论文部分内容阅读
摘 要：针对传统人工肉眼判断钢渣比手动操作转炉滑动出钢口存在的弊端，借鉴红外热成像技术设计应用转炉下渣自动检测技术
关键词：转炉;下渣;自动检测
1.引言
目前莱钢银山型钢炼钢厂120T转炉出钢已经实现滑动出钢口挡渣操作，挡渣迅速、挡渣效果好，但滑动出钢口仍然采用传统人工肉眼判断钢渣比手动操作，人为判断出钢结束存在滞后反应，将导致大量的钢渣混入钢水，进而对钢水质量带来影响。而且挡渣效果的好坏受人为主观干扰因素影响较大，造成转炉挡渣效果的不稳定性，不能可靠满足我厂无渣出钢工艺的要求。
2.远红外热像检测系统原理
2.1钢渣识别原理
所有能够产生红外放射的物体都可以被具备红外摄像仪的热成像系统检测到。红外法转炉下渣检测正是基于在特定远红外波长范围内，钢水和钢渣的辐射率具有较大差异的特性来设计的。下图是钢渣和钢水的辐射系数对比图。
从图中可以看到在波长从8-14微米范围内，两者差异很大，因此通过红外成像和图像分析方法，可以获得钢渣的出现时间以及钢流中钢渣的含量，从而达到钢渣识别的目的。根据钢水钢渣在远红外光区辐射率的明显差异，选择高精度远红外摄像仪，不仅在8-14微米的远红外光区具有很好的识别灵敏度，而且能够有效避免普通可见背景光对图像的干扰，实现钢渣信号的实时监测。
2.2图像处理
红外热像下渣检测系统关键是图像信号的提取与处理。由于钢渣的发射率比钢水的发射率高，导致当有钢渣出现时在热像系统上注液部分灰度图明显偏向白色，通过判定钢流在热像图中的边界，检测图像中钢流区域内部的亮度变化，计算钢渣灰度级区域占整个钢流注液区域的比例，即可以估算出钢流中渣含量的大小。
首先要得到钢流所在背景图像的光强，即要计算整个图像的平均灰度，假设需要得到的图像像素为m×n，m代表图像像素宽度，n代表图像像素高度，并假设每个像素点的灰度值为
G(i=1,2,3...mn)i平均灰度值可表示为：
其次要确定钢流的边界线，需要对钢流的边缘进行提取，如果直接提取边缘会产生许多杂乱的边缘干扰，所以对图像采取了分割方法，由于背景图像与钢流图像在红外系统上有明显区别，通过设置阈值将钢流与背景图像分开。设原始灰度图像为f(x,y)，以一定的准则在f(x,y)中找出一个灰度值T作为阈值，将图像分割成两部分，则分割后的二值图像g(x,y)表示为：
对于钢流图像元素g(x,y)=1，对于背景图像元素g(x,y)=0，从而达到将图像二值化处理的目的。阈值T 的选取是阈值分割处理的关键：过小的阈值会把不需要的内容一起提取出来；过大的阈值则会去掉一些目标物体。为了持续优化阈值，最大限度降低误差（将目标误认为背景而被剔除的误差和将背景、噪声归并为目标的误差），采用迭代阈值法来确定门限值T，其实现过程如下：
(1)求出图像中最大、最小灰度值maxZ，minZ，令阈值初值为：
(4)如果k≠k+1TT，转步2），否则停止循环，取最终阈值kT=T。
最后要确定钢渣的状态，由于钢流正常流出时，图像变化不大，而当有钢渣流出时，图像变化明显。对各像素进行差值计算就可以判断该状态下钢流中是否含有钢渣。假设相邻抓图时刻t1，t2(t1 f(x2,y2)-f(x1,y1)>1，差值图像中得到的是钢流中钢渣区域图像，而其它没有变化的部分则为背景色（值为零或接近零）。由于现场情况的复杂性，需要对差值图像进行相关的去噪处理。图像差值处理的基本步骤如下：
(1)t1,t2时刻图像进行差值运算。获得f(x2,y2)-f(x1,y1)差值图；
(2)对差值图像进行增强，再利用上述阈值分割法将差值图像转化为二值图像；
(3)最后消除噪声，从而得到待检测的目标区域图像。
3.远红外热像下渣检测的应用
3.1 IVD2000系统总体结构
系统控制柜是系统的核心，其集成了：内部显示器LCD、工控机IPC、处理控制单元PCU、电源管理单元PMU及电气控制单元ECU。现场红外摄像仪IVS图像信号、温度信号、转炉倾角信号、氧枪高度信号和炉体前后摇信号等通过电缆连入系统控制柜的处理控制单元PCU，并经处理后输出至工控机进行运算分析。系统检测出的下渣信号由系统控制柜输出至现场控制单元IFCU，再控制报警喇叭及报警灯工作（或自动控制抬炉和关闭滑板）为保持红外摄像仪环境温度的相对稳定性，减少现场粉尘对图像质量的干扰，IVS内部集成温度传感器、线圈加热装置、气体冷却装置以及除尘装置。
