CN111570748A - 基于图像处理的结晶器漏钢预报方法 - Google Patents
基于图像处理的结晶器漏钢预报方法 Download PDFInfo
- Publication number
- CN111570748A CN111570748A CN202010349356.1A CN202010349356A CN111570748A CN 111570748 A CN111570748 A CN 111570748A CN 202010349356 A CN202010349356 A CN 202010349356A CN 111570748 A CN111570748 A CN 111570748A
- Authority
- CN
- China
- Prior art keywords
- temperature
- section
- rise rate
- temperature rise
- breakout
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000013277 forecasting method Methods 0.000 title claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 29
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 229910000831 Steel Inorganic materials 0.000 claims description 11
- 239000010959 steel Substances 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 4
- 239000000835 fiber Substances 0.000 claims description 2
- 238000009529 body temperature measurement Methods 0.000 description 25
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 238000009749 continuous casting Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Continuous Casting (AREA)
Abstract
本发明提供一种基于图像处理的结晶器漏钢预报方法,包括:获取布置于待测结晶器上的测温点的温度;根据测温点的温度和测温点的位置的二维平面坐标,获取关于测温点的位置和温度的第一三维空间坐标;对应测温点的温度,形成关于测温点位置和温升速率的第二三维空间坐标;分别以预设标准温度和预设标准温升速率,平行于二维平面坐标对温度维度和温升速率维度进行切片,分别得到温度切面和温升速率切面;根据温度切面和温升速率切面的出现情况以及温度切面参数变化,按照预设预警规则,进行预警提示。利用本发明,能够解决目前由于漏钢预报算法在漏钢漏报率和误报率方面存在瓶颈,从而导致的漏钢算法具有局限性等问题。
Description
技术领域
本发明涉及连铸工艺技术领域,更为具体地,涉及一种基于图像处理的结晶器漏钢预报方法。
背景技术
漏钢事故是连铸生产中危害性很大的生产事故,漏钢事故的发生,不仅影响连铸生产,严重损害结晶器、辊道,增加连铸设备的维修量和维修成本,造成巨大的经济损失,还将带来巨大的安全隐患。
为了减少漏钢发生,人们一直致力于开发漏钢预报系统,通过在结晶器上装入传感器,利用自动化控制系统来有效降低漏钢率。最为广泛有效的预测粘结漏钢的方法是在结晶器铜板中埋入热电偶对铜板进行热监控,基于温度检测进行漏钢预报的原理为:由于漏钢伴随着结晶器铜板温度的变化,通过监控安装在铜板上热电偶的温度变化,依据一定的方法做出漏钢判断。具体漏钢预报的算法很多,可以概括为两类,一类为根据上下相邻热电偶温度的升降趋势关系来预报,一类为利用模糊推理等较复杂算法来预报。
上述现有的漏钢预报算法实质上都是基于数据处理,利用数据处理技术,而并非从漏钢的物理模型出发,数据处理参数和漏钢规则参数的设置在漏钢漏报率和误报率方面存在瓶颈,在一定程度上要降低漏报率,就要增加误报率,反之亦然;现有的漏钢预报算法基于数据处理,需要大量、完整甚至具有模型特征的漏钢数据作为模型训练的基础数据,尤其像模糊推理等算法,对数据的要求太高;另外,现有的漏钢预报算法和测温点布置紧密相连,一旦测温点发生了变化,算法参数就要进行调整才能取得预期效果,并且并非测温点越稠密越好,越稠密反倒增加了误报率,如果测温点从热电偶转换成了光纤,测温点可以相当稠密,但是现有算法反倒不适应了,又需要根据测温点布置及获得的数据进行调整算法参数。
