CN115595388A - 基于铁水流动状态的高炉出铁作业控制方法及电子设备 - Google Patents

基于铁水流动状态的高炉出铁作业控制方法及电子设备 Download PDF

Info

Publication number
CN115595388A
CN115595388A CN202211256407.1A CN202211256407A CN115595388A CN 115595388 A CN115595388 A CN 115595388A CN 202211256407 A CN202211256407 A CN 202211256407A CN 115595388 A CN115595388 A CN 115595388A
Authority
CN
China
Prior art keywords
molten iron
data
temperature
blast furnace
image
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
Application number
CN202211256407.1A
Other languages
English (en)
Other versions
CN115595388B (zh
Inventor
张强
吴川
赵录建
徐少罕
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.)
Hefei Shizhan Optoelectronics Technology Co ltd
Original Assignee
Hefei Shizhan Optoelectronics Technology Co ltd
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 Hefei Shizhan Optoelectronics Technology Co ltd filed Critical Hefei Shizhan Optoelectronics Technology Co ltd
Priority to CN202211256407.1A priority Critical patent/CN115595388B/zh
Publication of CN115595388A publication Critical patent/CN115595388A/zh
Application granted granted Critical
Publication of CN115595388B publication Critical patent/CN115595388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B5/00—Making pig-iron in the blast furnace
    • C21B5/006—Automatically controlling the process
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B7/00—Blast furnaces
    • C21B7/12—Opening or sealing the tap holes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Blast Furnaces (AREA)

Abstract

本发明涉及高炉炼铁技术领域，具体涉及一种基于铁水流动状态的高炉出铁作业控制方法及电子设备，获取铁水图像数据和高炉外围温度数据，并对获取的铁水图像数据进行预处理去除噪声；对去噪后的铁水图像数据进行裁切保留铁水流动区域图像，并以此计算铁水的流速变化，进一步换算出实际的铁水流速；对去噪后的铁水图像数据进行裁切保留烟雾区域图像，并通过烟雾分析模型计算得到烟雾数据；将时间数据、铁水流速数据及烟雾数据输入至判断机构，并结合温度数据进行辅助参考得到是否需要堵铁口；若不需要堵铁口则进行持续分析循环上述步骤；若需要堵铁口，则控制泥炮机工作进行堵铁口作业，同时控制报警器报警。保障了高炉出铁的正常运作。

