CN105483305B - 一种基于高炉雷达数据的料层分布可视化方法 - Google Patents
一种基于高炉雷达数据的料层分布可视化方法 Download PDFInfo
- Publication number
- CN105483305B CN105483305B CN201610016299.9A CN201610016299A CN105483305B CN 105483305 B CN105483305 B CN 105483305B CN 201610016299 A CN201610016299 A CN 201610016299A CN 105483305 B CN105483305 B CN 105483305B
- Authority
- CN
- China
- Prior art keywords
- bed
- charge level
- decrease speed
- blast furnace
- data
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000007423 decrease Effects 0.000 claims abstract description 109
- 238000005259 measurement Methods 0.000 claims abstract description 70
- 239000004744 fabric Substances 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 34
- 239000000571 coke Substances 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007794 visualization technique Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Manufacture Of Iron (AREA)
- Blast Furnaces (AREA)
Abstract
本发明提供一种基于高炉雷达数据的料层分布可视化方法，能够描述高炉加料和降料的三维料层可视化图形。所述方法包括：S1、通过高炉雷达获取各测量点的测量数据；S2、对获取到的测量数据进行预处理，根据预处理后的测量数据得到降料期间的料面下降速度；S3、基于得到的降料期间的料面下降速度，推算料层下降速度；S4、基于推算出的料层下降速度，得到料层分布；S5、在时间、径向、高度三个维度上对料层分布趋势进行拟合，得到在时间‑径向‑高度上的三维料层分布可视化图形。本发明适用于高炉炼铁控制技术领域。
Description
技术领域
本发明涉及高炉炼铁控制技术领域，特别是指一种基于高炉雷达数据的料层分布可视化方法。
背景技术
高炉料层分布与高炉内的煤气流分布、燃料比等有直接关系，是高炉操作人员判断炉况效率和准确性的重要依据，关系到炉况是否顺行，最终影响到高炉冶炼指标。随着计算机技术的发展，高炉可视化已成为一种掌握料层状况、调节布料矩阵等参数的可靠手段。因此，研究高炉可视化，及时发现料面料层变化情况对高炉生产的稳定和安全具有重要意义。
中国专利CN200710064497.3《高炉料面形状动态立体监测系统和检测方法》采用在高炉炉顶安装以渐开线分布的多台雷达对料面形状进行检测，再以料面高度数据为基准拟合动态的料面曲线。该方法研究了利用多雷达检测高炉料面形状的方法，可以获取料面的形状，没有料层分布及其运动趋势的分析方法。
中国专利CN201010290782.9《一种基于多源异构数据融合的高炉料面成像系统》采用高炉雷达和机械探尺获取的料面信息，十字测温热电偶获得料面上方的温度信息进行多源异构数据融合，形成准确的料面形状。该专利利用有限的雷达测量数据，配合探尺数据和十字测温数据，以及长期的布料经验，达到贴近真实料面的效果，改善了料面成像精度。但该发明只提出了一种料面形状的估计方法，无料层信息及可视化分析方法。
中国专利CN201110125524.X《基于多点雷达数据的无料钟高炉炉顶布料闭环控制方法》，其特点是：利用多点雷达数据和布料模型估计料面形状；建立矿焦比分布数学模型，并代替煤气流分布；根据炉况信息建立期望矿焦比分布数学模型；在利用多点雷达数据建立的布料模型基础上，设置最优布料矩阵，使下次布料后的矿焦比分布达到期望；最后实现闭环控制及合理煤气流分布的目的。
以上专利的不断改进，可以准确绘制出料面形状，但未利用雷达实测数据进一步深入给出料层的可视化分布。
美国专利US 4322627《Apparatus For Monitoring The Surface Of Charge OfA Shaft Furnace》采用在高炉炉顶安装遥测光学辐射激光发射器，利用激光扫描料面获取信息，进而绘制出料面三维图像。但该专利只利用单一激光方法绘制料面，并没有开展料层下降模型方面的研究。
美国专利US2014333752(A1)《System and Method For On-line Measuring ABurden Surface In A Blast Furnace》同时采用多个激光发射器和视频摄像机获取料面信息，其特点是可以获取料面大量且准确的实际检测点数据，进而绘制出准确的料面形状。
