CN104181196B - 一种连铸坯表面纵裂纹在线检测方法 - Google Patents
一种连铸坯表面纵裂纹在线检测方法 Download PDFInfo
- Publication number
- CN104181196B CN104181196B CN201410458785.7A CN201410458785A CN104181196B CN 104181196 B CN104181196 B CN 104181196B CN 201410458785 A CN201410458785 A CN 201410458785A CN 104181196 B CN104181196 B CN 104181196B
- Authority
- CN
- China
- Prior art keywords
- temperature
- cold
- crystallizer
- spot area
- copper plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000009749 continuous casting Methods 0.000 title claims abstract description 21
- 238000010998 test method Methods 0.000 title claims abstract description 8
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 81
- 229910052802 copper Inorganic materials 0.000 claims abstract description 81
- 239000010949 copper Substances 0.000 claims abstract description 81
- 238000005266 casting Methods 0.000 claims abstract description 40
- 238000001931 thermography Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012800 visualization Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 238000002372 labelling Methods 0.000 claims abstract description 4
- 229940086226 cold spot Drugs 0.000 claims description 104
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 2
- 238000009851 ferrous metallurgy Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000015572 biosynthetic process Effects 0.000 abstract 3
- 230000002547 anomalous effect Effects 0.000 abstract 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910001566 austenite Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
一种连铸坯表面纵裂纹在线检测方法,属于钢铁冶金连铸检测技术领域。通过检测结晶器铜板热电偶的温度信号,将结晶器铜板温度差值以二维热像图的形式呈现给现场控制人员,根据表面纵裂纹在结晶器内的形成和温度分布特点,利用计算机视觉技术检索温度的异常变化,标记热像图中的裂纹区域,并提取区域的几何、移动特征,在线检测铸坯表面纵裂的形成和发展过程。本发明将结晶器可视化与计算机视觉技术有机结合,可视化呈现铸坯表面纵裂纹形成、扩展及其移动的全部过程,克服以往仅根据温度一维趋势判断纵裂纹的局限,提高纵裂纹检测结果的准确性,对连铸坯质量控制起到积极作用。
Description
技术领域
本发明涉及一种连铸坯表面纵裂纹在线检测方法,属于钢铁冶金连铸检测技术领域。
背景技术