Description

基于铁水流动状态的高炉出铁作业控制方法及电子设备
技术领域
本发明涉及高炉炼铁技术领域，具体涉及一种基于铁水流动状态的高炉出铁作业控制方法及电子设备。
背景技术
高炉内铁水的异常流动会侵蚀炉缸侧壁，造成炉缸侧面温度升高，进而影响高炉的炉缸寿命。但由于炉缸的特殊结构设计，无法直接观察炉缸内铁水的流动情况，因此通过观察外部特征，例如，出铁口的铁水流速、温度等，判断炉内死料柱状态及铁水流动情况，从而采取相应措施，减少铁水环流对炉壁的冲刷，达到延长高炉使用寿命的目标。
目前铁水流动监测主要分为接触式和非接触两种装置，前者使用耐高温材料与铁水直接接触，得到直接数据进行检测，但铁水的超高温度仍会然缓慢侵蚀磨损检测装置，造成仪器的磨损，降低使用寿命，增加成本；非接触式装置通过采集图像信息分析，但因为铁水导出时产生的大量烟雾，发出的刺眼强光等恶劣干扰检测。采用偏振图像设备检测可以有效抑制噪声干扰，还原铁水本来流动情况，结合温度数据、时间数据、铁水流速数据及烟雾数据作为判断是否堵塞出铁口的判断依据，为现场的工人作业提供科学的依据。或结合炉缸、物料等参数，根据机器学习算法，预测高炉内部的运行状况。以此得到相关参数调整的理论数据，进行工艺参数及操作条件调整，实现铁水生产运作的最优化。
发明内容
针对现有技术的不足，本发明公开了一种基于铁水流动状态的高炉出铁作业控制方法及电子设备，用于解决上述背景技术中的问题。
本发明通过以下技术方案予以实现：
第一方面，本发明提供了一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法包括以下步骤：
获取铁水图像数据和高炉外围温度数据，并对获取的铁水图像数据进行预处理去除噪声；
对去噪后的铁水图像数据进行裁切保留铁水流动区域图像，并以此计算铁水的流速变化，进一步换算出实际的铁水流速；
对去噪后的铁水图像数据进行裁切保留烟雾区域图像，并通过烟雾分析模型计算得到烟雾数据；
将时间数据、铁水流速数据及烟雾数据输入至判断机构，并结合温度数据进行辅助参考得到是否需要堵铁口；
若不需要堵铁口则进行持续分析循环上述步骤；若需要堵铁口，则控制泥炮机工作进行堵铁口作业，同时控制报警器报警。
更进一步的，所述方法中，计算铁水的流速变化时使用铁水流速分析模型，该铁水 流速分析模型根据相邻帧同一物体像素亮度不变原则，对当前帧的像素点亮度
Figure 296475DEST_PATH_IMAGE001
在 下一帧的像素点亮度
Figure 948036DEST_PATH_IMAGE002
，建立方程：
Figure 55669DEST_PATH_IMAGE003
将等式右边进行泰勒级数展开：
Figure 654141DEST_PATH_IMAGE004
化简得：
Figure 530830DEST_PATH_IMAGE005
其中
Figure 946768DEST_PATH_IMAGE006
是泰勒级数展开式的高阶项，在小运动情况为0，并两边同除以
Figure 682643DEST_PATH_IMAGE007
化简：
Figure 489666DEST_PATH_IMAGE008
Figure 627387DEST_PATH_IMAGE009
，分别表示图像中像素灰度沿x,y,t方向的偏导，
Figure 479805DEST_PATH_IMAGE010
分别表示光流沿x,y的速度矢量，化简：
Figure 702976DEST_PATH_IMAGE011
基于同场景下相邻像素点运动相似，在目标像素周围 3x3窗口都拥有相同的光流矢量，建立方程：
Figure 767884DEST_PATH_IMAGE012
A=
Figure 760111DEST_PATH_IMAGE013
，
Figure 783430DEST_PATH_IMAGE014
，
Figure 352952DEST_PATH_IMAGE015
，化简：
Figure 96917DEST_PATH_IMAGE016
等式两边同乘以
Figure 474809DEST_PATH_IMAGE017
，化简：
Figure 137871DEST_PATH_IMAGE018
等式两边同乘以
Figure 194689DEST_PATH_IMAGE019
，化简：
Figure 335820DEST_PATH_IMAGE020
利用最小二乘法对邻域内所有像素求解得到像素的运动情况
Figure 302639DEST_PATH_IMAGE021
，实际流速：
Figure 670691DEST_PATH_IMAGE022
。
更进一步的，所述方法中，对获取的像素流速，结合图像中物体像素长度与实际物体线段的长度比，换算出实际的铁水流速。