以上专利利用激光发射器或视频摄像机获取料面信息，但易受到高炉内部复杂环境的影响，而造成实测数据的不准确，同时仍然未研究料层的分布情况。
综上所述，现有的各种高炉可视化方法只研究料面形状等信息，没有对高炉料层的运行状态和趋势进行可视化的方法研究。
发明内容
本发明要解决的技术问题是提供一种基于高炉雷达数据的料层分布可视化方法，以解决现有技术所存在的没有对高炉料层的运行状态和趋势进行可视化的方法研究的问题。
为解决上述技术问题，本发明实施例提供一种基于高炉雷达数据的料层分布可视化方法，包括:
S1、通过高炉雷达获取各测量点的测量数据；
S2、对获取到的测量数据进行预处理，根据预处理后的测量数据得到降料期间的料面下降速度；
S3、基于得到的降料期间的料面下降速度，推算料层下降速度；
S4、基于推算出的料层下降速度，得到料层分布；
S5、在时间、径向、高度三个维度上对料层分布趋势进行拟合，得到在时间-径向-高度上的三维料层分布可视化图形。
进一步地，所述三维料层通过任意剖面的可视化方法展现料层运动形状；
在时间-高度二维剖面上显示跟踪料面的相关信息，所述料面的相关信息包括：加料和降料时间的料面信息、料面上各点下降速度；
在时间-高度二维剖面上还显示跟踪某一料层的动态变化，所述料层的动态变化包括：剖面后的料层位置信息、料层下降速度的变化；
在径向-高度二维剖面上显示跟踪某一个料层的相关信息，所述料层的相关信息包括：剖面后的料线信息、料线形状的变化、料线上各点下降速度；
在径向-高度二维剖面上还显示跟踪料层分布的动态变化，所述料层分布的动态变化包括：剖面后料层分布信息、矿焦层厚度、各料层的矿焦比。
进一步地，所述对获取到的测量数据进行预处理包括：
若所述高炉雷达为阵列雷达，则采用基于统计模型的异常数据挖掘算法剔除异常数据，并分区间进行数据采样，选取有效的测量数据；
若所述高炉雷达为旋转雷达，则采用肖维勒方法剔除异常数据，并用相应的雷达探尺数据补充空缺处，得到有效的测量数据。
进一步地，所述根据预处理后的测量数据得到降料期间的料面下降速度包括：
S201、记录各测量点的一次加料结束和下一次加料开始时刻的料面高度值和时间值；
S202、根据记录的一次加料结束和下一次加料开始时刻的料面高度值和时间值，得到对应降料期间的料面下降速度；
S203、基于抛物线模型的最小二乘法修正料面各点下降速度；
S204、重复S201～S203，得出各个降料期间的料面下降速度。
进一步地，在S203之后包括：
记录各测量点之间的扫描时间间隔，及加料开始和结束时刻的时间值；
根据料面下降速度和记录的扫描时间间隔预测各测量点在同一时刻的料面高度值；
根据料面下降速度预测在加料开始和结束时刻的料面高度值。
进一步地，所述S3包括：
S301、一次加料产生新料层，在降料期间，基于S2得到的料面下降速度作为新料层下降速度；
S302、在该降料期间，保持旧料层下降速度与新料层下降速度相等，且匀速下降；
S303、再次加料又产生新料层，在此期间所有料层保持下降速度不变，继续匀速下降；
S304再次降料期间，基于S2得到的料面下降速度作为又产生的新料层下降速度，重复S302～S303得出所有料层的新下降速度；
S305、根据S301～S304，获得所有料层在各个布料周期的下降速度。
进一步地，所述S4包括：
根据推算出的料层下降速度，并结合加料结束时刻的料面高度值和布料周期，得出矿石层和焦炭层的下降高度，得到料层分布。
进一步地，所述S5包括：
在时间维度上，对料面进行分段拟合；
所述在时间维度上，对料面进行分段拟合包括：
根据布料标记，判断当前时刻是否为布料时刻；
若当前时刻是布料时刻，则保留原始数据；
若当前时刻不是布料时刻，则制定拟合区间进行区间拟合。
进一步地，所述S5包括：
若所述高炉雷达为阵列雷达，在径向维度上采用三次样条插值算法拟合料线形状，在时间维度上采用基于正交多项式的最小二乘法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；
其中，料线形状变化的实质是料层的均匀下降。
进一步地，所述S5包括：
若所述高炉雷达为旋转雷达，在径向维度上采用三次样条插值算法或B样条插值算法拟合料线形状，在时间维度上采用三次样条插值算法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；
其中，料线形状变化的实质是料层的均匀下降。
本发明的上述技术方案的有益效果如下：
上述方案中，通过高炉雷达获取各测量点的测量数据，对获取到的测量数据进行预处理，根据预处理后的测量数据计算降料期间的料面下降速度、推算料层下降速度、计算料层分布、并对料层分布趋势进行拟合，从而建立一种基于时间-径向-高度的间歇布料和连续下料过程中，描述高炉加料和降料的三维料层分布可视化图形的方法，从而为高炉运行和布料控制提供可视化的判断依据，该三维料层可以用以任意剖面的可视化方法展现其运动形状。
附图说明
图1为本发明实施例提供的基于高炉雷达数据的料层分布可视化方法的流程图；
图2(a)为本发明实施例提供的阵列雷达数据预处理前的示意图；
