后续的后续研究，达到更准确的观察和分析目的，从而获得更好的铁尾矿硅精炼工艺。

2.轨迹方程的建立

通过以上分析，可以得出结论：在CCD视频拍摄的出射图像的左上角建立了一个平面矩形系统，如图1所示，利用Python OpenCV可视化绘图工具获得了111个可识别二氧化硅粒子的坐标。

然而，由于数据量过大，在分析中容易产生误差，而在分析中则相对困难操作。因此根据时间的推移和对粒子的一般观测，利用聚类分析方法将111组数据逐一分成三部分分析结果。根据离散数据，使用最小二乘模型进行多项式拟合。

3.铁尾矿位置分析

从拟合度的角度来看，拟合度比较大，所以用MATLAB制作散点图，这些散点图与最小二乘法计算的多项式拟合度都很好方法。图2是整个熔炼过程前三分之一铁尾矿位置的MATLAB散点图。从图中可以看出，几乎大部分点都在曲线上，因此用该多项式拟合的曲线可以作为该时期的轨迹方程。

第二阶段熔化的散点图，在这一阶段，当其它物质熔融程度最高时，拟合曲线与得到的轨迹方程曲线拟合得不太紧密。熔融最后阶段的散射图，虽然离散点较多，但拟合程度在线或较大，对于高温熔化体给出了良好的轨迹方程，并与轨迹方程配合建立，不仅给出了良好的轨迹方程，而且还可以很好的对铁尾矿熔融硅进行轨迹预测，从而达到建模的真正目的。

4.区域变化特征

从CCD变焦效果视频1秒拍摄的114张照片中，可以清楚地看到114秒间隔前后的面积变化，但由于时间较长，实际生产中的能耗会增加。因此，经过系统的抽样处理，以固定的时间间隔获得了一些数据，如下表所示：

表后数据分析。众所周知，随着时间的推移，面积变化规律是逐渐减小的。为了更直观地观察整个抽样过程的趋势，将建立一个以数字（x）为自变量，面积为因变量的二维折线图，如下图3所示。

从折线图可以看出。随着时间的推移，面积逐渐减小并减小到0;多段线的坡度表明，在周期的前半段，多段线的坡度更大，表明对象的面积减小得更快。下半部分的较低坡度表示对象的面积缓慢减小。然而，众所周知，抽样测试只是对结果的预测。结果不一定准确，因此使用先进的CAD软件对111组可观测照片进行分析。得到了111组实时区域的计算值。

5.结论

本文使用模型是目前数据拟合模型中精度最高的模型之一;它通俗易懂，使用简单，使用方便，方便公众;它还可以与其他模型相结合，如多目标优化，可以带来更准确的结果和最有效的预测。利用多目标优化模型在很大程度上解释了数据的合理性和整体数据的有效性，并对实验得到的相应数据进行了合理利用。有相关因素导致其他项目不适用。它考虑了所有提到的优化点，为实际生产提供预测和指导。

本文给出的最小二乘拟合多项式模型描述了熔化轨迹方程。这种方法不仅适用于熔融，也适用于其他熔融材料，只需对熔化过程中的照片进行分析，即可得到最小的数据。用二次拟合的方法可以得到相应的轨迹数据实用。本文采用多目标优化模型对熔体的边缘特征进行了分析和优化。利用周长、面积和形状优化目标分析。最后，选择出一个既适用于熔体表征，又适用于所有多因素的最优解，为我们找到最佳解决方案提供可靠的技術支持。

参考文献

[1] 岩体结构面产状的模糊综合聚类分析[J]。周玉欣，周志芳，孙启国。中国岩石杂志机械与工程。2005年（13）

[2] 姜岩;徐琴;尚涛;高伟毅。基于粒子滤波和均值漂移的跟踪算法[J]。计算机工程。2010年（05年）

[3] 澳门科技大学报告重点介绍软计算的最新成果（基于多目标优化的组合模型研究及其在时间序列预测中的应用）