更进一步的，所述方法中，获取高炉外围温度数据时，取前5秒的温度均值作为参考温度，若当前温度与参考温度的绝对值大于5℃，则不再使用该数值，并取上一秒温度作为当前温度；若当前温度与参考温度的绝对值小于等于5℃，则正常使用。
更进一步的，所述方法中，获取高炉外围温度数据时，使用红外测温与热电偶测温结合的方式，其中红外测温用于持续获取温度数据；热电偶测温用于间隔式获取温度数据并将获取的温度数据与持续获取的温度数据进行比对校正。
更进一步的，所述方法中，获取的高炉外围温度数据传送至工艺监控室，同时经数据处理后作为辅助参考信息输入判断机构进行堵铁口判断。
更进一步的，所述方法中，将获取的铁水图像数据进行预处理去除噪声后输入至铁水槽渣沟头分析模型进行堵塞判断。
更进一步的，所述方法中，进行堵塞判断时，若铁水槽堵塞则进行铁水槽报警，若渣沟头堵塞则进行渣沟头报警，若不存在堵塞情况则进行持续监测分析。
更进一步的，所述方法中，获取铁水图像数据时使用偏振图像采集设备，其中铁水图像数据包括出铁口铁水图像数据、铁水槽铁水图像数据及渣沟头铁水图像数据。
第二方面，本发明提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现第一方面所述的基于铁水流动状态的高炉出铁作业控制方法。
本发明的有益效果为：
本发明通过偏振图像采集设备和温度采集设备，实时监测出铁口的铁水流动和锅炉的变化，并通过算法分析得到铁水流速、锅炉温度等信息。该非接触式传感采集数据方案，避免与高温铁水直接接触，减少材料磨损，大幅降低了监测成本。同时利用偏振技术的穿烟透雾抗强光特性，良好地应对高炉出铁现场复杂的生产环境，减少了数据采集过程中的噪声干扰，增加了铁水流动情况计算的准确度。
本发明在分析炉内铁水运行状况，利用机器学习算法，对采集分析得到的铁水流速、高炉不同部位的温度等其他参数建模，从多维信息角度综合分析，高效地预估是否需要堵铁口。当需要堵铁口时控制中心直接控制泥炮机工作，同时发出警报及时通知现场工人处理，保障高炉出铁的正常运作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是一种基于铁水流动状态的高炉出铁作业控制方法步骤框图；
图2是本发明实施例基于状态数据预测炉内死料柱的控制方法图；
图3是本发明实施例基于铁水流动状态的高炉出铁作业控制方法流程图；
图4是本发明实施例计算铁水流速的程序运行界面图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1所示，本实施例实施例提供了一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法包括以下步骤：
获取铁水图像数据和高炉外围温度数据，并对获取的铁水图像数据进行预处理去除噪声；
对去噪后的铁水图像数据进行裁切保留铁水流动区域图像，并以此计算铁水的流速变化，进一步换算出实际的铁水流速；
对去噪后的铁水图像数据进行裁切保留烟雾区域图像，并通过烟雾分析模型计算得到烟雾数据；
将时间数据、铁水流速数据及烟雾数据输入至判断机构，并结合温度数据进行辅助参考得到是否需要堵铁口；
若不需要堵铁口则进行持续分析循环上述步骤；若需要堵铁口，则控制泥炮机工作进行堵铁口作业，同时控制报警器报警。
本实施例中，获取铁水图像数据时使用偏振图像采集设备，其中铁水图像数据包括出铁口铁水图像数据、铁水槽铁水图像数据及渣沟头铁水图像数据。
本实施例进行计算铁水的流速变化时使用铁水流速分析模型，该铁水流速分析模 型根据相邻帧同一物体像素亮度不变原则，对当前帧的像素点亮度
Figure 355751DEST_PATH_IMAGE001
在下一帧的像 素点亮度
Figure 831731DEST_PATH_IMAGE002
，建立方程：
Figure 918636DEST_PATH_IMAGE003
将等式右边进行泰勒级数展开：
Figure 330026DEST_PATH_IMAGE004
化简得：
Figure 361436DEST_PATH_IMAGE005
其中
Figure 109949DEST_PATH_IMAGE006
是泰勒级数展开式的高阶项，在小运动情况为0，并两边同除以
Figure 51360DEST_PATH_IMAGE007
化简：
Figure 492706DEST_PATH_IMAGE008
Figure 886778DEST_PATH_IMAGE009
，分别表示图像中像素灰度沿x,y,t方向的偏导，
Figure 970140DEST_PATH_IMAGE010
分别表示光流沿x,y的速度矢量，化简：
Figure 93954DEST_PATH_IMAGE011
