CN108469313A - 基于元胞自动机的结晶器铜板温度异常区域检测方法 - Google Patents
基于元胞自动机的结晶器铜板温度异常区域检测方法 Download PDFInfo
- Publication number
- CN108469313A CN108469313A CN201810375884.7A CN201810375884A CN108469313A CN 108469313 A CN108469313 A CN 108469313A CN 201810375884 A CN201810375884 A CN 201810375884A CN 108469313 A CN108469313 A CN 108469313A
- Authority
- CN
- China
- Prior art keywords
- cellular
- temperature
- state
- current
- crystallizer
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Continuous Casting (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于元胞自动机的结晶器铜板温度异常区域检测方法，属于钢铁冶金领域，主要解决恶劣工况下结晶器传热异常捕捉困难和异常区域特征搜索效率低问题。本发明技术方案为：(1)结晶器铜板温度可视化；(2)元胞自动机模型初始化；(3)连通区域元胞标记与合并；(4)异常元胞区域边界检测。本发明将元胞自动机方法与结晶器温度异常区域检测相结合，利用当前元胞与临域元胞温度状态判断区域连通性，通过同一标号区域连通段的起始元胞和终止元胞获取区域边界，快速区分并提取结晶器黏结、裂纹等异常发生时的热点、冷点区域及其边界，为漏钢预报、铸坯纵裂、角裂纹等缺陷的预测提供准确可靠的图像检测方法。
Description
技术领域
本发明是一种基于元胞自动机的结晶器铜板温度异常区域检测方法，属于钢铁冶金连铸技术领域。
背景技术
近些年，随着我国高效连铸技术的发展，高拉速下过高的通钢量导致结晶器热负荷显著增加，铸坯黏结、裂纹等缺陷频繁出现，已成为影响连铸过程顺行和铸坯质量的瓶颈。结晶器是连铸机的核心部件，水冷的结晶器铜板将高温钢水进行强制冷却，使液态钢水逐渐凝固，形成具有一定厚度的坯壳，结晶器内坯壳厚度不均匀是产生铸坯裂纹、黏结的重要因素。
随着计算机视觉技术和图形图像学的广泛应用，解决了一系列连铸过程的技术难题，使连铸技术水平得到明显提升。连铸结晶器热成像是计算机检测技术应用的一个重要体现。一方面，通过结晶器热成像方法可以捕捉黏结二维空间-时序特征，直观、准确判定铸坯黏结缺陷，为避免漏钢事故，提高铸坯质量，发挥积极作用。另一方面，结晶器热成像还可以检测铸坯表面裂纹，尤其是严重的纵裂纹，利用图像中的二维空间特征，如面积、周长、速度、角度等，可以对纵裂纹进行识别和判定。图像中异常区域连通性判断和标记是准确提取缺陷特征的关键，常用的区域判定方法通过反复的迭代计算，可以确定异常区域像素点标号，然而，由于迭代计算量较大，使区域标记过程耗时较多，特别是当存在大量温度异常区域时，铸坯异常区域检测时间急剧增加，难以满足铸坯黏结检测实时性要求。
中国专利201510644393.4中公开了一种基于改进神经网络的漏钢可视化特征预报方法，该方法通过采用热成像技术可视化呈现结晶器铜板温度变化速率，在搜索和提取温度异常区域的面积、温度变化、位置、传播速率等特征的基础之上，建立BP神经网络漏钢预报模型，准确识别结晶器漏钢。该方法对漏钢预报技术发展起到积极作用，然而，若结晶器热电偶温度波动较大，异常区域和特征值较多时，该算法将耗时较长，无法满足在线检测的实时性要求。
中国专利201210236994.8中公开了一种板坯连铸结晶器漏钢预报系统及其预报方法，该方法将专家系统、神经网络算法和摩擦力分析结合，进行综合判断，具有报出率高，误报少的特点。然而，温度变化速率是体现黏结漏钢的重要参数，同时要参考历史温度变化情况，如何考虑这些因素是该方法应用的关键。
