CN111609795B - 一种热轧钢板切割的质量参数检测方法及系统 - Google Patents

一种热轧钢板切割的质量参数检测方法及系统 Download PDF

Info

Publication number
CN111609795B
CN111609795B CN202010342666.0A CN202010342666A CN111609795B CN 111609795 B CN111609795 B CN 111609795B CN 202010342666 A CN202010342666 A CN 202010342666A CN 111609795 B CN111609795 B CN 111609795B
Authority
CN
China
Prior art keywords
steel plate
sensor
rolled steel
cutting
hot rolled
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
Application number
CN202010342666.0A
Other languages
English (en)
Other versions
CN111609795A (zh
Inventor
孙浩
江爱朋
高发荣
陈云
姜治
王浩坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010342666.0A priority Critical patent/CN111609795B/zh
Publication of CN111609795A publication Critical patent/CN111609795A/zh
Application granted granted Critical
Publication of CN111609795B publication Critical patent/CN111609795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Abstract

本发明为一种热轧钢板切割的质量参数检测方法及系统。方法包括以下步骤：S1：采集钢板生产数据；S2：数据预处理；S3：传感器信息融合；S4：建立板胚运动学模型；S5：计算板形轮廓和旋转量；S6：计算曲边量和锯齿形状参数。系统包括两个检测2D激光传感器、一个冗余2D激光传感器和处理器，检测2D激光传感器和冗余2D激光传感器均设置在热轧钢板生产线的夹紧辊同一侧且与钢板处于同一高度，检测2D激光传感器和冗余2D激光传感器均与处理器相连。本发明的有益效果是：能够同时检测热轧钢板切割后的侧翻值、裂纹深度、曲边量和锯齿形状参数，检测参数多；设有冗余2D激光传感器，提高检测的精确度和对于噪声的鲁棒性。