基于同场景下相邻像素点运动相似，在目标像素周围 3x3窗口都拥有相同的光流矢量，建立方程：
Figure 847147DEST_PATH_IMAGE012
A=
Figure 56411DEST_PATH_IMAGE013
，
Figure 680815DEST_PATH_IMAGE014
，
Figure 596818DEST_PATH_IMAGE015
，化简：
Figure 379967DEST_PATH_IMAGE016
等式两边同乘以
Figure 748631DEST_PATH_IMAGE017
，化简：
Figure 49162DEST_PATH_IMAGE018
等式两边同乘以
Figure 209885DEST_PATH_IMAGE019
，化简：
Figure 773722DEST_PATH_IMAGE020
利用最小二乘法对邻域内所有像素求解得到像素的运动情况
Figure 754316DEST_PATH_IMAGE021
，实际流速：
Figure 452014DEST_PATH_IMAGE022
。
本实施例对获取的像素流速，结合图像中物体像素长度与实际物体线段的长度比，换算出实际的铁水流速。
本实施例中烟雾分析模型使用YOLOV5算法，对待检测图像进行分割，然后使用其深度学习功能分析得到烟雾的面积及浓度数值。
本实施例铁水槽渣沟头模型使用对比算法，对拥堵部位进行异常比对，进而实现检测和报警。
本实施例获取高炉外围温度数据时，使用红外测温与热电偶测温结合的方式，其中红外测温用于持续获取温度数据；热电偶测温用于间隔式获取温度数据并将获取的温度数据与持续获取的温度数据进行比对校正。获取高炉外围温度数据时，取前5秒的温度均值作为参考温度，若当前温度与参考温度的绝对值大于5℃，则不再使用该数值，并取上一秒温度作为当前温度；若当前温度与参考温度的绝对值小于等于5℃，则正常使用。获取的高炉外围温度数据传送至工艺监控室，同时经数据处理后作为辅助参考信息输入判断机构进行堵铁口判断。
本实施例将获取的铁水图像数据进行预处理去除噪声后输入至铁水槽渣沟头分析模型进行堵塞判断，若铁水槽堵塞则进行铁水槽报警，若渣沟头堵塞则进行渣沟头报警，若不存在堵塞情况则进行持续监测分析。
实施例2
在实施例1的基础上，参照图3所示，本实施例基于状态数据预测炉内死料柱进而控制现场作业，具体方法包括以下步骤：
S1获取出铁口铁水图像数据和高炉外围温度数据，并对获取的铁水图像数据进行预处理去除噪声；
S2对去噪后的铁水图像数据进行裁切保留铁水流动区域图像，并以此计算铁水的流速变化，换算出实际的铁水流速；
S3将温度数据及计算得到的铁水流速数据及高炉运行参数输入到炉内铁水运作状态分析模型，计算得到炉内死料柱高度；
S4根据死料柱高度与高炉运行参数的对应关系，通过调节高炉现场作业控制死料柱高度处于最佳范围，进而实现最优化高炉出铁作业。
本实施例首先安装图像采集装置和温度采集装置。图像采集装置用于测量铁水流速和铁渣检测。温度采集装置用于测量铁水及炉壁、炉底温度。采集到的信息通过网线传输到控制中心电脑进行加工处理、计算分析。
本实施例中图像采集装置优选的为偏振相机，并对偏振相机采集的图像数据，进行预处理，保留有效检测图像。通过计算铁水的光流变化，求解得到铁水在像素层面的运动情况。然后基于视频中图像与实际物体的长度比，换算出最终的铁水流速。同时利用流速差异检测当铁水流完出现的飞溅铁渣流体。
本实施例通过采集及计算得到的铁水、高炉状态数据，结合已采集的其他参数，利用机器学习算法对炉内铁水流动建模，计算得到炉内死料柱悬浮高度。
本实施例根据炉内铁水模型得到的炉内铁水运行状态，即死料柱悬浮高度；当死料柱悬浮高度异常时，向智能告警系统发送信号，进而形成监测、计算和告警的完整闭环。
实施例3
在实施例1和2的基础上，参照图2所示，本实施例进行具体实施和参数的使用说明，具体如下：
本实施例首先进行设备安装和数据采集，即安装图像采集装置和温度采集装置，本实施例优选的图像采集装置运用偏振技术，集成偏振重构和强光抑制算法，排除烟雾强光等干扰，实现铁水流出过程的可视清晰化成像。
本实施例优选的温度采集装置采用热红外技术，捕获出铁口及炉壁、炉底的铁水能量，进而测算温度。
本实施例用网线将采集设备与控制中心电脑连接。控制中心电脑接入设备采集的数据流，进行加工处理、计算分析。
本实施例出铁水流速、温度估计及铁渣检测。加载偏振相机采集的图像数据，去除大量噪声影响，只保留铁水运动情况。
本实施例中，为更准确计算铁水的流速，将图像裁剪，只保留铁水流动区域图像，首先基于三个假设：1、相邻帧同一物体像素亮度不变；2、图像运动幅度小；3、同场景下相邻像素点运动相似。其具体的算法运行参照图4所示。