中国专利CN103878335A，一种预防连铸结晶器黏结性漏钢的方法，公开步骤如下：在结晶器四条冷却水出水管上安装温度传感器，并将温度传感器采集的温度变化数值输入到记录分析装置中，记录分析装置根据各个冷却水出水管的水温温度变化情况对黏结性漏钢的危险程度进行预报，通过判断结晶器水温的瞬时变化来预先判断出钢坯坯壳是否发生破裂，是否存在黏结性漏钢的危险，以便及时降低连铸机拉速，避免漏钢事故发生。该技术方法为预防黏结性漏钢提供了一种新思路，提高了报警准确率。然而，铸坯与结晶器之间传热极其复杂，受坯壳收缩、保护渣熔化、保护渣结晶、气隙等因素影响，单一区域温度上升或下降10秒以上情况经常发生，将导致该技术方法误报增加。
发明内容
本发明目的是克服现有技术的不足，提出一种基于元胞自动机的结晶器铜板温度异常区域检测方法，在线检测由铸坯黏结、裂纹等缺陷引起的结晶器温度异常，所述方法具有准确快速、适用性强的优点。
为实现发明目的，本发明采用的技术方案为：
一种基于元胞自动机的结晶器铜板温度异常区域检测方法，该方法将元胞自动机模型与结晶器温度异常检测相结合，利用建立的元胞自动机模型，分割温度热点和冷点区域，快速、准确标记异常区域及其边界。包括元胞自动机模型初始化、元胞连通性标记、对铜板温度异常区域进行边界检测，具体步骤如下：
第一步、结晶器铜板温度可视化
(1)在线检测结晶器铜板热电偶温度，消除复杂电磁环境对温度的干扰，对故障热电偶数据进行预处理；
(2)基于结晶器热电偶温度，通过插值计算出非电偶测点处温度，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；
(3)提取当前时刻及之前k秒的宽面、窄面温度二维数组，逐点计算同一位置在k秒内的温度变化速率，并将结果存储在温度变化速率二维数组G[x,y]中；
(4)根据温度速率与颜色对应关系，绘制结晶器铜板温度速率热像图，可视化呈现铜板温度速率的二维分布；
第二步、元胞自动机模型初始化
(1)将结晶器铜板热像图中一个像素点定义为一个元胞Cell，元胞在结晶器铜板上以二维点阵方式排列，并占据一定空间尺寸，与数组G[x,y]中每个元素的位置一一对应，单个元胞在x和y方向上对应尺寸Cell.W和Cell.H，计算方法如式(1)和式(2)所示；
其中，Width是铸坯横向宽度，m；Nw是x方向上元胞总数；Height是结晶器铜板热电偶测点纵向总间距，m；Nh是y方向上元胞总数；图像左上角元胞的索引为(0,0)，在x方向上向右递增，在y方向上向下递增；
(2)元胞的邻胞类型设置为Moore型；
(3)确定元胞Cell温度状态
a.若元胞位置对应的温度变化速率G[x,y]大于等于Tr，如式(3)所示，Tr为热点区域温度判断限值，元胞温度速率超过该限值时，将该元胞温度状态设定为Rising；
G[x,y]≥Tr (3)
b.若元胞位置对应的温度变化速率G[x,y]小于等于Tf，如式(4)所示，Tf为冷点区域温度判断限值，元胞温度速率低于该限值时，将该元胞温度状态设定为Falling；
G[x,y]≤Tf (4)
c.若元胞温度变化速率G[x,y]即不满足式(3)，也不满足式(4)，则将该元胞状态设定为Normal；
第三步、连通区域元胞标记与合并
(1)将异常区域标号m初始设置为0；依据从上至下、从左至右的顺序，遍历搜索图像中元胞状态，判断当前(x,y)元胞状态，若其温度状态为Normal，则说明当前元胞是正常元胞，将(x,y)元胞标记号记为0，继续扫描下一个(x+1,y)元胞；
若当前(x,y)元胞温度状态处于异常Rising或Falling状态，则认为该(x,y)元胞可能是异常区域的一部分，进行如下(2)-(6)条件判断；
(2)若右上(x+1,y-1)元胞温度状态与当前(x,y)元胞状态相同，则将当前(x,y)元胞状态进行标记，标记号同右上(x+1,y-1)元胞标记号，同时，对左前(x-1,y)元胞状态进行判断；
若左前(x-1,y)元胞状态与当前(x,y)元胞异常温度状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左前(x-1,y)元胞标记号；
若左前(x-1,y)元胞状态为Normal，则对左上(x-1,y-1)元胞进行状态判断，若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左上(x-1,y-1)元胞标记号；
若右上(x+1,y-1)元胞状态为Normal，则进行条件(3)判断；
(3)若正上(x,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同正上(x,y-1)元胞标记号；若正上(x,y-1)元胞状态为Normal，则进行条件(4)判断；