Description

一种热轧钢板切割的质量参数检测方法及系统
技术领域
本发明属于工业制造技术领域，尤其涉及一种热轧钢板切割的质量参数检测方法。
背景技术
中国是钢铁生产大国，钢铁工业是国民生产和社会发展的支柱产业。随着制造业水平的不断提高，对高精度板带材的需求急剧增加，对板带材尺寸精度的要求也就更加严格。热轧作为钢板轧制的中间步骤，对冷轧等下游工序的产品质量有重大影响，因此实现热轧板形的精准控制具有重要意义。钢铁行业轧钢厂修整工序的最后一道工序是板材的侧面切割和偶尔的纵切，这些加工步骤决定了板材的板形形状和切割的形状，目标是实现矩形板和修剪边缘。常见的修剪技术，如滚剪，往往会在钢板的轮廓和修整边缘上造成质量缺陷。机械修整的边缘可能会带来形状缺陷，例如侧翻和非零裂纹深度。为实现理想板形，这样的质量缺陷往往需要大量的后续处理工作，并且如果重新修整修剪的边缘，则会导致材料的过量丢失。随着制造业对板形质量要求的日益增加，板形轮廓和修剪边缘的质量要求变得尤为重要。为避免这些质量缺陷，一个重要的先决条件是它们的准确和完整的测量。这些测量数据可用于过程优化和建立无缝质量控制，这在现代生产过程中至关重要。
对于钢板边缘曲边量的测量或估算主要通过CCD摄像机，通常使用适合于热轧的红外热像仪。在热轧中，板胚和背景之间的热对比度较高。在钢板处于室温的工厂区域中，例如滚剪后，通过机器视觉确保鲁棒且精确的边缘检测。此外，这些摄像机需要精确的摄像机校准和合适的安装位置，必须防止振动、灰尘和蒸汽。在测量轮廓时轧机中的恶劣环境和修整边缘的反射表面会导致测量噪声、误差和异常值。现有板形质量控制方案通常测量板边缘曲边量或修整边缘的质量，但不能够同时测量两者。对于修整边缘质量的测量方法主要集中在外观或修整边缘的断裂表面积比率上，然而这些方法无法测量修剪边缘的横截面的几何轮廓形状。还有一些涉及基于视觉的切割边缘检查，但是不能够估计修剪边缘的轮廓形状。
发明内容
本发明主要解决了传统的热轧切割的质量参数检测方法检测参数单一的问题，提供了一种能够检测热轧钢板切割后侧翻值、裂缝深度、曲边量和锯齿形状参数的一种热轧钢板切割质量参数估计方法及系统。
本发明解决其技术问题所采用的技术方案是，一种热轧钢板切割的质量参数检测方法，包括以下步骤：
S1：采集钢板生产数据；
S2：数据预处理；
S3：传感器信息融合；
S4：建立板胚运动学模型；
S5：计算板形轮廓和旋转量；
S6：计算曲边量和锯齿形状参数。
利用2D激光传感器获得钢板侧面轮廓坐标和修边的横截面轮廓形状，获取侧翻量和裂缝深度，采用板胚建立运动学模型结合钢板在夹紧辊作用下的移动速度获取板形轮廓和旋转量，进而获得曲边量和锯齿形状参数。
作为上述方案的一种优选方案，所述钢板生产数据通过多个2D激光传感器采集，所述2D激光传感器设置在热轧钢板生产线同一侧，以钢板与夹紧辊接触处中点为原点，以钢板宽度方向为x轴，以钢板高度方向为y轴建立三维坐标系，生产数据包括2D传感器在每个采集时间采集的钢板修整边的轮廓坐标(ym,xm)。
作为上述方案的一种优选方案，步骤S2中，数据预处理包括以下步骤：
S21：获取2D激光传感器与钢板侧面的距离
Figure BDA0002469038090000031
其中，
Figure BDA0002469038090000032
表示采样时刻tk时，传感器i得到的所有测量点xb，xb坐标x下抛光高度以内的点，该高度对于特定材料是已知的，
Figure BDA0002469038090000033
表示采样时刻tk时传感器i与板胚的边缘之间测量距离dr，median(·)为均值函数；
S22：获取裂纹深度
Δd＝max(xd，f)-dr
其中，xd，f＝ψ(xd)，xd为传感器测得的裂纹深度测量值，ψ(·)为中值滤波器；
S23：获取侧翻量
Δt＝tp-hm
其中，tp为标称板厚，hm为切割的测量高度，hm＝max(ym)。
作为上述方案的一种优选方案，步骤S3中，传感器信息融合包括侧翻值融合和裂纹深度融合，所述侧翻值融合得到的最大后验估计值为：
Figure BDA0002469038090000041
其中，
Figure BDA0002469038090000042
N表示传感器i采集的轮廓坐标数量，
Figure BDA0002469038090000043
表示根据传感器i采集的第k个轮廓坐标计算得到的侧翻量，
Figure BDA0002469038090000044
进行裂缝深度融合时根据锯齿形状将各个传感器采集的轮廓坐标分为三组数据，锯齿形状包括双鼓形、上单鼓形和下单鼓形，三组数据经裂缝深度融合得到的最大后验估计值为：
Figure BDA0002469038090000045
其中，
Figure BDA0002469038090000046
N表示传感器i采集的轮廓坐标数量，
Figure BDA0002469038090000047
表示根据第j组数据中传感器i采集的第k个轮廓坐标计算得到的裂纹深度，
