基於鋼水表面旋渦圖像識別的下渣檢測方法及裝置的製作方法
2023-05-24 14:43:51
專利名稱:基於鋼水表面旋渦圖像識別的下渣檢測方法及裝置的製作方法
技術領域:
本發明涉及冶金工業自動化控制領域,特別涉及一種面向連鑄生產的基於鋼水表面旋渦圖像識別的下渣檢測方法及裝置。
背景技術:
隨著冶金技術的進步,鋼鐵品種和質量的不斷提高,對鋼鐵連鑄生產中鋼水純淨度的要求越來越高。在連鑄生產過程中,大包中的氧化劑、雜質混合形成液體鋼渣,其比重僅為鋼水的三分之一左右,因此會浮於鋼水上部。在鋼水澆注後期,受旋渦的影響,熔融的鋼渣會逐漸從大包流入中間包,影響鋼材品質,減小中包的使用壽命,嚴重時甚至使連鑄生產無法進行。為了改善鋼材品質,減少對於出鋼口和滑動水口的侵蝕,提高中包的使用壽命與鋼水收得率,必須對於大包澆注過程中的幾個關鍵狀態進行識別。因此,從上世紀80年代開始,國內外相繼開發了多種大包澆注狀態識別技術,主要包括電磁檢測法、超聲波檢測 法、紅外檢測法、和振動檢測法。電磁識別法通過兩個同心環形線圈組成的傳感器來進行狀態識別,當在線圈裡通高頻交變電流時,鋼水將有感應磁場產生,其方向可由右手螺旋定則判定。因為鋼渣的磁導率遠小於鋼水的磁導率(1600°C左右時,它們的比值為1: 10000),所以在純鋼水中感應產生的磁場遠遠大於在含有鋼渣的鋼水中產生的磁場。電磁識別法的缺陷在於裝置結構複雜,安裝過程比較繁瑣,需要3飛個工作日,且安裝時需要對連鑄生產設備進行一定程度的改造,這樣就會延誤生產;使用壽命短,維護費用高,由於電磁線圈在惡劣的高溫環境下工作,容易受損,從而使檢測系統失效,因此需要定期維護,更換線圈。超聲波檢測法也是一種工業檢測常用的方法。其原理是利用鋼流中有鋼渣和無鋼渣是超聲波發射、反射信號之間的差別來實現對鋼渣的檢測。雖然這種方法對澆注過程沒有影響,但是由於超聲波探頭的工作環境溫度高達1500攝氏度,工作環境比較惡劣,製造和使用費用高,離工業應用還有較長的一段時間。紅外檢測法利用鋼水和鋼渣的熱輻射率不同的原理對鋼渣進行識別,目前這類系統比較普遍的應用與轉爐、電爐出鋼狀態的識別中,如果要直接應用於大包澆注過程的狀態識別中,則必須去掉長水口,使鋼流直接暴露在空氣中,會引起鋼水的二次氧化,這對於連鑄生產是很不利的。振動檢測方法是利用監測鋼水在從大包流入中間包的過程中,對保護套管和操作臂產生的振動來實現大包澆注狀態的識別的。滑動水口開度越大,鋼水流量越大,相應的振動就越劇烈。之前已經提到過,鋼渣比重大約是純鋼水比重的三分之一,因此由純鋼水流動和鋼渣流動引起的振動就必然是有差異的。只要檢測到這種差異,就能有效的判斷鋼流下渣的發生。振動檢測法的瓶頸主要在于振動信號微弱,由於鋼流的衝擊能力有限,因此長水口採集的振動信號容易被連鑄生產現場環境的幹擾所掩蓋,從而導致系統產生錯誤的判斷進而影響系統的穩定性。
發明內容
本發明的主要目的在於克服現有技術中的不足,提供一種對澆注過程沒有影響、能有效控制鋼水質量及提高收得率的下渣檢測方法及裝置。為解決上述技術問題,本發明的解決方案是提供一種基於鋼水表面旋渦圖像識別的下渣檢測方法,是在大包上方安裝攝像頭,並通過電纜依次連接至圖像信號控制單元和工控機;所述下渣檢測方法包括以下具體步驟(A)將大包內形成的旋渦分為無渣旋渦、混渣旋渦和全渣旋渦3種狀態,這三種旋渦狀態分別對應大包澆注過程的正常澆注、混渣澆注和下渣3種狀態;(B)由攝像頭採集鋼水表面旋渦的二維圖像特徵,對圖像進行預處理;通過基於幾何主動輪廓模型的旋轉對稱區域分割、基於Canny算子的流線邊緣、方向檢測及旋轉中心定位進行圖像特徵的提取,通過旋渦識別及旋渦狀態特徵提取進行自由表面圖像特徵識 別;(C)經旋渦圖像特徵識別後,將與下渣密切相關的旋渦區域的面積、周長及旋渦狀態特徵值做歸一化處理後表示的旋渦特徵向量作為BP網絡輸入層的四個節點,以設定的三個出鋼含渣狀態參量構成輸出節點,通過設計實現按誤差逆傳播訓練的三層前饋網絡分類器並對其進行訓練,從而得到三種出鋼含渣狀態。