纵裂纹是连铸坯表面常见的质量缺陷,纵裂严重时将导致铸坯直接被判为废品,造成巨大的经济损失。因此,当铸坯表面出现纵裂时,有必要及时发现并采取措施来抑制纵裂的发展,降低纵裂对铸坯质量的危害。
铸坯表面纵裂的形成过程复杂,浇铸工艺、钢的高温力学性能、铸坯的凝固进程以及铸机运行状态是纵裂产生的主要影响因素。在坯壳热应力、收缩应力、钢水静压力、结晶器摩擦力和窄面约束的共同作用下,当超过初生坯壳的高温强度时,在坯壳薄弱的位置将产生纵裂纹,并沿着浇铸方向不断扩展。浇铸含碳量0.09%~0.17%的钢种时,凝固过程中会发生铁素体向奥氏体转变的包晶反应,产生较大的线收缩和体收缩,铸坯表面更易产生纵裂纹。
专利CN200910301243.8中公开了一种基于人工神经网络的铸坯质量在线预报的控制方法,该方法采用神经网络技术对铸坯裂纹等质量问题进行在线预报。铸坯质量缺陷为预测目标,工艺设备参数作为输入节点,建立由输入层、隐含层、输出层构成的三层BP神经网络模型;确定网络模型结构和目标误差后,选择训练样本对3层网络模型进行学习和训练,并利用测试样本对网络进行测试和评价,之后,即可应用训练好的网络模型对连铸板坯中间裂纹进行在线预测。
专利CN01139282.7中公开了一种连铸板坯纵裂预报方法,通过在结晶铜板埋设数列横向、纵向至少三排热电偶,实时采集热电偶温度数据,预报铸坯表面纵裂。纵裂判定条件如下,条件1:在拉速稳定的条件下,若某支热电偶温度下降速率超过3℃/s,同列下方的两支热电偶也先后出现温度下降超过3℃/s的情况,相邻两只热电偶温度开始下降的时间差与拉速的乘积约为热电偶的纵向间距。条件2:同列热电偶温度变化一致,且下排热电偶温度持续下降的时间不小于上排热电偶。同时满足条件1和2时,则判定铸坯表面产生了纵裂,发出纵裂报警。该方法将结晶器热电偶温度作为判断依据,一旦发现铸坯有纵裂迹象,采取降低拉速或调整二次冷却水量等措施,阻止裂纹的进一步扩展,减轻纵裂造成的危害。
发明内容
为实时、在线检测铸坯表面纵裂,改善铸坯质量,本发明提供一种连铸坯表面纵裂纹在线检测方法。由结晶器温度监控系统获取热电偶温度信号,采用热成像技术可视化呈现结晶器温度差值二维图像,实时检测结晶器温度变化情况,并采用计算机图像技术搜索冷点区域,提取异常区域的温度变化、面积、宽度、高度、高宽比、冷点区域移动等重要特征,在此基础上识别铸坯表面纵裂,判断并预报铸坯表面纵裂纹。
本发明采用的技术方案是:一种连铸坯表面纵裂纹在线检测方法,将结晶器可视化与计算机视觉技术相结合,实时呈现结晶器温度变化、在线识别铸坯表面纵裂纹,其检测步骤如下:
第一步、结晶器铜板温度实时检测及温度差值可视化
(1)沿结晶器纵向布置不少于3排测点,采用结晶器温度检测系统,在线获取热电偶温度值,将温度数据进行预处理,消除现场复杂电磁环境对温度数据的干扰;
(2)采用多项式插值算法,对热电偶温度数据进行横向、纵向插值运算,计算出非测点位置网格单元的结晶器铜板温度,进而获得结晶器铜板整体的温度二维分布;
(3)将插值计算后结晶器铜板温度数据存储在二维数组T[x,y]中,依据程序中预先设定的温度-颜色对应关系,绘制结晶器铜板热像图,在浇铸生产过程中,可视化呈现结晶器铜板温度的二维分布;
(4)计算热像图中每个网格单元在当前时刻t之前n秒温度的均值,将相同网格单元当前时刻t的温度T[x,y]与其之前n秒温度的均值做差,将温度差值存储在计算机程序中的二维数组D[x,y]中;
(5)根据设定铜板温度差值-颜色对应关系,绘制结晶器铜板温度差值热像图,实时、准确反映结晶器铜板温度变化;
第二步、冷点区域阈值分割和标记
(1)在结晶器铜板温度差值热像图中搜索冷点区域;
(2)采用图像处理中的阈值分割算法,将D[x,y]中小于设定阈值-2.5℃的冷点区域进行分离;
(3)采用八连通判别算法,对冷点区域进行连通性判断,将属于同一个冷点区域赋予统一标号,以便于分析冷点区域特征;
第三步、提取特征信息
(1)温度差值特征
温度差值均值fmean:某一个冷点区域中各点温度差值的均值
温度差值最大值fmax:某一个冷点区域中温度差值最大值
fmax=max(D(x,y))
其中,D(x,y)是热像图中(x,y)位置处当前时刻t温度与其在当前时刻t之前n秒温度均值的差值,即D(x,y)是在数学上描述温度差值随坐标(x,y)变化的函数。f(x,y)是用于判断(x,y)处像素是否属于某一冷点区域Rd的二值化函数,取值为0或1,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0。
(2)几何特征