Figure BDA0002469038090000048
作为上述方案的一种优选方案，步骤S4中，板胚运动学模型为
Figure BDA0002469038090000049
其中，Δx为板胚的横向位移，Δz为板胚的纵向位移，
Figure BDA00024690380900000410
为板胚的侧向旋转角度，vz(t)为板胚纵向速度，ω为板胚相对于y轴的角速度。
作为上述方案的一种优选方案，步骤S5中，计算板形轮廓和旋转量，包括以下步骤：
S51：在离散时间点
Figure BDA0002469038090000051
上使用显式欧拉方法对板胚运动学模型离散，得到
Figure BDA0002469038090000052
的离散时间系统和初始状态：
Figure BDA0002469038090000053
Figure BDA0002469038090000054
Figure BDA0002469038090000055
其中，lx为传感器安装位置在x轴上到原点的距离，
Figure BDA0002469038090000056
为传感器A在z轴上到原点的距离，Δz0板胚起始时间点的纵向位置，Δx0表示板胚起始时间点的横向位置，Nopt取决于每米板长上取点的数量；
S52：通过优化问题求解ωm和
Figure BDA0002469038090000057
优化问题描述为：
Figure BDA0002469038090000058
Figure BDA0002469038090000061
Figure BDA0002469038090000062
为传感器A测量的板轮廓上进行坐标变换产生的离散点，同理还有
Figure BDA0002469038090000063
由优化变量
Figure BDA0002469038090000064
计算求得，ψ(·)为中值滤波器；
S53:将得出的最优估计值
Figure BDA0002469038090000065
带入步骤S52的约束条件中，获得轮廓估计值，逐点算术平均计算估计的板轮廓。
作为上述方案的一种优选方案，步骤S6中计算曲边量时，采用滤波器从轮廓线消除锯齿形获得平滑的曲面线，然后计算曲面线与钢板平直线的最大偏差，即为曲边质量参数Δc。
作为上述方案的一种优选方案，步骤S6中计算锯齿形状参数时，将原始的轮廓线减去滤波后的轮廓线获得锯齿形，通过提取和平均锯齿形轮廓的振幅求得局部锯齿形状参数Δs。
对应的，本发明还提供一种热轧钢板切割的质量参数检测系统，适用于上述方法，包括两个检测2D激光传感器、一个冗余2D激光传感器和处理器，所述检测2D激光传感器和冗余2D激光传感器均设置在热轧钢板生产线的夹紧辊同一侧且与钢板处于同一高度，所述检测2D激光传感器和冗余2D激光传感器均与处理器相连。
本发明的有益效果是：能够同时检测热轧钢板切割后的侧翻值、裂纹深度、曲边量和锯齿形状参数，检测参数多；设有冗余2D激光传感器，提高检测的精确度和对于噪声的鲁棒性。
附图说明
图1为实施例1中热轧钢板切割的质量参数检测系统的一种结构示意图。
图2为实施例1中热轧钢板切割的质量参数检测方法的一种流程示意图。
图3为实施例1中钢板运动的曲边参数图。
1-夹紧辊 2-钢板。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。
实施例1：
本实施例一种热轧钢板切割的质量参数检测系统，如图1所示，包括2D激光传感器A、2D激光传感器B、2D激光传感器C和处理器，2D激光传感器均设置在热轧钢板生产线的夹紧辊1右侧且与钢板2处于同一高度，2D激光传感器均与处理器相连，其中，2D激光传感器A、2D激光传感器B为检测2D激光传感器，2D激光传感器C为冗余2D激光传感器。冗余2D激光传感器通过抑制由于三个激光测量的小的异步性而可能发生的错误，以减小测量误差和提高对噪声的鲁棒性。
对应的，本实施还提供一种热轧钢板切割的质量参数检测方法，如图2所示，包括以下步骤：
S1：采集钢板生产数据，在采集钢板生产数据时，需要建立三维坐标系，如图3所示，以钢板与夹紧辊接触处中点为原点，以钢板宽度方向为x轴，以钢板高度方向为y轴建立三维坐标系，生产数据包括2D传感器在每个采集时间采集的钢板修整边的轮廓坐标(ym，xm)；
S2：数据预处理，包括以下步骤：
S21：获取2D激光传感器与钢板侧面的距离，轮廓估计需要在激光传感器和板胚的边缘之间测量距离dr。对于每个测量的2D轮廓，必须以相同的方式标识距离dr。从剪切过程中可以知道，抛光后的高度在yz平面中近似为平坦表面，在俯视图中能够确定板的轮廓。因此，dr相对于该表面是精确测量的。假设xb为测量坐标x下抛光高度以内的点，抛光高度即为钢板的标称厚度，该高度对于特定材料是已知的，距离dr计算形式如下：
dr＝median(xb)
median(·)表示均值函数，上式表示所有xb的均值。对于每个测得的板形轮廓和每个传感器有
Figure BDA0002469038090000081
其中，
