本发明专利技术涉及冶金工业自动化控制领域，旨在提供一种基于钢水表面旋涡图像识别的下渣检测方法及装置。该下渣检测方法及装置是在大包上方安装摄像头，并通过电缆依次连接至图像信号控制单元和工控机，然后对图像进行处理和提取，从而得到三种出钢含渣状态。本发明专利技术从大包下渣提高了下渣预报的准确性和稳定性；通过自由表面旋涡的识别方法，获得大包钢水表面旋涡的中心位置、状态特征量信息，实现了在连铸现场复杂工况环境下对于特征信息的提取；实现了“未下渣、先检测”的先验检测功能，更有效的控制钢水质量及提高收得率。
【技术实现步骤摘要】
本专利技术涉及冶金工业自动化控制领域，特别涉及一种面向连铸生产的基于钢水表面旋涡图像识别的下渣检测方法及装置。
技术介绍
随着冶金技术的进步，钢铁品种和质量的不断提高，对钢铁连铸生产中钢水纯净度的要求越来越高。在连铸生产过程中，大包中的氧化剂、杂质混合形成液体钢渣，其比重仅为钢水的三分之一左右，因此会浮于钢水上部。在钢水浇注后期，受旋涡的影响，熔融的钢渣会逐渐从大包流入中间包，影响钢材品质，减小中包的使用寿命，严重时甚至使连铸生产无法进行。为了改善钢材品质，减少对于出钢口和滑动水口的侵蚀，提高中包的使用寿命与钢水收得率，必须对于大包浇注过程中的几个关键状态进行识别。因此，从上世纪80年代开始，国内外相继开发了多种大包浇注状态识别技术，主要包括电磁检测法、超声波检测 法、红外检测法、和振动检测法。电磁识别法通过两个同心环形线圈组成的传感器来进行状态识别，当在线圈里通高频交变电流时，钢水将有感应磁场产生，其方向可由右手螺旋定则判定。因为钢渣的磁导率远小于钢水的磁导率(1600°C左右时，它们的比值为1: 10000)，所以在纯钢水中感应产生的磁场远远大于在含有钢渣的钢水中产生的磁场。电磁识别法的缺陷在于装置结构复杂，安装过程比较繁琐，需要3飞个工作日，且安装时需要对连铸生产设备进行一定程度的改造，这样就会延误生产；使用寿命短，维护费用高，由于电磁线圈在恶劣的高温环境下工作，容易受损，从而使检测系统失效，因此需要定期维护，更换线圈。超声波检测法也是一种工业检测常用的方法。其原理是利用钢流中有钢渣和无钢渣是超声波发射、反射信号之间的差别来实现对钢渣的检测。虽然这种方法对浇注过程没有影响，但是由于超声波探头的工作环境温度高达1500摄氏度，工作环境比较恶劣，制造和使用费用高，离工业应用还有较长的一段时间。红外检测法利用钢水和钢渣的热辐射率不同的原理对钢渣进行识别，目前这类系统比较普遍的应用与转炉、电炉出钢状态的识别中，如果要直接应用于大包浇注过程的状态识别中，则必须去掉长水口，使钢流直接暴露在空气中，会引起钢水的二次氧化，这对于连铸生产是很不利的。振动检测方法是利用监测钢水在从大包流入中间包的过程中，对保护套管和操作臂产生的振动来实现大包浇注状态的识别的。滑动水口开度越大，钢水流量越大，相应的振动就越剧烈。之前已经提到过，钢渣比重大约是纯钢水比重的三分之一，因此由纯钢水流动和钢渣流动引起的振动就必然是有差异的。只要检测到这种差异，就能有效的判断钢流下渣的发生。振动检测法的瓶颈主要在于振动信号微弱，由于钢流的冲击能力有限，因此长水口采集的振动信号容易被连铸生产现场环境的干扰所掩盖，从而导致系统产生错误的判断进而影响系统的稳定性。
技术实现思路
本专利技术的主要目的在于克服现有技术中的不足，提供一种对浇注过程没有影响、能有效控制钢水质量及提高收得率的下渣检测方法及装置。为解决上述技术问题，本专利技术的解决方案是提供一种基于钢水表面旋涡图像识别的下渣检测方法，是在大包上方安装摄像头，并通过电缆依次连接至图像信号控制单元和工控机；所述下渣检测方法包括以下具体步骤(A)将大包内形成的旋涡分为无渣旋涡、混渣旋涡和全渣旋涡3种状态，这三种旋涡状态分别对应大包浇注过程的正常浇注、混渣浇注和下渣3种状态；(B)由摄像头采集钢水表面旋涡的二维图像特征，对图像进行预处理；通过基于几何主动轮廓模型的旋转对称区域分割、基于Canny算子的流线边缘、方向检测及旋转中心定位进行图像特征的提取，通过旋涡识别及旋涡状态特征提取进行自由表面图像特征识 别；(C)经旋涡图像特征识别后，将与下渣密切相关的旋涡区域的面积、周长及旋涡状态特征值做归一化处理后表示的旋涡特征向量作为BP网络输入层的四个节点，以设定的三个出钢含渣状态参量构成输出节点，通过设计实现按误差逆传播训练的三层前馈网络分类器并对其进行训练，从而得到三种出钢含渣状态。