上述现有漏钢算法存在的问题的本质是没有从漏钢物理模型出发,而只是基于测温点的数据分析,从漏钢机理上说一旦出现粘结点或者裂纹点,以粘结点和裂纹点为中心的一定区域内铜板温度会升高,随着粘结点和裂纹点的增大和下移,对应的升温区域也在增大和下移。所有测温手段只是这种趋势的呈现,这种趋势并非没有测温点就不存在,从这角度说,所有对测温结果只是数据处理而没有反应漏钢本质趋势的方法都脱离了“正途”,算法自身就是偏面的,对信息的利用也是偏面的。对于以粘结点和裂纹点为中心相对的高温区域来说,一个测温点的温度升高可以反应,上下相邻测温点可以反应,左右相邻两个或者多个测温点可以反应,这取决于测温点的布置,但此趋势却不由测温点多少决定,区域测温点对于反应趋势都起作用,都应该被考虑,而不是只考虑上下关系、左右相邻关系等,单独利用测温点上下或者左右限定的个数都是对信息的遗漏,导致算法的局限性。
发明内容
鉴于上述问题,本发明的目的是提供一种基于图像处理的结晶器漏钢预报方法,以解决目前的漏钢预报算法在漏钢漏报率和误报率方面存在瓶颈,以及算法本身对数据的要求过高,易出现对信息的遗漏,导致算法的局限性,从而导致漏钢预报的准确性低等问题。
本发明提供一种基于图像处理的结晶器漏钢预报方法,包括:
S110、获取布置于待测结晶器上的测温点的温度;
S120、根据所述测温点的温度和所述测温点的位置的二维平面坐标,获取关于所述测温点的位置和温度的第一三维空间坐标;
S130、在所述第一三维空间坐标中,对应所述测温点的温度,以所述测温点的温升速率建立垂直于所述二维平面坐标的温升速率维度,形成关于所述测温点位置和温升速率的第二三维空间坐标;
S140、在所述第一三维空间坐标和所述第二三维空间坐标中,分别以预设标准温度和预设标准温升速率,平行于所述二维平面坐标对温度维度和温升速率维度进行切片,分别得到温度切面和温升速率切面;
S150、根据所述温度切面和所述温升速率切面的出现情况以及所述温度切面参数变化,按照预设预警规则,进行预警提示。
此外,优选的方案是,在步骤S110中,所述测温点的温度通过热电偶或光纤测温设备的方式获得。
此外,优选的方案是,通过映射所述待测结晶器的各面位置以及所述测温点的位置,以获取所述测温点的位置在所述待测结晶器整体位置的二维平面坐标。
此外,优选的方案是,在步骤S130中,建立所述第二三维空间坐标之前,还包括:
在所述第一三维空间坐标上,以所述测温点的位置为依据进行细分空间节点;
根据所述测温点的温度,以插值法获取所述细分空间节点的温度值;
建立所述细分空间节点的三维空间坐标的相邻节点关系,使每个所述细分空间节点均有上、下、左、右四个相邻的细分空间节点。
此外,优选的方案是,所述预设预警规则,包括漏钢预报规则;其中,
所述漏钢预报规则为:
分别获取所述温度切面和所述温升速率切面上的细分空间节点;
如果本周期对应的温度切面的细分空间节点在相邻的前一周期对应的温度切面上的细分空间节点重叠的量达到预设连续温度切面判定值M1时,则将本周期对应的温度切面作为连续温度切面;
如果本周期对应的温升速率切面的细分空间节点在相邻的前一周期对应的温升速率切面上的细分空间节点重叠的量达到预设连续温升速率切面判定值M2时,则将本周期对应的温升速率切面作为连续温升速率切面;
对所述连续温度切面和所述连续温升速率切面进行时序跟踪,如果连续跟踪数大于等于N个周期,均存在所述连续温度切面和所述连续温升速率切面,进行漏钢预报。
此外,优选的方案是,对所述连续温度切面和所述连续温升速率切面进行时序跟踪,包括:
以上一周期的温度切面和温升速率切面的细分空间节点中的中心节点为跟踪起点,分别对本周期的温度切面和温升速率切面的跟踪;
当所述跟踪起点的温度小于所述标准温度时,停止跟踪所述本周期的温度切面;
当所述跟踪起点的温升速率小于所述标准温升速率时,停止跟踪所述本周期的温升速率切面;
当所述跟踪起点的温度不小于所述标准温度时,以所述跟踪起点为基点,遍历所有温度大于所述标准温度的细分空间节点,从而得到本周期的温度切面;
当所述跟踪起点的温度速率不小于所述标准温升速率时,以所述跟踪起点为基点,遍历所有温升速率大于所述标准温升速率的细分空间节点,从而得到本周期的温升速率切面。
此外,优选的方案是,所述预设连续温度切面判定值M1大于等于60%;所述预设连续温升速率切面判定值M2大于等于50%;所述N等于4~8中任意一个自然数。
此外,优选的方案是,所述预设预警规则,包括漏钢类型预报规则,其中,
所述漏钢类型预报规则为:
在所述漏钢预报前,获取所述连续温度切面的参数;
其中,所述的参数包括:温度切面在拉坯方向上的长度h,温度切面在垂直于拉坯方向上的长度l;
当漏钢预报发生时,如果h/l≥1.5,则漏钢类型为裂纹漏钢,否则为粘结漏钢。
此外,优选的方案是,所述标准温度的选取规则为:
正常生产、无漏钢时测温点的最大温度。
此外,优选的方案是,所述标准温升速率为:0.4~2.0℃/S。