Figure BDA0002469038090000082
表示采样时刻tk时，传感器i得到的所有测量点xb，i∈{A,B，C+，
Figure BDA0002469038090000083
表示采样时刻tk时传感器i与板胚的边缘之间测量距离dr；
S22：获取裂纹深度，为了确保对裂纹深度进行可靠的计算，必须首先去除测量轮廓中的异常值。应用滑动窗口中值滤波器ψ(·)可得到如下平滑轮廓：
xd,f＝ψ(xd)
其中，xd为传感器测得的裂纹深度测量值，xd，f为滤波处理后的值，由此可得板形轮廓的裂纹深度Δd
Δd＝max(xd,f)-dr
S23：获取侧翻量Δt
Δt＝tp-hm
其中，tp为标称板厚，hm为切割的测量高度，hm＝max(ym)；
S3：传感器信息融合，包括侧翻值融合和裂纹深度融合，进行侧翻值融合时，已知边缘侧翻量Δt沿板是恒定的，因此对于每个传感器和每个板胚,使用了一种基于高斯概率分布的概率方法估计侧翻测量值，每个传感器的侧翻样本均值的形式如下：
Figure BDA0002469038090000091
N表示传感器i采集的轮廓坐标数量，
Figure BDA0002469038090000092
表示根据传感器i采集的第k个轮廓坐标计算得到的侧翻量，相应的样本标准差为
Figure BDA0002469038090000093
对侧翻值进行估计，计算的最大后验估计值为：
Figure BDA0002469038090000094
与侧翻相反，在采用非连续切割技术的情况下，由于板形的锯齿形状，裂纹深度Δd。可能随着钢板的长度变化。因此，用单个值描述裂纹深度是不合理的。对于所有测量的轮廓，根据锯齿形状将各个传感器采集的轮廓坐标分为三组数据,锯齿形状包括双鼓形、上单鼓形(单鼓位于上侧)和下单鼓形(单鼓位于下侧)，三组数据经裂缝深度融合得到的最大后验估计值为：
Figure BDA0002469038090000101
其中，
Figure BDA0002469038090000102
N表示传感器i采集的轮廓坐标数量，
Figure BDA0002469038090000103
表示根据第j组数据中传感器i采集的第k个轮廓坐标计算得到的裂纹深度，
Figure BDA0002469038090000104
S4：建立板胚运动学模型，板胚运动学模型为
Figure BDA0002469038090000105
其中，Δx为板胚的横向位移，Δz为板胚的纵向位移，
Figure BDA0002469038090000106
为板胚的侧向旋转角度，vz(t)为板胚纵向速度，ω为板胚相对于y轴的角速度；
S5：计算板形轮廓和旋转量，包括以下步骤：
S51：在离散时间点
Figure BDA0002469038090000107
上使用显式欧拉方法对板胚运动学模型离散，得到
Figure BDA0002469038090000108
的离散时间系统和初始状态：
Figure BDA0002469038090000109
Figure BDA00024690380900001010
Figure BDA00024690380900001011
其中，lx为传感器安装位置在x轴上到原点的距离，
Figure BDA00024690380900001012
为传感器A在z轴上到原点的距离，Δz0板胚起始时间点的纵向位置，Δx0表示板胚起始时间点的横向位置，Nopt取决于每米板长上取点的数量，具体大小受传感器限制。由于钢板是由夹紧辊移动或被夹紧和修整，钢板在夹紧辊作用下的速度vz(t)不是恒定的。选择采样间隔
Figure BDA00024690380900001013
以便板在每个采样周期内以相同的空间增量移动，即
Figure BDA0002469038090000111
其中C为常量；
S52：通过优化问题求解ωm和
Figure BDA0002469038090000112
假设
Figure BDA0002469038090000113
和
Figure BDA0002469038090000114
已知，对传感器A测量的板轮廓上进行坐标变换产生的离散点
Figure BDA0002469038090000115
Figure BDA0002469038090000116
同理，可以分别基于传感器B和传感器C的读数来计算坐标变换后的轮廓点
Figure BDA0002469038090000117
和
Figure BDA0002469038090000118
由于传感器A、传感器B和传感器C的测量之间存在时间偏移，因此对其偏移时间定义为：
Figure BDA0002469038090000119
Figure BDA00024690380900001118
Figure BDA00024690380900001110
其中tkBs和tkCs代表相应传感器的开始测量时间，tkAe和tkBe代表结束时间。轮廓点
Figure BDA00024690380900001111
