CN105002321A - 一种处理煤气流中心动态跟踪及煤气利用率监测方法 - Google Patents

Abstract

本发明公开了一种处理煤气流中心动态跟踪及煤气利用率监测方法，包括：步骤一，数据采集与处理；步骤二，红外图像处理；步骤三，温度场定标；步骤四，煤气流中心动态跟踪；步骤五，煤气利用率监测。本发明的优点是：实现简单，通过对采集的红外图像处理、结合十字测温数据及高炉设计数据进行温度场定标，实现对料面煤气流中心落点分布的动态跟踪，以及对煤气流中心分布特征及对应煤气利用率进行分类，确定煤气流中心变化与高炉煤气利用率之间的关系，实现对煤气利用率的实时监测，能够实时准确的识别煤气流中心的动态变化情况以及与对应煤气利用率之间的关系，使高炉布料操作实现在线监测及可视化控制，具有准确率高、实时性强的优点。

Description

一种处理煤气流中心动态跟踪及煤气利用率监测方法

技术领域

本发明涉及一种处理煤气流中心动态跟踪及煤气利用率监测方法。

背景技术

高炉生产是在高温、高压条件下进行的一系列复杂的物理、化学和传热反应。由于其内部冶炼是典型的“黑箱”操作，使得高炉炉喉煤气流中心分布很难实现实时准确定位和控制。而合理的煤气流中心分布是保证高炉内炉料稳定下降、化学反应和热交换正常进行的重要条件，也是高炉稳定顺行、节能降耗、增产提质的重要途径。当前，钢铁企业高炉生产都安装了红外摄像机，其目的是可以实时的观察高炉煤气流中心的位置及其变化，炉长根据实时监控煤气流中心红外图像和长期积累的经验进行生产调控，但是，这种过分依赖于炉长直观经验的生产很难实现高炉的在线控制。事实上，长期监控高炉煤气流中心的红外视频数据隐藏着大量的高炉炉况信息，只有对大量红外视频数据进行再处理，挖掘煤气流中心变化的统计规律，探索煤气流中心变化与煤气利用率之间的内在联系，才能实现高炉布料的在线控制和可视化操作、煤气利用率的实时监测，达到提高煤气利用率和降低焦比的目的。现有技术一般只对异常炉况下的少量红外图像进行特征提取，并与十字测温数据进行融合，获得不同炉况下的料面温度场分布，其显著缺点是：不具有统计规律，不能全面代表复杂的高炉炉况，更没有对煤气流中心的具体分布特征以及中心分布对高炉产生的影响做准确的测定。

发明内容

有鉴于此，本发明的主要目的在于提供一种处理煤气流中心动态跟踪及煤气利用率监测方法，其能够对大样本红外视频数据进行处理，可测定煤气流中心动态变化规律与煤气利用率之间的内在关系，实现煤气利用率的实时监测。

为达到上述目的，本发明的技术方案是这样实现的：一种处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，包括：

步骤一，数据采集与处理：在线采集一个月内，720小时的红外视频生产数据、十字测温数据及每小时的平均煤气利用率，经过图像提取获得每秒24帧的红外图像数据；

步骤二，红外图像处理：对步骤一获得的红外图像数据进行批量叠加处理，得到每小时3600帧煤气流的红外图像，对叠加后的红外图像进行均值、中值滤波处理，滤除噪声和脉冲干扰，采用全阈值分割的方法对滤波后的图像进行特征提取，得到煤气流中心所在的亮度带区域；

步骤三，温度场定标：对拍摄的高炉内部料面进行旋转计算，并结合十字测温热电偶完成空间定标，得到高炉物理中心及十字测温热电偶在红外图像中的位置，统计热电偶附近的灰度值建立温度与灰度的数学模型，确定温度灰度的对应关系；

