專利名稱：一種基于機器視覺的結(jié)晶器漏鋼可視化預(yù)報方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于機器視覺的連鑄結(jié)晶器漏鋼可視化預(yù)報方法，屬于鋼鐵冶金連鑄檢測技術(shù)領(lǐng)域。
背景技術(shù)：
結(jié)晶器漏鋼是連鑄生產(chǎn)中的重大事故，不僅會破壞正常的生產(chǎn)秩序，干擾連鑄順利進行，而且將嚴(yán)重損毀鑄機設(shè)備，造成企業(yè)巨額經(jīng)濟損失。因此，預(yù)報和防范漏鋼是連鑄生產(chǎn)過程監(jiān)控的重要環(huán)節(jié)。按照類型劃分，漏鋼可分為粘結(jié)漏鋼、縱裂漏鋼、開澆漏鋼和角部漏鋼等。其中，粘結(jié)漏鋼的發(fā)生幾率占據(jù)漏鋼總數(shù)的三分之二以上，因而，生產(chǎn)中針對漏鋼的防范以粘結(jié)漏鋼為主。關(guān)于結(jié)晶器漏鋼跡象的檢測和預(yù)報，通常利用埋設(shè)在結(jié)晶器銅板內(nèi)的熱電偶實時檢測結(jié)晶器與鑄坯的傳熱狀況，并依據(jù)特定的算法，對漏鋼發(fā)生前溫度信號在時間、空間上 的“時滯”和“倒置”現(xiàn)象進行識別，預(yù)報方法包括早期開發(fā)的邏輯判斷算法，以及近年來開發(fā)并投入應(yīng)用的神經(jīng)元網(wǎng)絡(luò)、模式識別及其他智能預(yù)報方法。經(jīng)過二十年生產(chǎn)經(jīng)驗的積累和摸索，在國內(nèi)先進的板坯鑄機上，基于結(jié)晶器銅板溫度檢測的漏鋼預(yù)報系統(tǒng)，目前已可將漏鋼次數(shù)控制在I次/年以下，為預(yù)防漏鋼發(fā)揮了重要作用。然而，因生產(chǎn)中鋼種、保護渣、拉速、液位等工藝因素的變化都會對傳熱產(chǎn)生顯著影響，由此引起的溫度波動時常被誤判為漏鋼，使得生產(chǎn)中誤報頻繁。部分板坯鑄機的誤報率甚至到達80%以上，正確的報警比例僅為五分之一左右。報警后鑄機的頻繁降速、停車不僅嚴(yán)重影響鑄坯質(zhì)量，加劇鑄機設(shè)備損耗，同時加大影響現(xiàn)場人員的操控信心，降低了生產(chǎn)效率。專利CN101332499A中公開了一種板坯連鑄漏鋼預(yù)報控制方法，該方法為在板坯連鑄過程中根據(jù)結(jié)晶器熱電偶溫度防止粘結(jié)漏鋼的發(fā)生。在結(jié)晶器上安裝多排熱電偶，接收現(xiàn)場溫度數(shù)據(jù)，統(tǒng)計每支熱電偶的溫度特征，根據(jù)溫度上升幅度、下降幅度，確定每支熱電偶的典型溫度特征；根據(jù)熱電偶具有典型的溫度特征和熱電偶溫度上升或下降的幅度進行判斷漏鋼幾率，并考慮漏鋼時溫度縱向傳播和橫向傳播特征，確定每只熱電偶的漏鋼幾率；當(dāng)出現(xiàn)某支熱電偶的漏鋼幾率達到95%時，降低拉速，停止?jié)沧ⅰＴ摲椒m然提高了報警的準(zhǔn)確率，由于連鑄工藝的復(fù)雜性，熱電偶實測溫度曲線難免會受到鋼種、液位、拉速等因素的影響，在一定程度上會增加誤報次數(shù)。專利CN101850410A中公開了一種基于神經(jīng)網(wǎng)絡(luò)的連鑄漏鋼預(yù)報方法，該方法具體為采集連鑄現(xiàn)場熱電偶溫度數(shù)據(jù)；對溫度數(shù)據(jù)進行預(yù)處理；采用BP神經(jīng)網(wǎng)絡(luò)對單偶時序網(wǎng)絡(luò)漏鋼預(yù)報模型進行學(xué)習(xí)，使用遺傳算法調(diào)整預(yù)報模型的連接權(quán)值和閾值，在此基礎(chǔ)上預(yù)報結(jié)晶器漏鋼。雖然該方法使報警準(zhǔn)確率有所提高，然而，基于神經(jīng)網(wǎng)絡(luò)的漏鋼預(yù)報方法高度依賴訓(xùn)練樣本的數(shù)量和質(zhì)量，并不適用于漏鋼樣本缺乏的新建鑄機；此外，在樣本制作過程中，對現(xiàn)場操控人員的要求也較高，很大程度上限制了方法的推廣和應(yīng)用效果
