CN114136458B - 一种熔融金属流体温度多态在线检测方法及系统 - Google Patents
一种熔融金属流体温度多态在线检测方法及系统 Download PDFInfo
- Publication number
- CN114136458B CN114136458B CN202111337621.5A CN202111337621A CN114136458B CN 114136458 B CN114136458 B CN 114136458B CN 202111337621 A CN202111337621 A CN 202111337621A CN 114136458 B CN114136458 B CN 114136458B
- Authority
- CN
- China
- Prior art keywords
- molten metal
- metal fluid
- temperature
- dust
- oxide layer
- 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
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 263
- 239000002184 metal Substances 0.000 title claims abstract description 263
- 239000012530 fluid Substances 0.000 title claims abstract description 242
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 239000000428 dust Substances 0.000 claims abstract description 167
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000003723 Smelting Methods 0.000 claims abstract description 40
- 230000005855 radiation Effects 0.000 claims description 30
- 238000012546 transfer Methods 0.000 claims description 19
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 18
- 238000002834 transmittance Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 11
- 229910052742 iron Inorganic materials 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 229920002334 Spandex Polymers 0.000 claims description 2
- 239000004759 spandex Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种熔融金属流体温度多态在线检测方法及系统，通过获取熔融金属流体红外热图像，提取熔融金属流体红外热图像中的熔融金属流体区域，对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型以及根据熔融金属流体表面氧化层温度多态检测模型，获取熔融金属流体温度，解决了现有熔融金属流体温度多态在线检测方法精度低的技术问题，考虑了冶炼现场粉尘干扰的多态性，智能识别粉尘的干扰状态，以及分析熔融金属流体表面氧化层的影响，克服了冶炼现场粉尘对非接触式红外测温方法的干扰，实现了对熔融金属流体温度的多态在线准确检测。
Description
技术领域
本发明主要涉及高炉料面深度检测领域，特指一种熔融金属流体温度多态在线检测方法及系统。
背景技术
熔融金属是金属矿石经过复杂冶炼过程后形成的高温熔融态流体，包括铁水、钢水、铜液、铝液等。熔融金属流体温度是反映熔融金属质量、冶炼能耗水平的重要指标之一，也为金属冶炼过程的闭环调控提供了关键反馈信息。因此，熔融金属流体温度的在线检测是许多冶炼过程中的强制性要求。
根据检测设备是否与熔融金属流体接触，可以将现有熔融金属流体温度的检测方法归纳为两类：接触式与非接触式。接触式测温方法包括快速热电偶、黑体空腔传感器，非接触式测温方式主要指红外辐射测温方式，具体包括红外测温仪、比色测温仪和红外热像仪等。由于熔融金属流体具有温度高、腐蚀性强等特点，快速热电偶只能间断地获取有限个温度点，黑体空腔传感器也只能连续测温十几个小时，难以满足工业现场对熔融金属流体温度长期稳定连续检测的需求。尽管红外辐射测温方式可以实现长期连续测温，但冶炼过程中存在不同浓度粉尘的干扰，并且熔融金属流体表面容易被氧化层覆盖，使得红外测温结果的精度较低。因此，本发明提出了一种熔融金属流体温度多态在线检测方法，考虑了熔融金属流体表面氧化层的影响，克服了冶炼现场粉尘对非接触式测温方法的干扰，实现了对熔融金属流体温度的多态在线检测。
申请公布号为CN109211412A的专利公开了一种用于测量熔融金属温度的温度测量装置与温度测量方法，该专利设计了由感温元件、支撑管、连接管和排风结构等构成的温度测量装置，基于黑体空腔原理实现了对熔融金属温度的连续测量，但这种测温装置使用寿命有限，难以满足冶炼现场长期稳定测温的需求。