作為一種改進,所述自由表面漩渦圖像特徵識別由條件I纏繞角條件,即纏繞角a=±2 π,記順時針為正;以及條件2流場中流體在相鄰區域內應滿足Z(Ii; Ue [(O, π/2),ZCIijIi-!) e (-π/2,O)]來判定,通過同時滿足條件I與條件2則判定為
漩渦;所述纏繞角a = (I1,I,其中N2為正方形模板被分成的塊數,Ii
i=l =1
為第i塊區域流水線切線方向均值。作為一種改進,所述圖像預處理過程包括鬆弛法圖像去噪以及基於Sobel算子的圖像銳化。作為一種改進,所述三層前饋網絡分類器的拓撲結構分為分為輸入層、中間隱層和輸出層,按誤差逆傳播訓練步驟為(a)設計輸入層和輸出層輸入層的節點數取決於旋渦特徵向量的維數,將經旋渦圖像識別後與下渣密切相關的旋渦區域的面積,周長及旋渦狀態特徵值ξρ 12做歸一化處理後表示為旋渦特徵向量U=Iiu1, U2, U3, U4],從而作為BP網絡輸入層的四個節點;旋渦區域的面積及周長的歸一化值為旋渦的瞬時面積及周長值比排水口面積及周長,旋渦狀態特徵值ξ P ξ 2的歸一化值為ξ P ξ 2比8級灰度階值255 ;輸出節點為已設的三個出鋼含渣狀態參量,即無渣、混渣、全渣;(b)設定隱含層的節點數根據經驗公式二> +% +a (其中Iii為輸入層節點
個數,%為輸出層節點個數,a為f 10之間的常熟),計算出隱含層節點數的取值範圍;(C)激勵函數採用S型函數f(X)=l/(l+e_kx),經過不斷的訓練達到所需要求後,訓練過程結束。作為一種改進,所述S型函數的k值取1.5。
本發明進一步提供了用於實現前述方法的基於鋼水表面旋渦圖像識別的下渣檢測裝置,包括圖像採集系統和圖像處理系統,所述圖像採集系統是安裝在下端有滑動水口的大包正上方的攝像頭,圖像處理系統包括圖像信號控制單元和工控機;攝像頭通過電纜與圖像信號控制單元連接,圖像信號控制單元通過光纜與工控機連接。作為一種改進,所述圖像信號控制單元包括數據採集模塊、電源管理模塊、水口控制單元和現場報警模塊。作為一種改進,所述水口控制單元一端與滑動水口連接,另一端與工控機連接。作為一種改進,所述攝像頭外裝有防塵罩並且密封。與現有技術相比,本發明的有益效果是I、從大包下渣是由內部鋼水液面產生的自由表面旋渦卷渣所引起且下渣狀態與 旋渦狀態密不可分的本質入手,提高了下渣預報的準確性和穩定性;2、通過自由表面旋渦的識別方法,獲得大包鋼水表面旋渦的中心位置、狀態特徵量信息,實現了在連鑄現場複雜工況環境下對於特徵信息的提取;3、設計基於人工神經網絡的分類器,通過對分類器的訓練隱式的發掘旋渦特徵參量與下渣之間關係,正確的將特徵參量分類到所對應鋼水下渣狀態,最後通過下渣的狀態判斷控制大包滑動水口調節,實現了「未下渣、先檢測」的先驗檢測功能,更有效的控制鋼水質量及提高收得率。
圖I為基於鋼水表面旋渦圖像識別的下渣檢測裝置系統組成圖;圖2為大包澆注狀態識別系統實現方案示意圖;圖3為本發明中圖像信號控制單元與工控機通信關係圖;圖4為按誤差逆傳播訓練的三層前饋網絡分類器的BP神經網絡模型;圖中的附圖標記為1中間包;2鋼水;3保護套管;4滑動水口 ;5大包;6鋼渣;7攝像頭;8圖像彳目號控制單兀;9水口控制單兀;10工控機。
具體實施例方式下面結合附圖與具體實施方式