面积S:用来描述某一个冷点区域Rd的面积大小,即冷点区域在结晶器差值热像图中所占的面积
冷点区域宽度W:冷点区域最左侧至最右侧宽度
W=kx×(Xright-Xleft)
冷点区域高度H:冷点区域最上部至最下部高度
H=ky×(Ybottom-Ytop)
冷点区域高宽比ω:冷点区域高度H与宽度W的比率
其中,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0;kx和ky分别为像素网格单元在x、y方向的实际距离。
(3)位置特征
冷点区域重心坐标(xc,yc):重心坐标用来表示某一个冷点区域重心的位置
其中,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0;N是冷点区域内的像素总数。
(4)裂纹移动特征
裂纹纵向移动方向与浇铸方向夹角α:冷点区域重心与区域底部(Xbottom,Ybottom)的连线与浇铸方向所成的锐角
裂纹纵向移动速率V:冷点区域重心纵坐标之差与时间间隔t2-t1的比值
网格单元的尺寸即为相邻横、纵向像素间的实际距离,可由铜板宽度、高度和像素数目求得。结晶器热像图和差值热像图中横向、纵向坐标分别用x,y表示;将结晶器左上角设定为坐标原点,横轴x向右为正,从左至右增加;纵轴y向下为正,从上到下增加;T[x,y]是存储结晶器铜板热像图温度数据的二维数组,差值热像图所在的平面定义区域为R,将结晶体铜板温度差值按时间序列存储在二维数组D[x,y]中;Rd是某一个冷点区域内所有点组成的集合;Ytop、Ybottom是某一个冷点区域纵向坐标最小值、最大值,Xleft,Xright是某一个冷点区域横向坐标最小值、最大值,函数f(x,y)取值为0或1;yc1是t1时刻下区域重心纵坐标,yc2是t2时刻下区域重心纵坐标。
第四步、铸坯纵裂温度模式识别与判断
根据提取异常区域温度差值、面积、高度、宽度以及移动速率特征,根据特征做如下判断:
(1)冷点区域的温度差值均值小于-4.2℃;
(2)冷点区域面积大于0.025m2;
(3)冷点区域高度大于0.142m,宽度小于0.074m;
(4)冷点区域高宽比大于1.9;
(5)冷点区域纵向移动方向与浇铸方向之间的夹角小于10度;
(6)冷点区域纵向移动速率与浇铸速率之间的偏差不超过浇铸速率的20%;
若同时满足上述(1)、(2)、(3)、(4)、(5)、(6)条件时,则判定铸坯表面出现纵裂。
所述方法适用于方坯、圆坯和异型坯的连铸纵裂检测。
本发明的有益效果是:该方法由结晶器温度监控系统获取热电偶温度信号,采用热成像技术可视化呈现结晶器温度差值二维图像,实时检测结晶器温度变化情况,并采用计算机图像技术搜索冷点区域,提取异常区域的温度变化、面积、宽度、高度、高宽比、冷点区域移动等重要特征。将结晶器可视化与计算机视觉技术有机结合,综合考虑结晶器铜板温度分布及其变化,将结晶器铜板温度差值以二维热像图的形式呈献给现场操控人员,实时呈现当前、历史时刻结晶器温度变化,通过挖掘和识别铸坯纵裂与结晶器冷点区域的重要特征,准确预报连铸坯纵裂纹,有效改善铸坯质量。
附图说明
图1是连铸坯纵裂可视化预报框图。
图2是宽面、窄面结晶器铜板及热电偶布置示意图。
图3是宽面、窄面结晶器铜板在t-n时刻的温度热像图。
图4是宽面、窄面结晶器铜板在当前时刻t的温度热像图。
图5是四张结晶器铜板温度差值可视化热像图。
图6是t1时刻阈值分割后的温度差值图像。
图7是t2时刻阈值分割后的温度差值图像。
图中:1、外弧宽面铜板,2、第一窄面铜板,3、内弧宽面铜板,4、第二窄面铜板,5、热电偶,6、宽面铜板冷点区域,7、未处理的冷点区域,8、t1时刻冷点区域,9、t2时刻冷点区域。
具体实施方式
图1是连铸坯纵裂可视化预报框图。由图1可知,基于计算机视觉的连铸坯纵裂可视化检测方法分为以下四个部分:结晶器铜板温度可视化、冷点区域分割、冷点区域特征信息提取、纵裂特征识别和预报。
下面通过具体的实施例,结合附图对本发明作进一步详细的描述。
第一步、结晶器铜板温度及其温度差值可视化
图2是宽面、窄面结晶器铜板展开及热电偶布置示意图。连铸机的结晶器长度为900mm,共四张铜板构成,包括两块宽面铜板和两块窄面铜板,分别为外弧宽面铜板1、第一窄面铜板2、内弧宽面铜板3、第二窄面铜板4,铜板厚度是40mm。在距结晶器上口210mm、325mm、445mm位置分别布置3行热电偶测点,外弧宽面铜板1和内弧宽面铜板3上分别布置19列热电偶5,相邻两列热电偶间距为150mm,每个宽面铜板均布置三行热电偶,共57支热电偶;位于第一窄面铜板2和第二窄面铜板4的中心线各布置1列热电偶,两张窄面铜板各布置3支热电偶。四张铜板布置电偶总数共计120支,内弧和外弧宽面热电偶至结晶器铜板热面距离为22mm。