發(fā)明內(nèi)容
本發(fā)明為了克服漏鋼預(yù)報系統(tǒng)中存在的不足，提出一種基于機器視覺的結(jié)晶器漏鋼可視化預(yù)報方法，在線檢測結(jié)晶器銅板熱電偶溫度信號，采用熱成像技術(shù)可視化呈現(xiàn)結(jié)晶器銅板溫度及其變化速率，并基于機器視覺原理搜索溫度異常區(qū)域，同時提取異常區(qū)域的幾何、位置、溫度變化、傳播等重要特征信息，在此基礎(chǔ)上識別漏鋼征兆，判斷并預(yù)報結(jié)晶器漏鋼。本發(fā)明采用的技術(shù)方案是一種基于機器視覺的連鑄結(jié)晶器漏鋼可視化預(yù)報方法，將結(jié)晶器可視化與機器視覺技術(shù)有機結(jié)合，可視化呈現(xiàn)和在線識別結(jié)晶器漏鋼發(fā)展過程，準(zhǔn)確預(yù)報結(jié)晶器漏鋼。其檢測步驟如下第一步、結(jié)晶器銅板溫度及其變化速率可視化(I)在線檢測埋設(shè)在四張結(jié)晶器銅板上所有熱電偶的溫度值；(2)將熱電偶溫度數(shù)據(jù)進行預(yù)處理，消除現(xiàn)場復(fù)雜電磁環(huán)境對測量溫度的干擾；
(3)對銅板溫度值進行橫向插值和縱向插值運算，計算出非熱電偶測點位置的銅板溫度，獲得結(jié)晶器銅板溫度二維分布；(4)將插值后寬面、窄面溫度存儲在二維數(shù)組T[x，y]中，依據(jù)預(yù)先設(shè)定的溫度-顏色對應(yīng)關(guān)系，繪制結(jié)晶器銅板熱像圖，可視化呈現(xiàn)澆鑄過程中四張結(jié)晶器銅板溫度的二維分布；(5)提取當(dāng)前時刻及之前k秒的寬面、窄面溫度二維數(shù)組，采用幀間差分法，逐點計算同一位置在k秒內(nèi)的溫度變化速率，并將結(jié)果存儲在溫度變化速率二維數(shù)組G[X，y]中；(6)依據(jù)設(shè)定的溫度變化速率-顏色對應(yīng)關(guān)系，繪制結(jié)晶器銅板溫度速率熱像圖，精確、實時反映銅板溫度變化情況；第二步、溫度異常區(qū)域閾值分割和標(biāo)記(I)在結(jié)晶器銅板溫度速率熱像圖中搜索溫度變化可疑區(qū)域；(2)采用閾值分割算法，將G[x，y]中超過設(shè)定閾值的溫度異常點進行分離；(3)采用八連通判別算法將溫度異常點進行連通性判斷，將屬于同一個連通區(qū)域的點設(shè)置為同一個標(biāo)號；(4)采用邊界跟蹤法對溫度異常區(qū)域進行邊界提取，并對各區(qū)域以自然數(shù)順序進行重新標(biāo)記；第三步、溫度異常區(qū)域特征信息提取(I)幾何特征面積S :用來描述某一個溫度異常區(qū)域Rd的面積大小，即溫度異常區(qū)域在結(jié)晶器溫度速率熱像圖中所占的像素點總數(shù)。
權(quán)利要求