步骤四，煤气流中心动态跟踪：具体过程通过以下步骤实现：

a.根据温度与灰度的对应关系得到图像高温区域的阈值，通过图像特征提取得到煤气流中心所在区域，根据图像位图流格式，对图像中亮度带区域的所有横、纵坐标分别取均值，提取每秒的煤气流中心点坐标；

b.根据十字热电偶及高炉物理中心在图像上的具体位置，以图像纵向上的两个十字测温热电偶之间的像素数为短半轴，横向上的两个十字测温热电偶之间的像素数为长半轴，以高炉物理中心在图像上的位置为中心，做出反映实际炉喉料面的椭圆图形。将提取的每秒煤气流中心点标记在椭圆上，进行煤气流中心偏移操作：椭圆从里到外分为第一、二、三圈，把落在第一圈内的点设为“煤气流中心无偏移”，落在第二圈内的点设为“煤气流中心偏移较小”，而落在第三圈内的点设为“煤气流中心偏移较大”；

c.进行煤气流中心占有率计算，计算煤气流中心分别落在不同椭圆区域的占有率，对煤气流中心的动态变化进行统计量化：

$r_{it}=\frac{N_{it}}{N_t},i=1,2,3;t=1,2,...,720$

其中N_t为第t个小时提取煤气流中心点总个数,N_it为第t个小时落在第i圈内的中心点个数,r_it为第t个小时落在第i圈煤气流中心的占有率，用向量 表征第t个小时高炉煤气流中心的分布状态；

步骤五，煤气利用率监测：利用模糊C均值聚类对每小时的煤气流中心偏移度与对应的煤气利用率η_t组成的720个向量  $\left\{{\stackrel{\→}{\mathrm{\β}}}_t\right|\stackrel{\→}{{\mathrm{\β}}_t}=\{r_{1t},r_{2t},r_{3t},{\mathrm{\η}}_t\},t=1,2,...,720\}$ 进行模糊分类，聚类损失函数为：

$J_f=\underset{j=1}{\overset{c}{\Σ}}\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^b\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_j|{|}^2$

利用多元函数求极值的方法得到：

${\stackrel{\→}{m}}_j=\frac{\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^2{\stackrel{\→}{\mathrm{\β}}}_i}{\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^2}$

$u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)=\frac{{\[1/\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_j|{|}^2\]}^{1/(b-1)}}{\underset{k=1}{\overset{c}{\Σ}}{\[1/\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_k|{|}^2\]}^{1/(b-1)}},i=1,2,\mathrm{...},720;j=1,2,\mathrm{...},c$

其中，c为预定的类别数目，为聚类中心，是第i个样本对于第j类的隶属度函数。

本发明相对于现有技术具有以下突出的实质性特点和显著的进步：

实现简单，该方法通过对采集的红外图像处理、结合十字测温数据及高炉设计数据进行温度场定标，实现对料面煤气流中心落点分布的动态跟踪，并对煤气流中心分布特征及对应煤气利用率进行分类，确定煤气流中心变化与高炉煤气利用率之间的关系，实现对煤气利用率的实时监测，能够实时准确的识别煤气流中心的动态变化情况以及与对应煤气利用率之间的关系，使高炉布料操作实现在线监测及可视化控制，具有准确率高、实时性强、在线控制和可视化程度高的特点，为高炉进行合理的布料操作提供了可靠的数据依据，从而降低焦比，提高生产效率，最终使高炉实现节能降耗。