结晶器温度热像图可视化可分为以下三个步骤:
首先,将结晶器热电偶检测到的温度信号进行预处理,消除热电偶故障或电磁干扰引起的温度异常,若热电偶被判定为异常,将其状态设置为FALSE,将所有状态为FALSE的热电偶重新赋值。由于横向温度分布差异相对较小,因此,可将临近热电偶的温度均值赋给状态为FALSE的热电偶。
其次,将热电偶检测到的实测温度数据进行纵向、横向多项式插值,获取结晶器铜板非测点位置的温度值,并将四块铜板温度数据存储在二维数组T[x,y]。其中,外弧宽面和内弧宽面横向坐标x索引值为0~299,第一窄面和第二窄面横向坐标x索引值为0~39;在浇铸方向上,外弧宽面、内弧宽面、第一窄面和第二窄面的纵向坐标索引相同,均为0~99。
最后,将四块铜板温度数组T[x,y],按照预先设定的温度-颜色对应关系,绘制结晶器铜板热像图。结晶器热像图显示频率为1帧/秒,满足现场对结晶器内温度监测的实时性要求。
图3、图4显示出不同时刻下宽面、窄面结晶器铜板的温度热像图。其中,图3是结晶器铜板t-n时刻下的结晶器温度热像图,图4是结晶器铜板在当前时刻t的结晶器温度热像图。
由图3和图4的对比可知,结晶器板温度经过n秒后发生了变化,在图4的内弧宽面铜板上出现了宽面铜板冷点区域6,操作人员可以根据铜板热像图中的变化,判断铸坯表面已经出现异常情况,然而铜板热像图仅显示当前时刻铜板温度情况,为铸坯表面纵裂的判断和检测增加了难度。本发明对结晶器铜板热像图进行了改进,以持续呈现当前、历史时刻铜板温度变化情况,即计算热像图中每个网格单元之前n秒温度的均值,将相同网格单元当前时刻t温度T[x,y]与其之前n秒温度的均值做差,将温度差值存储在二维数组D[x,y]中。依据设定的温度差值-颜色对应关系,绘制结晶器铜板差值热像图,准确呈现结晶器铜板温度的变化。
图5是四张结晶器铜板温度差值可视化热像图。连铸机结晶器带走钢液热量,钢液在结晶器内冷却后形成坯壳,保护渣渣膜热阻、渣膜厚度以及气隙是影响铸坯/结晶器传热的重要因素,其中,气隙的热阻要高于其他1~2个数量级。铸坯表面纵裂的出现,为铸坯/结晶器间增加一条纵向气隙,阻碍了铸坯/结晶器间传热,如图5所示,在冷却水的作用下,内弧宽面出现了一段连续的低温区域,即未处理的冷点区域7。温度差值热像图能够更加直观、精确地呈现结晶器铜板温度的二维变化,为检测铸坯表面纵裂提供了可视化手段。
第二步、冷点区域阈值分割和标记
(1)在结晶器铜板温度差值热像图中搜索冷点区域;
(2)采用图像处理中的阈值分割算法,将D[x,y]中小于设定阈值-2.5℃的冷点区域进行分离;
(3)采用八连通判别算法,对冷点区域进行连通性判断,将属于同一个冷点区域赋予统一标号,以便于分析冷点区域特征;
图6是t1时刻阈值分割后的温度差值图像。采用图像处理的阈值分割算法,从左到右,从上到下,依次检测结晶器铜板的每个像素,若像素点的值未超过-2.5℃,则将该点剔除,若像素点的值差值超过了-2.5℃,则保留该像素点。通过阈值分割算法,将图5未处理的冷点区域7与正常温度变化区域进行了分离。利用八连通判别准则对冷点区域的连通性进行判断,将不同冷点区域以标号进行区分,如图6、图7中的t1时刻冷点区域8、t2时刻冷点区域9所示,以便对冷点区域进行特征提取。
第三步、提取特征信息
(1)温度差值特征
温度差值均值fmean:某一个冷点区域中各点温度差值的均值
温度差值最大值fmax:某一个冷点区域中温度差值最大值
fmax=max(D(x,y))
其中,D(x,y)是热像图中(x,y)位置处当前时刻t温度与其在当前时刻t之前n秒温度均值的差值,即D(x,y)是在数学上描述温度差值随坐标(x,y)变化的函数。f(x,y)是用于判断(x,y)处像素是否属于某一冷点区域Rd的二值化函数,取值为0或1,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0。
(2)几何特征
面积S:用来描述某一个冷点区域Rd的面积大小,即冷点区域在结晶器差值热像图中所占的面积
冷点区域宽度W:冷点区域最左侧至最右侧宽度
W=kx×(Xright-Xleft)
冷点区域高度H:冷点区域最上部至最下部高度
H=ky×(Ybottom-Ytop)
冷点区域高宽比ω:冷点区域高度H与宽度W的比率