从上面的技术方案可知,本发明提供的基于图像处理的结晶器漏钢预报方法,通过在待测结晶器的侧壁布置测温点进行测温的基础上,构建测温点位置和测温点温度以及测温点位置和测温点温升速率的第一三维空间坐标和第二三维空间坐标,以预设标准温度和预设标准温升速率分别对第一三维空间坐标和第二三维空间坐标切片,得到温度切面和温升速率切面,再根据温度切面和温升速率切面的出现情况以及切面参数变化,按照预设预警规则,进行预警提示,克服了现有漏钢算法中漏报率和误报率的矛盾,在降低漏报率的同时不会提高误报率;对数据依赖大大降低,正常的生产数据对训练更有效,而不用去要求大量的漏钢数据;可将结晶器所有面作为统一整体考虑,克服原有算法处理角部漏钢时的缺陷。
为了实现上述以及相关目的,本发明的一个或多个方面包括后面将详细说明的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而,这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外,本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为根据本发明实施例的基于图像处理的结晶器漏钢预报方法的流程示意图。
图2为根据本发明实施例的测温点位置和温度的第一三维空间坐标图;
图3为根据本发明实施例的测温点、空间细分节点及温度切面的俯视图;
图4为根据本发明实施案例的热电偶布置图;
图5和图6均为根据本发明实施案例中连续5个跟踪周期在相同位置出现温度切面和温升速率切面图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。
针对前述提出的现有的方法中漏钢预报算法在漏钢漏报率和误报率方面存在瓶颈,以及算法本身对数据的要求过高,易出现对信息的遗漏,导致算法的局限性,从而导致漏钢预报的准确性低等问题,本发明针对上述问题,提出了一种基于图像处理的结晶器漏钢预报方法,采用本发明的方法能够克服现有漏钢算法中漏报率和误报率的矛盾,在降低漏报率的同时不会提高误报率。
以下将结合附图对本发明的具体实施例进行详细描述。
为了说明本发明提供的基于图像处理的结晶器漏钢预报方法,图1示出了根据本发明实施例的基于图像处理的结晶器漏钢预报方法的流程;图2示出了根据本发明实施例的测温点位置和温度的第一三维空间坐标。
如图1所示,本发明提供的基于图像处理的结晶器漏钢预报方法,包括:
S110、获取布置于待测结晶器上的测温点的温度;
S120、根据测温点的温度和测温点的位置的二维平面坐标,获取关于测温点的位置和温度的第一三维空间坐标;(如图2所示)
S130、在第一三维空间坐标中,对应测温点的温度,形成关于测温点位置和温升速率的第二三维空间坐标;
S140、在第一三维空间坐标和第二三维空间坐标中,分别以预设标准温度和预设标准温升速率,平行于二维平面坐标对温度维度和温升速率维度进行切片,分别得到温度切面和温升速率切面;
S150、根据温度切面和温升速率切面的出现情况以及温度切面参数变化,按照预设预警规则,进行预警提示。
通过在待测结晶器的侧壁布置测温点进行测温的基础上,构建测温点位置和测温点温度以及测温点位置和测温点温升速率的第一三维空间坐标和第二三维空间坐标,以预设标准温度和预设标准温升速率分别对第一三维空间坐标和第二三维空间坐标切片,得到温度切面和温升速率切面,再根据温度切面和温升速率切面的出现情况以及切面参数变化,按照预设预警规则,进行预警提示,克服了现有漏钢算法中漏报率和误报率的矛盾,在降低漏报率的同时不会提高误报率;对数据依赖大大降低,正常的生产数据对训练更有效,而不用去要求大量的漏钢数据。
作为本发明的优选方案,在步骤S110中,测温点的温度通过热电偶或光纤测温设备的方式获得。在待测结晶器的器壁上布置测温点后,在测温点上安装热电偶或光纤测温设备获取待测结晶器上各测温点的温度,也可采用热电偶与光纤测温设备结合的方式。
作为本发明的优选方案,通过映射待测结晶器的各面位置以及测温点的位置,以获取测温点的位置在待测结晶器整体位置的二维平面坐标。采用此种方式构建的第一三维空间坐标,能够提高对待测结晶器角部漏钢的捕获和跟踪能力;当然也可将待测结晶器的每个面的测温单独映射到二维平面坐标,形成体现待测结晶器每个面位置和温度的多个第一三维空间坐标,比如将板坯分为内弧、外弧、左侧、右侧四个面分别进行三维坐标跟踪。
其中,第一三维空间坐标的构建方式为:将测温点的位置映射到二维平面坐标,并以测温点的温度建立垂直于二维平面坐标的温度维度,形成关于测温点位置和温度的第一三维空间坐标。
第二三维空间坐标的构建方式为:在第一三维空间坐标中,对应测温点的温度,以测温点的温升速率建立垂直于二维平面坐标的温升速率维度,形成关于测温点位置和温升速率的第二三维空间坐标。
图3示出了根据本发明实施例的测温点、空间细分节点及温度切面的俯视图;
如图3所示,作为本发明的优选方案,在步骤S130中,建立第二三维空间坐标之前,还包括:
在第一三维空间坐标上,以测温点的位置为依据进行细分空间节点;
根据测温点的温度,以插值法获取细分空间节点的温度值,其中,插值法优选为线性插值法;