對本發明作進一步詳細描述圖I中的基於鋼水2表面旋渦圖像識別的下渣檢測裝置的硬體組成主要包括圖像採集系統和圖像處理系統。圖像採集系統由用於採集大包5液面圖像信息的攝像頭7組成。由於系統應用於連鑄生產線上,裝置安裝現場具有粉塵大的特點,因此需要在攝像頭7外面加防塵罩並且密封。圖像處理系統包括圖像信號控制單元8和工控機10,在圖像信號控制單元8集成了數據採集模塊、電源管理模塊、水口控制單元9和現場報警模塊。數據採集模塊負責將攝像頭7採集的數據傳輸至工控機10,同時,數據採集模塊還需要採集中間包I、大包5的重量信息、水口開度信息。電源管理模塊給圖像信號控制單元8中的其他模塊提供電源。水口控制單元9用於從工控機10接收打開和關閉水口的信號並且控制水口的開閉。現場報警模塊接收工控機10發送的下渣報警信號和電源管理模塊發送的電源報警信號並用聲光報警的方式提示現場操作人員。圖像信號先通過耐高溫屏蔽電纜傳遞到圖像信號控制單元8,再通過光纜傳輸到工控機10,工控機10通過圖像信號對大包5澆注狀態進行識別。圖2所示的是基於鋼水2表面旋渦圖像識別的下渣檢測方法的實現方式示意圖,圖像信號控制單元8和工控機10的具體通信關係如圖3所示,系統的通信包括電源輸入、信號輸入以及控制輸出三種。其實現流程是,電源管理模塊負責向圖像信號控制單元8中的其他模塊提供電源輸入信號,同時當電源供電異常的時候,電源管理模塊會發送電源報警信號至現場報警模塊。由攝像頭7採集大包5液面圖像,這種用於模式識別的信號和中間包I、大包5的重量信號與水口開度信號一起上傳至信息採集模塊。信息採集模塊接受到信號之後將信號傳輸到工控機10。工控機10利用採集到的特徵信息建立面向大包5澆注狀態識別神經網絡並進行訓練,訓練完成之後利用輸入信號對於大包5澆注狀態進行識別。本實例中由攝像頭7採集鋼水2表面旋渦的二維圖像特徵,對圖像進行改進並進 行預處理、特徵提取及特徵識別,解決鋼水2表面旋渦的識別並獲取其位置及狀態信息。將經旋渦圖像識別後於下渣密切相關的旋渦區域的面積,周長及旋渦狀態特徵值做歸一化處理後表示的旋渦特徵向量作為BP網絡輸入層的四個節點,設定的三個出鋼含渣狀態參量構成輸出節點,通過設計實現按誤差逆傳播訓練的三層前饋網絡分類器並對其進行訓練,從而得到三種出鋼含渣狀態。該實例的具體步驟如下所示步驟一將大包5內形成的旋渦分為無渣旋渦、混渣旋渦和全渣旋渦3種狀態,這三種旋渦狀態分別對應大包5澆注過程的正常澆注、混渣澆注和下渣3種狀態。步驟二 由攝像頭7採集鋼水2表面旋渦的二維圖像特徵,通過鬆弛法圖像去噪、基於Sobel算子的圖像銳化進行圖像預處理,通過基於幾何主動輪廓模型的旋轉對稱區域分割。利用能量泛函有效結合圖像信息通過閉合曲線的演化來完成圖像的分割,同時保證了目標邊緣的連續性、閉合性,並且使用水平集表示克服了曲線演化過程中的拓撲關係變化難題,對形狀變化、結構複雜的目標圖像區域分割相當有效,恰能解決自由表面旋渦圖像中旋轉對稱區域的分割。基於Canny算子的流線邊緣及其方向檢測及旋轉中心定位進行圖像特徵的提取,具有較好的抗噪性能和較高的邊緣定位精度,且邊緣線形連接完整,因此可以最大程度的獲取圖像中流線邊緣信息並保證其可靠性。通過旋渦識別及旋渦狀態特徵提取進行自由表面圖像特徵識別。所述自由表面漩渦圖像特徵識別由條件I纏繞角條件,即纏繞角a=±2 π,記順時針為正;以及條件2流場中流體在相鄰區域內應滿足Z (Ii, Ii^1)e [(O, π/2),ZCIi, Ii^1) e (-π/2,O)]來判定,通過同時滿足條件I與條件2則判定
為漩渦。所述纏繞角α = ( L, I,—^_/卜i I,其中N2為正方形模板被分成的塊數,
i=l =1