申请公布号为CN106017691A的专利公开了一种非接触式熔融金属溶液温度连续检测方法及系统，该专利采用非制冷焦平面红外热像仪来获取熔融金属溶液的红外热图像，并通过计算感兴趣区域内的温度点来连续检测熔融金属溶液的温度。但该专利缺少对工业现场中环境因素对红外测温结果影响的考虑，测温精度有限。
发明内容
本发明提供的熔融金属流体温度多态在线检测方法及系统，解决了现有熔融金属流体温度多态在线检测方法精度低的技术问题。
为解决上述技术问题，本发明提出的熔融金属流体温度多态在线检测方法包括：
获取熔融金属流体红外热图像，并提取熔融金属流体红外热图像中的熔融金属流体区域；
对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型；
基于深度网络模型的粉尘干扰状态识别结果，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型；
根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型，并根据熔融金属流体温度多态检测模型获取熔融金属流体温度。
进一步地，提取熔融金属流体红外热图像中的熔融金属流体区域包括：
利用阈值分割算法获取熔融金属流体红外热图像的二值图像，二值图像的形状为矩形；
获取二值图像的边界点坐标信息；
利用边界点坐标信息，提取熔融金属流体红外热图像中的熔融金属流体区域。
进一步地，获取二值图像的边界点坐标信息的计算公式为：
其中，A(x,y)为左上角顶点A的坐标，C(x,y)为右下角顶点C的坐标，Boundary-x和Boundary-y分别表示二值图像的所有边界点的横坐标集合和纵坐标集合。
进一步地，对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型包括：
采集熔融金属流体红外热图像样本集，根据现场专家经验将熔融金属流体红外热图像样本集中的熔融金属流体红外热图像分为受粉尘轻微干扰和严重干扰两类，并记录熔融金属流体红外热图像对应的类别标签数据；
随机从熔融金属流体红外热图像样本集中抽取三分之二作为训练集，剩余的熔融金属流体红外热图像作为测试集；
采用轻量级深度神经网络建立用于识别粉尘干扰状态的深度网络模型，并利用训练好的深度网络模型对熔融金属流体红外热图像进行分类。
进一步地，基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型包括：
利用深度网络模型，识别熔融金属流体红外热图像的粉尘干扰状态；
基于熔融金属流体红外热图像的粉尘干扰状态，利用红外辐射测温机理，建立在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型，具体为：
其中，Tou为熔融金属流体表面氧化层真实温度，T'0为带误差的红外热像仪实测温度，f(T'ou,τdust)为熔融金属流体表面氧化层温度多态检测模型，τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率，τdust为粉尘透射率，Tu为环境温度，R、B、F为与红外热像仪相关的拟合系数。
进一步地，根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型的具体公式为：
其中，Tiron为熔融金属流体温度，T'ou为带误差的氧化层表面温度，hoe为对流换热系数，l为氧化层的厚度，k1为导热系数，ε0为氧化层发射率，σ为斯特潘玻尔兹曼常数，τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率，f(T'ou,τdust1)为轻微粉尘影响时多态模型的检测结果，f4(T'ou,τdust1)为轻微粉尘影响时多态模型检测结果的四次方，f4(T'ou,τdust2)为严重粉尘影响时多态模型检测结果的四次方，Tu为环境温度，Tu 4环境温度的四次方。
本发明提供的熔融金属流体温度多态在线检测系统包括：
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现本发明提供的熔融金属流体温度多态在线检测方法的步骤。
本发明提供的熔融金属流体温度多态在线检测方法及系统，通过获取熔融金属流体红外热图像，并提取熔融金属流体红外热图像中的熔融金属流体区域，对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型，基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型以及根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型，并根据熔融金属流体温度多态检测模型获取熔融金属流体温度，解决了现有熔融金属流体温度多态在线检测方法精度低的技术问题，考虑了冶炼现场粉尘干扰状态的多态性，通过智能识别粉尘的干扰状态，以及分析熔融金属流体表面氧化层的影响，构建了熔融金属流体温度的多态在线检测模型，克服了冶炼现场粉尘对非接触式红外测温方法的干扰，实现了对熔融金属流体温度的多态在线准确检测。
本发明的目的：
本发明旨在提出一种熔融金属流体温度的多态在线检测方法及系统。本发明利用红外热像仪获取包含熔融金属流体区域的红外热图像。为了减小后续温度计算的数据量，利用熔融金属流体区域与其它背景区域间的温度差异，利用边缘检测算法来自动定位熔融金属流体区域。针对不同浓度粉尘的干扰，本发明对粉尘的干扰状态进行划分，并构建智能识别模型，以粉尘干扰下的红外热图像为输入，自动识别粉尘的干扰状态。在不同的粉尘干扰状态下，构建了熔融金属流体表面氧化层温度的多态检测模型。针对熔融金属流体表面氧化层覆盖的问题，构建熔融金属流体表面氧化层与熔融金属流体间的传热关系，构建熔融金属流体温度的多态在线检测模型，从而实现熔融金属流体温度的在线准确检测。本发明提出的多态在线检测方法及系统能够连续准确地检测熔融金属流体温度，具有操作安全、使用寿命长、测温精度高等优点。