图2(b)为本发明实施例提供的阵列雷达数据预处理后的示意图；
图3(a)为本发明实施例提供的旋转雷达数据预处理前的示意图；
图3(b)为本发明实施例提供的旋转雷达数据预处理后的示意图；
图4为本发明实施例提供的料面下降速度沿径向分布的曲线示意图；
图5为本发明实施例提供的料层下降速度推算方法的原理示意图；
图6为本发明实施例提供的连续两个布料周期的三维料面变化趋势示意图；
图7为本发明实施例提供的连续两个布料周期的焦炭层与矿石层分布示意图；
图8为本发明实施例提供的在径向-高度二维剖面上第二个布料周期布矿结束时刻的料层分布示意图；
图9为本发明实施例提供的第二个布料周期布矿结束时刻的径向矿焦比分布示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的没有对高炉料层的运行状态和趋势进行可视化的方法研究的问题，提供一种基于高炉雷达数据的料层分布可视化方法。
实施例一
如图1所示，本发明实施例提供的一种基于高炉雷达数据的料层分布可视化方法，包括:
S1、通过高炉雷达获取各测量点的测量数据；
本发明实施例中，通过安装在高炉炉顶的高炉雷达获取各测量点的测量数据，所述高炉雷达可以包括：阵列雷达、旋转雷达、MIMO雷达等雷达监测系统，本发明实施例是建立在安装了6个阵列雷达的1080m3高炉和安装了旋转雷达的2500m3高炉上的实施例。
S2、对获取到的测量数据进行预处理，根据预处理后的测量数据得到降料期间的料面下降速度；
S3、基于得到的降料期间的料面下降速度，推算料层下降速度；
S4、基于推算出的料层下降速度，得到料层分布；
S5、在时间、径向、高度三个维度上对料层分布趋势进行拟合，得到在时间-径向-高度上的三维料层分布可视化图形。
本发明实施例所述的基于高炉雷达数据的料层分布可视化方法，通过高炉雷达获取各测量点的测量数据，对获取到的测量数据进行预处理，根据预处理后的测量数据计算降料期间的料面下降速度、推算料层下降速度、计算料层分布、并对料层分布趋势进行拟合，从而建立一种基于时间-径向-高度的间歇布料和连续下料过程中，描述高炉加料和降料的三维料层分布可视化图形的方法，从而为高炉运行和布料控制提供可视化的判断依据，该三维料层可以用以任意剖面的可视化方法展现其运动形状。
本发明实施例中，所述时间-径向-高度为三个不同的维度；其中，时间表示各布料周期中加料和降料的时间值；径向表示高炉径向坐标，可以用极坐标或者笛卡尔坐标表示，一般以高炉径向中心零料线为起始点；高度表示雷达获取的距离零料线经预处理后的数据及料层下降高度数据，料层分布可视化主要描述高炉炉喉处5～7层料层分布沿时间-径向-高度的变化过程以及沿任意剖面的运动形式。
高炉雷达能够在有高温、高压、高粉尘的高炉封闭环境中进行料面的测量，同时高炉雷达的测量数据蕴含着包含噪声、存在误差等特点，需对高炉雷达的测量数据进行预处理剔除掉异常数据，选取有效的测量数据，提高雷达测量数据的精确度。但因高炉雷达测量方式不同，选择的数据预处理方式也不同。
其中，阵列雷达具有规模大、误差小、采样周期短等特点，阵列雷达获取到的测量数据具有规模大、不精确、包含噪声等特点，因此，对于阵列雷达，采用基于统计模型的异常数据挖掘算法剔除异常数据，具体的，先将6个阵列雷达测量到的测量数据按时间序列分为序列数据集Di(i＝1,2,...6)，每个数据集中的数据个数均为n，x1,x2,...,xn表示数据集的具体料面高度值，首先剔除在料面高度变化范围(例如，3～10m)之外的数据，并由均值公式分别计算6个数据集的均值Ei：
接着，检验在此范围内的检验对象是否超出误差限，设检验对象为xm(m＝1,2,...,n)，检验对象xm的左右邻居对象为xm-1,xm-2,xm-3,xm-4,xm-5和xm+1,xm+2,xm+3,xm+4,xm+5，则检验对象及左右邻居对象离均值的偏差度dj为：
dj＝|xj-Ei|(j＝m-5,m-4,...m,...,m+4,m+5)
计算dj的均值e，并将均值e作为误差限，判断dj是否超出该误差限，若超出即对应的检测对象为异常数据并剔除，再分区间进行数据采样选取有效的测量数据，降料期间是分析矿焦比分布的关键时期，由40个样点组成，而加料期间料面变化不稳定，由30个样点组成，图2为1号阵列雷达经数据预处理后，排除了数据集中的异常数据13个(图中圆圈标记)，数据量降到了原来的42.8％。
旋转雷达具有规模小、误差大、以固定周期采样等特点，旋转雷达获取到的测量数据具有规模小、不完整、存在时间差等特点，因此，对于旋转雷达，采用肖维勒方法剔除异常数据，具体的，首先将此旋转雷达扫描的10个测量点测量数据按时间序列分为序列数据集Di(i＝1,2,...10)，每个数据集中的数据个数均为n，x1,x2,...,xn表示数据集的具体料面高度值，接着，由均值公式分别计算10个数据集的均值Ei：
然后，由标准偏差公式计算10个数据集的标准偏差Si：
最后，设检验对象为xm(m＝1,2,...,n)，根据肖维勒法异常数据判断公式判断xm与Ei之差的绝对值是否大于Si与ωn之积，其中，肖维勒法异常数据判断公式表示为：
|xm-Ei|>ωnSi(ωn为肖维勒系数)