在固定板胚
Figure BDA00024690380900001112
时的
Figure BDA00024690380900001113
值，在理想情况下满足：
Figure BDA00024690380900001114
然而，实际上由于板的侧向旋转，
Figure BDA00024690380900001115
之间会存在差异，可以通过最小化该偏差来估算未知量
Figure BDA00024690380900001116
和ωm，该优化问题描述为：
Figure BDA00024690380900001117
Figure BDA0002469038090000121
Figure BDA0002469038090000122
由优化变量
Figure BDA0002469038090000123
计算求得，ψ(·)为中值滤波器，该优化问题可采用智能算法或者非线性规划方法求解；
S53：将得出的最优估计值
Figure BDA0002469038090000125
带入步骤S52的约束条件中，会得到三个几乎相同的轮廓估计值，最后，逐点算术平均计算估计的板轮廓。
S6：计算曲边量和锯齿形状参数，计算曲边量时，采用二阶Savitzky-Golay滤波器从轮廓线消除锯齿形获得平滑的曲面线，然后计算曲面线与钢板平直线的最大偏差，即为曲边质量参数Δc；计算锯齿形状参数时，将原始的轮廓线减去滤波后的轮廓线获得锯齿形，通过提取和平均锯齿形轮廓的振幅求得局部锯齿形状参数Δs。
实施例2：
本实施例采用实施例1中热轧钢板切割的质量参数检测系统及方法对5种测试板进行测试，测试板参数如表1所示
表1测试板参数
Figure BDA0002469038090000124
Figure BDA0002469038090000131
本实施例中，使用的3激光传感器采用Micro-Epsilon公司的scanControlLLT2700-100型2D激光传感器。该激光传感器采样时间TS＝10ms。对于轮廓估计，选取初始参数
Figure BDA0002469038090000134
参数Nopt可获得每米板长的50个点。
为评估测量的准确性，测量结构与在德国AG der Dillinger Huettenwerke工厂轧制的典型钢板的测量数据进行比较。轮廓测量设备(CMD)对板1，2和3进行测量，测量结果与估计值进行比较。
表2曲边量估计
Figure BDA0002469038090000132
表2总结了由CMD测量的曲边量Δc和测量值
Figure BDA0002469038090000133
的结果。可以看出，具有三个激光传感器(表2中的3LS)的测量设置的最大偏差为0.04mm/m，这大大低于现有估计方法的基准值。出于比较的原因，表2中还列出了仅具有两个激光传感器的设置所获得的估计结果。正如预期的那样，第三个激光传感器明显提高了所提出估计方法的准确性。
为验证估计的侧翻值和局部锯齿幅度，对表1中的板4和5用游标卡尺进行人工测量。表3给出了相应的测量和估计结果。可以看出，测量和估计之间的偏差很小，并且在测量公差范围内。
表3侧翻值与锯齿幅度估计
Figure BDA0002469038090000141
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种热轧钢板切割的质量参数检测方法，其特征是：包括以下步骤：
S1：采集钢板生产数据；
S2：数据预处理；
S3：传感器信息融合；
S4：建立板胚运动学模型；
S5：计算板形轮廓和旋转量；
S6：计算曲边量和锯齿形状参数；
步骤S3中，传感器信息融合包括侧翻值融合和裂纹深度融合，所述侧翻值融合得到的最大后验估计值为：
Figure FDA0003083955080000011
其中，
Figure FDA0003083955080000012
N表示传感器i采集的轮廓坐标数量，
Figure FDA0003083955080000013
表示根据传感器i采集的第k个轮廓坐标计算得到的侧翻量，
Figure FDA0003083955080000014
进行裂缝深度融合时根据锯齿形状将各个传感器采集的轮廓坐标分为三组数据，锯齿形状包括双鼓形、上单鼓形和下单鼓形，三组数据经裂缝深度融合得到的最大后验估计值为：
Figure FDA0003083955080000015
其中，
Figure FDA0003083955080000016
N表示传感器i采集的轮廓坐标数量，
Figure FDA0003083955080000017
表示根据第j组数据中传感器i采集的第k个轮廓坐标计算得到的裂纹深度，
Figure FDA0003083955080000021
2.根据权利要求1所述的一种热轧钢板切割的质量参数检测方法，其特征是：所述钢板生产数据通过多个2D激光传感器采集，所述2D激光传感器设置在热轧钢板生产线同一侧，以钢板与夹紧辊接触处中点为原点，以钢板宽度方向为x轴，以钢板高度方向为y轴建立三维坐标系，生产数据包括2D传感器在每个采集时间采集的钢板修整边的轮廓坐标(ym,xm)。