当前帧的像素点亮度
Figure 811451DEST_PATH_IMAGE023
在下一帧的像素点亮度
Figure 201981DEST_PATH_IMAGE024
，满足假设1相邻帧同一物体像素点亮度不变，建立基本方程：
Figure 279658DEST_PATH_IMAGE003
接着根据假设2图像运动幅度小，将等式右边进行泰勒级数展开：
Figure 46626DEST_PATH_IMAGE004
化简得：
Figure 526149DEST_PATH_IMAGE005
其中
Figure 87580DEST_PATH_IMAGE006
是泰勒级数展开式的高阶项，在小运动情况，忽略为0，并两边同除以
Figure 918133DEST_PATH_IMAGE007
化 简：
Figure 98579DEST_PATH_IMAGE008
Figure 560172DEST_PATH_IMAGE025
，分别表示图像中像素灰度沿x,y,t方向的偏导，
Figure 433450DEST_PATH_IMAGE026
分别表示光流沿x,y的速度矢量，化简：
Figure 610353DEST_PATH_IMAGE027
上述方程，包含两个未知数，无法直接求解
Figure 594490DEST_PATH_IMAGE028
；因此根据假设3同场景下相邻 像素点运动相似，在目标像素周围 3x3窗口9个像素都拥有相同的光流矢量，建立9个方程，
Figure 48605DEST_PATH_IMAGE012
A=
Figure 951839DEST_PATH_IMAGE013
，
Figure 756984DEST_PATH_IMAGE014
，
Figure 403866DEST_PATH_IMAGE015
，化简：
Figure 712487DEST_PATH_IMAGE016
等式两边同乘以
Figure 927568DEST_PATH_IMAGE029
，化简：
Figure 813484DEST_PATH_IMAGE018
等式两边同乘以
Figure 405003DEST_PATH_IMAGE030
，化简：
Figure 427185DEST_PATH_IMAGE020
利用最小二乘法对邻域内所有像素求解得到像素的运动情况
Figure 813167DEST_PATH_IMAGE031
，实际流速：
Figure 451959DEST_PATH_IMAGE032
本实施例中，再根据图像中物体像素长度与实际物体线段的长度比，换算出实际的铁水流速。
本实施例更进一步的实施时，可利用铁水和铁渣密度的差异，产生的流速不同，判断出铁口是否流出铁渣。
本实施例通过测温相机能捕捉出铁口的铁水、炉底、炉壁发出的热量，得到不同目标的温度变化。考虑到实际测量中，由于现场环境的干扰，避免因单次测温不准确，将有偏差的温度参数输入到后续炉内铁水运作模型中，导致分析有误。设计纠正测温偏差算法，取前5秒的温度均值作为参考温度，若当前温度与参考温度的绝对值大于5℃，认定该温度存在偏差，不再使用该数值，而是取上一秒温度作为当前温度。若当前温度与参考温度的绝对值小于等于5℃，否则认为温度处在合理范围，可正常使用。
本实施例进行炉内铁水运作分析。通过传感设备采集的铁水、炉壁、炉底温度及算法推演的铁水状态和流速后，结合高炉相关设备参数，输入到炉内铁水运作状态分析模型中。由于高炉生产过程中铁水运作方式十分复杂，需充分采集围绕高炉炼铁时不同维度数据，才能建立高炉表征状态和炉内死料柱悬浮高度的变化关系。具体的影响因素如表1所示，预测结果如表2所示。
影响因素：
Figure 316010DEST_PATH_IMAGE033
表1
预测结果：
Figure 599224DEST_PATH_IMAGE034
表2
本实施例进行炉内铁水运作分析时，优选的经过如下步骤：
步骤1，首先进行脏数据清洗，对一些不合理或疑似问题数据清除，保留正确内容。
步骤2，进行非数值型数据转换，将原始数据中，例如，出铁状态为铁水/铁渣的非数值型数据，转换成数值型数据0,1。
步骤3，构建n个自变量的多元线性回归模型，具体如下：
Figure 280741DEST_PATH_IMAGE035
其中
Figure 16615DEST_PATH_IMAGE036
为常数项，
Figure 800202DEST_PATH_IMAGE037
…
Figure 937922DEST_PATH_IMAGE038
是偏回归系数，
Figure 790341DEST_PATH_IMAGE039
表示随机误差项。
步骤4，进行优化目标函数具体如下：
Figure 279091DEST_PATH_IMAGE040
，其中