建立细分空间节点的三维空间坐标的相邻节点关系,使每个细分空间节点均有上、下、左、右四个相邻的细分空间节点。
由于一般测温点相对较稀疏,因此可在三维空间坐标上,以测温点的位置为依据进行细分空间节点,从而弥补测温点相对较稀疏的问题,除过边界节点,每个节点分别有上、下、左、右四个相邻节点;通过这种相邻节点关系,便于依据温度切面上的任意一个节点,快速找出同一预设周期的温度切面上的其它节点。
作为本发明的优选方案,预设预警规则,包括漏钢预报规则;其中,
漏钢预报规则为:
分别获取温度切面和温升速率切面上的细分空间节点;
如果本周期对应的温度切面的细分空间节点在相邻的前一周期对应的温度切面上的细分空间节点重叠的量达到预设连续温度切面判定值M1时,则将本周期对应的温度切面作为连续温度切面;
如果本周期对应的温升速率切面的细分空间节点在相邻的前一周期对应的温升速率切面上的细分空间节点重叠的量达到预设连续温升速率切面判定值M2时,则将本周期对应的温升速率切面作为连续温升速率切面;
对连续温度切面和连续温升速率切面进行时序跟踪,如果连续跟踪数大于等于N个周期,均存在连续温度切面和连续温升速率切面,进行漏钢预报。
其中,周期可根据实际需要进行预先设定,例如,一个周期预设的时间为1S、2S、3S等。
通过建立连续温度切面和连续温升速率切面,实现对温度切面和温升速率切面的时序跟踪,为定量化统计温度切面和温升速率切面的相关参数鉴定基础。单独用温度切面,如果标准温度太低,则误报增多;如果标准温度过高,则漏报增多;即使标准温度选择合适,依然无法避免误报或者漏报,并且预报的即时性无法满足生产要求。单独用温升速率切面预报,及时性很高,但误报率会很高,由此建立上述漏钢预报规则,应用温度切面和温升速率切面建立复合预报规则,当在相同位置附近同时出现温度切面和温升速率切面,并且温升速率切面持续存在大于等于N个周期,进行漏钢报警。
为了能够提高温度切面和温升速率切面在时间序列上的跟踪速度,作为本发明的优选方案,对连续温度切面和连续温升速率切面进行时序跟踪,包括:
以上一周期的温度切面和温升速率切面的细分空间节点中的中心节点为跟踪起点,分别对本周期的温度切面和温升速率切面的跟踪;
当跟踪起点的温度小于标准温度时,停止跟踪本周期的温度切面;
当跟踪起点的温升速率小于标准温升速率时,停止跟踪本周期的温升速率切面;
当跟踪起点的温度不小于标准温度时,以跟踪起点为基点,遍历所有温度大于标准温度的细分空间节点,从而得到本周期的温度切面;
当跟踪起点的温度速率不小于标准温升速率时,以跟踪起点为基点,遍历所有温升速率大于标准温升速率的细分空间节点,从而得到本周期的温升速率切面。
其中,温度切面和温升速率切面的切面中心节点的确定为:以切面内水平方向坐标最大值和最小值的平均值作为空间坐标中水平方向中心节点的坐标;垂直方向坐标最大值和最小值的平均值为空间坐标中垂直方向中心节点的坐标。
作为本发明的优选方案,预设连续温度切面判定值M1大于等于60%;预设连续温升速率切面判定值M2大于等于50%;N等于4~8中任意一个自然数。
作为本发明的优选方案,预设预警规则,包括漏钢类型预报规则,其中,漏钢类型预报规则为:
在漏钢预报前,获取连续温度切面的参数;
其中,参数包括:温度切面在拉坯方向上的长度h,温度切面在垂直于拉坯方向上的长度l;
当漏钢预报发生时,如果h/l≥1.5,则漏钢类型为裂纹漏钢,否则为粘结漏钢。
作为本发明的优选方案,标准温度的选取规则为:
正常生产、无漏钢时测温点的最大温度。其中,
标准温度在线自动跟踪逻辑规则为:
以最新标准温度和最新标准温升速率为准,在没有出现温度切面和温升速率切面时,将测温点的最高温度作为备选标准温度。
标准温度会影响漏钢预报结果,但标准温度的确定却可以只取决正常生产时测温点温度,结晶器浇注状态不同,正常生产测温点温度也不完全相同。
作为本发明的优选方案,标准温升速率为:0.4~2.0℃/S。
标准温升速率也会影响漏钢预报结果,首先要考虑测温设备自身误差和稳定性,标准温升速率必须大于设备自身误差和稳定性带来的温升速率,本发明优选标准温升速率为0.4~2.0℃/S。
为了更好的基于图像处理的结晶器漏钢预报方法进行解释说明,下面提供具体的实施案例。
某厂200mmX1000mm小板坯为例,结晶器测温采用热电偶方式,热电偶的布置如图4所示,每个宽边布置了3行6列热电偶。
跟踪周期为1s,标准温度取115℃,标准温升速率取1.5℃/s,漏钢报警的温升速率切面持续存在周期标准N取5,以内弧宽面为例展示本专利漏钢预报过程和结果,如图5和图6所示,都是连续5个跟踪周期在相同位置出现温度切面和温升速率切面,因此进行了漏钢报警。
如图5所示,温度切面在左下角也出现了一个,但由于在相应位置没有对应的温升速率切面出现,所以不作为报警条件;在右上角区域同时出现温度切面和温升速率切面,并且温升速率切面连续出现了5个周期,符合漏钢报警条件;从图5的温度切面图上可以看出,在第1跟踪周期中温度切面h/l≈3.0≥1.5,可以判断此次漏钢形式为裂纹漏钢,后续随着时间的延续,温度切面的l在增大,说明漏钢的发展第一时间倾向于水平方向。