若绝对值大于即为异常数据被剔除，同时选取相应的雷达探尺数据补充空缺处，得到有效的测量数据，图3为第8个测量点数据经数据预处理后，排出了异常数据4个，并用探尺数据填补(图中圆圈标记)。
本发明实施例中，根据预处理后得到的有效测量数据，计算降料期间的料面下降速度，计算降料期间的料面下降速度的前提条件为：
1)高炉雷达监测系统可以监测到料面随着不断交替加料和降料的运动信息；
2)在加料期间，料面波动起伏大，无法准确获得料面的下降信息；
3)在降料期间，可以准确监测到料面的下降信息；
4)料面在纵向方向上是匀速下降的，且料面下降速度沿径向分布近似为抛物线。
计算降料期间的料面下降速度的具体步骤为：
S201、记录各测量点的一次加料结束和下一次加料开始时刻的料面高度值和时间值(布料标记)；
S202、根据记录的一次加料结束和下一次加料开始时刻的料面高度值和时间值，得到对应降料期间的料面下降速度v(r)：
(r为距炉心距离)
式中，he(r),hs(r)分别为一次加料结束和下一次加料开始时刻的各测量点料面高度，te,ts分别为相对应时间值；
S203、基于抛物线模型的最小二乘法修正料面各点下降速度v(r)：设高炉雷达各测量点距炉心距离为ri(i＝1,2,...,n)，对应的下降速度为vi(i＝1,2,...,n)，其基于抛物线模型的最小二乘拟合的函数公式为v(r)＝ar2+br+c，其中，a，b，c为系数；由式v(r)＝ar2+br+c计算雷达各测量点的计算值v(ri)为v(ri)＝ari 2+bri+c；由实测值vi和计算值v(ri)计算拟合残差有效值
为
以拟合残差有效值最小为最优判据判断拟合优劣。当最小时，v(r)才是最佳曲线。根据二次函数求极值法，对a、b、c分别求偏导且等于0，可求解参数a、b、c，即有抛物线模型。通过实测值vi和计算值v(ri)的偏差
ρ＝(|vi-v(ri)|/v(ri))×100％
利用上式修正偏差大于5％的料面各点下降速度，使修正后的料面各点下降速度符合炉心和炉壁下降速度较大且大于高炉中间部分的规律，提高炉料下降速度的准确性，图4为修正前后料面下降速度曲线图。
S204、重复S201～S203，得出各个降料期间的料面下降速度。
本发明实施例中，由于旋转雷达监测系统是以固定周期扫描半个料线，导致旋转雷达的测量数据具有不完整、存在时间差等特点，故在S203之后，还需根据布料标记和料面下降速度，通过预测公式预测布料开始和结束时刻的料面高度以及各测量点同一时刻料面高度，其中，预测公式表示为：
式中，h'(r,t)为预测的料面高度，h(r,t)为测量的料面高度，v(r,t)为炉料下降速度，△t为扫描时间间隔值或者布料标记时间值。
其中，预测布料开始和结束时刻的料面高度以及各测量点同一时刻料面高度的具体步骤包括：
记录各测量点之间的扫描时间间隔，及加料开始和结束时刻的时间值；
根据料面下降速度和记录的扫描时间间隔预测各测量点在同一时刻的料面高度值；
根据料面下降速度预测在加料开始和结束时刻的料面高度值。
本发明实施例中，高炉雷达监测系统只可以获得新添加料层随时间的变化信息，无法监测到在已经下降被覆盖的旧料层的运动信息，故依据布料标记和料面下降速度推算料层下降速度v'(r,t)：
式中，v'(r,t)为料层下降速度，vco(r,t)为新料层下降速度，v(r,t)为旧料层下降速度。
其中，推算料层下降速度的前提条件包括：
1)高炉雷达监测系统无法监测到已经下降被覆盖的旧料层的运动信息；
2)布料周期由加料和降料两次交替组成，不断产生新料层；
3)在降料期间的料面下降速度近似为加料后的新料层下降速度；
4)炉料始终保持层状匀速下降。
其中，推算料层下降速度的具体步骤包括：
S301、一次加料产生新料层，在降料期间，基于S2得到的料面下降速度作为新料层下降速度；
S302、在该降料期间，保持旧料层下降速度与新料层下降速度相等，且匀速下降；
S303、再次加料又产生新料层，在此期间所有料层保持下降速度不变，继续匀速下降；
S304再次降料期间，基于S2得到的料面下降速度作为又产生的新料层下降速度，重复S302～S303得出所有料层的新下降速度；
S305、根据S301～S304，获得所有料层在各个布料周期的下降速度。
本发明实施例中，图5为料层下降速度推算方法的原理图，曲线1为料面测量点随时间的变化，区间[t0,t1]为降料期间，从a点下降到b点，其料面下降速度为v1；区间[t1,t2]布焦，从b点上升到c点，为新焦炭层的变化，认为旧料层以v1下降；区间[t2,t3]新焦炭层下降，从c点下降到d点，其下降速度为v2，认为旧料层也以v2下降；区间[t3,t4]布矿，炉料从d点上升到e点，为新矿石层的变化，认为旧料层仍以v2下降；区间[t4,t5]新矿石层下降，从e点下降到f点，其下降速度为v3，认为旧料层也以v3下降，即可在布焦矿后，原料面下降形成料层，曲线2为焦炭层，曲线3为矿石层；采用上述推算方法，即可给出各阶段的料层下降速度，从而得到各个料层分布。
本发明实施例中，基于推算出的料层下降速度，得到料层分布S4包括：
根据推算出的料层下降速度，并结合加料结束时刻的料面高度值和布料周期，得出矿石层和焦炭层的下降高度，即得到料层分布。