附图说明
图1为本发明实施例二的熔融金属流体温度多态在线检测系统的安装示意图；
图2为本发明实施例二的熔融金属流体温度多态在线检测方法的流程图；
图3为本发明实施例三的熔融金属流体及其表面氧化层分布示意图；
图4为本发明实施例三的熔融金属流体温度多态在线检测方法的测温结果图；
图5为本发明实施例三的熔融金属流体温度多态在线检测方法的测温误差图；
图6为本发明实施例的熔融金属流体温度多态在线检测系统的结构框图。
附图标记：
1、熔融金属流体；2、多态检测装置；3、支架；4、综合电缆；5、计算机；10、存储器；20、处理器。
具体实施方式
为了便于理解本发明，下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述，但本发明的保护范围并不限于以下具体的实施例。
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
本发明实施例一提供的熔融金属流体温度多态在线检测方法，包括：
步骤S101，获取熔融金属流体红外热图像，并提取熔融金属流体红外热图像中的熔融金属流体区域；
步骤S102，对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型；
步骤S103，基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型；
步骤S104，根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型，并根据熔融金属流体温度多态检测模型获取熔融金属流体温度。
本发明实施例提供的熔融金属流体温度多态在线检测方法，通过获取熔融金属流体红外热图像，并提取熔融金属流体红外热图像中的熔融金属流体区域，对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型，基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型以及根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型，并根据熔融金属流体温度多态检测模型获取熔融金属流体温度，解决了现有熔融金属流体温度多态在线检测方法精度低的技术问题，考虑了冶炼现场粉尘干扰状态的多态性，通过智能识别粉尘的干扰状态，以及分析熔融金属流体表面氧化层的影响，构建了熔融金属流体温度的多态在线检测模型，克服了冶炼现场粉尘对非接触式红外测温方法的干扰，实现了对熔融金属流体温度的多态在线准确检测。
由于冶炼现场环境复杂多变，尤其是粉尘干扰状态随着冶炼过程运行状态或工人的不同操作而变化，即粉尘存在多种干扰状态，而单一红外测温模型仅适用于检测环境稳定不变的场合，没有考虑到实际环境的复杂性。若检测环境发生变化，单一红外测温模型的检测结果容易失准甚至失效，无法满足在冶炼现场复杂多变环境下的测温需求。通过将粉尘的干扰状态进行划分，在不同的粉尘干扰状态下构建不同的温度检测模型，即，针对粉尘干扰状态的多态性，建立熔融金属流体温度多态检测模型，更加符合冶炼现场的环境特点。在检测熔融金属流体温度时，会首先判断熔融金属所处的粉尘干扰状态，进而应用对应的检测模型进行测温，故采用多态检测模型测温精度会有提升。需要说明的是，本发明实施例初步将粉尘干扰状态的多态性划分为2类，实际上可以根据具体冶炼环境，将粉尘干扰状态划分为多个类别，而不局限于2类，进而建立熔融金属流体温度的多态检测模型。
实施例二
参考图1，图1是本发明实施例的熔融金属流体温度多态在线检测系统的安装示意图，该系统包含熔融金属流体1、多态检测装置2、支架3、综合电缆4以及计算机5等。图2是本发明实施例实现熔融金属流体温度多态在线检测方法的流程图，包括以下步骤：
(1)利用多态检测系统获取包含熔融金属流体区域的红外热图像，并自动定位熔融金属流体区域；
(2)对冶炼现场的粉尘干扰状态进行划分，并建立以熔融金属流体红外热图像为输入的深度网络模型来智能识别粉尘的不同干扰状态；
(3)考虑到熔融金属流体表面氧化层的影响，基于红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型；
(4)根据熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型。
具体实现方案如下：
(1)获取熔融金属流体红外热图像，并定位熔融金属流体区域
首先，将多态检测系统安装在冶炼现场合适的位置，确保红外热像仪能够获取熔融金属流体的红外热图像，同时考虑到熔融金属流体的辐射较强，可以采用气冷方式对红外热像仪进行降温保护，避免红外热像仪损坏。再利用现场铺设的光纤将熔融金属流体红外热图像传输至监控室中的计算机中进行处理。由于红外热像仪的视场区域较大，熔融金属流体区域无法占满全部红外热图像，仅占红外热图像的部分区域。为了减小后续多态检测算法要处理的数据量，定义恰好包含熔融金属流体区域的矩形区域为感兴趣区域，本发明提出感兴趣区域的自动定位算法，来自动获取恰好包含熔融金属流体区域的矩形区域。具体包括以下步骤：
