[发明专利]监测高炉布料周期煤气流发展过程及预测煤气利用率方法

摘要

本发明公开了监测高炉布料周期煤气流发展过程及预测煤气利用率方法；该方法包括以下步骤：（1）数据的采集与处理；（2）红外图像处理；（3）图像特征提取；（4）建立布料周期煤气流分布的动态变化模型；（5）煤气流中心特征提取；（6）图像和料面的位置定标；（7）建立布料周期煤气流中心动态变化模型；（8）建立煤气利用率预测模型；该方法通过对采集的炉顶红外图像处理，利用聚类算法、统计方法、特征识别技术和模式识别技术，实现对布料周期煤气流分布状态和煤气流中心在料面落点分布的动态跟踪，并利用神经网络算法挖掘布料周期煤气流发展过程与煤气利用率之间的关系，实现对煤气流利用率的实时预测，为实现智能生产提供帮助。

主权项

1.监测高炉布料周期煤气流发展过程及预测煤气利用率方法,采集高炉生产数据，通过对采集的炉顶红外图像处理及特征提取，利用聚类算法、统计方法、特征识别技术和模式识别技术，实现对煤气流分布状态和煤气流中心在料面落点分布的动态跟踪，并利用神经网络算法挖掘布料周期煤气流发展过程与对应煤气利用率之间的关系，实现对煤气流利用率的实时预测，为实现智能布料提供帮助，其特征在于：包括以下步骤：（1）数据的采集与处理：在某钢厂在线采集三个月的高炉炉顶红外视频生产数据、探尺测量数据以及每个布料周期的煤气利用率，通过软件将视频转成每秒24帧的灰度图像；（2）红外图像处理：对步骤（1）中得到的图像进行批量叠加处理，得到每小时3600帧(1帧/秒)的煤气流的红外图像；将叠加后的图像通过梯度插值化处理，去除非料面信息；插值化处理得到的图像进行滤波处理，采用小波变换和均值滤波相结合的滤波方式，除去噪音和脉冲的干扰；得到比较清晰的红外图像；（3）图像特征提取：求解每一帧图像对应的奇异值，提取奇异值的前15%构成向量来代表该图像，该向量称为图像特征向量；（4）建立布料周期煤气流分布的动态变化模型：具体过程通过以下过程进行实现：（4.1）引入“高炉布料周期”的概念：由布料开始到下一次布料开始的时间称为一个高炉布料周期；将高炉布料周期又划分为高炉布料期和高炉煤气流发展期；（4.2）利用图像特征向量进行图像分类：提取3600×24×90帧图像特征向量，即三个月视频数据，利用bisectingk‑means聚类方法进行聚类分析，得到不同的类别并求出各个类别的聚类中心向量；（4.3）煤气流分布的状态模型：用（4.2）得到的各类聚类中心向量计算每一类图像具有的平均能量，按照各类平均能量的大小划分煤气流分布状态，能量最小的类别属于第一状态，依次为第二、第三、第四、第五、第六状态；（4.4）确定煤气流分布的动态变化特征向量：通过上述建立的煤气流分布状态模型计算出每个布料周期煤气流分布各状态所持续的时间构造向量，该向量称为煤气流分布的动态变化特征向量；（5）煤气流中心特征提取：由于煤气流在不同分布状态下所对应红外图像灰度值的取值范围不一致，因此不同的煤气流分布状态采用不同的阈值对滤波图像进行全局分割，得到煤气流中心所在的亮带区域，将亮带区域的质心坐标定义为煤气流中心在图像上的坐标；（6）图像和料面的位置定标：红外摄像仪在拍摄料面时，拍摄平面和成像平面之间有一个倾斜角度导致拍摄的红外图像有一定的倾斜变形，因此需要将图像的像素点和料面进行位置定标，得到煤气流中心在料面上的实际位置，并将其投影到炉喉平面上；（7）建立布料周期煤气流中心动态变化模型：具体实现过程如下：（7.1）根据上述得到的煤气流中心在炉喉平面上的位置，求出每一个布料周期煤气流分布各状态的煤气流中心的质心坐标；（7.2）引入“煤气流中心偏移度和偏移方向”的概念，计算各个状态煤气流中心的偏移度和偏移方向，对煤气流中心进行量化处理:其中R为高炉炉喉半径，为第t个布料周期下的第i状态在料面上的横（纵）坐标，为第t个周期下第i状态煤气流中心的偏移度，第t个布料周期下第i状态煤气流中心的偏移方向，利用向量表示第t个布料周期煤气流的中心动态变化特征；(8)建立煤气利用率预测模型：每个布料周期煤气流分布动态变化特征向量和煤气流中心动态变化特征向量组成新的向量表示布料周期煤气流发展动态过程；利用径向基神经网络挖掘布料周期煤气流发展过程与对应煤气利用率之间关系，实现对煤气利用率的实时预测，为高炉智能布料提供帮助。