3.2对IVD2000系统开发多项改进措施
3.2.1.测试框跟随、钢流追随改进
原系统测试框在人为调试好之后，程序不再动态调整，程序只对钢流的横向进行追随，不进行纵向追随。此系统对安装要求较高，测试条件时刻变化，系统性较差。因此在系统程序中加入了测试框跟随，即每次出钢前期程序先根据钢流的位置对测试框进行跟随定位，保证在此次出钢过程中钢流都在测试框中被程序横向追随到。同时加入了钢流的纵向追随，即程序对钢流的纵向进行追随。改进之后系统性提高，使系统能够保持好的测试稳定性，提高了下渣报警的准确率。
3.2.2.开发下渣自动关闭水口的投入机制
原设计有自动关闭功能，但系统会在下渣报警同时输出一个关闭水口的脉冲信号，这种机制，太理想化，测试条件都好的情况使用起来没有问题，测到下渣后自动关闭水口，但存在隐患，如果钢渣从炉口倒出等不满足测试条件的情况出现，就会引起误报，误关闭水口，影响正常出钢，因此可靠性差。
在原设计基础上增加人工判断功能，在现场操作箱设计按钮盒，每一炉都需要人工在浇铸后期，确认现场具备良好的投入时机时人工选择投入自动，下渣报警的同时系统输出报警信号的同时输出一个关闭水口的脉冲信号。如不投入自动关闭水口功能，下渣报警后，系统只输出报警信号。而且下一炉开始后自动将自动功能复位。
改进之后，引入了人为判断现场环境这一环，测试条件满足时，投入自动关闭水口功能，不满足测试条件时，可不投入或者取消自动关闭水口功能，使自动关闭水口的准确性大幅提高，通过人的判断可将系统可靠性提高至达到100%。
3.2.3.视频信号抗干扰实现
原设计红外摄像机的视频信号，通过视屏专用抗干扰信号线传到工控机中的图像采集卡，进行图像采集。但转炉现场环境太差，视频信号受到了现场电磁信号的干扰较大，影响了图像质量，对报警的准确性有很大的影响。因此在红外摄像机的视频信号传输中加入了抗干扰模块，对现场的电磁信号的抗干扰能力明显增强，图像质量显著提高，为报警的准确性提供了可靠的前提。
3.2.4.现场报警器改造
原设计现场出渣报警器采用机械式旋转报警器，报警相对滞后，程序已经判断出下渣了，报警器过了1S钟才响起，不能够及时报警，影响转炉出渣操作。改型为电子式报警器，电信号驱动报警基本无时延，确保下渣报警的准确。
3.2.5.对红外摄像机进行加热
环境温度对红外摄像机的工作具有一定的影响，尤其体现在图像的表现梯度上，所以要让摄像机温度尽量控制在15-30℃相对稳定的温度区间内。改造前红外摄像机只有冷却功能。在温度高时，能够降温，但北方冬季气温低，摄像机工作温度在0度左右，影响图像梯度，需增加加热功能。在摄像机冷却气源进口处增加螺旋电加热棒，加热棒工作与温度信号连锁，当检测温度低于10℃时，加热棒自动开启工作。通过加热气源的方式使摄像机工作温度稳定在最佳温度区间内。改进后，使红外摄像机不但具有冷却功能，还具备了加热功能，使其对高温和低温环境都具有适应能力。采集的图像在高温和低温时表现相对一致，对现场环境的适应能力更强。
3.2.6.引入现场的转炉出钢后期到位信号
原设计系统程序是通过转炉倾角信号配合起来，自动控制整个出钢过程需要的操作。在使用过程中发现转炉倾角有时偏差很大，影响到最后的下渣报警。我们引入了转炉出钢后期到位信号，弥补了有时转炉倾角偏差过大，无法判断出钢后期阶段的引起不报的问题。改进后在保留系统正常运转的同时，避开了由于倾角偏差很大引起不报的问题，提高了系统现场使用的稳定性。
3.2.7.添加历史数据自动删除功能
原设计历史数据能自动记录，不需要的历史数据要人为进行删除，当硬盘容量满时，录像功能失效，无法记录当前最新的历史数据。在程序中增加历史数据自动删除功能，仅保存最新的历史数据。
4.应用效果
转炉下渣自动检测的成功应用，并１００％实现自动控制滑动出钢口，彻底消除转炉出钢挡渣控制的人为主观干扰因素，减少人为不确定性因素造成大量下渣的情况，平均可减少转炉大量下渣的时间达1S以上，为实现无渣出钢工艺奠定基础。下图所示为使用转炉下渣检测滑板自动的截图，从检测下渣到关闭水口抬炉的时间约为1S。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