Step1：熔融金属流体的温度显著高于背景区域，因此，可以设定合适的温度阈值Tth，利用阈值分割算法来获取熔融金属流体红外热图像的二值图像，见式(1)，式中T(i,j)代表横坐标是i纵坐标式j的像素灰度值，T(i,j)代表横坐标是i纵坐标式j的像素温度值。
Step2：收集红外热图像二值图像边界点的坐标信息，利用式(2)来确定感兴趣区域的左上角顶点A和右下角顶点C。式(2)中Boundary-x和Boundary-y分别表示所有边界点的横坐标集合和纵坐标集合。
Step3：确定感兴趣区域后，对熔融金属流体的红外热图像进行裁剪处理，后续的温度计算只针对感兴趣区域。
(2)划分并识别冶炼现场的粉尘干扰状态
在金属冶炼过程中，常伴有粉尘产生。尽管在重力除尘器等除尘设备的作用下，但冶炼现场仍然存在粉尘的干扰。红外热像仪作为一种非接触式测温方式，其测温结果容易受到粉尘等外部环境因素的干扰。根据朗伯-比尔定律可知，粉尘透射率可以表示为式(3)。
τdust(λ)＝exp[-k(λ)·cdust·ldust] (3)
式中τdust(λ)表示粉尘透射率，k(λ)表示质量消光系数，cdust表示粉尘浓度，ldust表示粉尘作用距离
当红外热像仪和被测对象之间存在粉尘时，大气透射率可以表示为：
τd(λ)＝τa(λ)τdust(λ) (4)
式中τd(λ)表示粉尘干扰下的大气透射率，τa(λ)表示没有粉尘干扰下的大气透射率
根据红外测温误差理论，见式(5)，红外测温误差与被测物体的发射率、大气透射率、环境温度等参数有关。当大气透射率发生变化，显然会给红外测温结果带来误差。因此，在采用红外热像仪来获取熔融金属流体红外热图像时，必须考虑冶炼现场粉尘的影响。
式中，T0为被测物体的真实温度，Tu为周围环境温度，Ta为大气温度，Tr为被测对象的辐射温度，ε0为被测物体的发射率，τa为大气透射率，n为与红外热像仪相关的参数。
在金属冶炼现场，在熔融金属流体上方常常存在粉尘。由于冶炼工艺特点或者不同工人的操作，导致粉尘的呈现出多种分布状态，即粉尘存在多种干扰状态，为了准确获取熔融金属流体温度，必须准确识别出冶炼现场的粉尘干扰状态。为此，本发明根据冶炼现场粉尘的实际分布状态，将粉尘的干扰状态划分为2种：轻微干扰和严重干扰，并收集每种粉尘干扰状态下对应的熔融金属流体的红外热图像，构建粉尘干扰状态智能识别模型，自动识别出粉尘的干扰状态类型。具体步骤如下：
Step1：收集熔融金属流体的红外热图像，根据现场专家经验将热图像分为受到粉尘轻微干扰和严重干扰两类，并记录红外热图像对应的类别标签数据；
Step2：随机从收集到的红外热图像数据集中抽取三分之二作为训练集，剩余的数据集作为测试集；
Step3：采用轻量级深度神经网络MobileNet V2作为识别模型来自动识别熔融金属流体所处的粉尘干扰状态。MobileNet V2的主要特征是用深度可分离卷积替代普通的卷积，并引入线性激活变换和倒残差来改善网络的表达能力。相比传统的机器学习分类方法，MobileNet V2直接以图像作为模型输入，无需人工提取图像特征，并且容易部署在移动终端。使用预训练权重来初始化MobileNet V2的权重参数，然后利用训练集对模型训练，并在测试集上测试模型对粉尘干扰状态的识别效果；
Step4：利用训练好的深度网络模型对新的熔融金属流体红外热图像进行分类，从而得到粉尘的干扰状态。
(3)建立熔融金属表面氧化层温度的多态检测模型
由于熔融金属流体温度高且完全暴露在空气中，在流动过程中熔融金属与空气接触，致使熔融金属流体表面形成一层氧化层。尽管利用红外热像仪检测熔融金属流体度可以获取熔融金属流体的红外热图像，但熔融金属流体表面覆有一层氧化层，红外热像仪检测的是熔融金属流体表面氧化层的温度，而非熔融金属流体的真实温度。显然，氧化层的存在使得熔融金属流体的温度检测结果失真。但熔融金属流体温度与其表面氧化层温度间存在一定的关系，若能够准确地获取氧化层的温度，则可以根据氧化层温度推导出熔融金属流体温度。为此，本发明建立了熔融金属流体表面氧化层温度的多态检测模型。
将粉尘看作自身能够透射、发射、反射红外辐射的粒子系。当被测对象和红外热像仪之间存在粉尘时，红外探测器接收到的红外辐射可以表征为：
Wrd＝ε0τaτdustW0+ρ0τaτdustWu+εdustτaWd+ρdustτaWu+εaWa (6)
式中，Wrd表示红外探测器接收到的红外辐射，ε0τaτdustW0表示被测对象发出的红外辐射,ρ0τaτdustWu表示被测对象反射周围环境的红外辐射，εdustτaWd表示粉尘发出的红外辐射，ρdustτaWu表示粉尘反射周围环境的红外辐射，εaWa表示大气发出的红外辐射。εa和εdust分别表示大气发射率和粉尘发射率，ρ0和ρdust分别表示被测对象的反射率和粉尘的反射率。
将红外辐射强度与温度之间的关系记为s(T)，则式(6)可以写为：
s(Trd)＝ε0τaτdusts(T0)+ρ0τaτdusts(Tu)+εdustτas(Td)+ρdustτas(Tu)+εas(Ta) (7)
熔融金属是不透明体，它的透射率可以认为是0，大气的反射率可认为是0，根据基尔霍夫定律可知：
ρ0＝1-ε0 (8)
εa＝1-τa (9)
εdust＝1-τdust-ρdust (10)
联立(7)-(10)，可以将被测对象的红外辐射对应的电信号表示为：
当光路中不存在粉尘时，红外探测器接收到的红外辐射可以表示为：
Wrd＝ε0τaW0+ρ0τaWu+εaWa (12)
同理，当光路中不存在粉尘时，被测对象的红外辐射对应的电信号可以表示为：
当光路中存在粉尘干扰时，设T'0表示带误差的红外热像仪实测温度。尽管T'0含有误差，但它反映了粉尘干扰下红外探测器接收到的红外辐射。因此，根据红外热像仪的实测温度，可以将红外探测器接收的红外辐射对应的电信号表示为：