(4)若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左上(x-1,y-1)元胞标记号；若左上(x-1,y-1)元胞状态为Normal，则进行条件(5)判断；
(5)若左前(x-1,y)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左前(x-1,y)元胞标记号；若左前(x-1,y-1)元胞状态为Normal，则进行条件(6)；
(6)若当前(x,y)元胞右上、正上、左上、左前元胞状态均为Normal，则将当前(x,y)元胞标记号记为m，最大标号m累加1，继续判断下一个(x,y+1)元胞状态；
(7)依次搜索，循环(1)-(6)条件判断元胞状态，直至结晶器铜板全部元胞状态判定完毕；
第四步、异常元胞区域边界检测
(1)统计各个已标记的连通区域元胞总数，若某一连通区域的元胞数超过设定限值N个，即标记为温度异常区域，同时将元胞数小于N个的连通区域中所有元胞的标记号记为0；
(2)从上至下逐行扫描，并按照从左至右的次序，对温度异常区域的元胞进行搜索，获取当前(x,y)元胞标记号；
(3)若当前(x,y)元胞标记号为0，则继续扫描下一个(x+1,y)元胞；若当前(x,y)元标记号为m，说明当前元胞是温度异常元胞，进行(4)条件判断；
(4)对当前(x,y)元胞的左前(x-1,y)元胞进行判断，若左前(x-1,y)元胞标记号为0，则将当前元胞设为边界起始元胞；若左前(x-1,y)元胞标记号同样为标号m，且右后(x+1,y)元胞标记号为也为标号m，则当前元胞为区域中间元胞；若左前(x-1,y)元胞标记号为为标号m，且右后(x+1,y)元胞标记号为0，则将当前元胞设为边界终止元胞，最终确定全部同一行异常区域边界的起始元胞与终止元胞；
(5)提取每一行具有相同标号m的起始元胞和终止元胞，将其存储在二维数组中，获得完整的异常区域边界；
所述方法适用于常规板坯、宽厚板坯的结晶器温度异常区域检测。
本发明的有益效果是：本发明通过在线检测的热电偶温度信号，将结晶器铜板温度速率进行可视化，实时呈现铸坯在结晶器内温度变化，利用元胞自动机模型检测结晶器铜板温度异常区域，准确、快速检测和定位热点和冷点区域，使现场操作人员及时发现浇铸过程中的温度异常，预防漏钢等事故和异常。
附图说明
图1是结晶器铜板温度异常检测流程图。
图2是四块结晶器铜板及热电偶布置示意图。
图3是t时刻未经处理的结晶器温度速率热像图。
图4是采用元胞自动机处理后的t时刻温度速率热像图。
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、温度异常区域，7、温度异常区域，8、温度异常区域，9、温度异常区域，10、温度上升区域，11、温度下降区域，12、温度上升区域，13、温度上升区域，14、温度异常区域边界。
具体实施方式
以下结合实施例对本发明作进一步说明，但不限定本发明。
由图1可知，结晶器铜板温度异常检测流程可分为以下四个部分：结晶器铜板可视化、元胞自动机初始化、连通区域元胞标记与合并、异常元胞区域边界检测，具体步骤如下：
第一步、结晶器铜板可视化
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两行热电偶，共38支热电偶；第一窄面铜板2和第二窄面铜板4位于中心线各布置1列热电偶，两张窄面铜板各布置2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五个步骤：
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、横向插值，获取结晶器铜板非测点位置的温度值，并存储在二维数组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。
再次，提取当前时刻及之前5秒的宽面、窄面温度二维数组，逐点计算同一位置在5秒内的温度变化速率，并将结果存储在温度变化速率二维数组G[x,y]中，宽面、窄面横向与纵向坐标的索引与T[x,y]相同；
然后，将四块铜板温度速率数组G[x,y]，按照预先设定的温度速率-颜色对应关系，绘制结晶器铜板速率热像图。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。
最后，根据浇注报警记录和现场铸坯黏结跟踪，确定结晶器内铸坯黏结实例，采用结晶器铜板温度速率热成像方法，获取铸坯黏结缺陷图像。