1.一種基于機器視覺的連鑄結(jié)晶器漏鋼可視化預(yù)報方法，其特征在于，將結(jié)晶器可視化與機器視覺技術(shù)有機結(jié)合，可視化呈現(xiàn)和在線識別結(jié)晶器漏鋼發(fā)展過程，準(zhǔn)確預(yù)報結(jié)晶器漏鋼；其檢測步驟如下 第一步、結(jié)晶器銅板溫度及其變化速率可視化 (1)在線檢測埋設(shè)在四張結(jié)晶器銅板上所有熱電偶的溫度值； (2)將熱電偶溫度數(shù)據(jù)進行預(yù)處理，消除現(xiàn)場復(fù)雜電磁環(huán)境對測量溫度的干擾； (3)對銅板溫度值進行橫向插值和縱向插值運算，計算出非熱電偶測點位置的銅板溫度，獲得結(jié)晶器銅板溫度二維分布； (4)將插值后寬面、窄面溫度存儲在二維數(shù)組T[x，y]中，依據(jù)預(yù)先設(shè)定的溫度-顏色對應(yīng)關(guān)系，繪制結(jié)晶器銅板熱像圖，可視化呈現(xiàn)澆鑄過程中四張結(jié)晶器銅板溫度的二維分布； (5)提取當(dāng)前時刻及之前k秒的寬面、窄面溫度二維數(shù)組，采用幀間差分法，逐點計算同一位置在k秒內(nèi)的溫度變化速率，并將結(jié)果存儲在溫度變化速率二維數(shù)組G[x，y]中； (6)依據(jù)設(shè)定的溫度變化速率-顏色對應(yīng)關(guān)系，繪制結(jié)晶器銅板溫度速率熱像圖，精確、實時反映銅板溫度變化情況； 第二步、溫度異常區(qū)域閾值分割和標(biāo)記 (1)在結(jié)晶器銅板溫度速率熱像圖中搜索溫度變化可疑區(qū)域； (2)采用閾值分割算法，將G[x，y]中超過設(shè)定閾值的溫度異常點進行分離； (3)采用八連通判別算法將溫度異常點進行連通性判斷，將屬于同一個連通區(qū)域的點設(shè)置為同一個標(biāo)號； (4)采用邊界跟蹤法對溫度異常區(qū)域進行邊界提取，并對各區(qū)域以自然數(shù)順序進行重新標(biāo)記； 第三步、溫度異常區(qū)域特征信息提取 (I)幾何特征 面積S :用來描述某一個溫度異常區(qū)域Rd的面積大小，即溫度異常區(qū)域在結(jié)晶器溫度速率熱像圖中所占的像素點總數(shù) Xnghr 8= J/(u)’ V=Yiop X=Xleft 廣 f(x, y) = l, (x,y)eRd 其中，^ I f(x,y) = 0, (x,y)^RdV- 邊界周長C :某一個溫度異常區(qū)域的邊界Rb所占的像素點總數(shù) Jiright C= Σ Σ/(υ)’ V=Yrop X=Xleft其中，
2.根據(jù)權(quán)利要求I所述的一種基于機器視覺連鑄結(jié)晶器漏鋼可視化預(yù)報方法，其特征在于所述方法適用于板坯、方坯、圓坯和異型坯的連鑄漏鋼預(yù)報。
全文摘要
一種基于機器視覺的連鑄結(jié)晶器漏鋼可視化預(yù)報方法，屬于鋼鐵冶金連鑄檢測技術(shù)領(lǐng)域。具體為在線檢測結(jié)晶器銅板熱電偶溫度信號，采用熱成像技術(shù)可視化呈現(xiàn)結(jié)晶器銅板溫度及其變化速率，并基于機器視覺原理搜索溫度異常區(qū)域，提取異常區(qū)域的幾何、位置、溫度變化、傳播等重要信息，在此基礎(chǔ)上識別漏鋼征兆，判斷并預(yù)報結(jié)晶器漏鋼。其實現(xiàn)步驟為結(jié)晶器銅板溫度及其變化速率可視化；溫度異常區(qū)域閾值分割和標(biāo)記；溫度異常區(qū)域特征信息提取；漏鋼溫度模式識別與判斷。其優(yōu)點將可視化與機器視覺技術(shù)有機結(jié)合，直觀呈現(xiàn)結(jié)晶器溫度分布、異常變化與發(fā)展趨勢，通過提取異常區(qū)域的幾何、位置、溫度變化及傳播等特征，直觀呈現(xiàn)和準(zhǔn)確識別結(jié)晶器漏鋼，有效提高預(yù)報準(zhǔn)確率。
文檔編號B22D11/18GK102886504SQ20121042975
公開日2013年1月23日 申請日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者王旭東, 姚曼, 劉宇 申請人:大連理工大學(xué)