s(Trd)＝e0τas(T0')+(1-e0)tas(Tu)+εas(Ta) (14)
通过联立式(11)和式(14)，可以得到粉尘干扰下的红外测温补偿模型：
根据Sakuma–Hattori方程，S(T)与温度T之间的关系可以表示为：
式中R、B、F是与红外热像仪相关的拟合系数。
将式(16)代入式(15)中，可以得到具体红外测温补偿模型：
设熔融金属流体表面氧化层真实温度为Tou，受到粉尘影响的氧化层实测温度为To'u，同时冶炼现场粉尘温度可以近似等于环境温度，因此，根据式(17)，可以将熔融金属流体表面氧化层真实温度与受粉尘影响的氧化层实测温度之间的关系近似表示为：
本发明在熔融金属流体区域中选择某一子区域，利用该子区域内的平均温度作为氧化层的实测温度。根据公式(18)和受粉尘影响的氧化层实测温度，便可计算出氧化层的真实温度。
考虑到熔融金属流体红外热图像所处的两种干扰状态，记两种状态下的粉尘透射率分别为τdust1和τdust2，根据式(18)，可以将熔融金属流体表面氧化层温度的多态检测模型表示为式(19)。
(4)建立熔融金属流体温度的多态检测模型
为了获取熔融金属流体的温度，本发明深入分析了熔融金属流体与其表面氧化层之间的传热关系。
本发明假设氧化层是以固定厚度覆盖在熔融金属流体上的固态物质，且熔融金属流体和氧化层之间处于动态稳定传热状态，如图3所示。由图3可知，熔融金属流体是给氧化层传热的主要热源，氧化层的下表面温度是高于氧化层上表面温度的。因此，氧化层上下表面之间热传导关系。基于傅里叶定律，氧化层上下表面之间的热流密度q1可表示为
式中，Tou为氧化层的上表面温度，Tod为氧化层的下表面温度，k1为导热系数，l为氧化层的厚度。
氧化层的下表面紧贴熔融金属流体，可以认为熔融金属流体温度等于氧化层下表面温度
Tmolten＝Tol (21)
式中，Tmolten为熔融金属流体温度。
氧化层上表面与空气直接接触，因此，氧化层上表面与空气间既包括对流传热，也包括辐射传热。对于氧化层与空气间的对流换热过程，根据牛顿冷却公式，氧化层和空气间的热流密度q2可以表示为
q2＝hoe(Tou-Tu) (22)
对于氧化层和空气间的辐射传热过程，根据斯特藩-玻尔兹曼定律的经验修正式，可以将氧化层上表面的辐射热流密度q3表示为：
在动态传热稳定期，垂直界面之间的热流密度也是相等的。即：
q1＝q2+q3 (24)
联立式(20)-(24)，可以将熔融金属流体温度表示为：
结合式(18)，熔融金属流体温度与粉尘干扰下的氧化层温度之间的关系可以表示为式(26)。
由于冶炼现场粉尘干扰状态多态性，单一的熔融金属温度检测模型难以满足实际检测的需求。因此，结合氧化层温度多态检测模型，可以得到熔融金属流体温度的多态检测模型，见式(27)。
式(27)刻画了粉尘干扰下熔融金属流体温度与其表面氧化层温度之间的定量关系，根据检测到的表面氧化层温度，便可以计算得到熔融金属流体温度。
(1)构建了粉尘干扰状态的智能识别模型，自动识别出熔融金属流体红外热图像所处的粉尘干扰状态，量化粉尘干扰状态的多态性；
(2)基于红外辐射测温原理，构建了粉尘干扰下的熔融金属流体表面氧化层温度检测模型，并针对冶炼现场存在的多种粉尘干扰状态，提出了熔融金属流体表面氧化层温度的多态检测模型，在线获取粉尘干扰下的熔融金属流体表面氧化层温度；
(3)构建了熔融金属流体温度与其表面氧化层温度之间的传热模型，进而结合熔融金属流体表面氧化层温度的多态检测模型，提出了熔融金属流体温度的多态检测模型，在线获取粉尘干扰下的熔融金属流体温度；
(4)首次提出熔融金属流体温度多态在线检测方法及系统，实现了粉尘干扰下熔融金属流体温度的在线准确检测。
本发明以熔融金属流体为研究对象，提出了一种熔融金属流体温度多态在线方法及系统。本发明利用红外热像仪实时地获取熔融金属流体红外热图像，提出了熔融金属流体区域的自动定位方法，减小后续数据处理量。针对冶炼现场存在多种粉尘干扰状态，将粉尘干扰状态划分为轻微干扰和严重干扰，并建立轻量级深度网络模型来智能识别红外热图像所处的粉尘干扰状态。针对熔融金属流体表面覆盖有氧化层的问题，基于红外辐射测温机理，建立了粉尘干扰下的熔融金属流体表面氧化层温度多态检测模型。最后本发明基于熔融金属流体与其表面氧化层之间的传热关系，首次提出了熔融金属流体温度多态检测模型。本发明同时解决了熔融金属流体表面覆盖有氧化层的问题和冶炼现场存在多种粉尘干扰状态的问题，实现了熔融金属流体温度的在线准确检测。
实施例三
本实施例三以某炼铁厂1050m3高炉为试验平台，将发明的熔融金属流体温度多态检测方法及系统应用到该高炉的1号铁口撇渣器处熔融铁水流的温度在线检测中。多态检测系统安装在撇渣器后以获取经过撇渣后的铁水流红外热图像。图4显示了一个出铁炉次中本发明的铁水测温结果。为了说明本发明的测温效果，以相同位置相同时间时快速热电偶的测温结果作为参考值，对比分析多态测温结果的精度。由图4可知，本发明的铁水测温结果与快速热电偶的测温结果较为接近，并且本发明测温结果的趋势与快速热电偶测温结果趋势一致，表明本发明在检测熔融铁水流温度上的有效性。图5显示了本发明测温结果的绝对误差和相对误差，由图5可知，本发明测温结果的绝对误差大部分小于10℃，相对误差大部分小于0.5％，进一步表明本发明在熔融铁水流温度在线检测上的有效性。
参照图6，本发明实施例提出的熔融金属流体温度多态在线检测系统，包括：
存储器10、处理器20以及存储在存储器10上并可在处理器20上运行的计算机程序，其中，处理器20执行计算机程序时实现本实施例提出的熔融金属流体温度多态在线检测方法的步骤。