附图说明

图1为本发明的处理煤气流中心动态跟踪及煤气利用率监测方法的高炉红外图像示意图；

图2为本发明的图像处理流程图；

图3为本发明温度灰度对应关系图；

图4为本发明的炉喉十字测温热电偶分布图；

图5为本发明的料面旋转图；

图6为本发明的图像上十字测温热电偶分布图；

图7为本发明的图像位图；

图8(a)为本发明的煤气流中心偏移较小分布图；

图8(b)为本发明的煤气流中心偏移稍大分布图；

图8(c)为本发明的煤气流中心偏移较大分布图；

图8(d)为本发明的煤气流中心分布均匀图；

图9为本发明的分类流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

本发明的处理煤气流中心动态跟踪及煤气利用率监测方法包括：

步骤一，数据采集与处理：在线采集一个月内(720小时)的红外视频生产数据、十字测温数据及每小时的平均煤气利用率，经过图像提取获得每秒24帧的红外图像数据。

步骤二，红外图像处理：对步骤一获得的红外图像数据进行批量叠加处理，得到每小时3600帧(1帧/秒)煤气流的红外图像，对叠加后的红外图像进行均值、中值滤波处理，滤除噪声和脉冲干扰，采用全阈值分割的方法对滤波后的图像进行特征提取，得到煤气流中心所在的亮度带区域，请参照图2，具体过程为：

(2.1)图像叠加处理，由于十字测温的采样周期为每5秒采集一次，因此，需要把每秒的红外图像进行叠加得到每秒一张红外图像(3600张/小时)，通过大量的红外图像数据的批处理，得到红外图像和十字测温在同一个时间单位上的数据，并且为之后进行的温度与灰度定标以及识别每秒煤气流中心的动态变化情况提供了基础和条件。

(2.2)图像滤波处理，由于高炉炼铁过程是一个高度复杂的过程，红外图像容易产生噪声和脉冲干扰，不利于图像特征的提取，必须进行滤波处理。图像滤波的方法有高斯滤波、中值滤波、均值滤波等，由于高斯滤波主要用于滤除高斯噪声，而单独采用中值或均值滤波效果不明显，因此，本发明主要采用均值滤波和中值滤波共同对图像进行处理。

Step1：选取采集的一帧红外图像g(x,y)，x为一帧图像的行号，y为一帧图像的列号。

Step2：对红外图像g(x,y)采用均值滤波，存储到图像g₁(x,y)中，即：

$g_1(x,y)=\frac{1}{9}\underset{(x,y)\∈(3\×3)}{\Σ}g(x,y)$

Step3：对均值滤波后的图像g₁(x,y)进行中值滤波，存储到图像f(x,y)中；

(2.3)图像阈值分割 

本发明采用全阈值分割法对滤波后的图像进行阈值分割。设定一个图像分割阈值T,所得到的图像为F(x,y)：

$F(x,y)=\left\{\begin{array}{c}1,f(x,y)>T\\ 0,f(x,y)\≤T\end{array}\right.$

式中f(x,y)为像素点(x,y)的灰度值，F(x,y)为分割后的图像。通过阈值分割将灰度图像转换为二值图像。图像阈值分割得到了煤气流中心所在亮度带区域。

步骤三，温度场定标：红外摄像仪在拍摄内部料面图像时，拍摄镜头和料面之间存在一定的拍摄距离和倾斜角度，导致获得的红外图像存在一定的倾斜变形，因此，需要对拍摄的高炉内部料面进行旋转计算，并结合十字测温热电偶完成空间定标，得到高炉物理中心及十字测温热电偶在红外图像中的位置，统计热电偶附近的灰度值建立温度与灰度的数学模型，确定温度灰度的对应关系，请参照图3，图4为炉喉料面十字测温热电偶的分布图，由4根互相垂直的测温樑组成，其中一根测温樑较长伸至炉喉中心含有6个热电偶，测量高炉中心煤气流温度，其余三根测温樑长度一致，每根测温樑上均匀分布5个相同的热电偶，共均匀分布有21个热电偶。为了确定高炉物理中心及十字测温热电 偶在红外图像中的位置，需要进行空间定标。

由于红外摄像仪在安装时和料面存在一定的拍摄距离和拍摄角度，所获得的图像存在一定的倾斜变形，为了准确得到十字测温热电偶在红外图像上的位置，需对料面进行旋转，如图5所示O为红外摄像仪，ABCD为旋转前拍摄料面，abcd为经旋转后进入摄像仪的料面。经过旋转计算，得到实际料面与红外图像之间的对应关系，从而确定高炉十字测温热电偶和高炉物理中心在红外图像上的具体位置，如图6所示。