其中,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0;kx和ky分别为像素网格单元在x、y方向的实际距离。
(3)位置特征
冷点区域重心坐标(xc,yc):重心坐标用来表示某一个冷点区域重心的位置
其中,当(x,y)∈Rd时,f(x,y)=1;在时,f(x,y)=0;N是冷点区域内的像素总数。
(4)裂纹移动特征
裂纹纵向移动方向与浇铸方向夹角α:冷点区域重心与区域底部(Xbottom,Ybottom)的连线与浇铸方向所成的锐角
裂纹纵向移动速率V:冷点区域重心纵坐标之差与时间间隔t2-t1的比值
网格单元的尺寸即为相邻横、纵向像素间的实际距离,可由铜板宽度、高度和像素数目求得。结晶器热像图和差值热像图中横向、纵向坐标分别用x,y表示;将结晶器左上角设定为坐标原点,横轴x向右为正,从左至右增加;纵轴y向下为正,从上到下增加;T[x,y]是存储结晶器铜板热像图温度数据的二维数组,差值热像图所在的平面定义区域为R,将结晶体铜板温度差值按时间序列存储在二维数组D[x,y]中;Rd是某一个冷点区域内所有点组成的集合;Ytop、Ybottom是某一个冷点区域纵向坐标最小值、最大值,Xleft,Xright是某一个冷点区域横向坐标最小值、最大值,函数f(x,y)取值为0或1;yc1是t1时刻下区域重心纵坐标,yc2是t2时刻下区域重心纵坐标。
图6中的t1时刻冷点区域8呈现了结晶器表面温度持续下降的过程,通过冷点区域特征信息提取函数,将冷点区域的温度变化、几何、位置等信息进行提取。表1为图6、图7中t1时刻冷点区域8、t2时刻冷点区域9的特征信息。
表1异常区域特征信息
区域 | fmean(℃) | fmax(℃) | S(m2) | H(m) | W(m) | ω | V(m·min-1) | α(度) |
8 | -5.6 | -13.5 | 0.030 | 0.153 | 0.024 | 2.7 | 0.73 | 2.5 |
9 | -6.3 | -15.6 | 0.032 | 0.160 | 0.026 | 2.5 | 0.73 | 3.3 |
第四步、铸坯纵裂温度模式识别与判断
(1)冷点区域的温度差值均值小于-4.2℃;
(2)冷点区域面积大于0.025m2;
(3)冷点区域高度大于0.142m,宽度小于0.074m;
(4)冷点区域高宽比大于1.9;
(5)冷点区域纵向移动方向与浇铸方向之间的夹角α小于10度;
(6)冷点区域纵向移动速率与浇铸速率之间的偏差不超过浇铸速率的20%;
若同时满足上述(1)、(2)、(3)、(4)、(5)、(6)条件时,则判定铸坯表面出现纵裂。
图6、图7是t1、t2时刻阈值分割后的温度差值图像。图中t1时刻冷点区域8、t2时刻冷点区域9的温度平均差值fmean分别是-5.6℃和-6.3℃,满足条件(1)中的冷点区域温度差值均值小于-4.2℃,冷点区域面积S分别是0.030m2和0.032m2,横向宽度W分别是0.024m和0.026m,纵向高度H分别是0.153m和0.160m,冷点区域高宽比ω分别是2.7和2.5,此时浇铸速率为0.75m·min-1,裂纹纵向移动速率V为0.73m·min-1,与浇铸速率相近,偏差小于20%,且与浇铸方向夹角α小于10度。根据板坯纵裂特征识别判据,可以判定铸坯表面出现纵裂,系统发出纵裂报警,采取降低铸机拉速等措施,以减轻纵裂带来的危害。
Claims (2)
1.一种连铸坯表面纵裂纹在线检测方法,其特征在于,将结晶器可视化与计算机视觉技术相结合,实时呈现结晶器铜板温度差值及异常温度区域,在线识别、判定连铸坯表面纵裂纹,其检测步骤如下:
第一步、结晶器铜板温度实时检测及温度差值可视化
(1)沿结晶器纵向布置不少于3排测点,采用结晶器温度检测系统,在线获取热电偶温度值,将温度数据进行预处理,消除现场复杂电磁环境对温度数据的干扰;
(2)采用多项式插值算法,对热电偶温度数据进行横向、纵向插值运算,计算出非测点位置网格单元的结晶器铜板温度,进而获得结晶器铜板整体的温度二维分布;
(3)将插值计算后结晶器铜板温度数据存储在二维数组T[x,y]中,依据程序中预先设定的温度-颜色对应关系,绘制结晶器铜板热像图,在浇铸生产过程中,可视化呈现结晶器铜板温度的二维分布;
(4)计算热像图中每个网格单元在当前时刻t之前n秒温度的均值,将相同网格单元当前时刻t的温度T[x,y]与其之前n秒温度的均值做差,将温度差值存储在二维数组D[x,y]中;