本实施例的熔融金属流体温度多态在线检测系统的具体工作过程和工作原理可参照本实施例中的熔融金属流体温度多态在线检测方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种熔融金属流体温度多态在线检测方法，其特征在于，所述方法包括：
获取熔融金属流体红外热图像，并提取所述熔融金属流体红外热图像中的熔融金属流体区域；
对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型，其中对冶炼现场的粉尘干扰状态进行划分，并建立用于识别粉尘的不同干扰状态的深度网络模型包括：
采集熔融金属流体红外热图像样本集，根据现场专家经验将熔融金属流体红外热图像样本集中的熔融金属流体红外热图像分为受粉尘轻微干扰和严重干扰两类，并记录熔融金属流体红外热图像对应的类别标签数据；
随机从熔融金属流体红外热图像样本集中抽取三分之二作为训练集，剩余的熔融金属流体红外热图像作为测试集；
采用轻量级深度神经网络建立用于识别粉尘干扰状态的深度网络模型，并利用训练好的深度网络模型对熔融金属流体红外热图像进行分类；
基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型，其中基于深度网络模型，利用红外辐射测温机理，构建在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型包括：
利用深度网络模型，识别熔融金属流体红外热图像的粉尘干扰状态；
基于熔融金属流体红外热图像的粉尘干扰状态，利用红外辐射测温机理，建立在不同的粉尘干扰状态下的熔融金属流体表面氧化层温度多态检测模型，具体为：
其中，Tou为熔融金属流体表面氧化层真实温度，T0'为带误差的红外热像仪实测温度，f(T′ou,τdust)为熔融金属流体表面氧化层温度多态检测模型，τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率，τdust为粉尘透射率，Tu为环境温度，R、B、F为与红外热像仪相关的拟合系数；
根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型，并根据所述熔融金属流体温度多态检测模型获取熔融金属流体温度，其中根据熔融金属流体表面氧化层温度多态检测模型，利用熔融金属流体与其表面氧化层之间的传热关系，构建熔融金属流体温度多态检测模型的具体公式为：
其中，Tiron为熔融金属流体温度，T′ou为带误差的氧化层表面温度，hoe为对流换热系数，l为氧化层的厚度，k1为导热系数，ε0为氧化层发射率，σ为斯特潘玻尔兹曼常数，τdust1和τdust2分别为轻微粉尘影响和严重粉尘影响状态下的粉尘透射率，f(T′ou,τdust1)为轻微粉尘影响时多态模型的检测结果，f4(T′ou,τdust1)为轻微粉尘影响时多态模型检测结果的四次方，f4(T′ou,τdust2)为严重粉尘影响时多态模型检测结果的四次方，Tu为环境温度，Tu 4环境温度的四次方。
2.根据权利要求1所述的熔融金属流体温度多态在线检测方法，其特征在于，提取所述熔融金属流体红外热图像中的熔融金属流体区域包括：
利用阈值分割算法获取所述熔融金属流体红外热图像的二值图像，所述二值图像的形状为矩形；
获取所述二值图像的边界点坐标信息；
利用所述边界点坐标信息，提取所述熔融金属流体红外热图像中的熔融金属流体区域。
3.根据权利要求2所述的熔融金属流体温度多态在线检测方法，其特征在于，获取所述二值图像的边界点坐标信息的计算公式为：
其中，A(x,y)为左上角顶点A的坐标，C(x,y)为右下角顶点C的坐标，Boundary_x和Boundary_y分别表示所述二值图像的所有边界点的横坐标集合和纵坐标集合。
4.一种熔融金属流体温度多态在线检测系统，所述系统包括：
存储器(10)、处理器(20)以及存储在存储器(10)上并可在处理器(20)上运行的计算机程序，其特征在于，所述处理器(20)执行所述计算机程序时实现上述权利要求1至3任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111337621.5A CN114136458B (zh) | 2021-11-09 | 2021-11-09 | 一种熔融金属流体温度多态在线检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111337621.5A CN114136458B (zh) | 2021-11-09 | 2021-11-09 | 一种熔融金属流体温度多态在线检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114136458A CN114136458A (zh) | 2022-03-04 |
| CN114136458B true CN114136458B (zh) | 2024-04-23 |
Family
ID=80392823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111337621.5A Active CN114136458B (zh) | 2021-11-09 | 2021-11-09 | 一种熔融金属流体温度多态在线检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114136458B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001318002A (ja) * | 2000-05-02 | 2001-11-16 | Nippon Steel Corp | 高炉羽口レースウエイ温度分布測定装置 |