关键词：转炉;下渣;自动检测
1.引言
目前莱钢银山型钢炼钢厂120T转炉出钢已经实现滑动出钢口挡渣操作，挡渣迅速、挡渣效果好，但滑动出钢口仍然采用传统人工肉眼判断钢渣比手动操作，人为判断出钢结束存在滞后反应，将导致大量的钢渣混入钢水，进而对钢水质量带来影响。而且挡渣效果的好坏受人为主观干扰因素影响较大，造成转炉挡渣效果的不稳定性，不能可靠满足我厂无渣出钢工艺的要求。
2.远红外热像检测系统原理
2.1钢渣识别原理
所有能够产生红外放射的物体都可以被具备红外摄像仪的热成像系统检测到。红外法转炉下渣检测正是基于在特定远红外波长范围内，钢水和钢渣的辐射率具有较大差异的特性来设计的。下图是钢渣和钢水的辐射系数对比图。
从图中可以看到在波长从8-14微米范围内，两者差异很大，因此通过红外成像和图像分析方法，可以获得钢渣的出现时间以及钢流中钢渣的含量，从而达到钢渣识别的目的。根据钢水钢渣在远红外光区辐射率的明显差异，选择高精度远红外摄像仪，不仅在8-14微米的远红外光区具有很好的识别灵敏度，而且能够有效避免普通可见背景光对图像的干扰，实现钢渣信号的实时监测。
2.2图像处理
红外热像下渣检测系统关键是图像信号的提取与处理。由于钢渣的发射率比钢水的发射率高，导致当有钢渣出现时在热像系统上注液部分灰度图明显偏向白色，通过判定钢流在热像图中的边界，检测图像中钢流区域内部的亮度变化，计算钢渣灰度级区域占整个钢流注液区域的比例，即可以估算出钢流中渣含量的大小。
首先要得到钢流所在背景图像的光强，即要计算整个图像的平均灰度，假设需要得到的图像像素为m×n，m代表图像像素宽度，n代表图像像素高度，并假设每个像素点的灰度值为
G(i=1,2,3...mn)i平均灰度值可表示为：
其次要确定钢流的边界线，需要对钢流的边缘进行提取，如果直接提取边缘会产生许多杂乱的边缘干扰，所以对图像采取了分割方法，由于背景图像与钢流图像在红外系统上有明显区别，通过设置阈值将钢流与背景图像分开。设原始灰度图像为f(x,y)，以一定的准则在f(x,y)中找出一个灰度值T作为阈值，将图像分割成两部分，则分割后的二值图像g(x,y)表示为：
对于钢流图像元素g(x,y)=1，对于背景图像元素g(x,y)=0，从而达到将图像二值化处理的目的。阈值T 的选取是阈值分割处理的关键：过小的阈值会把不需要的内容一起提取出来；过大的阈值则会去掉一些目标物体。为了持续优化阈值，最大限度降低误差（将目标误认为背景而被剔除的误差和将背景、噪声归并为目标的误差），采用迭代阈值法来确定门限值T，其实现过程如下：
(1)求出图像中最大、最小灰度值maxZ，minZ，令阈值初值为：
(4)如果k≠k+1TT，转步2），否则停止循环，取最终阈值kT=T。
最后要确定钢渣的状态，由于钢流正常流出时，图像变化不大，而当有钢渣流出时，图像变化明显。对各像素进行差值计算就可以判断该状态下钢流中是否含有钢渣。假设相邻抓图时刻t1，t2(t1
(1)t1,t2时刻图像进行差值运算。获得f(x2,y2)-f(x1,y1)差值图；
(2)对差值图像进行增强，再利用上述阈值分割法将差值图像转化为二值图像；
(3)最后消除噪声，从而得到待检测的目标区域图像。
3.远红外热像下渣检测的应用
3.1 IVD2000系统总体结构
系统控制柜是系统的核心，其集成了：内部显示器LCD、工控机IPC、处理控制单元PCU、电源管理单元PMU及电气控制单元ECU。现场红外摄像仪IVS图像信号、温度信号、转炉倾角信号、氧枪高度信号和炉体前后摇信号等通过电缆连入系统控制柜的处理控制单元PCU，并经处理后输出至工控机进行运算分析。系统检测出的下渣信号由系统控制柜输出至现场控制单元IFCU，再控制报警喇叭及报警灯工作（或自动控制抬炉和关闭滑板）为保持红外摄像仪环境温度的相对稳定性，减少现场粉尘对图像质量的干扰，IVS内部集成温度传感器、线圈加热装置、气体冷却装置以及除尘装置。