图3是t时刻未处理的结晶器温度速率热像图。操作人员根据铜板热像图变化情况，判断结晶器温度是否存在异常，由图3可知，存在4个主要温度异常区域6、温度异常区域7、温度异常区域8、温度异常区域9，铜板热像图显示温度异常区域较多，且区分不明显，增加了铸坯凝固传热状态和黏结判断的难度。
第二步、元胞自动机模型初始化
(1)将结晶器铜板热像图中一个像素点定义为一个元胞Cell，元胞在结晶器铜板上以二维点阵方式排列，并占据一定空间尺寸，与数组G[x,y]中每个元素的位置一一对应，单个元胞在x和y方向上对应尺寸Cell.W和Cell.H，计算方法如式(1)和式(2)所示；
其中，Width是铸坯横向宽度，m；Nw是x方向上元胞总数；Height是结晶器铜板热电偶测点纵向总间距，m；Nh是y方向上元胞总数；图像左上角元胞的索引为(0,0)，在x方向上向右递增，在y方向上向下递增；
(2)元胞的邻胞类型设置为Moore型；
(3)确定元胞Cell温度状态
a.若元胞位置对应的温度变化速率G[x,y]大于等于Tr，如式(3)所示，Tr为热点区域温度判断限值，元胞温度速率超过该限值时，将该元胞温度状态设定为Rising；
G[x,y]≥Tr (3)
b.若元胞位置对应的温度变化速率G[x,y]小于等于Tf，如式(4)所示，Tf为冷点区域温度判断限值，元胞温度速率低于该限值时，将该元胞温度状态设定为Falling；
G[x,y]≤Tf (4)
c.若元胞温度变化速率G[x,y]即不满足式(3)，也不满足式(4)，则将该元胞状态设定为Normal。
基于结晶器铜板温度图像可视化，对元胞自动机模型进行初始化，从左到右，从上到下，依次检测结晶器铜板的元胞，若元胞位置处的温度速率大于等于0.35℃/s(Tr)，则将元胞状态初始化为Rising；若元胞位置处的温度速率小于等于-0.30℃/s(Tf)，则将元胞状态初始化为Falling；若元胞位置处的温度速率大于-0.30℃/s，且小于0.35℃/s，则将元胞状态初始化为Normal。通过元胞初始化后，可见元胞分割为多个区域，如图3中的温度异常区域6、温度异常区域7、温度异常区域8、温度异常区域9。
第三步、连通区域元胞标记与合并
(1)将异常区域标号m初始设置为0；依据从上至下、从左至右的顺序，遍历搜索图像中元胞状态，判断当前(x,y)元胞状态，若其温度状态为Normal，则说明当前元胞是正常元胞，将(x,y)元胞标记号记为0，继续扫描下一个(x+1,y)元胞；
若当前(x,y)元胞温度状态处于异常Rising或Falling状态，则认为该(x,y)元胞可能是异常区域的一部分，进行如下(2)-(6)条件判断；
(2)若右上(x+1,y-1)元胞温度状态与当前(x,y)元胞状态相同，则将当前(x,y)元胞状态进行标记，标记号同右上(x+1,y-1)元胞标记号，同时，对左前(x-1,y)元胞状态进行判断；
若左前(x-1,y)元胞状态与当前(x,y)元胞异常温度状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左前(x-1,y)元胞标记号；
若左前(x-1,y)元胞状态为Normal，则对左上(x-1,y-1)元胞进行状态判断，若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左上(x-1,y-1)元胞标记号；
若右上(x+1,y-1)元胞状态为Normal，则进行条件(3)判断；
(3)若正上(x,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同正上(x,y-1)元胞标记号；若正上(x,y-1)元胞状态为Normal，则进行条件(4)判断；
(4)若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左上(x-1,y-1)元胞标记号；若左上(x-1,y-1)元胞状态为Normal，则进行条件(5)判断；
(5)若左前(x-1,y)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左前(x-1,y)元胞标记号；若左前(x-1,y-1)元胞状态为Normal，则进行条件(6)；
(6)若当前(x,y)元胞右上、正上、左上、左前元胞状态均为Normal，则将当前(x,y)元胞标记号记为m，最大标号m累加1，继续判断下一个(x,y+1)元胞状态；
(7)依次搜索，循环(1)-(6)条件判断元胞状态，直至结晶器铜板全部元胞状态判定完毕。
