本發明涉及鋁冶金工業智能化控制，具體涉及基于深度學習的鋁熔煉爐燃燒系統智能調控方法。
背景技術：
1、隨著鋁鑄造行業向智能化、低碳化及高效化發展，鋁熔煉作為鋁鑄造的前置工序，鋁液氧化燒損帶來的金屬損失、能耗浪費問題成為行業優化重點，而熔煉爐燃燒系統的調控效果直接影響鋁液溫度、爐內氧量及鋁液與空氣接觸狀態等燒損關鍵因素?，F有技術通常依賴人工經驗或基于固定模型的簡單控制策略來管理熔煉爐的燃燒過程。
2、然而，現有技術由于缺乏對熔煉過程中鋁液燒損的深度感知與動態補償能力，導致實際生產中的金屬氧化損失居高不下。具體而言，鋁液在高溫下與空氣接觸發生氧化，其燒損程度直接受爐內溫度分布均勻性、氣氛含氧量以及鋁液暴露時間共同影響。現有粗放式燃燒控制方法難以精確協調，既無法根據各熔煉階段的特性差異提供與之匹配的最優燃燒參數，也缺乏階段間參數的自適應平滑過渡，從而加劇了非必要的氧化燒損，并影響了整個熔煉過程的穩定與能效。
技術實現思路
1、本發明提供了基于深度學習的鋁熔煉爐燃燒系統智能調控方法，目的在于解決現有技術中鋁熔煉氧化燒損率高的技術問題。
2、鑒于上述問題，本發明提供了基于深度學習的鋁熔煉爐燃燒系統智能調控方法，包括：
3、獲取各熔煉階段的氧化燒損率、爐內氣氛組分及溫度分布參數，作為鋁熔煉參數集，并基于熔煉階段對所述鋁熔煉參數集進行分類標注，獲取多個熔煉階段集；
4、采用多個所述熔煉階段集分別進行燃燒參數優化，獲取多個階段的優化燃燒參數；
5、采用所述優化燃燒參數，進行鋁熔煉爐燃燒系統智能調控，并基于上一熔煉階段的熔煉階段集進行下一階段的優化燃燒參數修正，獲取修正燃燒參數，并獲取階段間隔燃燒參數，繼續進行鋁熔煉爐燃燒系統智能調控。
6、本發明中提供的一個或多個技術方案，至少具有如下技術效果或優點：
7、本發明提供了基于深度學習的鋁熔煉爐燃燒系統智能調控方法，通過采集氧化燒損率、爐內氣氛組分及溫度分布參數并按熔煉階段分類標注形成熔煉階段集，為燃燒參數優化提供了分階段、精準化的參數支撐，避免了參數無序帶來的優化偏差；基于各熔煉階段集分別開展燃燒參數優化，實現了各熔煉階段燃燒參數的針對性適配，讓燃燒參數與不同階段的熔煉工藝、燒損控制需求高度匹配；通過優化燃燒參數實施調控，并依托上一階段熔煉數據修正下一階段參數、設計階段間隔燃燒參數，實現了鋁熔煉爐燃燒系統的全流程動態智能調控，保障了熔煉各階段及階段間隔調控的連貫性，有效避免爐內環境突變，最終實現對氧化燒損率的精準控制，同時提升了鋁熔煉爐燃燒系統調控的穩定性與適配性，優化了熔煉工況與能源利用效率。
1.基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，包括：
2.根據權利要求1所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，獲取各熔煉階段的氧化燒損率、爐內氣氛組分及溫度分布參數，作為鋁熔煉參數集，包括：
3.根據權利要求1所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，基于熔煉階段對所述鋁熔煉參數集進行分類標注，獲取多個熔煉階段集，包括：
4.根據權利要求1所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，采用多個所述熔煉階段集分別進行燃燒參數優化，獲取多個階段的優化燃燒參數，包括：
5.根據權利要求4所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，基于所述氧化燒損率及階段偏差參數，獲取燃燒效果參數，包括：
6.根據權利要求4所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，以所述燃燒效果參數最大為優化目標，分別進行所述階段燃燒參數的迭代優化，獲取多個階段的優化燃燒參數，包括：
7.根據權利要求6所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，所述第一優化步長的獲取，包括：
8.根據權利要求6所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，所述迭代優化輪次基于階段偏差參數進行獲取。
9.根據權利要求1所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，采用所述優化燃燒參數，進行鋁熔煉爐燃燒系統智能調控，并基于上一熔煉階段的熔煉階段集進行下一階段的優化燃燒參數修正，獲取修正燃燒參數，包括：
10.根據權利要求1所述的基于深度學習的鋁熔煉爐燃燒系統智能調控方法，其特征在于，獲取階段間隔燃燒參數，繼續進行鋁熔煉爐燃燒系統智能調控，包括：