[發明專利]監測高爐布料周期煤氣流發展過程及預測煤氣利用率方法

有效

• 申請號: 201910147686.X
• 申請日: 2019-02-27
• 公開（公告）號: CN109852748B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 石琳;張生海;丁根遠;于濤;崔桂梅;袁冬芳
• 申請（專利權）人: 內蒙古科技大學
• 主分類號: C21B5/00
• 分類號: C21B5/00
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 賈楠楠

1.監測高爐布料周期煤氣流發展過程及預測煤氣利用率方法,采集高爐生產數據，通過對采集的爐頂紅外圖像處理及特征提取，利用聚類算法、統計方法、特征識別技術和模式識別技術，實現對煤氣流分布狀態和煤氣流中心在料面落點分布的動態跟蹤，并利用神經網絡算法挖掘布料周期煤氣流發展過程與對應煤氣利用率之間的關系，實現對煤氣流利用率的實時預測，為實現智能布料提供幫助，其特征在于：包括以下步驟：

（1）數據的采集與處理：在某鋼廠在線采集三個月的高爐爐頂紅外視頻生產數據、探尺測量數據以及每個布料周期的煤氣利用率，通過軟件將視頻轉成每秒24幀的灰度圖像；

（2）紅外圖像處理：對步驟（1）中得到的圖像進行批量疊加處理，得到每小時3600幀的煤氣流的紅外圖像；將疊加后的圖像通過梯度插值化處理，去除非料面信息；插值化處理得到的圖像進行濾波處理，采用小波變換和均值濾波相結合的濾波方式，除去噪音和脈沖的干擾；得到比較清晰的紅外圖像；

（3）圖像特征提取：求解每一幀圖像對應的奇異值，提取奇異值的前15%構成向量來代表該圖像，該向量稱為圖像特征向量；

（4）建立布料周期煤氣流分布的動態變化模型：具體過程通過以下過程進行實現：

（4.1）引入“高爐布料周期”的概念：由布料開始到下一次布料開始的時間稱為一個高爐布料周期；將高爐布料周期又劃分為高爐布料期和高爐煤氣流發展期；

（4.2）利用圖像特征向量進行圖像分類：提取3600×24×90幀圖像特征向量，即三個月視頻數據，利用bisectingk-means聚類方法進行聚類分析，得到不同的類別并求出各個類別的聚類中心向量；

（4.3）煤氣流分布的狀態模型：用（4.2）得到的各類聚類中心向量計算每一類圖像具有的平均能量，按照各類平均能量的大小劃分煤氣流分布狀態，能量最小的類別屬于第一狀態，依次為第二、第三、第四、第五、第六狀態；

（4.4）確定煤氣流分布的動態變化特征向量：通過上述建立的煤氣流分布狀態模型計算出每個布料周期煤氣流分布各狀態所持續的時間構造向量，該向量稱為煤氣流分布的動態變化特征向量；

（5）煤氣流中心特征提取：由于煤氣流在不同分布狀態下所對應紅外圖像灰度值的取值范圍不一致，因此不同的煤氣流分布狀態采用不同的閾值對濾波圖像進行全局分割，得到煤氣流中心所在的亮帶區域，將亮帶區域的質心坐標定義為煤氣流中心在圖像上的坐標；

（6）圖像和料面的位置定標：紅外攝像儀在拍攝料面時，拍攝平面和成像平面之間有一個傾斜角度導致拍攝的紅外圖像有一定的傾斜變形，因此需要將圖像的像素點和料面進行位置定標，得到煤氣流中心在料面上的實際位置，并將其投影到爐喉平面上；

（7）建立布料周期煤氣流中心動態變化模型：具體實現過程如下：

（7.1）根據上述得到的煤氣流中心在爐喉平面上的位置，求出每一個布料周期煤氣流分布各狀態的煤氣流中心的質心坐標；

（7.2）引入“煤氣流中心偏移度和偏移方向”的概念，計算各個狀態煤氣流中心的偏移度和偏移方向，對煤氣流中心進行量化處理:

其中R為高爐爐喉半徑，為第t個布料周期下的第i狀態在料面上的橫（縱）坐標，為第t個周期下第i狀態煤氣流中心的偏移度，第t個布料周期下第i狀態煤氣流中心的偏移方向，利用向量表示第t個布料周期煤氣流的中心動態變化特征；

(8)建立煤氣利用率預測模型：每個布料周期煤氣流分布動態變化特征向量和煤氣流中心動態變化特征向量組成新的向量表示布料周期煤氣流發展動態過程；利用徑向基神經網絡挖掘布料周期煤氣流發展過程與對應煤氣利用率之間關系，實現對煤氣利用率的實時預測，為高爐智能布料提供幫助。