如图6所示,在右侧边界区域(结晶器角部)同时出现温度切面和温升速率切面,并且温升速率切面连续出现了5个周期,符合漏钢报警条件;5个周期内温度切面的h/l≈1.0<1.5,可以据此判断此次漏钢形式为粘结漏钢;从图6可以看出,温度切面在逐渐变大,而温升速率切面快速变大后又迅速缩小,显然温升速率切面是漏钢预报及时性的保证。
通过上述具体实施方式可看出,本发明提供的基于图像处理的结晶器漏钢预报方法,通过在待测结晶器的侧壁布置测温点进行测温的基础上,构建测温点位置和测温点温度以及测温点位置和测温点温升速率的第一三维空间坐标和第二三维空间坐标,以预设标准温度和标准温升速率分别对第一三维空间坐标和第二三维空间坐标切片,得到温度切面和温升速率切面,再根据温度切面和温升速率切面的出现情况以及切面参数变化,按照预设预警规则,进行预警提示,克服了现有漏钢算法中漏报率和误报率的矛盾,在降低漏报率的同时不会提高误报率;对数据依赖大大降低,正常的生产数据对训练更有效,而不用去要求大量的漏钢数据;可将结晶器所有面作为统一整体考虑,克服原有算法处理角部漏钢时的缺陷。
如上参照附图以示例的方式描述了根据本发明提出的基于图像处理的结晶器漏钢预报方法。但是,本领域技术人员应当理解,对于上述本发明所提出的基于图像处理的结晶器漏钢预报方法,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.一种基于图像处理的结晶器漏钢预报方法,其特征在于,包括:
S110、获取布置于待测结晶器上的测温点的温度;
S120、根据所述测温点的温度和所述测温点的位置的二维平面坐标,获取关于所述测温点的位置和温度的第一三维空间坐标;
S130、在所述第一三维空间坐标中,对应所述测温点的温度,形成关于所述测温点位置和温升速率的第二三维空间坐标;
S140、在所述第一三维空间坐标和所述第二三维空间坐标中,分别以预设标准温度和预设标准温升速率,平行于所述二维平面坐标对温度维度和温升速率维度进行切片,分别得到温度切面和温升速率切面;
S150、根据所述温度切面和所述温升速率切面的出现情况以及所述温度切面参数变化,按照预设预警规则,进行预警提示。
2.根据权利要求1所述的基于图像处理的结晶器漏钢预报方法,其特征在于,在步骤S110中,所述测温点的温度通过热电偶或光纤测温设备的方式获得。
3.根据权利要求1所述的基于图像处理的结晶器漏钢预报方法,其特征在于,
通过映射所述待测结晶器的各面位置以及所述测温点的位置,以获取所述测温点的位置在所述待测结晶器整体位置的二维平面坐标。
4.根据权利要求1所述的基于图像处理的结晶器漏钢预报方法,其特征在于,在步骤S130中,建立所述第二三维空间坐标之前,还包括:
在所述第一三维空间坐标上,以所述测温点的位置为依据进行细分空间节点;
根据所述测温点的温度,以插值法获取所述细分空间节点的温度值;
建立所述细分空间节点的三维空间坐标的相邻节点关系,使每个所述细分空间节点均有上、下、左、右四个相邻的细分空间节点。
5.根据权利要求4所述的基于图像处理的结晶器漏钢预报方法,其特征在于,所述预设预警规则,包括漏钢预报规则;其中,
所述漏钢预报规则为:
分别获取所述温度切面和所述温升速率切面上的细分空间节点;
如果本周期对应的温度切面的细分空间节点在相邻的前一周期对应的温度切面上的细分空间节点重叠的量达到预设连续温度切面判定值M1时,则将本周期对应的温度切面作为连续温度切面;
如果本周期对应的温升速率切面的细分空间节点在相邻的前一周期对应的温升速率切面上的细分空间节点重叠的量达到预设连续温升速率切面判定值M2时,则将本周期对应的温升速率切面作为连续温升速率切面;
对所述连续温度切面和所述连续温升速率切面进行时序跟踪,如果连续跟踪数大于等于N个周期,均存在所述连续温度切面和所述连续温升速率切面,进行漏钢预报。
6.根据权利要求5所述的基于图像处理的结晶器漏钢预报方法,其特征在于,对所述连续温度切面和所述连续温升速率切面进行时序跟踪,包括:
以上一周期的温度切面和温升速率切面的细分空间节点中的中心节点为跟踪起点,分别对本周期的温度切面和温升速率切面的跟踪;
当所述跟踪起点的温度小于所述标准温度时,停止跟踪所述本周期的温度切面;
当所述跟踪起点的温升速率小于所述标准温升速率时,停止跟踪所述本周期的温升速率切面;
当所述跟踪起点的温度不小于所述标准温度时,以所述跟踪起点为基点,遍历所有温度大于所述标准温度的细分空间节点,从而得到本周期的温度切面;
当所述跟踪起点的温度速率不小于所述标准温升速率时,以所述跟踪起点为基点,遍历所有温升速率大于所述标准温升速率的细分空间节点,从而得到本周期的温升速率切面。
7.根据权利要求5所述的基于图像处理的结晶器漏钢预报方法,其特征在于,
所述预设连续温度切面判定值M1大于等于60%;