| JP2008224287A (ja) * | 2007-03-09 | 2008-09-25 | Sumitomo Metal Ind Ltd | 金属体表面の放射率測定装置及び放射率測定方法並びに鋼板の製造方法 |
| CN101545808A (zh) * | 2009-05-05 | 2009-09-30 | 上海优科伽瓦自动化工程有限公司 | 铁水流体的裂纹温度红外辐射测量系统 |
| CN101568604A (zh) * | 2006-12-22 | 2009-10-28 | 埃卡特有限公司 | 用于薄片状效应颜料的铝粉、其制造方法及其用途 |
| JP2013011503A (ja) * | 2011-06-29 | 2013-01-17 | Nippon Steel & Sumitomo Metal | 鋼材温度測定方法及び鋼材温度測定装置 |
| JP2014182106A (ja) * | 2013-03-21 | 2014-09-29 | Horiba Ltd | 温度計 |
| CN105950806A (zh) * | 2016-05-17 | 2016-09-21 | 中南大学 | 一种用于确定高炉炉顶内的低粉尘区域的方法以及装置 |
| CN106017691A (zh) * | 2016-05-06 | 2016-10-12 | 中南大学 | 非接触式熔融金属溶液温度连续检测方法及系统 |
| EP3293493A1 (en) * | 2008-06-04 | 2018-03-14 | G Patel | A monitoring system based on etching of metals |
| JP2018040533A (ja) * | 2016-09-07 | 2018-03-15 | Ｊｆｅエンジニアリング株式会社 | 廃棄物ガス化溶融炉の廃棄物堆積層高測定装置及び方法、廃棄物ガス化溶融装置及び方法 |
| CN109357770A (zh) * | 2018-12-02 | 2019-02-19 | 西安航天动力测控技术研究所 | 一种固体发动机地面试验的尾焰温度场测量系统及方法 |
| CN110487415A (zh) * | 2019-08-19 | 2019-11-22 | 中南大学 | 熔融金属流体体数据检测装置、方法及系统 |
| WO2021093283A1 (zh) * | 2019-11-14 | 2021-05-20 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
| CN113241385A (zh) * | 2021-05-08 | 2021-08-10 | 上海亥茨能源技术有限公司 | 一种光伏集热冷却复合装置 |
-
2021
- 2021-11-09 CN CN202111337621.5A patent/CN114136458B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001318002A (ja) * | 2000-05-02 | 2001-11-16 | Nippon Steel Corp | 高炉羽口レースウエイ温度分布測定装置 |
| CN101568604A (zh) * | 2006-12-22 | 2009-10-28 | 埃卡特有限公司 | 用于薄片状效应颜料的铝粉、其制造方法及其用途 |
| JP2008224287A (ja) * | 2007-03-09 | 2008-09-25 | Sumitomo Metal Ind Ltd | 金属体表面の放射率測定装置及び放射率測定方法並びに鋼板の製造方法 |
| EP3293493A1 (en) * | 2008-06-04 | 2018-03-14 | G Patel | A monitoring system based on etching of metals |
| CN101545808A (zh) * | 2009-05-05 | 2009-09-30 | 上海优科伽瓦自动化工程有限公司 | 铁水流体的裂纹温度红外辐射测量系统 |
| JP2013011503A (ja) * | 2011-06-29 | 2013-01-17 | Nippon Steel & Sumitomo Metal | 鋼材温度測定方法及び鋼材温度測定装置 |
| JP2014182106A (ja) * | 2013-03-21 | 2014-09-29 | Horiba Ltd | 温度計 |
| CN106017691A (zh) * | 2016-05-06 | 2016-10-12 | 中南大学 | 非接触式熔融金属溶液温度连续检测方法及系统 |
| CN105950806A (zh) * | 2016-05-17 | 2016-09-21 | 中南大学 | 一种用于确定高炉炉顶内的低粉尘区域的方法以及装置 |
| JP2018040533A (ja) * | 2016-09-07 | 2018-03-15 | Ｊｆｅエンジニアリング株式会社 | 廃棄物ガス化溶融炉の廃棄物堆積層高測定装置及び方法、廃棄物ガス化溶融装置及び方法 |
| CN109357770A (zh) * | 2018-12-02 | 2019-02-19 | 西安航天动力测控技术研究所 | 一种固体发动机地面试验的尾焰温度场测量系统及方法 |
| CN110487415A (zh) * | 2019-08-19 | 2019-11-22 | 中南大学 | 熔融金属流体体数据检测装置、方法及系统 |