Figure 484944DEST_PATH_IMAGE041
,
Figure 601805DEST_PATH_IMAGE042
,n表示样本数，y表 示真值，
Figure 766070DEST_PATH_IMAGE043
表示第2范数，
Figure 335591DEST_PATH_IMAGE044
表示第1范数，使得目标函数尽可能小
Figure 345136DEST_PATH_IMAGE045
本实施例利用 Python sklearn库实现多元线性回归模型的训练，使用。将采集到数据，通过sklearn库导入，调用相关库函数训练多元线性回归模型，经过多次迭代训练后，得到相应的模型。然后再次输入表1的监测参数，即可得到死料柱悬浮高度。
本实施例可以进行预警监控，死料柱悬浮高度后，设定安全高度范围，当死料柱的高度不在该范围内，发送信号给智能报警系统，报警系统会产生声光预警提示，现场的工作人员再进行问题排查。
实施例4
本实施例将实施例3细化的方法步骤用于柳州某钢铁的高炉炼铁车间，通过图像采集装置和温度采集装置获得原始数据，经过我们构造的铁水流速算法以及纠正测温偏差算法计算得到铁水流速及炉壁、炉底温度。再结合已有的高炉设备参数，汇总如表3结果。将这些数据输入到炉内铁水运作分析模型中，预测出死料柱悬浮高度，如表4所示。
此时，死料柱悬浮高度略高于设定范围，智能报警系统触发提醒，现场工人调整高炉的作业生产，适当扩大出铁口，加快铁水流速 ，增加铁水流量。经过若干小时候，重新采集数据，并计算，得到表5、6的结果。说明本设计方案对铁水流动状态检测，具有良好效果。
调节前：
Figure 723027DEST_PATH_IMAGE046
表3
预测结果：
Figure 651669DEST_PATH_IMAGE047
表4
调节后：
表5
Figure 849432DEST_PATH_IMAGE048
预测结果：
Figure 787301DEST_PATH_IMAGE049
表6
由以上结果可以得到本高炉出铁作业铁水流动状态检测方法，通过偏振相机和测温相机对原始视频数据化分析处理，得到铁水流体速度和温度，结合其他参数信息，再通过机器学习算法预测高炉内部铁水运动状况，当炉内出现异常会及时报警。
本方案为高炉的安全生产，提供了一套低成本，抗干扰，简单有效的闭环措施。通过非接触式传感器采集数据，避免与高温铁水直接接触，造成材料磨损，降低成本。利用偏振技术的穿烟透雾抗强光特性，减少噪声干扰，准确捕获铁水流动情况。利用机器学习算法，简单高效地预测出炉内运行情况。
实施例5
本实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现如基于铁水流动状态的高炉出铁作业控制方法。
综上，本发明通过偏振图像采集设备和温度采集设备，实时监测出铁口的铁水流动和锅炉的变化，并通过算法分析得到铁水流速、锅炉温度等信息。该非接触式传感采集数据方案，避免与高温铁水直接接触，减少材料磨损，大幅降低了监测成本。同时利用偏振技术的穿烟透雾抗强光特性，良好地应对高炉出铁现场复杂的生产环境，减少了数据采集过程中的噪声干扰，增加了铁水流动情况计算的准确度。
本发明在分析炉内铁水运行状况，利用机器学习算法，对采集分析得到的铁水流速、高炉不同部位的温度等其他参数建模，从多维信息角度综合分析，高效地预估是否需要堵铁口。当需要堵铁口时控制中心直接控制泥炮机工作，同时发出警报及时通知现场工人处理，保障高炉出铁的正常运作。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法包括以下步骤：
获取铁水图像数据和高炉外围温度数据，并对获取的铁水图像数据进行预处理去除噪声；
对去噪后的铁水图像数据进行裁切保留铁水流动区域图像，并以此计算铁水的流速变化，进一步换算出实际的铁水流速；
对去噪后的铁水图像数据进行裁切保留烟雾区域图像，并通过烟雾分析模型计算得到烟雾数据；
将时间数据、铁水流速数据及烟雾数据输入至判断机构，并结合温度数据进行辅助参考得到是否需要堵铁口；
若不需要堵铁口则进行持续分析循环上述步骤；若需要堵铁口，则控制泥炮机工作进行堵铁口作业，同时控制报警器报警。
2.根据权利要求1所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，计算铁水的流速变化时，根据相邻帧同一物体像素亮度不变原则，对当前帧的像素点亮度
Figure DEST_PATH_IMAGE001
在下一帧的像素点亮度
Figure DEST_PATH_IMAGE002
，建立方程：
Figure DEST_PATH_IMAGE003
将等式右边进行泰勒级数展开：
Figure DEST_PATH_IMAGE004