所述预设连续温升速率切面判定值M2大于等于50%;
所述N等于4~8中任意一个自然数。
8.根据权利要求5所述的基于图像处理的结晶器漏钢预报方法,其特征在于,所述预设预警规则,包括漏钢类型预报规则,其中,
所述漏钢类型预报规则为:
在所述漏钢预报前,获取所述连续温度切面的参数;
其中,所述的参数包括:温度切面在拉坯方向上的长度h,温度切面在垂直于拉坯方向上的长度l;
当漏钢预报发生时,如果h/l≥1.5,则漏钢类型为裂纹漏钢,否则为粘结漏钢。
9.根据权利要求1所述的基于图像处理的结晶器漏钢预报方法,其特征在于,
所述标准温度的选取规则为:
正常生产、无漏钢时测温点的最大温度。
10.根据权利要求1所述的基于图像处理的结晶器漏钢预报方法,其特征在于,
所述标准温升速率为:0.4~2.0℃/S。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349356.1A CN111570748B (zh) | 2020-04-28 | 2020-04-28 | 基于图像处理的结晶器漏钢预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010349356.1A CN111570748B (zh) | 2020-04-28 | 2020-04-28 | 基于图像处理的结晶器漏钢预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111570748A true CN111570748A (zh) | 2020-08-25 |
CN111570748B CN111570748B (zh) | 2021-08-06 |
Family
ID=72115019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010349356.1A Active CN111570748B (zh) | 2020-04-28 | 2020-04-28 | 基于图像处理的结晶器漏钢预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111570748B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664000A (zh) * | 2021-12-30 | 2022-06-24 | 白居冰 | 识别结晶器粘结脱模的方法及电子装置 |
CN114850431A (zh) * | 2022-07-05 | 2022-08-05 | 北京科技大学 | 一种连铸结晶器漏钢预报方法 |
CN115415494A (zh) * | 2022-08-02 | 2022-12-02 | 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 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5695461A (en) * | 1979-12-28 | 1981-08-01 | Nippon Steel Corp | Continuous casting method by mold provided with mold temperature measuring element |
DE3423475A1 (de) * | 1984-06-26 | 1984-11-29 | Mannesmann AG, 4000 Düsseldorf | Verfahren und einrichtung zum stranggiessen von fluessigen metallen, insbesondere von fluessigem stahl |
JPS6044163A (ja) * | 1983-08-19 | 1985-03-09 | Nippon Steel Corp | 連続鋳造のブレ−クアウト予知方法 |
JPS61289954A (ja) * | 1985-06-14 | 1986-12-19 | Nippon Steel Corp | 連続鋳造における鋳型内鋳片シエルの破断検出方法 |
JPH08159883A (ja) * | 1994-12-07 | 1996-06-21 | Nippon Steel Corp | 連続鋳造設備における鋳型熱電対の正常・異常判別方法および同熱電対を用いたブレークアウトの検知方法 |
US5548520A (en) * | 1993-12-24 | 1996-08-20 | Topy Kogyo Kabushiki Kaisha | Breakout prediction system in a continuous casting process |
CN101941060A (zh) * | 2010-09-19 | 2011-01-12 | 河北钢铁股份有限公司唐山分公司 | 基于多排实测热电偶温度的结晶器热像图实时显示方法 |
