本发明涉及回转窑，特别是涉及一种回转窑的温度场检测方法、装置、电子设备及计算机可读存储介质。
背景技术：
1、工业回转窑（也即旋转炉窑）是一种连续转动的大型高温热工装备，广泛应用于冶炼、发电、建材等国民经济支柱产业。炉窑内部温度场准确获取是决定高温工业过程生产稳定运行、污染物排放的关键工艺参数，是目前传统产业提质降耗、绿色发展的瓶颈问题。
2、目前常用的温度场构建方法主要有三类：（1）温度传感阵列，该方法是在被测空间内安置传感器阵列，获取不同空间位置处的温度信息。但工业回转窑内部温度较高，传感器易损，只能布置有限的测温点，无法构建整体三维温度场；（2）双目相机与热成像相机结合，双目相机获取物体的点云信息，热成像相机采集热成像图像，然后将二者进行映射叠加。但工业回转窑窑口测量范围有限，只能获得局部温度场，无法实现回转窑窑内测量；（3）ansys有限元三维仿真，该方法通过建立空间内的物质运行机理模型，确定空间的边界条件，模拟窑内温度场，该方法可以完整模拟窑内三维温度场，但属于机理建模和数值仿真，仿真耗时长，实时性差，准确度无法保证。
3、鉴于此，如何更高效、准确地获取工业回转窑实时温度场是本领域技术人员需要解决的问题。
技术实现思路
1、本发明实施例的目的是提供一种回转窑的温度场检测方法、装置、电子设备及计算机可读存储介质，在使用过程中能够获取回转窑的温度场，并且效率高，准确度高。
2、为解决上述技术问题，本发明实施例提供了以下技术方案：
3、本发明一方面提供了一种回转窑的温度场检测方法，包括：
4、预先基于多组历史工况及与每组历史工况分别对应的温度点云数据训练回转窑温度场预测模型；
5、获取回转窑的当前工况；
6、将所述当前工况及预设点云数据输入至所述回转窑温度场预测模型中，经所述回转窑温度场预测模型对所述当前工况和所述预设点云数据进行分析，得到与所述当前工况对应的稳态温度场。
7、在一种示例性的实施方式中，所述预先基于多组历史工况及与每组历史工况分别对应的温度点云数据训练回转窑温度场预测模型，包括：
8、获取回转窑的各个历史工况；
9、采用数值仿真模型模拟所述回转窑分别在各个所述历史工况下的稳态温度场，得到与每个所述历史工况分别对应的历史稳态温度场；
10、针对每个所述历史稳态温度场，根据所述稳态温度场的温度点云数据提取对应的历史点云数据和历史温度数据；
11、根据各组所述历史工况及对应的历史点云数据和历史温度数据进行神经网络模型的训练，得到回转窑温度场预测模型；其中，所述神经网络模型包括点云网络模型和温度场网络模型。
12、在一种示例性的实施方式中，所述根据各组所述历史工况及对应的历史点云数据和历史温度数据进行神经网络模型的训练，得到回转窑温度场预测模型，包括：
13、针对各组所述历史工况及对应的历史点云数据和历史温度数据，将所述历史工况、对应的历史点云数据作为一组历史输入数据，将对应的历史温度数据作为一组历史输出训练目标数据；
14、将所述历史输入数据中的历史点云数据输入至点云网络模型，经所述点云网络模型对所述历史点云数据进行处理，得到对应的点云特征；
15、将所述点云特征与所述历史输入数据中的历史工况进行融合后输入至温度网络模型，经所述温度网络模型对所述点云特征与所述历史工况进行处理，得到预测温度场；
16、提取所述预测温度场的预测温度数据，根据所述预测温度数据与所述历史温度数据计算损失值；
17、根据所述损失值对所述点云网络模型的网络参数和所述温度网络模型的网络参数进行更新，并进行下一轮训练，直至满足预设要求的情况下，得到训练好的回转窑温度场预测模型。
18、在一种示例性的实施方式中，所述点云网络模型包括两个t-net层、五个共享mlp层和最大池化层组。
19、在一种示例性的实施方式中，所述温度网络模型包括3个共享mlp层和一维卷积层。
20、在一种示例性的实施方式中，所述预设点云数据为从各个所述历史点云数据中选出的一个历史点云数据。
21、在一种示例性的实施方式中，所述历史工况包括燃气量、总风量、二次风口风量占比、回转窑转速、给料量及总煤占比中的一种或多种的组合。
22、本发明另一方面提供了一种回转窑的温度场检测装置，包括：
23、建立模块，用于预先基于多组历史工况及与每组历史工况分别对应的温度点云数据训练回转窑温度场预测模型；
24、获取模块，用于获取回转窑的当前工况；
25、预测模块，用于将所述当前工况及预设点云数据输入至回转窑温度场预测模型中，经所述回转窑温度场预测模型对所述当前工况和所述预设点云数据进行分析，得到与所述当前工况对应的稳态温度场。
26、本发明另一方面提供了一种电子设备，包括：
27、存储器，用于存储计算机程序；
28、处理器，用于执行所述计算机程序时实现如上述所述回转窑的温度场检测方法的步骤。
29、本发明另一方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述回转窑的温度场检测方法的步骤。
30、从以上技术方案可以看出，本发明实施例具有以下优点：
31、本发明实施例中提供了一种回转窑的温度场检测方法，包括：预先基于多组历史工况及与每组历史工况分别对应的温度点云数据训练回转窑温度场预测模型；获取回转窑的当前工况；将当前工况及预设点云数据输入至所述回转窑温度场预测模型中，经回转窑温度场预测模型对当前工况和预设点云数据进行分析，得到与当前工况对应的稳态温度场。
32、由此可见，本发明实施例中预先根据回转窑的多组历史工况及与历史工况对应的温度点云数据，训练回转窑温度场预测模型，然后在需要对回转窑的温度场进行检测时，采集回转窑的当前工况，将该当前工况及预设点云数据输入至该回转窑温度场预测模型中，通过回转窑温度场预测模型的预测得到回转窑在当前工况下的稳态温度场；本发明能够获取回转窑的温度场，并且效率高，准确度高。
33、此外，本发明还针对回转窑的温度场检测方法提供了相应的实现装置、电子设备及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置、电子设备及计算机可读存储介质具有相应的优点。
34、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
1.一种回转窑的温度场检测方法，其特征在于，包括：
2.根据权利要求1所述的回转窑的温度场检测方法，其特征在于，所述预先基于多组历史工况及与每组历史工况分别对应的温度点云数据训练回转窑温度场预测模型，包括：
3.根据权利要求2所述的回转窑的温度场检测方法，其特征在于，所述根据各组所述历史工况及对应的历史点云数据和历史温度数据进行神经网络模型的训练，得到回转窑温度场预测模型，包括：
4.根据权利要求3所述的回转窑的温度场检测方法，其特征在于，所述点云网络模型包括两个t-net层、五个共享mlp层和最大池化层组。
5.根据权利要求3所述的回转窑的温度场检测方法，其特征在于，所述温度网络模型包括3个共享mlp层和一维卷积层。
6.根据权利要求2至5任意一项所述的回转窑的温度场检测方法，其特征在于，所述预设点云数据为从各个所述历史点云数据中选出的一个历史点云数据。
7.根据权利要求6所述的回回转窑的温度场检测方法，其特征在于，所述历史工况包括燃气量、总风量、二次风口风量占比、回转窑转速、给料量及总煤占比中的一种或多种的组合。
8.一种回转窑的温度场检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述回转窑的温度场检测方法的步骤。