化简得：
Figure DEST_PATH_IMAGE005
其中
Figure DEST_PATH_IMAGE006
是泰勒级数展开式的高阶项，在小运动情况为0，并两边同除以
Figure DEST_PATH_IMAGE007
化简：
Figure DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE009
，分别表示图像中像素灰度沿x,y,t方向的偏导，
Figure DEST_PATH_IMAGE010
分别表示光流沿x,y的速度矢量，化简：
Figure DEST_PATH_IMAGE011
基于同场景下相邻像素点运动相似，在目标像素周围 3x3窗口都拥有相同的光流矢量，建立方程：
Figure DEST_PATH_IMAGE012
A=
Figure DEST_PATH_IMAGE013
，
Figure DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
，化简：
Figure DEST_PATH_IMAGE016
等式两边同乘以
Figure DEST_PATH_IMAGE017
，化简：
Figure DEST_PATH_IMAGE018
等式两边同乘以
Figure DEST_PATH_IMAGE019
，化简：
Figure DEST_PATH_IMAGE020
利用最小二乘法对邻域内所有像素求解得到像素的运动情况
Figure DEST_PATH_IMAGE021
，实际流速：
Figure DEST_PATH_IMAGE022
。
3.根据权利要求2所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，对获取的像素流速，结合图像中物体像素长度与实际物体线段的长度比，换算出实际的铁水流速。
4.根据权利要求1所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，获取高炉外围温度数据时，取前5秒的温度均值作为参考温度，若当前温度与参考温度的绝对值大于5℃，则不再使用该数值，并取上一秒温度作为当前温度；若当前温度与参考温度的绝对值小于等于5℃，则正常使用。
5.根据权利要求4所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，获取高炉外围温度数据时，使用红外测温与热电偶测温结合的方式，其中红外测温用于持续获取温度数据；热电偶测温用于间隔式获取温度数据并将获取的温度数据与持续获取的温度数据进行比对校正。
6.根据权利要求5所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，获取的高炉外围温度数据传送至工艺监控室，同时经数据处理后作为辅助参考信息输入判断机构进行堵铁口判断。
7.根据权利要求1所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，将获取的铁水图像数据进行预处理去除噪声后输入至铁水槽渣沟头分析模型进行堵塞判断。
8.根据权利要求7所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，进行堵塞判断时，若铁水槽堵塞则进行铁水槽报警，若渣沟头堵塞则进行渣沟头报警，若不存在堵塞情况则进行持续监测分析。
9.根据权利要求1所述的一种基于铁水流动状态的高炉出铁作业控制方法，其特征在于，所述方法中，获取铁水图像数据时使用偏振图像采集设备，其中铁水图像数据包括出铁口铁水图像数据、铁水槽铁水图像数据及渣沟头铁水图像数据。
10.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现如权利要求1至9任一项所述的基于铁水流动状态的高炉出铁作业控制方法。
CN202211256407.1A 2022-10-14 2022-10-14 基于铁水流动状态的高炉出铁作业控制方法及电子设备 Active CN115595388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211256407.1A CN115595388B (zh) 2022-10-14 2022-10-14 基于铁水流动状态的高炉出铁作业控制方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211256407.1A CN115595388B (zh) 2022-10-14 2022-10-14 基于铁水流动状态的高炉出铁作业控制方法及电子设备