本发明实施例中，所述在时间、径向、高度三个维度上对料层分布趋势进行拟合，得到在时间-径向-高度上的三维料层分布可视化图形S5包括：
在时间维度上，针对料面随时间变化的曲线特性，对料面进行分段拟合；
所述在时间维度上，对料面进行分段拟合包括：
根据布料标记，判断当前时刻是否为布料时刻；
若当前时刻是布料时刻，则保留原始数据；
若当前时刻不是布料时刻，则制定拟合区间进行区间拟合。
本发明实施例中，为了实现在径向上显示料层变化的同时能够显示料面随时间的变化趋势，需在时间、径向、高度三个维度上拟合料层分布趋势，但因雷达测量方式的不同而有所差异：
若所述高炉雷达为阵列雷达，在径向维度上采用三次样条插值算法拟合料线形状，在时间维度上采用基于正交多项式的最小二乘法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；其中，料线形状变化的实质是料层的均匀下降，以阵列雷达效果图为例，图6为三维料面变化趋势图，显示料面随时间的变化过程，图7为料层分布趋势图，显示料层分布随时间的变化过程，具体的：
对于阵列雷达，在径向维度上拟合料线形状，测量数据越多越好，选用插值法需保证插值节点的连续性和一阶导数连续性，故采用三次样条插值算法拟合料线形状，首先将1～6号阵列雷达测量点分为5个插值区间，设在[xi-1,xi](i＝2,3,...6，xi-1、xi为雷达测量点值)区间上，利用线性插值公式有三次样条插值公式si(x)的二阶导函数si”(x)表示为：
式中，x为插值点值，hi为步长，Mi-1,Mi(i＝2,3,...6)为在各个节点处的二阶导数值。
si”(x)经过两次积分后即有si(x)，si(x)表示为
将插值条件si-1(xi-1)＝yi-1,si(xi)＝yi代入可确定积分常数a1,a2，则有三次样条插值函数为
最后，根据插值条件si(xi)＝yi和边界条件可求得相应方程组的解M1,M2,...,M6，将该解代入si(x)，即得到在整个插值区间上的分段多项式si(x)。
通过三次样条插值多项式si(x)对每一个插值区间进行插值拟合，即可得到径向上的料线曲线；
在时间维度上模拟测量点随时间变化的趋势曲线，由于加料开始和结束时料面起伏大，故采用基于正交多项式的最小二乘法分段拟合料面，该方法根据布料标志判断是当前时刻否为加料时刻，若是则保留原始数据，否则对此区间的数据使用最小二乘法拟合料面，首先划定区域t×r(t为时间维度，r为径向维度)内的网格点(ti,rj)(i＝0,...,t-1,j＝0,...,r-1)，其函数值为hij，得到最小二乘拟合多项式，该最小二乘拟合多项式f(t,r)表示为：
式中，aij为待定系数，ti(i＝0,...,t-1)为时间值，rj(j＝0,1,...,r-1)为测量点距炉心距离。
在时间维度上进行最小二乘法拟合，需先固定r，对t构造m个最小二乘拟合多项式gi(t)：
(为互相正交的多项式)
然后令则有 根据最小二乘法得到系数λkj，其中，
最后将其代入最小二乘拟合多项式，即可求解出m个最小二乘拟合多项式，并通过最小二乘多项式对降料期间进行拟合，最终，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图。
若所述高炉雷达为旋转雷达，在径向维度上采用三次样条插值算法或B样条插值算法拟合料线形状，在时间维度上采用三次样条插值算法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；其中，料线形状变化的实质是料层的均匀下降，具体的：
对于旋转雷达，在径向维度上可采用三次样条插值算法或B样条插值算法拟合料线形状，在时间维度上采用三次样条插值算法分段拟合料面，即可得到三维料面变化趋势图和料层分布趋势图。
本发明实施例中，所述三维料层可以用以任意剖面的可视化方法展现其运动形状；
在时间-高度二维剖面上显示跟踪料面的相关信息，所述料面的相关信息包括：加料和降料时间的料面信息、料面上各点下降速度；
在时间-高度二维剖面上还显示跟踪某一料层的动态变化，所述料层的动态变化包括：剖面后的料层位置信息、料层下降速度的变化；
在径向-高度二维剖面上显示跟踪某一个料层的相关信息，所述料层的相关信息包括：剖面后的料线信息、料线形状的变化、料线上各点下降速度；
在径向-高度二维剖面上还显示跟踪料层分布的动态变化，所述料层分布的动态变化包括：剖面后料层分布信息、矿焦层厚度、计算和显示相关料层的矿焦比。图8为第二个布料周期布矿结束时刻的料层分布，在图8的基础上，计算矿石层和焦炭层厚度，并通过矿焦比计算公式计算各测量点的矿焦比O/C，其中，矿焦比计算公式表示为：
式中，LO,LC分别为矿石和焦炭厚度，h'O(r,t),h'C(r,t)分别为加料结束时刻的料面高度，hO(r,t),hC(r,t)分别为加料开始时刻的料面高度，r为测量点距炉心距离，t为料面变化时间；
通过矿焦比计算公式获得径向矿焦比分布，图9为第二个布料周期布矿结束时刻的径向矿焦比分布，由矿焦比分布可分析高炉运行状态，为高炉操作人员调节布料矩阵提供依据。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于高炉雷达数据的料层分布可视化方法，其特征在于，包括:
S1、通过高炉雷达获取各测量点的测量数据；
S2、对获取到的测量数据进行预处理，根据预处理后的测量数据得到降料期间的料面下降速度；
S3、基于得到的降料期间的料面下降速度，推算料层下降速度；
S4、基于推算出的料层下降速度，得到料层分布；
S5、在时间、径向、高度三个维度上对料层分布趋势进行拟合，得到在时间-径向-高度上的三维料层分布可视化图形；
其中，所述S5包括：
所述高炉雷达为旋转雷达，在径向维度上采用三次样条插值算法或B样条插值算法拟合料线形状，在时间维度上采用三次样条插值算法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；
其中，料线形状变化的实质是料层的均匀下降。
2.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述三维料层通过任意剖面的可视化方法展现料层运动形状；
在时间-高度二维剖面上显示跟踪料面的相关信息，所述料面的相关信息包括：加料和降料时间的料面信息、料面上各点下降速度；
在时间-高度二维剖面上还显示跟踪某一料层的动态变化，所述料层的动态变化包括：剖面后的料层位置信息、料层下降速度的变化；
在径向-高度二维剖面上显示跟踪某一个料层的相关信息，所述料层的相关信息包括：剖面后的料线信息、料线形状的变化、料线上各点下降速度；
在径向-高度二维剖面上还显示跟踪料层分布的动态变化，所述料层分布的动态变化包括：剖面后料层分布信息、矿焦层厚度、各料层的矿焦比。
3.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述对获取到的测量数据进行预处理包括：
所述高炉雷达为阵列雷达，则采用基于统计模型的异常数据挖掘算法剔除异常数据，并分区间进行数据采样，选取有效的测量数据；或，
所述高炉雷达为旋转雷达，则采用肖维勒方法剔除异常数据，并用相应的雷达探尺数据补充空缺处，得到有效的测量数据。
4.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述根据预处理后的测量数据得到降料期间的料面下降速度包括：
S201、记录各测量点的一次加料结束和下一次加料开始时刻的料面高度值和时间值；
S202、根据记录的一次加料结束和下一次加料开始时刻的料面高度值和时间值，得到对应降料期间的料面下降速度；
S203、基于抛物线模型的最小二乘法修正料面各点下降速度；
S204、重复S201～S203，得出各个降料期间的料面下降速度。
5.根据权利要求4所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，在S203之后包括：
记录各测量点之间的扫描时间间隔，及加料开始和结束时刻的时间值；
根据料面下降速度和记录的扫描时间间隔预测各测量点在同一时刻的料面高度值；
根据料面下降速度预测在加料开始和结束时刻的料面高度值。
6.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述S3包括：
S301、一次加料产生新料层，在降料期间，基于S2得到的料面下降速度作为新料层下降速度；
S302、在该降料期间，保持旧料层下降速度与新料层下降速度相等，且匀速下降；
S303、再次加料又产生新料层，在此期间所有料层保持下降速度不变，继续匀速下降；
S304再次降料期间，基于S2得到的料面下降速度作为又产生的新料层下降速度，重复S302～S303得出所有料层的新下降速度；
S305、根据S301～S304，获得所有料层在各个布料周期的下降速度。
7.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述S4包括：
根据推算出的料层下降速度，并结合加料结束时刻的料面高度值和布料周期，得出矿石层和焦炭层的下降高度，得到料层分布。
8.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述S5包括：
在时间维度上，对料面进行分段拟合；
所述在时间维度上，对料面进行分段拟合包括：
根据布料标记，判断当前时刻是否为布料时刻；
若当前时刻是布料时刻，则保留原始数据；
若当前时刻不是布料时刻，则制定拟合区间进行区间拟合。
9.根据权利要求1所述的基于高炉雷达数据的料层分布可视化方法，其特征在于，所述S5包括：
所述高炉雷达还可以为阵列雷达，在径向维度上采用三次样条插值算法拟合料线形状，在时间维度上采用基于正交多项式的最小二乘法对料面进行分段拟合，得到时间-径向-高度上的三维料面变化趋势图和料层分布趋势图；
其中，料线形状变化的实质是料层的均匀下降。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610016299.9A CN105483305B (zh) | 2016-01-12 | 2016-01-12 | 一种基于高炉雷达数据的料层分布可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610016299.9A CN105483305B (zh) | 2016-01-12 | 2016-01-12 | 一种基于高炉雷达数据的料层分布可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105483305A CN105483305A (zh) | 2016-04-13 |
