[發明專利]非停爐高爐焦炭粒度降解在線監測及評價方法和系統

有效

• 申請號: 202211258177.2
• 申請日: 2022-10-14
• 公開（公告）號: CN115326657B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 周東東;徐科
• 申請（專利權）人: 北京科技大學
• 主分類號: G01N15/02
• 分類號: G01N15/02;G06V20/64;G06N3/04;G06V10/26;G06V10/44;G06V10/766;G06V10/80;G06V10/82
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 岳野

1.一種非停爐高爐焦炭粒度降解在線監測及評價方法，其特征在于，所述方法包括：

S1、在非停爐狀態下獲取入爐前焦炭的二維和三維圖像，識別焦炭的三維尺寸，得到入爐前焦炭的第一粒徑分布；

S2、在非停爐狀態下獲取高爐風口回旋區焦炭的二維圖像，根據焦炭的運行軌跡分離出來自于爐體上部的焦炭，并識別焦炭的二維尺寸，得到風口回旋區的來自于爐體上部的焦炭的第二粒徑分布；

S3、根據步驟 S1、S2 得到的第一粒徑分布、第二粒徑分布，以及同一冶煉周期內的冶煉參數，回歸分析確定所述冶煉參數與所述第一粒徑分布、第二粒徑分布之間的關聯關系；

S4、根據步驟 S3 得到的所述關聯關系，評價不同類型的焦炭在不同高爐冶煉參數下粒度的降解等級；

步驟S1 的具體方法包括：

S1.1 對入爐前位于高爐上料主皮帶上的焦炭，采用多光譜面陣彩色相機及相應的光源采集入爐前焦炭圖像；其中近紅外 NIR 通道用于焦炭粒度二維檢測，可見光通道紅、綠和藍三個光源用于線結構光焦炭粒度三維檢測；

S1.2 處理焦炭二維監測時，采用基于標記符控制的分水嶺分割算法對粘連顆粒區域進行分割，在分割過程預處理中加入焦炭常見粒度范圍的限定條件，限制局部小區域的產生，實現焦炭粘連顆粒的分割；采用基于深度學習的卷積神經網絡 CNN 識別焦炭非粘連區域二維粒度邊界，應用最小擬合橢圓法對焦炭長軸直徑及短軸直徑的二維尺寸進行表征；對焦炭根據二維尺寸進行分類及定位，得到不同類別焦炭的二維粒度分布及區域；

S1.3 處理焦炭三維監測時，采用光條中心線提取算法提取三條結構光光條中心線，將非連續中心線采用圖像拼接算法使之連續；并采用 Delaunay 三角剖分法實現焦炭粒度三維重建，進而得到焦炭的三維粒度分布；

S1.4 將步驟 S1.2 的焦炭二維粒度分布，與步驟 S1.3 的焦炭三維粒度分布通過多光譜多通道圖像的時序進行匹配，以該焦炭的平均當量直徑得出所述第一粒徑分布；

步驟S2 的具體方法為：

S2.1 采集不噴煤風口回旋區焦炭圖像；

S2.2 通過視頻流分析及圖像處理，分析某顆焦炭在相鄰幀圖像中的相對位置，以得出焦炭進入風口回旋區的途徑及運動軌跡；以從風口上方進入回旋區的焦炭為作為粒度降解的焦炭，風口底部進入回旋區的焦炭則不計入焦炭粒度統計范圍；

S2.3 通過構建基于卷積神經網絡的語義分割模型 FCN 進行正樣本圖像風口焦炭粒度識別，進而得到焦炭的平均當量直徑為所述第二粒徑分布；

其中，步驟S1 中的入爐前焦炭，與步驟 S2 中的風口回旋區的焦炭為同一批次焦炭，讀取高爐布料參數和工藝參數，計算得出每一批次焦炭從入爐到回旋區所用的實際時間；

步驟S2 中，當獲取高爐風口回旋區焦炭的二維圖像時，關閉噴煤槍，使風口成為無煤粉云遮擋的采集風口。

2.如權利要求 1 所述的非停爐高爐焦炭粒度降解在線監測及評價方法，其特征在于，步驟S1.1 中，多光譜面陣彩色相機安裝具有防塵功能的保護罩及氮氣冷卻裝置。

3. 如權利要求 1 所述的非停爐高爐焦炭粒度降解在線監測及評價方法，其特征在于，步驟S3 中，所述冶煉參數包括風溫、壓差、風量和冶煉強度。

4. 如權利要求 1 所述的非停爐高爐焦炭粒度降解在線監測及評價方法，其特征在于，步驟S3 中，通過構建基于數據挖掘及卷積神經網絡的數據驅動型焦炭粒度降解模型，分析不同風溫、壓差、風量、冶煉強度對焦炭粒度降解的影響，確定所述冶煉參數中的主要影響因素。