3.根据权利要求2所述的一种热轧钢板切割的质量参数检测方法，其特征是：步骤S2中，数据预处理包括以下步骤：
S21：获取2D激光传感器与钢板侧面的距离
Figure FDA0003083955080000022
其中，
Figure FDA0003083955080000023
表示采样时刻tk时，传感器i得到的所有测量点xb，xb为坐标x下抛光高度以内的点，该高度对于特定材料是已知的，
Figure FDA0003083955080000024
表示采样时刻tk时传感器i与板胚的边缘之间测量距离dr，median(·)为均值函数；
S22：获取裂纹深度
Δd＝max(xd,f)-dr
其中，xd,f＝ψ(xd)，xd为传感器测得的裂纹深度测量值，ψ(·)为中值滤波器；
S23：获取侧翻量
Δt＝tp-jm
其中，tp为标称板厚，jm为切割的测量高度，jm＝max(ym)。
4.根据权利要求1所述的一种热轧钢板切割的质量参数检测方法，其特征是：步骤S4中，板胚运动学模型为
Figure FDA0003083955080000031
其中，Δx为板胚的横向位移，Δz为板胚的纵向位移，
Figure FDA0003083955080000032
为板胚的侧向旋转角度，vz(t)为板胚纵向速度，ω为板胚相对于y轴的角速度。
5.根据权利要求4所述的一种热轧钢板切割的质量参数检测方法，其特征是：步骤S5中，计算板形轮廓和旋转量，包括以下步骤：
S51：在离散时间点
Figure FDA0003083955080000033
上使用显式欧拉方法对板胚运动学模型离散，得到
Figure FDA0003083955080000034
的离散时间系统和初始状态：
Figure FDA0003083955080000035
Figure FDA0003083955080000036
Figure FDA0003083955080000037
其中，lx为传感器安装位置在x轴上到原点的距离，
Figure FDA0003083955080000038
为传感器A在z轴上到原点的距离，Δz0板胚起始时间点的纵向位置，Δx0表示板胚起始时间点的横向位置，Nopt取决于每米板长上取点的数量；
S52：通过优化问题求解ωm和
Figure FDA0003083955080000039
优化问题描述为：
Figure FDA0003083955080000041
Figure FDA0003083955080000042
Figure FDA0003083955080000043
Figure FDA0003083955080000044
Figure FDA0003083955080000045
Figure FDA0003083955080000046
为传感器A测量的板轮廓上进行坐标变换产生的离散点，同理还有
Figure FDA0003083955080000047
由优化变量
Figure FDA0003083955080000048
计算求得，ψ(·)为中值滤波器；
S53:将得出的最优估计值
Figure FDA0003083955080000049
带入步骤S52的约束条件中，获得轮廓估计值，逐点算术平均计算估计的板轮廓。
6.根据权利要求1所述的一种热轧钢板切割的质量参数检测方法，其特征是：步骤S6中计算曲边量时，采用滤波器从轮廓线消除锯齿形获得平滑的曲面线，然后计算曲面线与钢板平直线的最大偏差，即为曲边质量参数Δc。
7.根据权利要求1所述的一种热轧钢板切割的质量参数检测方法，其特征是：步骤S6中计算锯齿形状参数时，将原始的轮廓线减去滤波后的轮廓线获得锯齿形，通过提取和平均锯齿形轮廓的振幅求得局部锯齿形状参数Δs。
8.一种热轧钢板切割的质量参数检测系统，适用于权利要求1-7任一项所述的热轧钢板切割的质量参数检测方法，其特征是：包括两个检测2D激光传感器、一个冗余2D激光传感器和处理器，所述检测2D激光传感器和冗余2D激光传感器均设置在热轧钢板生产线的夹紧辊同一侧且与钢板处于同一高度，所述检测2D激光传感器和冗余2D激光传感器均与处理器相连。
CN202010342666.0A 2020-04-27 2020-04-27 一种热轧钢板切割的质量参数检测方法及系统 Active CN111609795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010342666.0A CN111609795B (zh) 2020-04-27 2020-04-27 一种热轧钢板切割的质量参数检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010342666.0A CN111609795B (zh) 2020-04-27 2020-04-27 一种热轧钢板切割的质量参数检测方法及系统