第四步、异常元胞区域边界检测
(1)统计各个已标记的连通区域元胞总数，若某一连通区域的元胞数超过设定限值345个，即标记为温度异常区域，同时将元胞数小于345个的连通区域中所有元胞的标记号记为0；
(2)从上至下逐行扫描，并按照从左至右的次序，对温度异常区域的元胞进行搜索，获取当前(x,y)元胞标记号；
(3)若当前(x,y)元胞标记号为0，则继续扫描下一个(x+1,y)元胞；若当前(x,y)元标记号为m，说明当前元胞是温度异常元胞，进行(4)条件判断；
(4)对当前(x,y)元胞的左前(x-1,y)元胞进行判断，若左前(x-1,y)元胞标记号为0，则将当前元胞设为边界起始元胞；若左前(x-1,y)元胞标记号同样为标号m，且右后(x+1,y)元胞标记号为也为标号m，则当前元胞为区域中间元胞；若左前(x-1,y)元胞标记号为为标号m，且右后(x+1,y)元胞标记号为0，则将当前元胞设为边界终止元胞，最终确定全部同一行异常区域边界的起始元胞与终止元胞；
(5)提取每一行具有相同标号m的起始元胞和终止元胞，将其存储在二维数组中，获得完整的异常区域边界。
如图4所示，检测出1个温度下降区域11，3个温度上升区域10、温度上升区域12和温度上升区域13。与图3进行对比，可以明显的识别出温度上升热点和温度下降冷点区域。同时，温度上升区域10和温度上升区域12形成了黏结缺陷的“V”形特征。本方法也对3个温度上升区域进行边界检测，通过获取相同标号异常区域的起始元胞和终止元胞，捕捉温度异常元胞区域边界，如异常区域边界14，获得温度异常元胞区域重要特征，有助于准确、快速定位结晶器黏结和表面缺陷。
以上所述实施例仅表达了本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。
Claims (2)
1.一种基于元胞自动机的结晶器铜板温度异常区域检测方法，其特征在于，该方法将元胞自动机模型与结晶器温度异常检测相结合，利用建立的元胞自动机模型，分割温度热点和冷点区域，准确标记异常区域及其边界，具体步骤如下：
第一步、结晶器铜板温度可视化
(1)在线检测结晶器铜板热电偶温度，消除复杂电磁环境对温度的干扰，对故障热电偶数据进行预处理；
(2)基于结晶器热电偶温度，通过插值计算出非电偶测点处温度，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；
(3)提取当前时刻及之前k秒的宽面、窄面温度二维数组，逐点计算同一位置在k秒内的温度变化速率，并将结果存储在温度变化速率二维数组G[x,y]中；
(4)根据温度速率与颜色对应关系，绘制结晶器铜板温度速率热像图，可视化呈现铜板温度速率的二维分布；
第二步、元胞自动机模型初始化
(1)将结晶器铜板热像图中一个像素点定义为一个元胞Cell，元胞在结晶器铜板上以二维点阵方式排列，并占据一定空间尺寸，与数组G[x,y]中每个元素的位置一一对应，单个元胞在x和y方向上对应尺寸Cell.W和Cell.H，计算方法如式(1)和式(2)所示；
其中，Width是铸坯横向宽度，m；Nw是x方向上元胞总数；Height是结晶器铜板热电偶测点纵向总间距，m；Nh是y方向上元胞总数；图像左上角元胞的索引为(0,0)，在x方向上向右递增，在y方向上向下递增；
(2)元胞的邻胞类型设置为Moore型；
(3)确定元胞Cell温度状态
a.若元胞位置对应的温度变化速率G[x,y]大于等于Tr，如式(3)所示，Tr为热点区域温度判断限值，元胞温度速率超过该限值时，将该元胞温度状态设定为Rising；
G[x,y]≥Tr (3)
b.若元胞位置对应的温度变化速率G[x,y]小于等于Tf，如式(4)所示，Tf为冷点区域温度判断限值，元胞温度速率低于该限值时，将该元胞温度状态设定为Falling；
G[x,y]≤Tf (4)
c.若元胞温度变化速率G[x,y]即不满足式(3)，也不满足式(4)，则将该元胞状态设定为Normal；
第三步、连通区域元胞标记与合并
(1)将异常区域标号m初始设置为0；依据从上至下、从左至右的顺序，遍历搜索图像中元胞状态，判断当前(x,y)元胞状态，若其温度状态为Normal，则说明当前元胞是正常元胞，将(x,y)元胞标记号记为0，继续扫描下一个(x+1,y)元胞；
若当前(x,y)元胞温度状态处于异常Rising或Falling状态，则认为该(x,y)元胞可能是异常区域的一部分，进行如下(2)-(6)条件判断；