(5)根据设定铜板温度差值-颜色对应关系,绘制结晶器铜板温度差值热像图,实时、准确反映结晶器铜板温度变化;
第二步、冷点区域阈值分割和标记
(1)在结晶器铜板温度差值热像图中搜索冷点区域;
(2)采用图像处理中的阈值分割算法,将D[x,y]中小于设定阈值-2.5℃的冷点区域进行分离;
(3)采用八连通判别算法,对冷点区域进行连通性判断,将属于同一个冷点区域赋予统一标号,以便于分析冷点区域特征;
第三步、特征信息提取
根据网格单元与铜板尺寸对应关系,对冷点区域进行特征提取;提取异常区域温度差值均值、温度差值最大值、面积、高度、宽度、区域重心坐标、移动速率、移动方向与水平方向的夹角;
第四步、铸坯纵裂温度模式识别与判断
(1)冷点区域的温度差值均值小于-4.2℃;
(2)冷点区域面积大于0.025m2;
(3)冷点区域高度大于0.142m,宽度小于0.074m;
(4)冷点区域高宽比大于1.9;
(5)冷点区域纵向移动方向与浇铸方向之间的夹角小于10度;
(6)冷点区域纵向移动速率与浇铸速率之间的偏差不超过浇铸速率的20%;
若同时满足上述(1)、(2)、(3)、(4)、(5)、(6)条件时,则判定铸坯表面出现纵裂。
2.根据权利要求1所述的一种连铸坯表面纵裂纹在线检测方法,其特征在于:所述方法适用于方坯、圆坯和异型坯的连铸纵裂纹检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410458785.7A CN104181196B (zh) | 2014-09-09 | 2014-09-09 | 一种连铸坯表面纵裂纹在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410458785.7A CN104181196B (zh) | 2014-09-09 | 2014-09-09 | 一种连铸坯表面纵裂纹在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104181196A CN104181196A (zh) | 2014-12-03 |
CN104181196B true CN104181196B (zh) | 2016-06-29 |
Family
ID=51962419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410458785.7A Expired - Fee Related CN104181196B (zh) | 2014-09-09 | 2014-09-09 | 一种连铸坯表面纵裂纹在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104181196B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849280A (zh) * | 2015-04-15 | 2015-08-19 | 南京钢铁股份有限公司 | 一种连铸板坯表面纵裂纹检测方法 |
CN105241923B (zh) * | 2015-10-08 | 2017-10-31 | 电子科技大学 | 倒装焊焊点缺陷检测方法 |
CN111060840B (zh) * | 2019-10-12 | 2024-07-05 | 威凯检测技术有限公司 | 灯具热试验自动化测量方法及系统 |
CN111007063A (zh) * | 2019-11-25 | 2020-04-14 | 中冶南方工程技术有限公司 | 基于图像识别的铸坯质量控制方法、装置及计算机存储介质 |
CN111618265B (zh) * | 2020-05-06 | 2021-07-16 | 大连理工大学 | 一种基于k近邻分类的连铸坯纵裂纹在线检测方法 |
CN113319259B (zh) * | 2021-06-07 | 2022-09-20 | 东北电力大学 | 一种基于空间-时序特征的黏结漏钢逻辑判断方法 |
CN115415494B (zh) * | 2022-08-02 | 2024-06-07 | 首钢京唐钢铁联合有限责任公司 | 一种板坯冷齿控制方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349663B (zh) * | 2007-07-19 | 2010-09-08 | 宝山钢铁股份有限公司 | 连铸二冷区传热系数测量方法 |