Publications (2)

Publication Number Publication Date
CN115595388A true CN115595388A (zh) 2023-01-13
CN115595388B CN115595388B (zh) 2023-06-02

Family

ID=84847220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211256407.1A Active CN115595388B (zh) 2022-10-14 2022-10-14 基于铁水流动状态的高炉出铁作业控制方法及电子设备

Country Status (1)

Country Link
CN (1) CN115595388B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09209013A (ja) * 1996-01-30 1997-08-12 Nisshin Steel Co Ltd 画像処理による出銑口詰まり検知及び詰まり解消方法
CN110991245A (zh) * 2019-11-01 2020-04-10 武汉纺织大学 一种基于深度学习与光流法的实时烟雾检测方法
CN111238650A (zh) * 2020-03-11 2020-06-05 中南大学 一种基于特殊红外光谱的高炉铁水测温方法及系统
CN111254243A (zh) * 2020-03-11 2020-06-09 中南大学 一种高炉出铁过程堵铁口时间智能确定方法及系统
CN112258403A (zh) * 2020-10-09 2021-01-22 哈尔滨理工大学 一种在动态烟雾中提取疑似烟雾区域的方法
CN113832276A (zh) * 2020-06-23 2021-12-24 宝山钢铁股份有限公司 一种高炉出铁智能化堵铁口自动控制方法
CN114549955A (zh) * 2022-01-27 2022-05-27 中南大学 一种高炉出铁终点在线智能识别方法及系统
CN114774605A (zh) * 2022-03-15 2022-07-22 中南大学 一种高炉堵铁口时间智能预报装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09209013A (ja) * 1996-01-30 1997-08-12 Nisshin Steel Co Ltd 画像処理による出銑口詰まり検知及び詰まり解消方法
CN110991245A (zh) * 2019-11-01 2020-04-10 武汉纺织大学 一种基于深度学习与光流法的实时烟雾检测方法
CN111238650A (zh) * 2020-03-11 2020-06-05 中南大学 一种基于特殊红外光谱的高炉铁水测温方法及系统
CN111254243A (zh) * 2020-03-11 2020-06-09 中南大学 一种高炉出铁过程堵铁口时间智能确定方法及系统
CN113832276A (zh) * 2020-06-23 2021-12-24 宝山钢铁股份有限公司 一种高炉出铁智能化堵铁口自动控制方法
CN112258403A (zh) * 2020-10-09 2021-01-22 哈尔滨理工大学 一种在动态烟雾中提取疑似烟雾区域的方法
CN114549955A (zh) * 2022-01-27 2022-05-27 中南大学 一种高炉出铁终点在线智能识别方法及系统
CN114774605A (zh) * 2022-03-15 2022-07-22 中南大学 一种高炉堵铁口时间智能预报装置

Also Published As

Publication number Publication date
CN115595388B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN202865254U (zh) 一种转炉火焰温度检测系统
WO2020098299A1 (zh) 一种高温熔融流体流速检测方法及系统
CN107063946B (zh) 视频生球粒径仪及其生球粒径状态检测方法
JPH11225997A (ja) 呼吸モニタリングの関心領域設定装置および呼吸モニタリングシステム
JPH02502947A (ja) 交通監視および整理のための像処理による車両検出
CN104410830A (zh) 一种基于视频烟雾检测的装置与方法
KR20060008268A (ko) 씨씨디 영상에서의 연기 검출방법 및 장치
CN109754019A (zh) 一种连续监测锅炉燃烧状况的方法
US6562285B1 (en) Method and apparatus for detecting slag carryover
CN106755683A (zh) 一种基于比色法的高炉燃烧带温度场检测装置
CN115595388A (zh) 基于铁水流动状态的高炉出铁作业控制方法及电子设备
JP2020063898A (ja) 溶滓量測定装置および溶滓量測定方法
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
JP5186973B2 (ja) 作業者安全検査装置
JP5418635B2 (ja) 作業者安全検査装置
CN105807795B (zh) 基于视频图像处理的eb炉钛液液位监控系统及方法
KR100615672B1 (ko) Ｘｙ축 투영그래프를 이용한 화재 감시시스템 및 이를이용한 화재 감시방법과 화재 감시방법이 구현된 컴퓨터판독가능 기록매체
TW201118317A (en) Vision-based method for combustion process monitoring, diagnosis, and computer-readable medium using the same
KR102098457B1 (ko) 용선 출선량 모니터링 장치
KR100711364B1 (ko) 화상 이미지 분석을 통한 배출매연 인식 및 자동경보 장치및 방법
US11678412B1 (en) Method for determining electrode consumption with machine vision
CN115612765B (zh) 一种高炉开铁口状态实时检测控制方法及系统
CN115786614B (zh) 一种高炉炉衬厚度的测量方法和装置
CN116040432B (zh) 一种电梯图像的处理方法、系统及存储介质
JP2022144010A (ja) 高炉の羽口景観評価方法、羽口景観評価装置及び羽口景観評価プログラム

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