(2)若右上(x+1,y-1)元胞温度状态与当前(x,y)元胞状态相同，则将当前(x,y)元胞状态进行标记，标记号同右上(x+1,y-1)元胞标记号，同时，对左前(x-1,y)元胞状态进行判断；
若左前(x-1,y)元胞状态与当前(x,y)元胞异常温度状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左前(x-1,y)元胞标记号；
若左前(x-1,y)元胞状态为Normal，则对左上(x-1,y-1)元胞进行状态判断，若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，且标号与当前(x,y)元胞不同，则重新遍历搜索图像中的元胞状态，将所有右上(x+1,y-1)元胞标记号替换为左上(x-1,y-1)元胞标记号；
若右上(x+1,y-1)元胞状态为Normal，则进行条件(3)判断；
(3)若正上(x,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同正上(x,y-1)元胞标记号；若正上(x,y-1)元胞状态为Normal，则进行条件(4)判断；
(4)若左上(x-1,y-1)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左上(x-1,y-1)元胞标记号；若左上(x-1,y-1)元胞状态为Normal，则进行条件(5)判断；
(5)若左前(x-1,y)元胞状态与当前(x,y)元胞温度异常状态相同，则将当前(x,y)元胞状态进行标记，标记号同左前(x-1,y)元胞标记号；若左前(x-1,y-1)元胞状态为Normal，则进行条件(6)；
(6)若当前(x,y)元胞右上、正上、左上、左前元胞状态均为Normal，则将当前(x,y)元胞标记号记为m，最大标号m累加1，继续判断下一个(x,y+1)元胞状态；
(7)依次搜索，循环(1)-(6)条件判断元胞状态，直至结晶器铜板全部元胞状态判定完毕；
第四步、异常元胞区域边界检测
(1)统计各个已标记的连通区域元胞总数，若某一连通区域的元胞数超过设定限值N个，即标记为温度异常区域，同时将元胞数小于N个的连通区域中所有元胞的标记号记为0；
(2)从上至下逐行扫描，并按照从左至右的次序，对温度异常区域的元胞进行搜索，获取当前(x,y)元胞标记号；
(3)若当前(x,y)元胞标记号为0，则继续扫描下一个(x+1,y)元胞；若当前(x,y)元标记号为m，说明当前元胞是温度异常元胞，进行(4)条件判断；
(4)对当前(x,y)元胞的左前(x-1,y)元胞进行判断，若左前(x-1,y)元胞标记号为0，则将当前元胞设为边界起始元胞；若左前(x-1,y)元胞标记号同样为标号m，且右后(x+1,y)元胞标记号为也为标号m，则当前元胞为区域中间元胞；若左前(x-1,y)元胞标记号为为标号m，且右后(x+1,y)元胞标记号为0，则将当前元胞设为边界终止元胞，最终确定全部同一行异常区域边界的起始元胞与终止元胞；
(5)提取每一行具有相同标号m的起始元胞和终止元胞，将其存储在二维数组中，获得完整的异常区域边界。
2.根据权利要求1所述的基于元胞自动机的结晶器铜板温度异常区域检测方法，其特征在于，所述方法适用于常规板坯、宽厚板坯的结晶器铜板温度异常区域检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810375884.7A CN108469313B (zh) | 2018-04-16 | 2018-04-16 | 基于元胞自动机的结晶器铜板温度异常区域检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810375884.7A CN108469313B (zh) | 2018-04-16 | 2018-04-16 | 基于元胞自动机的结晶器铜板温度异常区域检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108469313A true CN108469313A (zh) | 2018-08-31 |
| CN108469313B CN108469313B (zh) | 2019-06-14 |
Family