Ii為第i塊區域流線方向(即流水線切線方向)均值。步驟三經旋渦圖像特徵識別後,將與下渣密切相關的旋渦區域的面積,周長及旋渦狀態特徵值做歸一化處理後表示的旋渦特徵向量作為BP網絡輸入層的四個節點,設定的三個出鋼含渣狀態參量構成輸出節點,通過設計實現按誤差逆傳播訓練的三層前饋網絡分類器並對其進行訓練,從而得到三種出鋼含渣狀態。
所述三層前饋網絡分類器的拓撲結構分為分為輸入層、中間隱層和輸出層,按誤差逆傳播訓練步驟為(a)設計輸入層和輸出層輸入層的節點數取決於旋渦特徵向量的維數,將經旋渦圖像識別後與下渣密切相關的旋渦區域的面積,周長及旋渦狀態特徵值12做歸一化處理後表示為旋渦特徵向量U=Iiu1, u2,u3,U4],從而作為BP網絡輸入層的四個節點;旋渦區域的面積及周長的歸一化值為旋渦的瞬時面積及周長值比排水口面積及周長,旋渦狀態特徵值ξ P ξ 2的歸一化值為ξ P ξ 2比8級灰度階值255 ;輸出節點為已設的三個出鋼含渣狀態參量,即無渣、混渣、全渣;(b)設定隱含層的節點數由於隱含層節點個數太少會導致網路容錯性差難以正確分類訓練樣本以外的特徵向量,隱含層節點數太多則會增加訓練時間。根據經驗公式
=)",+%+ (其中Iii為輸入層節點個數,IItl為輸出層節點個數,a為f 10之間的常熟), 計算出隱含層節點數的取值範圍;(C)當網絡的拓撲結構和訓練樣本數據確定後總誤差函數就完全由激勵函數決定了,採用S型函數f (X)=I/(l+e_kx),當k=l. 5時,訓練的誤差小,收斂較快。經過不斷的訓練達到所需要求後,訓練過程結束。本發明的技術依據是對於大包5澆注狀態的識別的顯著意義在於通過對於下渣時刻的提前獲取,達到控制進入中間包I鋼渣6量的目的,因此最簡單的劃分是將澆注狀態分為正常澆注和下渣兩種。然而,隨著大包5內鋼水2液面的降低,在重力、克裡奧利力以及初始流體擾動的作用下,鋼流表面會逐漸形成自由表面旋渦。隨旋渦形成發展成一定規模後會將浮於鋼水2表面的鋼渣6捲入旋渦中心並帶至出流口進入中間包1,從而不僅影響鋼坯質量還會造成中間包I水口堵塞及降低連鑄坯質量與鋼水2收得率。同時旋渦所挾帶的空氣增加了鋼水2 二次氧化時間而致使鋼坯質量下降。這時鋼流的成分為鋼水2、鋼渣6和空氣,這一狀態處於正常澆注狀態和下渣狀態之間。綜合以上分析,將大包5澆注過程劃分為正常澆注、混渣澆注、下渣3種狀態。在大包5澆注過程中,隨著大包5內鋼水2液面的降低,由於重力、克裡奧利力以及初始流體擾動的作用,鋼流表面會逐漸形成自由表面旋渦。隨旋渦形成發展成一定規模後會將浮於鋼水2表面的鋼渣6捲入旋渦中心並帶至出流口進入中間包I。因此可通過準確掌握自由表面旋渦發生位置及發展狀態,從而採取旋渦的抑制措施對旋渦進行有效的控制與消除,進而降低帶來的危害。在本發明中,引入了圖像處理、識別與神經網絡的方法,在大包5澆注過程中,採集大包5液面圖像信息,對圖像進行改進並進行預處理、特徵提取及特徵識別,解決鋼水2表面旋渦的識別並獲取其位置及狀態信息,並將其作為神經網絡的輸入,通過標準樣本的訓練,確定BP神經網絡的的各個函數,從而得到大包5澆注過程的3個狀態。當然,以上列舉的僅是本發明的一個具體實施例,顯然,本發明不限於以上實施例,還可以有許多變形。本領域的普通技術人員能從本發明公開的內容直接導出或聯想到的所有變形,均應認為是本發明的保護範圍。
權利要求
1.一種基於鋼水表面旋渦圖像識別的下渣檢測方法,其特徵在於,是在大包上方安裝攝像頭,並通過電纜依次連接至圖像信號控制單元和工控機;所述下渣檢測方法包括以下具體步驟 (A)將大包內形成的旋渦分為無渣旋渦、混渣旋渦和全渣旋渦3種狀態,這三種旋渦狀態分別對應大包澆注過程的正常澆注、混渣澆注和下渣3種狀態; (B)由攝像頭採集鋼水表面旋渦的二維圖像特徵,對圖像進行預處理;通過基於幾何主動輪廓模型的旋轉對稱區域分割、基於Canny算子的流線邊緣、方向檢測及旋轉中心定位進行圖像特徵的提取,通過旋渦識別及旋渦狀態特徵提取進行自由表面圖像特徵識別; (C)經旋渦圖像特徵識別後,將與下渣密切相關的旋渦區域的面積、周長及旋渦狀態特徵值做歸一化處理後表示的旋渦特徵向量作為BP網絡輸入層的四個節點,以設定的三個出鋼含渣狀態參量構成輸出節點,通過設計實現按誤差逆傳播訓練的三層前饋網絡分類器並對其進行訓練,從而得到三種出鋼含渣狀態。