JP5489789B2 (ja) * | 2010-03-05 | 2014-05-14 | 国立大学法人東京工業大学 | 試料温度測定装置及び試料温度測定方法 |
-
2014
- 2014-09-09 CN CN201410458785.7A patent/CN104181196B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104181196A (zh) | 2014-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104181196B (zh) | 一种连铸坯表面纵裂纹在线检测方法 | |
He et al. | Mold breakout prediction in slab continuous casting based on combined method of GA-BP neural network and logic rules | |
CN102886504B (zh) | 一种基于机器视觉的结晶器漏钢可视化预报方法 | |
CN105328155B (zh) | 一种基于改进神经网络的漏钢可视化特征预报方法 | |
CN105911095A (zh) | 一种连铸坯表面纵裂纹的可视化识别方法 | |
CN109396375B (zh) | 一种基于特征向量和层次聚类的结晶器漏钢预报方法 | |
CN104661773B (zh) | 预测板坯质量的装置和方法 | |
CN108436050B (zh) | 一种采用空间密度聚类dbscan预报连铸结晶器漏钢的方法 | |
CN105108097A (zh) | 一种混合模型及基于混合模型的连铸漏钢预报方法 | |
Liu et al. | Computer vision detection of mold breakout in slab continuous casting using an optimized neural network | |
CN103639385B (zh) | 基于最小二乘的漏钢预报方法及系统 | |
CN111570748B (zh) | 基于图像处理的结晶器漏钢预报方法 | |
CN105522133A (zh) | 一种连铸坯与结晶器铜板粘结行为的判定方法 | |
CN104267610B (zh) | 高精度的高炉冶炼过程异常数据检测及修补方法 | |
Ye et al. | Real-time quality prediction of casting billet based on random forest algorithm | |
Duan et al. | Integrated approach to density-based spatial clustering of applications with noise and dynamic time warping for breakout prediction in slab continuous casting | |
CN112926622B (zh) | 一种基于特征向量和swgan-gp生成对抗网络的结晶器漏钢预报方法 | |
CN108469313B (zh) | 基于元胞自动机的结晶器铜板温度异常区域检测方法 | |
Duan et al. | Modeling of breakout prediction approach integrating feature dimension reduction with K-means clustering for slab continuous casting | |
CN110918973B (zh) | 一种基于游程的结晶器热像图异常区域标记方法 | |
CN115446276B (zh) | 基于卷积神经网络识别结晶器铜板v型黏结特征的连铸漏钢预警方法 | |
CN113935416B (zh) | 一种多状态结晶器的连铸漏钢预报方法 | |
JP2019217510A (ja) | 連続鋳造鋳型内可視化装置、方法、およびプログラム | |
CN113814369B (zh) | 一种基于特征向量和Adaboost集成模型的结晶器漏钢预报方法 | |
CN110523968B (zh) | 粘结漏钢的预警判断方法及预警判断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20200909 |