ID=63263699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810375884.7A Expired - Fee Related CN108469313B (zh) | 2018-04-16 | 2018-04-16 | 基于元胞自动机的结晶器铜板温度异常区域检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108469313B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109396375A (zh) * | 2018-12-11 | 2019-03-01 | 大连理工大学 | 一种基于特征向量和层次聚类的结晶器漏钢预报方法 |
| CN110918973A (zh) * | 2019-12-11 | 2020-03-27 | 东北电力大学 | 一种基于游程的结晶器热像图异常区域标记方法 |
| CN115661105A (zh) * | 2022-11-05 | 2023-01-31 | 东莞市蒂安斯实业有限公司 | 基于人工智能的汽车模型视觉检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005234699A (ja) * | 2004-02-17 | 2005-09-02 | Yokohama Tlo Co Ltd | セルオートマトンによるタンパク質の立体構造推定装置及び方法 |
| CN102699302A (zh) * | 2012-07-10 | 2012-10-03 | 中冶赛迪电气技术有限公司 | 一种板坯连铸结晶器漏钢预报系统及其预报方法 |
| CN102750425A (zh) * | 2012-07-17 | 2012-10-24 | 哈尔滨工业大学 | 一种焊接过程热影响区组织演变的模拟方法 |
| CN103878335A (zh) * | 2014-02-10 | 2014-06-25 | 河北钢铁股份有限公司邯郸分公司 | 一种预防连铸机结晶器黏结性漏钢的方法 |
| CN105328155A (zh) * | 2015-10-08 | 2016-02-17 | 东北电力大学 | 一种基于改进神经网络的漏钢可视化特征预报方法 |
-
2018
- 2018-04-16 CN CN201810375884.7A patent/CN108469313B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005234699A (ja) * | 2004-02-17 | 2005-09-02 | Yokohama Tlo Co Ltd | セルオートマトンによるタンパク質の立体構造推定装置及び方法 |
| CN102699302A (zh) * | 2012-07-10 | 2012-10-03 | 中冶赛迪电气技术有限公司 | 一种板坯连铸结晶器漏钢预报系统及其预报方法 |
| CN102750425A (zh) * | 2012-07-17 | 2012-10-24 | 哈尔滨工业大学 | 一种焊接过程热影响区组织演变的模拟方法 |
| CN103878335A (zh) * | 2014-02-10 | 2014-06-25 | 河北钢铁股份有限公司邯郸分公司 | 一种预防连铸机结晶器黏结性漏钢的方法 |
| CN105328155A (zh) * | 2015-10-08 | 2016-02-17 | 东北电力大学 | 一种基于改进神经网络的漏钢可视化特征预报方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王同敏等: ""合金凝固组织微观模拟研究进展与应用"", 《金属学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109396375A (zh) * | 2018-12-11 | 2019-03-01 | 大连理工大学 | 一种基于特征向量和层次聚类的结晶器漏钢预报方法 |
| CN109396375B (zh) * | 2018-12-11 | 2019-09-27 | 大连理工大学 | 一种基于特征向量和层次聚类的结晶器漏钢预报方法 |
| CN110918973A (zh) * | 2019-12-11 | 2020-03-27 | 东北电力大学 | 一种基于游程的结晶器热像图异常区域标记方法 |
| CN110918973B (zh) * | 2019-12-11 | 2021-04-27 | 东北电力大学 | 一种基于游程的结晶器热像图异常区域标记方法 |