| CN105483305B true CN105483305B (zh) | 2017-10-20 |
Family
ID=55670576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610016299.9A Active CN105483305B (zh) | 2016-01-12 | 2016-01-12 | 一种基于高炉雷达数据的料层分布可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105483305B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110819751B (zh) * | 2020-01-09 | 2020-04-10 | 江苏金恒信息科技股份有限公司 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
| CN111575421B (zh) * | 2020-03-27 | 2022-02-08 | 武汉钢铁有限公司 | 利用扫描雷达调整软融带形状的方法 |
| CN111304388B (zh) * | 2020-03-27 | 2021-12-17 | 武汉钢铁有限公司 | 利用扫描雷达优化高炉煤气流分布的方法 |
| CN111666683B (zh) * | 2020-06-05 | 2022-11-11 | 中冶赛迪信息技术(重庆)有限公司 | 一种高炉炉内炉料分布状态预测方法及系统 |
| CN112063782A (zh) * | 2020-08-31 | 2020-12-11 | 北京科技大学 | 一种高炉料面聚类方法 |
| CN113609936B (zh) * | 2021-07-22 | 2024-03-15 | 武汉钢铁有限公司 | 高炉上部炉料径向下降速度分布的确定方法 |
| CN113918886A (zh) * | 2021-09-02 | 2022-01-11 | 武汉钢铁有限公司 | 利用炉料下降速度变化评价压差的方法 |
| CN113987304A (zh) * | 2021-10-18 | 2022-01-28 | 厦门大学 | 一种三维炉缸残厚可视化方法及系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4463437A (en) * | 1981-04-27 | 1984-07-31 | Bethlehem Steel Corp. | Furnace burden thermographic method and apparatus |
| JPS62148874A (ja) * | 1985-12-23 | 1987-07-02 | Kobe Steel Ltd | 高炉装入物降下速度測定装置 |
| JP2578294B2 (ja) * | 1992-07-03 | 1997-02-05 | 新日本製鐵株式会社 | 高炉プロセス立体監視装置 |
| JP4383313B2 (ja) * | 2004-10-15 | 2009-12-16 | 新日本製鐵株式会社 | 高炉内装入物の表面形状測定方法および測定装置 |
| CN100535128C (zh) * | 2007-03-16 | 2009-09-02 | 北京科技大学 | 高炉料面形状动态立体监测系统及检测方法 |
| CN101492750B (zh) * | 2008-12-30 | 2010-12-29 | 北京科技大学 | 基于工业相控阵雷达的高炉料面测量与控制系统 |
| CN102181592A (zh) * | 2011-05-16 | 2011-09-14 | 北京科技大学 | 基于多点雷达数据的无料钟高炉炉顶布料闭环控制方法 |
-
2016
- 2016-01-12 CN CN201610016299.9A patent/CN105483305B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105483305A (zh) | 2016-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105483305B (zh) | 一种基于高炉雷达数据的料层分布可视化方法 | |
| CN100535128C (zh) | 高炉料面形状动态立体监测系统及检测方法 | |
| CN107402044A (zh) | 一种金属增材制造构件质量在线无损检测系统及方法 | |
| CN110887460B (zh) | 一种基于激光扫描仪和里程计的隧道变形监测方法及系统 | |
| CN111781113B (zh) | 一种粉尘网格化定位方法及粉尘网格化监测方法 | |