Publications (2)

Publication Number Publication Date
CN111609795A CN111609795A (zh) 2020-09-01
CN111609795B true CN111609795B (zh) 2021-08-20

Family

ID=72204638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010342666.0A Active CN111609795B (zh) 2020-04-27 2020-04-27 一种热轧钢板切割的质量参数检测方法及系统

Country Status (1)

Country Link
CN (1) CN111609795B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7003894B2 (en) * 2003-03-17 2006-02-28 Forintek Canada Corp. Surface profile measurement, independent of relative motions
CN102366764B (zh) * 2011-09-13 2013-11-20 中冶南方工程技术有限公司 冷轧带钢板形测量信号测量值的降阶处理方法
CN204093840U (zh) * 2014-08-12 2015-01-14 首钢京唐钢铁联合有限责任公司 一种带钢跟踪装置
CN104535586B (zh) * 2014-11-18 2017-05-17 华东理工大学 带钢边部缺陷检测识别方法
CN108614445B (zh) * 2018-06-14 2021-05-11 攀钢集团攀枝花钢钒有限公司 基于连轧仿真的自适应、高精度提取轧件轮廓的方法
CN110116138B (zh) * 2019-06-13 2020-04-07 沈阳建筑大学 一种轧制过程中热态钢板长度及侧弯测量方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法

Also Published As

Publication number Publication date
CN111609795A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
KR101912647B1 (ko) 측정 물체들에 대한 두께 측정을 위한 방법 및 상기 방법을 적용하기 위한 장치
JP2730989B2 (ja) 移動シート特性の横方向検出方法
JP6003583B2 (ja) 形状評価方法、鋼板形状矯正方法、及び鋼板製造方法
JP5412829B2 (ja) 鋼板の形状矯正装置
JP5245817B2 (ja) 鋼板の形状計測方法及び形状計測装置
CN104613883A (zh) 金属薄板印刷涂层的湿膜厚度差分测量及均匀性评估方法
CN111879264A (zh) 一种基于线结构光的平整度测量与评估系统
CN115546125A (zh) 一种基于点云信息的增材制造熔敷层的误差检测并对轨迹纠偏的方法
CN210108267U (zh) 橡胶半制品宽度尺寸在线检测装置
CN114577131A (zh) 一种基于3d结构光相机的车身间隙检测方法及系统
CN111609795B (zh) 一种热轧钢板切割的质量参数检测方法及系统
CN113793312A (zh) 一种方坯位姿智能检测方法及装置
Emam et al. Dimensional deviation measurement of ceramic tiles according to ISO 10545-2 using the machine vision
CN107796332A (zh) 一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法
Güldür Erkal et al. Automated geometric imperfection detection and quantification of CFS members from point clouds
CN113566735A (zh) 一种火箭发动机喷管冷却通道线激光在位测量方法
KR102231141B1 (ko) 후판 압연판의 외관 검사 시스템과, 이를 이용한 후판 압연판의 외관 검사방법
KR20230051579A (ko) 결함 연삭 시스템, 결함 연삭 방법 및 이것을 이용한 강 제품의 제조 방법
JP2006322901A (ja) 建築パネルの表面形状検出方法及び建築パネルの塗装方法
CN115752300A (zh) 一种在线激光视觉检测平面工件平整度的方法及系统
CN110021027B (zh) 一种基于双目视觉的切边点计算方法
CN114119483A (zh) 基于图像处理技术的建筑用轻质墙板质量检测方法及装置
Li et al. Research on straightness detection of steel strip edge based on machine vision
GB2405465A (en) Using stripe laser technology for determining the displacement offset to a surface, in order for a robot to find a target within its space
Zeiler et al. Estimation of quality parameters of trimmed steel plates using laser sensors

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200901

Assignee: Hangzhou LIANTENG Network Technology Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2022330000004

Denomination of invention: A quality parameter detection method and system for cutting hot rolled steel plate

Granted publication date: 20210820

License type: Common License

Record date: 20220106

EE01 Entry into force of recordation of patent licensing contract