2.根據權利要求I所述的下渣檢測方法,其特徵在於,所述自由表面漩渦圖像特徵識別由條件I纏繞角條件,即纏繞角a=±2 π,記順時針為正;以及條件2流場中流體在相鄰區域內應滿足Z (IpU e [(O, Ji/2), ZCIijIi-!) e (-π/2,O)]來判定,通過同時滿足條件I與條件2則判定為漩渦;所述纏繞角 其中N2為正方 形模板被分成的塊數,Ii為第i塊區域流水線切線方向均值。
3.根據權利要求I所述的下渣檢測方法,其特徵在於,所述圖像預處理過程包括鬆弛法圖像去噪以及基於Sobel算子的圖像銳化。
4.根據權利要求I所述的下渣檢測方法,其特徵在於,所述三層前饋網絡分類器的拓撲結構分為分為輸入層、中間隱層和輸出層,按誤差逆傳播訓練步驟為 (a)設計輸入層和輸出層輸入層的節點數取決於旋渦特徵向量的維數,將經旋渦圖像識別後與下渣密切相關的旋渦區域的面積,周長及旋渦狀態特徵值I、ξ2做歸一化處理後表示為旋渦特徵向量u=[Ul,u2,u3,u4],從而作為BP網絡輸入層的四個節點;旋渦區域的面積及周長的歸一化值為旋渦的瞬時面積及周長值比排水口面積及周長,旋渦狀態特徵值I1^ I2的歸一化值為ξ P ξ 2比8級灰度階值255 ;輸出節點為已設的三個出鋼含渣狀態參量,即無渣、混渣、全渣;(b)設定隱含層的節點數根據經驗公式=)w,+K0+a (其中ni為輸入層節點個數,n0為輸出層節點個數,a為f 10之間的常熟),計算出隱含層節點數的取值範圍; (c)激勵函數採用S型函數f(X)=l/(l+e_kx),經過不斷的訓練達到所需要求後,訓練過程結束。
5.根據權利要求4所述的下渣檢測方法,其特徵在於,所述S型函數的k值取1.5。
6.一種用於實現權利要求I所述方法的基於鋼水表面旋渦圖像識別的下渣檢測裝置,包括圖像採集系統和圖像處理系統,其特徵在於,所述圖像採集系統是安裝在下端有滑動水口的大包正上方的攝像頭,圖像處理系統包括圖像信號控制單元和工控機;攝像頭通過電纜與圖像信號控制單元連接,圖像信號控制單元通過光纜與工控機連接。
7.根據權利要求6所述的下渣檢測裝置,其特徵在於,所述圖像信號控制單元包括數據採集模塊、電源管理模塊、水口控制單元和現場報警模塊。
8.根據權利要求7所述的下渣檢測裝置,其特徵在於,所述水口控制單元一端與滑動水口連接,另一端與工控機連接。
9.根據權利要求6所述的下渣檢測裝置,其特徵在於,所述攝像頭外裝有防塵罩並且密封。
全文摘要
本發明涉及冶金工業自動化控制領域,旨在提供一種基於鋼水表面旋渦圖像識別的下渣檢測方法及裝置。該下渣檢測方法及裝置是在大包上方安裝攝像頭,並通過電纜依次連接至圖像信號控制單元和工控機,然後對圖像進行處理和提取,從而得到三種出鋼含渣狀態。本發明從大包下渣提高了下渣預報的準確性和穩定性;通過自由表面旋渦的識別方法,獲得大包鋼水表面旋渦的中心位置、狀態特徵量信息,實現了在連鑄現場複雜工況環境下對於特徵信息的提取;實現了「未下渣、先檢測」的先驗檢測功能,更有效的控制鋼水質量及提高收得率。
文檔編號B22D11/18GK102921915SQ201210409049
公開日2013年2月13日 申請日期2012年10月23日 優先權日2012年10月23日
發明者李培玉 申請人:杭州譜誠泰迪實業有限公司