| CN102382918B (zh) | 一种在线测量高炉料面的系统和方法 | |
| JP5867449B2 (ja) | コークス炉の炉壁診断方法およびコークス炉の炉壁補修方法 | |
| KR20130137463A (ko) | 3차원 터널 모델 생성을 위한 옵토-레이저 터널 스캐닝 시스템 및 그 데이터 처리 방법 | |
| CN110057198B (zh) | 烧结机台车轮工作状态检测方法及检测装置 | |
| CN105100682B (zh) | 具有导航功能的管道镜 | |
| CN102409123A (zh) | 一种基于多源异构数据融合的高炉料面成像系统 | |
| JP2013082909A (ja) | コークス炉の炉壁診断方法およびコークス炉の炉壁補修方法 | |
| WO2002053785A1 (fr) | Procede, dispositif et programme de controle des conditions de fonctionnement d'un haut fourneau | |
| CN205603619U (zh) | 高炉料面雷达扫描3d成像装置及其监控系统 | |
| Chen et al. | Detection of blast furnace stockline based on a spatial–temporal characteristic cooperative method | |
| CN110414388B (zh) | 基于深度预测网络的驼峰和熔透在线预警方法 | |
| CN105408828B (zh) | 对曲线上用于检测发动机异常的相关点进行估算的方法以及用于实施该方法的数据处理系统 | |
| CN117150425B (zh) | 基于机理数据融合的管片拼装机运动状态预测方法 | |
| CN106123792A (zh) | 一种链篦机料层厚度成像系统及方法 | |
| Lu et al. | In-situ process evaluation for continuous fiber composite additive manufacturing using multisensing and correlation analysis | |
| IT201900011283A1 (it) | Apparecchiatura e processo per la lavorazione superficiale di corpi cilindrici, in particolare di cilindri di laminazione | |
| CN101598610B (zh) | 具有固定运动轨迹的高温物体表面温度实时跟踪测定方法 | |
| CN112412535B (zh) | 矿井综采工作面装置空间位置动态标定方法、装置及系统 | |
| JP2003193120A (ja) | 高炉操業における操業監視方法、装置、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
| JP3487203B2 (ja) | 高炉炉況予知方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190328 Address after: Room 302-1, Building 2, Changfeng Building, 14 Xinghuo Road, Jiangbei New District, Nanjing, Jiangsu Province, 210000 Patentee after: Nanjing Tiandai Information Technology Co.,Ltd. Address before: 100083 No. 30, Haidian District, Beijing, Xueyuan Road Patentee before: University of Science and Technology Beijing |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240111 Address after: Room 201, No.1 Xinhu Avenue, Banqiao New City Management Committee, Yuhuatai District, Nanjing City, Jiangsu Province, 210000 Patentee after: Nanjing Zhenrui Zhongda Technology Co.,Ltd. Address before: Room 302-1, Building 2, Changfeng Building, 14 Xinghuo Road, Jiangbei New District, Nanjing, Jiangsu Province, 210000 Patentee before: Nanjing Tiandai Information Technology Co.,Ltd. |