3.2对IVD2000系统开发多项改进措施
3.2.1.测试框跟随、钢流追随改进
原系统测试框在人为调试好之后，程序不再动态调整，程序只对钢流的横向进行追随，不进行纵向追随。此系统对安装要求较高，测试条件时刻变化，系统性较差。因此在系统程序中加入了测试框跟随，即每次出钢前期程序先根据钢流的位置对测试框进行跟随定位，保证在此次出钢过程中钢流都在测试框中被程序横向追随到。同时加入了钢流的纵向追随，即程序对钢流的纵向进行追随。改进之后系统性提高，使系统能够保持好的测试稳定性，提高了下渣报警的准确率。
3.2.2.开发下渣自动关闭水口的投入机制
原设计有自动关闭功能，但系统会在下渣报警同时输出一个关闭水口的脉冲信号，这种机制，太理想化，测试条件都好的情况使用起来没有问题，测到下渣后自动关闭水口，但存在隐患，如果钢渣从炉口倒出等不满足测试条件的情况出现，就会引起误报，误关闭水口，影响正常出钢，因此可靠性差。
在原设计基础上增加人工判断功能，在现场操作箱设计按钮盒，每一炉都需要人工在浇铸后期，确认现场具备良好的投入时机时人工选择投入自动，下渣报警的同时系统输出报警信号的同时输出一个关闭水口的脉冲信号。如不投入自动关闭水口功能，下渣报警后，系统只输出报警信号。而且下一炉开始后自动将自动功能复位。
改进之后，引入了人为判断现场环境这一环，测试条件满足时，投入自动关闭水口功能，不满足测试条件时，可不投入或者取消自动关闭水口功能，使自动关闭水口的准确性大幅提高，通过人的判断可将系统可靠性提高至达到100%。
3.2.3.视频信号抗干扰实现
原设计红外摄像机的视频信号，通过视屏专用抗干扰信号线传到工控机中的图像采集卡，进行图像采集。但转炉现场环境太差，视频信号受到了现场电磁信号的干扰较大，影响了图像质量，对报警的准确性有很大的影响。因此在红外摄像机的视频信号传输中加入了抗干扰模块，对现场的电磁信号的抗干扰能力明显增强，图像质量显著提高，为报警的准确性提供了可靠的前提。
3.2.4.现场报警器改造
原设计现场出渣报警器采用机械式旋转报警器，报警相对滞后，程序已经判断出下渣了，报警器过了1S钟才响起，不能够及时报警，影响转炉出渣操作。改型为电子式报警器，电信号驱动报警基本无时延，确保下渣报警的准确。
3.2.5.对红外摄像机进行加热
环境温度对红外摄像机的工作具有一定的影响，尤其体现在图像的表现梯度上，所以要让摄像机温度尽量控制在15-30℃相对稳定的温度区间内。改造前红外摄像机只有冷却功能。在温度高时，能够降温，但北方冬季气温低，摄像机工作温度在0度左右，影响图像梯度，需增加加热功能。在摄像机冷却气源进口处增加螺旋电加热棒，加热棒工作与温度信号连锁，当检测温度低于10℃时，加热棒自动开启工作。通过加热气源的方式使摄像机工作温度稳定在最佳温度区间内。改进后，使红外摄像机不但具有冷却功能，还具备了加热功能，使其对高温和低温环境都具有适应能力。采集的图像在高温和低温时表现相对一致，对现场环境的适应能力更强。
3.2.6.引入现场的转炉出钢后期到位信号
原设计系统程序是通过转炉倾角信号配合起来，自动控制整个出钢过程需要的操作。在使用过程中发现转炉倾角有时偏差很大，影响到最后的下渣报警。我们引入了转炉出钢后期到位信号，弥补了有时转炉倾角偏差过大，无法判断出钢后期阶段的引起不报的问题。改进后在保留系统正常运转的同时，避开了由于倾角偏差很大引起不报的问题，提高了系统现场使用的稳定性。
3.2.7.添加历史数据自动删除功能
原设计历史数据能自动记录，不需要的历史数据要人为进行删除，当硬盘容量满时，录像功能失效，无法记录当前最新的历史数据。在程序中增加历史数据自动删除功能，仅保存最新的历史数据。
4.应用效果
转炉下渣自动检测的成功应用，并１００％实现自动控制滑动出钢口，彻底消除转炉出钢挡渣控制的人为主观干扰因素，减少人为不确定性因素造成大量下渣的情况，平均可减少转炉大量下渣的时间达1S以上，为实现无渣出钢工艺奠定基础。下图所示为使用转炉下渣检测滑板自动的截图，从检测下渣到关闭水口抬炉的时间约为1S。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文