權(quán)利要求 1.一種應(yīng)用于冶煉設(shè)備的智能管理方法，其特征在于，包括以下步驟： S11，對閃速爐反應(yīng)塔實(shí)時(shí)進(jìn)行爐內(nèi)紅外成像探測，獲取爐內(nèi)實(shí)時(shí)溫度分布圖像，基于爐內(nèi)實(shí)時(shí)溫度分布圖像進(jìn)行區(qū)域劃分; S12，根據(jù)區(qū)域的實(shí)時(shí)溫度情況，確定溫度異常高的區(qū)域; S13，對溫度異常高的區(qū)域進(jìn)行熱點(diǎn)分析和掛渣脫落分析，識別溫度異常高現(xiàn)象產(chǎn)生的原因;若異常高現(xiàn)象產(chǎn)生的原因是掛渣脫落，則控制原料成分變化同時(shí)控制熱負(fù)荷，加速掛渣形成;若異常高現(xiàn)象產(chǎn)生的原因不是掛渣脫落，則繼續(xù)保持對爐內(nèi)溫度的監(jiān)測。 2.根據(jù)權(quán)利要求1所述的一種應(yīng)用于冶煉設(shè)備的智能管理方法，其特征在于，在步驟S11中，所述基于爐內(nèi)實(shí)時(shí)溫度分布圖像進(jìn)行區(qū)域劃分還包括以下步驟： S21，獲取爐內(nèi)實(shí)時(shí)溫度分布圖像中每個像素點(diǎn)的溫度數(shù)據(jù); S22，隨機(jī)選擇K個初始質(zhì)心形成分類簇，K為常數(shù); S23，計(jì)算每個像素點(diǎn)與質(zhì)心之間的歐式距離，將像素點(diǎn)分配給歐氏距離最小的質(zhì)心的分類簇;歐式距離通過以下公式進(jìn)行計(jì)算：;式中D表示歐氏距離，a、b和c為像素點(diǎn)在溫度分布圖像中的橫坐標(biāo)、縱坐標(biāo)和溫度數(shù)據(jù)，a0、b0和c0為質(zhì)心在溫度分布圖像中的橫坐標(biāo)、縱坐標(biāo)和溫度數(shù)據(jù)，k1為位置權(quán)重，k2為溫度權(quán)重; S24，計(jì)算每個分類簇的所有像素點(diǎn)的平均值，將平均值作為信息質(zhì)心; S25，重復(fù)步驟S23和S24，直到達(dá)到最大迭代次數(shù)。 3.根據(jù)權(quán)利要求2所述的一種應(yīng)用于冶煉設(shè)備的智能管理方法，其特征在于，在步驟S12中，所述根據(jù)區(qū)域的實(shí)時(shí)溫度分布情況，確定溫度異常高的區(qū)域還包括以下步驟： 獲取爐內(nèi)所有區(qū)域的實(shí)時(shí)溫度，將區(qū)域?qū)崟r(shí)溫度作為輸入，輸入到熱點(diǎn)現(xiàn)象或者掛渣脫落現(xiàn)象出現(xiàn)概率與溫度之間的概率密度函數(shù)g(x)中，得到熱點(diǎn)現(xiàn)象或者掛渣脫落現(xiàn)象出現(xiàn)概率;若熱點(diǎn)現(xiàn)象或者掛渣脫落現(xiàn)象出現(xiàn)概率不小于閾值，則判斷區(qū)域?yàn)闇囟犬惓８叩膮^(qū)域。 4.根據(jù)權(quán)利要求3所述的一種應(yīng)用于冶煉設(shè)備的智能管理方法，其特征在于，通過以下步驟獲取熱點(diǎn)現(xiàn)象或者掛渣脫落現(xiàn)象出現(xiàn)概率與溫度之間的概率密度函數(shù)g(x)： S41，獲取閃速爐反應(yīng)塔的歷史冶煉數(shù)據(jù)并得到溫度分布圖像，對溫度分布圖像進(jìn)行區(qū)域劃分，獲取歷史冶