高炉料面特征提取与聚类分析

布料是高炉上部调节的主要方式,料面形状特征是指导高炉工长做出下一次布料决策的重要依据.本文通过分析高炉雷达实测料面数据,结合专家经验,提出了一种料面特征定义和提取的方法,提取出了能够表征料面形状的6个特征;然后将谱聚类算法引入到料面特征数据的聚类中,建立了料面特征模型库;最后将新的料面特征与模型库数据匹配,为后续高炉布料控制奠定研究基础.在仿真结果中采用真实高炉生产数据,验证了料面特征提取方法的有效性.仿真结果表明谱聚类算法相比传统的K-mean和模糊C均值聚类算法,具有收敛速度快,聚类性能高等特点,能够准确有效地建立料面特征模型库.     

OpenGL技术在高炉料面分布动态三维仿真中的应用

针对高炉料面分布监视的特点和要求,把OpenGL技术引入到高炉料面分布动态三维仿真系统中,使用顶点矩阵数组描述曲面,采用三角形直接逼近曲面,并应用OpenGL中投影和旋转等方法,将高炉料面分布曲面直观地表现出来。试验结果表明了这种方法的可行性。     

基于信息融合的高炉料面分布模型与应用

针对高炉炉内料面的分布特征，分析了对料面特征有影响的各种因素．通过对各类影响料面分布的测量参数的信息融合获取料面特征，建立了高炉料面分布模型．在某钢铁企业的2200m3高炉中得到了实际应用，实现了对高炉炉内料面分布的在线监测．     

基于状态识别的高炉料面视频关键帧提取方法

高炉料面视频关键帧是视频中的中心气流稳定、清晰、无炉料及粉尘遮挡且特征明显的图像序列, 对于及时获取炉内运行状态、指导炉顶布料操作具有重要的意义. 然而, 由于高炉内部恶劣的冶炼环境及布料的周期性和间歇性等特征, 料面视频存在信息冗余、图像质量参差不齐、状态多变等问题, 无法直接用于分析处理. 为了从大量高炉冶炼过程料面视频中自动准确筛选清晰稳定的料面图像, 提出基于状态识别的高炉料面视频关键帧提取方法. 首先, 基于高温工业内窥镜采集高炉冶炼过程中的料面视频, 并清晰完整给出料面反应新现象和形貌变化情况; 然后, 提取能够表征料面运动状态的显著性区域的特征点密集程度和像素位移特征, 并提出基于局部密度极大值高斯混合模型(Local density maxima-based Gaussian mixture model, LDGMM)聚类的方法识别料面状态; 最后, 基于料面状态识别结果提取每个布料周期不同状态下的关键帧. 实验结果表明, 该方法能够准确识别料面状态并剔除料面视频冗余信息, 能提取出不同状态下的料面视频关键帧, 为优化炉顶布料操作提供指导.     

高炉料面形状双驱动模型研究

高炉料面形状是指导高炉布料决策的重要依据.本文在已开发的新型雷达检测手段的基础上将雷达检测数据和布料机理进行融合.首先根据牛顿运动规律计算炉料颗粒从料流调节阀至料面的运动过程,然后根据体积约束原则建立料面形状模型,最后通过高斯过程回归模型将机理模型和摆动雷达测量得到的料面信息融合,建立了基于雷达数据和机理模型双驱动的高炉料面形状模型.仿真结果表明,本文提出的数据融合的方法在结合雷达检测数据和机理模型的基础上能够更好的拟合出高炉料面形状,可以为高炉稳定运行,节能减排提供可靠指导.     

基于专家评估和信息融合的高炉料面温度场智能建模

高炉料面温度分布对于高炉操作有着重要的指导意义.本文针对高炉目前无法准确全面了解料面温度分布的情况,挖掘现场已有数据,依据可信度理论,建立红外图像可信度评估的专家规则;根据评估结果,分别采用依靠红外图像的机理模型信息融合方法和不依靠红外图像的神经网络信息融合方法,建立基于专家评估和多源信息的高炉料面温度场模型.在某钢铁企业2 200 m3高炉应用结果表明,该模型可以更为准确,直观地反映料面温度分布,实现了对料面温度分布的实时检测,为复杂冶金过程控制和监控提供了有效的解决方法.     

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.     