把十字测温检测到的温度值作为基准温度，根据十字测温热电偶在红外图像中的位置关系，统计热电偶附近的灰度值建立温度与灰度的数学模型，确定温度灰度的对应关系。

步骤四，煤气流中心动态跟踪：具体过程通过以下步骤实现：

(4.1)根据温度与灰度的对应关系得到图像高温区域的阈值，通过图像特征提取得到煤气流中心所在区域，根据图像位图流格式，对图像中亮度带区域的所有横、纵坐标分别取均值，提取每秒的煤气流中心点坐标。

煤气流中心特征提取，根据高炉实际生产状况可知，不同的煤气流中心分布能够反映出高炉运行状态及煤气利用率。高炉炉喉料面煤气流的高温区为煤气流旺盛的区域，即煤气流中心所在区域。由温度与灰度的对应关系可以得到图像上高温区域的灰度阈值，对图像进行阈值分割后得到图像上煤气流中心所在的区域。根据图像位图流的格式，如图7所示，设左下角为(0，0)坐标，右上角为(351，287)，对图像亮度带中所有的横、纵坐标分别取均值可以得出亮度带的中心坐标，即为图像中煤气流中心坐标。而个别图像中灰度值都小于阈值，则表明此时的煤气流中心不明显，故不做提取。

(4.2)根据十字热电偶及高炉物理中心在图像上的具体位置，以图像纵向上的两个十字测温热电偶之间的像素数为短半轴，横向上的两个十字测温热电偶之间的像素数为长半轴，以高炉物理中心在图像上的位置为中心，做出反映实际炉喉料面的椭圆图形。将提取的每秒煤气流中心点标记在椭圆上，进行煤气流中心偏移操作：椭圆从里到外分为第一、二、三圈，把落在第一圈内的点称作“煤气流中心无偏移”，落在第二圈内的点称作“煤气流中心偏移较小”，而落在第三圈内的点称作“煤气流中心偏移较大”，即可实现对高炉内每小时煤气 流中心的动态跟踪。

为了描述每小时内煤气流中心点的动态变化情况，本发明根据空间定标确定出高炉的物理中心和十字测温热电偶在灰度图像中的位置。以图像纵向上的两个十字测温热电偶之间的像素数为短半轴，横向上的两个十字测温热电偶之间的像素数为长半轴，以高炉物理中心在图像上的位置为中心，在图像上可以近似作出反映实际料面温度场的椭圆图形。将提取到的每秒煤气流图像中心坐标标记在椭圆上，即可实现对高炉内每小时煤气流中心的动态跟踪。

本发明采集720小时的红外视频数据，将视频数据批处理后最终转化为红外图像数据(1帧/秒)。对每帧图像进行均值、中值滤波处理并提取煤气流中心特征，获得每小时内的煤气流中心在椭圆上的动态变化情况(共720小时)。为了描述方便，进行煤气流中心偏移操作。椭圆从里到外分为第一、二、三圈，把落在第一圈内的点称作“煤气流中心无偏移”，落在第二圈内的点称作“煤气流中心偏移较小”，而落在第三圈内的点称作“煤气流中心偏移较大”。

(4.3)进行煤气流中心占有率计算，计算煤气流中心分别落在不同椭圆区域的占有率(概率分布)，对煤气流中心的动态变化进行统计量化：

$r_{it}=\frac{N_{it}}{N_t},i=1,2,3;t=1,2,...,720$

其中N_t为第t个小时提取煤气流中心点总个数,N_it为第t个小时落在第i圈内的中心点个数,r_it为第t个小时落在第i圈煤气流中心的占有率，用向量 表征第t个小时高炉煤气流中心的分布状态。

