一种改进转炉出钢下渣检测方法及其应用.docVIP

一种改进的转炉出钢下渣检测方法及其应用 陈灵光1，杨晓江2，李培玉1，夏军1 (1．浙江大学机械工程学系，浙江杭州310027；2．唐山钢铁股份有限公司第一钢轧厂，河北唐山063016) 摘 要：针对传统的完全基于灰度阀值分割算法的转炉出钢下渣检测方法在遇到出钢过程中的意外情况时，检测准确率下降的缺点，提出了一种改进的红外转炉出钢下渣检测方法。该方法首先利用分水岭分割的方法将转炉出钢图像分割成几个区域，再利用形态学方法对分割出的区域进行矩形拟合以获取准确的钢流图像区域，最后通过前后共4帧图像信息的加权来消除出钢过程中的异常情况对于检测准确性的影响。现场试验结果表明，所提出的改进方法对于提高红外转炉出钢下渣检测系统报警准确率，减小下渣到钢包的渣厚度以及提高系统稳定性方面效果显著。 关 键 词：红外；图像处理；转炉出钢；下渣检测 在转炉出钢的过程中，通过控制流入钢包的渣含量(即下渣量)，能够有效提高钢水的纯净度，减少回磷／硫，降低钢水的氧化程度；减少脱氧剂和合金用量；同时还可以减少对于出钢口和耐火衬垫的腐蚀，从而延长其使用寿命。 为此，国内外相继开发了多种下渣检测方法，比如人工目测法、电磁线圈检测法[1]以及红外检测法[2]。人工目测法是目前使用最多的一种方法，但灵敏度不高而且受操作工人的经验和情绪影响较大，所以亟需一种稳定的检测方法来代替人工检测法。电磁线圈检测法是应用渣的电导率远远低于钢水的电导率的原理，采用高温材料将初级、次级两个线圈分离，通过测量电磁场的差别来检测下渣，这种方法虽然准确率比较高，但是要在耐火材料中埋设线圈，线圈在高温环境下寿命不稳定，为消耗式测量，使用维护成本很高，所以此方法已经逐渐被淘汰。现在应用比较普遍的检测方法是基于红外热成像原理的转炉下渣检测方法，该方法利用红外热像仪远距离采集钢水和渣的混流图像，通过视频处理算法来确定渣占钢流的比例来判断下渣。红外检测法可靠性较高同时由于采用了远距离无接触测量方式，所以受外界干扰小，对于原设备几乎无改装，易于安装维护，使用成本低。 传统的红外转炉出钢下渣检测方法利用阀值分割的方法获取钢流图像，并且只针对当前帧图像进行下渣检测。然而，在遇到背景中有较强干扰、炉口意外出渣、出钢口挂渣掉落等异常情况时，传统方法的检测准确率下降明显。因此，本文提出了一种改进的下渣检测方法，该改进包括钢流图像获取方法的改进以及下渣信号分析方法的改进。 1 转炉下渣自动检测系统的原理 1．1 转炉下渣自动检测系统工作原理 经研究发现，在特定波长范围内，钢水和渣的红外辐射特性具有较大差异[3]。图1是渣和钢水的红外辐射系数图。 从图中可以看到，随着波长的增加，钢水和渣的热辐射率逐渐增加，尤其在波长8～20μm范围内，两者的热辐射率差异很大，因此，根据钢水和渣的红外辐射特性具有较大差异的原理，利用红外热像仪采集钢流的图像并对其进行特征提取以及图像分析，就可以获得渣的出现时间和渣在钢流中所占的比例等信息。 1．2 转炉出钢下渣自动检测系统的总体结构 本系统采用非制冷焦平面红外热像仪对钢流进行热成像，同时实时采集转炉倾角信号、氧枪高度信号、前后摇炉信号、浇钢末期转炉限位信号等工艺参数，当图像处理系统发现钢流中的含渣量超过设定值并且此时转炉倾角处于设定的出钢末期范围时，系统发出声光报警，触发自动控制系统关闭滑动水口。图2是红外转炉出钢下渣自动监测系统总体结构图。 2 图像识别算法以及下渣信号的分析 2．1 转炉出钢图像中钢流的获取 红外热像仪采集到的转炉出钢钢流图像包括了很多背景干扰信息，为了准确计算钢流中的含渣量，在进行含渣量分析之前必须把红外图像的钢流图像提取出来。 图3～5分别为典型的正常出钢、混渣出钢和全渣3种出钢状态的红外图像。对于这3种出钢状态的红外图像，钢流比较容易通过阀值分割的方法与背景图像区分开来[4]，具体说就是设定一个阀值T，令分割后的图像为： 这样灰度值较大的钢流图像被保留了下来，灰度值小的背景图像则被有效滤除。 图6、7为在国内某钢厂采集到的转炉出钢红外图像。图6的钢流背景中有一块挡板，该挡板是保护滑动出钢口液压系统的装置。挡板的表面受钢流的影响部分挂渣，同时由于其表面比较光滑，从钢包反射的光线使得图像中挡板部分亮度很大，严重干扰钢流边缘的获取。图7画面右侧大量亮度很大的渣的出现，是由于在出钢中后期，操作人员摇炉过快，使得转炉内浮于钢水上部的渣从炉口流出。对于这两种背景干扰复杂的情况，仅仅应用传统的阀值分割的方法不可能获取到准确的钢流图像。 稳定钢流左右两侧的边缘为接近竖直的直线，而且由钢流组成的矩形具有长度远远大于宽度的特点，而背景干扰信息的几何形状则是不规则的。比如，图6背景中的钢板整体形状类似菱形，其左右边缘虽为直线但不竖直，同时也不具有长度远远大于宽度的特点；