作为一种改进，所述自由表面漩涡图像特征识别由条件I缠绕角条件，即缠绕角a=±2 π，记顺时针为正；以及条件2流场中流体在相邻区域内应满足Z(Ii; Ue 来判定，通过同时满足条件I与条件2则判定为漩涡；所述缠绕角a = (I1,I，其中N2为正方形模板被分成的块数，Iii=l =1为第i块区域流水线切线方向均值。作为一种改进，所述图像预处理过程包括松弛法图像去噪以及基于Sobel算子的图像锐化。作为一种改进，所述三层前馈网络分类器的拓扑结构分为分为输入层、中间隐层和输出层，按误差逆传播训练步骤为(a)设计输入层和输出层输入层的节点数取决于旋涡特征向量的维数，将经旋涡图像识别后与下渣密切相关的旋涡区域的面积，周长及旋涡状态特征值ξρ 12做归一化处理后表示为旋涡特征向量U=Iiu1, U2, U3, U4],从而作为BP网络输入层的四个节点；旋涡区域的面积及周长的归一化值为旋涡的瞬时面积及周长值比排水口面积及周长，旋涡状态特征值ξ P ξ 2的归一化值为ξ P ξ 2比8级灰度阶值255 ;输出节点为已设的三个出钢含渣状态参量，即无渣、混渣、全渣；(b)设定隐含层的节点数根据经验公式二> +% +a (其中Iii为输入层节点个数，％为输出层节点个数，a为f 10之间的常熟)，计算出隐含层节点数的取值范围；(C)激励函数采用S型函数f(X)=l/(l+e_kx)，经过不断的训练达到所需要求后，训练过程结束。作为一种改进，所述S型函数的k值取1.5。本专利技术进一步提供了用于实现前述方法的基于钢水表面旋涡图像识别的下渣检测装置，包括图像采集系统和图像处理系统，所述图像采集系统是安装在下端有滑动水口的大包正上方的摄像头，图像处理系统包括图像信号控制单元和工控机；摄像头通过电缆与图像信号控制单元连接，图像信号控制单元通过光缆与工控机连接。作为一种改进，所述图像信号控制单元包括数据采集模块、电源管理模块、水口控制单元和现场报警模块。作为一种改进，所述水口控制单元一端与滑动水口连接，另一端与工控机连接。作为一种改进，所述摄像头外装有防尘罩并且密封。与现有技术相比，本专利技术的有益效果是I、从大包下渣是由内部钢水液面产生的自由表面旋涡卷渣所引起且下渣状态与 旋涡状态密不可分的本质入手，提高了下渣预报的准确性和稳定性；2、通过自由表面旋涡的识别方法，获得大包钢水表面旋涡的中心位置、状态特征量信息，实现了在连铸现场复杂工况环境下对于特征信息的提取；3、设计基于人工神经网络的分类器，通过对分类器的训练隐式的发掘旋涡特征参量与下渣之间关系，正确的将特征参量分类到所对应钢水下渣状态，最后通过下渣的状态判断控制大包滑动水口调节，实现了“未下渣、先检测”的先验检测功能，更有效的控制钢水质量及提高收得率。附图说明图I为基于钢水表面旋涡图像识别的下渣检测装置系统组成图；图2为大包浇注状态识别系统实现方案示意图；图3为本专利技术中图像信号控制单元与工控机通信关系图；图4为按误差逆传播训练的三层前馈网络分类器的BP神经网络模型；图中的附图标记为1中间包；2钢水；3保护套管；4滑动水口 ；5大包；6钢渣；7摄像头；8图像彳目号控制单兀；9水口控制单兀；10工控机。具体实施例方式下面结合附图与具体实施方式对本专利技术作进一步详细描述图I中的基于钢水2表面旋涡图像识别的下渣检本文档来自技高网...
【技术保护点】
一种基于钢水表面旋涡图像识别的下渣检测方法，其特征在于，是在大包上方安装摄像头，并通过电缆依次连接至图像信号控制单元和工控机；所述下渣检测方法包括以下具体步骤：（A）将大包内形成的旋涡分为无渣旋涡、混渣旋涡和全渣旋涡3种状态，这三种旋涡状态分别对应大包浇注过程的正常浇注、混渣浇注和下渣3种状态；（B）由摄像头采集钢水表面旋涡的二维图像特征，对图像进行预处理；通过基于几何主动轮廓模型的旋转对称区域分割、基于Canny算子的流线边缘、方向检测及旋转中心定位进行图像特征的提取，通过旋涡识别及旋涡状态特征提取进行自由表面图像特征识别；（C）经旋涡图像特征识别后，将与下渣密切相关的旋涡区域的面积、周长及旋涡状态特征值做归一化处理后表示的旋涡特征向量作为BP网络输入层的四个节点，以设定的三个出钢含渣状态参量构成输出节点，通过设计实现按误差逆传播训练的三层前馈网络分类器并对其进行训练，从而得到三种出钢含渣状态。
【技术特征摘要】
【专利技术属性】
技术研发人员：李培玉，
申请(专利权)人：杭州谱诚泰迪实业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。