图8(a)、(b)、(c)、(d)为具有代表性的某4个小时内的煤气流中心的动态分布图。从表1可知，图8(a)显示，这一小时内的煤气流中心主要分布在第一圈，占有率达到了85.6％，表明这一小时内高炉煤气流中心偏移程度很小，煤气流的旺盛区域集中在炉喉中心；图8(b)显示，这一小时内的煤气流中心主要分布在第二圈，占有率达到71.78％，表明这一小时内高炉煤气流中心偏移程度稍大，煤气流旺盛的区域大部分偏离炉喉中心；图8(c)显示，这一小时内的煤气流中心分布在第三圈的较多，占有率达到了48.02％，表明这一小时内的高炉煤气流中心发生较大的偏移，煤气流旺盛区域偏离炉喉中心较大。图8(d)显示，这一小时内煤气流中心分布比较均匀，在一、二、三圈内的占有率分别为30％左右，表明这一小时内煤气流中心发生偏移，但偏移较均匀。 由图8(b、c、d)看出，此高炉煤气流中心主要向西南方向偏移，与高炉实际生产情况相符，本文用向量表征第t个小时高炉煤气流中心的分布状态。

表1某4个小时的中心落点统计结果

步骤五，煤气利用率监测：采用模糊C均值聚类对每小时的煤气流中心偏移度与对应的煤气利用率η_t组成的720个向量  $\left\{{\stackrel{\→}{\mathrm{\β}}}_t\right|\stackrel{\→}{{\mathrm{\β}}_t}=\{r_{1t},r_{2t},r_{3t},{\mathrm{\η}}_t\},t=1,2,...,720\}$ 进行模糊分类，聚类损失函数为：

$J_f=\underset{j=1}{\overset{c}{\Σ}}\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^b\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_j|{|}^2$

利用多元函数求极值的方法得到：

${\stackrel{\→}{m}}_j=\frac{\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^2{\stackrel{\→}{\mathrm{\β}}}_i}{\underset{i=1}{\overset{720}{\Σ}}{\[u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)\]}^2}$

$u_j\left({\stackrel{\→}{\mathrm{\β}}}_i\right)=\frac{{\[1/\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_j|{|}^2\]}^{1/(b-1)}}{\underset{k=1}{\overset{c}{\Σ}}{\[1/\left|\right|{\stackrel{\→}{\mathrm{\β}}}_i-{\stackrel{\→}{m}}_k|{|}^2\]}^{1/(b-1)}},=1,2,\mathrm{...},720;j=1,2,\mathrm{...},c$

其中，c为预定的类别数目，为聚类中心，是第i个样本对于第j类的隶属度函数。将中心偏移度与煤气利用率组成的向量作为输入数据，设定聚类中心，给定类别数目进行分类，即可得到表征煤气流中心变化情况与煤气利用率关系的聚类中心，实现煤气利用率的实时监测，最终实现 对高炉布料操作的在线指导。

在高炉实际生产中，煤气利用率是反应高炉运行状态的重要标志，煤气流中心分布不同所对应的煤气利用率不同。因此，探索煤气流中心动态分布与煤气利用率之间的统计规律，对实现煤气利用率的实时监测及指导高炉布料操作具有重要意义。本发明采用模糊C均值聚类的方法进行分类研究。

如图9为模糊C均值聚类流程图，输入变量为：煤气流中心偏移度与对应时间煤气利用率组成的720个向量，给定初始聚类中心，设定聚类数目；输出变量为分类后的聚类中心，不同的聚类中心代表了不同的煤气流中心分布对应煤气利用率，实现了对煤气利用率的实时监测。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (7)