| WO2021093283A1 (zh) * | 2019-11-14 | 2021-05-20 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
| CN113241385A (zh) * | 2021-05-08 | 2021-08-10 | 上海亥茨能源技术有限公司 | 一种光伏集热冷却复合装置 |
Non-Patent Citations (3)
| Title |
|---|
| Temperature Measurement and Compensation Method of Blast Furnace Molten Iron Based on Infrared Computer Vision;Pan, D 等;《IEEE TRANSACTONS ON INSTRUMENTATION AND MEASUREMENT》;20191004;第68卷(第10期);3576-3588 * |
| 顶燃式球式热风炉烧炉过程温度场建模;蒋朝辉 等;《中南大学学报》;20180915;第49卷(第9期);2216-2224 * |
| 高温测量技术及其在熔池测温中的应用进展;余跃 等;《有色冶金节能》;20200215;第36卷(第2期);6-12 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114136458A (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111094956B (zh) | 用神经网络对热成像图像进行处理以鉴定保温层下腐蚀(cui) | |
| Pan et al. | Temperature measurement and compensation method of blast furnace molten iron based on infrared computer vision | |
| US11112349B2 (en) | Metal loss determinations based on thermography machine learning approach for insulated structures | |
| CN111781113B (zh) | 一种粉尘网格化定位方法及粉尘网格化监测方法 | |
| Ho et al. | An efficient image-based damage detection for cable surface in cable-stayed bridges | |
| Usamentiaga et al. | Temperature measurement of molten pig iron with slag characterization and detection using infrared computer vision | |
| CN111337142A (zh) | 体温修正方法、装置及电子设备 | |
| CN110826549A (zh) | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 | |
| CN106780483B (zh) | 多根连铸坯端面视觉识别系统及中心坐标求取方法 | |
| CN110889455A (zh) | 一种化工园巡检机器人的故障检测定位及安全评估方法 | |
| CN105138981A (zh) | 活体检测系统和方法 | |
| CN109724703A (zh) | 基于模式识别的复杂场景下的温度矫正方法 | |
| CN104215179A (zh) | 使用激光位移传感器动态测量钢坯宽度的方法 | |
| JP7085067B2 (ja) | 保温材下腐食発生予測モデルおよびプラント保全支援装置 | |
| US20190172191A1 (en) | System and method for determining part damage | |
| Pan et al. | Influence of dust on temperature measurement using infrared thermal imager | |
| CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
| CN114136458B (zh) | 一种熔融金属流体温度多态在线检测方法及系统 | |
| CN103063674B (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
| CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
| Pan et al. | Polymorphic temperature measurement method of molten iron after skimmer in ironmaking process | |
| TWI623719B (zh) | 燒結台車漏風預警系統及其預警方法 | |
| CN116608955A (zh) | 粉尘干扰下熔融金属流体温度场在线检测方法及系统 | |
| CN110018270A (zh) | 测试电池 | |
| JPH06201625A (ja) | 欠陥調査装置および欠陥調査方法 |
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 |