基于分层递阶融合算法的高炉料面煤气流分布软测量方法

高炉能否稳顺、高产和低耗运行与煤气流的分布密切相关, 本文针对料面煤气流分布难以直接检测的问题, 提出了一种基于多源信息分层递阶融合的高炉料面煤气流分布软测量方法. 首先, 将多源信息配准为同一时间和空间的尺度; 然后, 采用数据级融合分别建立能够反映煤气径向和轴向分布的高炉料面温度场模型和高炉布料模型; 最后, 利用模糊决策级融合算法计算出高炉料面煤气流分布状态. 现场数据仿真表明本文的检测方法有效, 能够准确地反映高炉料面的煤气流分布状态, 为高炉操作提供必要的指导.     

高炉料面的分类与案例匹配算法

本文基于改进的k-means算法及分级案例库匹配技术提出一种研究高炉料面和煤气流关系的方法.为了获取煤气流分布情况,首先提出了改进的基于新型有效性指标评价的k-means算法,并将该算法与其它多种算法进行比较,证明了该方法的高效性和准确性.继而在此基础上提出了案例库匹配技术,从而获得与当前料面最为匹配的历史料面.最后,将匹配算法与改进的灰色相似性匹配算法和欧式近邻匹配算法进行比较.结果表明,分级匹配算法具有更高的分辨率和效率.在多次试验中匹配准确率高达92.5%,比其他几种算法更加准确,更适合研究料面与煤气流关系,指导布料操作.     

一种有向网络目标概率覆盖增强算法

目标覆盖是有向传感器网络覆盖控制的研究热点之一,但如何实现概率目标覆盖是当前迫切需要解决的问题,本文根据联合感知理论?实现目标的概率覆盖,提出了基于概率覆盖圆的目标覆盖增强算法(TarpC),构造目标的概率覆盖圆,选择最优节点调整感知方向,完成目标概率覆盖。仿真结果证明了该栅栏构建方法具有较高的覆盖率和部署效率,本文的 研究对提升无线传感器网络的性能具有重要的理论与实际意义。     

高炉燃烧料面合成孔径雷达双聚焦成像算法

钢铁生产中的料位和料形是冶炼过程控制的重要指标,基于合成孔径雷达(SAR)原理的微波成像装置可有效提取热态径向料面特征.针对几何形态复杂,回波信号突变性强,甚至会出现遮蔽效应导致雷达失波的料面中心部分,本文建立了中心区域双聚焦测量成像系统.选定炉顶风罩位置对称安装两套雷达,电机控制雷达天线匀速摆动获取二维坐标矩阵,用重采样插值算法将其转换成像素点均匀的矩形灰度图像;根据尺寸参数确定炉心扫描重叠区间,并构建料面中心双聚焦融合算法(DfSAR)拼接双图像.与均值融合相比,图像互信息提高10.43%,清晰度改善23.91%.最后,采用雷达恒虚警率(CFAR)目标检测算法有效滤除高炉内粉尘颗粒物对料面图像的干扰.     

基于注意力的高炉流态化料面多尺度检测算法

针对高炉料面图像经常发生多物理形态周期转变导致料线追踪精度下降问题, 研究了一种基于注意力的多尺度卷积核流态化料面检测算法(MKAD). 构建了雷达数据集–灰度图像–料形可视化的一类特征提取框架, 在卷积层采用通道和空间双注意力机制, 获得不同尺度的精细化颗粒流态化特征; 使用多尺度卷积核自适应方法提取并融合喷涌料面多尺度颗粒物特征, 实现跨通道特征融合. 在南钢3#高炉和武钢7#高炉进行了实验和综合评估, 精确率分别可达83.01% 和86.50%, 与峰脊锐化方法相比, 分别实现了1.41%和4.9%的性能提升, 上述融合特征提取框架显著增强了料面检测的鲁棒性.     

A Novel Sensing Imaging Equipment Under Extremely Dim Light for Blast Furnace Burden Surface:Starlight High-Temperature Industrial Endoscope

Blast furnace(BF) burden surface contains the most abundant, intuitive and credible smelting information and acquiring high-definition and high-brightness optical images of which is essential to realize precise material charging control,optimize gas flow distribution and improve ironmaking efficiency.It has been challengeable to obtain high-quality optical burden surface images under high-temperature, high-dust, and extremelydim(less than 0.001 Lux) environment. Based on a novel endoscopic sensi...