CN101985166A (zh) * | 2009-07-29 | 2011-03-16 | 宝山钢铁股份有限公司 | 一种连铸板坯纵裂漏钢预报方法 |
CN103111595A (zh) * | 2013-02-26 | 2013-05-22 | 中冶南方工程技术有限公司 | 一种提高异型坯横断面温度均匀性的系统和方法 |
CN105108097A (zh) * | 2015-07-24 | 2015-12-02 | 安徽工业大学 | 一种混合模型及基于混合模型的连铸漏钢预报方法 |
CN106825475A (zh) * | 2016-12-26 | 2017-06-13 | 中冶连铸技术工程有限责任公司 | 消除电磁搅拌对热电偶信号干扰的数字滤波方法及系统 |
CN109365769A (zh) * | 2018-12-18 | 2019-02-22 | 重庆邮电大学 | 一种基于混合模型判断的结晶器漏钢预报方法 |
CN110523941A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 连铸粘结漏钢多级风险控制方法及控制装置 |
CN110523940A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 基于特征区域的结晶器粘结预警方法及系统 |
-
2020
- 2020-04-28 CN CN202010349356.1A patent/CN111570748B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5695461A (en) * | 1979-12-28 | 1981-08-01 | Nippon Steel Corp | Continuous casting method by mold provided with mold temperature measuring element |
JPS6044163A (ja) * | 1983-08-19 | 1985-03-09 | Nippon Steel Corp | 連続鋳造のブレ−クアウト予知方法 |
DE3423475A1 (de) * | 1984-06-26 | 1984-11-29 | Mannesmann AG, 4000 Düsseldorf | Verfahren und einrichtung zum stranggiessen von fluessigen metallen, insbesondere von fluessigem stahl |
JPS61289954A (ja) * | 1985-06-14 | 1986-12-19 | Nippon Steel Corp | 連続鋳造における鋳型内鋳片シエルの破断検出方法 |
US5548520A (en) * | 1993-12-24 | 1996-08-20 | Topy Kogyo Kabushiki Kaisha | Breakout prediction system in a continuous casting process |
JPH08159883A (ja) * | 1994-12-07 | 1996-06-21 | Nippon Steel Corp | 連続鋳造設備における鋳型熱電対の正常・異常判別方法および同熱電対を用いたブレークアウトの検知方法 |
CN101985166A (zh) * | 2009-07-29 | 2011-03-16 | 宝山钢铁股份有限公司 | 一种连铸板坯纵裂漏钢预报方法 |
CN101941060A (zh) * | 2010-09-19 | 2011-01-12 | 河北钢铁股份有限公司唐山分公司 | 基于多排实测热电偶温度的结晶器热像图实时显示方法 |
CN103111595A (zh) * | 2013-02-26 | 2013-05-22 | 中冶南方工程技术有限公司 | 一种提高异型坯横断面温度均匀性的系统和方法 |
CN105108097A (zh) * | 2015-07-24 | 2015-12-02 | 安徽工业大学 | 一种混合模型及基于混合模型的连铸漏钢预报方法 |
CN106980729A (zh) * | 2015-07-24 | 2017-07-25 | 安徽工业大学 | 一种基于混合模型的连铸漏钢预报方法 |
CN106825475A (zh) * | 2016-12-26 | 2017-06-13 | 中冶连铸技术工程有限责任公司 | 消除电磁搅拌对热电偶信号干扰的数字滤波方法及系统 |
CN109365769A (zh) * | 2018-12-18 | 2019-02-22 | 重庆邮电大学 | 一种基于混合模型判断的结晶器漏钢预报方法 |