| CN115661105A (zh) * | 2022-11-05 | 2023-01-31 | 东莞市蒂安斯实业有限公司 | 基于人工智能的汽车模型视觉检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108469313B (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| 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 | |
| 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 | |
| JP5579709B2 (ja) | 連続鋳造時に縦割れの発生を予測するための方法 | |
| CN104181196B (zh) | 一种连铸坯表面纵裂纹在线检测方法 | |
| EP3100802B1 (en) | Method, device and program for determining casting state in continuous casting | |
| CN108580827B (zh) | 一种基于凝聚层次聚类预报结晶器漏钢的方法 | |
| 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 | |
| Liu et al. | Computer vision detection of mold breakout in slab continuous casting using an optimized neural network | |
| CN109365769A (zh) | 一种基于混合模型判断的结晶器漏钢预报方法 | |
| JP6358215B2 (ja) | 連続鋳造鋳片の表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼片の製造方法 | |
| CN108705058B (zh) | 一种基于K-Means聚类预报结晶器漏钢的方法 | |
| CN110918973B (zh) | 一种基于游程的结晶器热像图异常区域标记方法 | |
| Kumar et al. | Development of intelligent mould for online detection of defects in steel billets | |
| 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 | |
| CN117518982A (zh) | 一种提高机床加工精度的方法及系统 | |
| CN116543535A (zh) | 基于深度神经网络的环水口区域报警方法 | |
| CN109029830A (zh) | 一种漏钢检测系统及方法 | |
| CN114653914A (zh) | 基于形态重构的结晶器漏钢预警方法及电子装置 | |
| JP6358199B2 (ja) | 連続鋳造スラブの表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼鋳片の製造方法 | |
| Liu et al. | A Visual Detection Method of Longitudinal Crack Based on Computer Image Processing During Slab Continuous Casting | |
| 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 | |
| CN113935416B (zh) | 一种多状态结晶器的连铸漏钢预报方法 | |
| JP6119807B2 (ja) | 連続鋳造スラブの表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼鋳片の製造方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| 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: 20190614 Termination date: 20200416 |