1.一种处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，包括：

步骤一，数据采集与处理：在线采集一个月内，720小时的红外视频生产数据、十字测温数据及每小时的平均煤气利用率，经过图像提取获得每秒24帧的红外图像数据；

步骤二，红外图像处理：对步骤一获得的红外图像数据进行批量叠加处理，得到每小时3600帧煤气流的红外图像，对叠加后的红外图像进行均值、中值滤波处理，滤除噪声和脉冲干扰，采用全阈值分割的方法对滤波后的图像进行特征提取，得到煤气流中心所在的亮度带区域；

步骤三，温度场定标：对拍摄的高炉内部料面进行旋转计算，并结合十字测温热电偶完成空间定标，得到高炉物理中心及十字测温热电偶在红外图像中的位置，统计热电偶附近的灰度值建立温度与灰度的数学模型，确定温度灰度的对应关系；

步骤四，煤气流中心动态跟踪：具体过程通过以下步骤实现：

a.根据温度与灰度的对应关系得到图像高温区域的阈值，通过图像特征提取得到煤气流中心所在区域，根据图像位图流格式，对图像中亮度带区域的所有横、纵坐标分别取均值，提取每秒的煤气流中心点坐标；

b.根据十字热电偶及高炉物理中心在图像上的具体位置，以图像纵向上的两个十字测温热电偶之间的像素数为短半轴，横向上的两个十字测温热电偶之间的像素数为长半轴，以高炉物理中心在图像上的位置为中心，作出反映实际炉喉料面的椭圆图形，将提取的每秒煤气流中心点标记在椭圆上，进行煤气流中心偏移操作：椭圆从里到外分为第一、二、三圈，把落在第一圈内的点设为“煤气流中心无偏移”，落在第二圈内的点设为“煤气流中心偏移较小”，而落在第三圈内的点设为“煤气流中心偏移较大”；

c.进行煤气流中心占有率计算，计算煤气流中心分别落在不同椭圆区域的占有率，对煤气流中心的动态变化进行统计量化：

其中N_t为第t个小时提取煤气流中心点总个数,N_it为第t个小时落在第i圈内的中心点个数,r_it为第t个小时落在第i圈煤气流中心的占有率，用向量 表征第t个小时高炉煤气流中心的分布状态；

步骤五，煤气利用率监测：利用模糊C均值聚类对每小时的煤气流中心偏移度与对应的煤气利用率η_t组成的720个向量 进行模糊分类，聚类损失函数为：

利用多元函数求极值的方法得到：

其中，c为预定的类别数目，为聚类中心，是第i个样本对于第j类的隶属度函数。

2.如权利要求1所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述步骤二包括：

图像叠加处理，把每秒的红外图像进行叠加得到每秒一张红外图像，3600张/小时，以获取红外图像和十字测温在同一个时间单位上的数据；

图像滤波处理，将所述图像叠加处理后的图像数据进行滤波处理，以提取图像特征；

图像阈值分割，将灰度图像转化为二值图像，以得到了煤气流中心所在亮度带区域。

3.如权利要求2所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述滤波采用均值滤波和中值滤波共同对图像数据进行处理。

4.如权利要求3所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述滤波处理包括：

首先，选取采集的一帧红外图像g(x,y)，x为一帧图像的行号，y为一帧图像的列号。

其次，对红外图像g(x,y)采用均值滤波，存储到图像g₁(x,y)中，即：

最后，对均值滤波后的图像g₁(x,y)进行中值滤波，存储到图像f(x,y)中。

5.如权利要求4所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述图像阈值分割包括：

设定一个图像分割阈值T,所得到的图像为F(x,y)：

式中f(x,y)为像素点(x,y)的灰度值，F(x,y)为分割后的图像。

6.如权利要求1所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述十字测温热电偶由4根互相垂直的测温樑组成，其中一根测温樑伸至炉喉中心含有6个热电偶，其余三根测温樑长度一致，每根测温樑上均匀分布5个相同的热电偶，共均匀分布有21个热电偶。

7.如权利要求6所述的处理煤气流中心动态跟踪及煤气利用率监测方法，其特征在于，所述步骤三包括对料面进行旋转计算。