CN110523941A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 连铸粘结漏钢多级风险控制方法及控制装置 |
CN110523940A (zh) * | 2019-08-06 | 2019-12-03 | 北京数钰科技发展有限公司 | 基于特征区域的结晶器粘结预警方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664000A (zh) * | 2021-12-30 | 2022-06-24 | 白居冰 | 识别结晶器粘结脱模的方法及电子装置 |
CN114664000B (zh) * | 2021-12-30 | 2024-01-19 | 白居冰 | 识别结晶器粘结脱模的方法及电子装置 |
CN114850431A (zh) * | 2022-07-05 | 2022-08-05 | 北京科技大学 | 一种连铸结晶器漏钢预报方法 |
CN114850431B (zh) * | 2022-07-05 | 2022-10-21 | 北京科技大学 | 一种连铸结晶器漏钢预报方法 |
CN115415494A (zh) * | 2022-08-02 | 2022-12-02 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111570748B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111570748B (zh) | 基于图像处理的结晶器漏钢预报方法 | |
He et al. | Mold breakout prediction in slab continuous casting based on combined method of GA-BP neural network and logic rules | |
KR101275035B1 (ko) | 연속 주조에서 길이방향 크랙의 발생을 예측하기 위한 방법 | |
US20210048402A1 (en) | Prediction method for mold breakout based on feature vectors and hierarchical clustering | |
CN104181196B (zh) | 一种连铸坯表面纵裂纹在线检测方法 | |
CN107036581A (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
CN105328155A (zh) | 一种基于改进神经网络的漏钢可视化特征预报方法 | |
CN107159862B (zh) | 一种基于逻辑判断的结晶器漏钢预报方法 | |
Liu et al. | Computer vision detection of mold breakout in slab continuous casting using an optimized neural network | |
CN107096899B (zh) | 一种基于逻辑判断的结晶器漏钢预报系统 | |
CN109959465A (zh) | 电机温度预警保护方法、计算机设备及可读存储介质 | |
CN105522133A (zh) | 一种连铸坯与结晶器铜板粘结行为的判定方法 | |
CN114012053B (zh) | 结晶器浸入式水口结瘤堵塞异常状态的判断方法 | |
CN111496211B (zh) | 跟踪识别铸坯表面粘结点的方法 | |
CN111579592B (zh) | 高温作业容器侵蚀程度监控方法 | |
CN110918973B (zh) | 一种基于游程的结晶器热像图异常区域标记方法 | |
CN117358892A (zh) | 用于结晶器铜管的形变监测预警方法及系统 | |
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 | |
CN114653914B (zh) | 基于形态重构的结晶器漏钢预警方法及电子装置 | |
CN111112567B (zh) | 一种板坯连铸机漏钢预报的综合判断方法 | |
KR102213972B1 (ko) | 슬라브 표면의 면세로 크랙 예측 장치 및 방법 | |
CN110523968B (zh) | 粘结漏钢的预警判断方法及预警判断装置 | |
JP5906814B2 (ja) | 連続鋳造設備における拘束性ブレークアウトの予知方法及び装置 | |
JP4828366B2 (ja) | 鋳型の熱流束に基づく縦割検知方法及び連続鋳造方法 | |
JP6347236B2 (ja) | ブレークアウト予知方法、ブレークアウト予知装置および連続鋳造方法 |
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 |