CN101698896B - 炉口辐射信息融合用于炼钢在线终点控制的方法 - Google Patents

Abstract

本发明公开了一种炉口辐射信息融合用于炼钢在线终点控制的***及其方法，包括炉口辐射获取分***、光纤谱分复用分***、多光谱复合探测分***、炉口火焰视频获取分***和综合判定分***；炉口辐射获取分***连接光纤谱分复用分***，该光纤谱分复用分***连接多光谱复合探测分***，该多光谱复合探测分***通过串口与综合判定分***相连接；炉口火焰视频获取分***包括配备着光学镜头的CCD摄像机和视频采集卡，CCD摄像机架设在炉口辐射获取分***上，该摄像机连接视频采集卡，该视频采集卡连接综合判定分***。本发明实现了远距离探测(20m)，这样就实现了不用繁琐的冷却装置和除尘装置就可以在炼钢的恶劣环境下正常工作。

Description

炉口辐射信息融合用于炼钢在线终点控制的方法

技术领域

本发明属于用于转炉(Basic Oxygen Furnace，简称BOF)炼钢吹炼过程的终点控制技术，特别是一种炉口辐射信息融合用于炼钢在线终点控制的***及其方法。 

背景技术

现在关于转炉终点判定的传统方法主要有静态控制模型和动态控制模型的方法。静态模型依据物料平衡原理和热平衡原理，对吹炼过程的初始条件进行定量计算，但是，由于未考虑吹炼过程的信息，不能进行在线跟踪实时修正。动态控制主要是副枪设备，副枪可以通过把在转炉的吹炼过程中副枪测得的结果与预定的吹炼目标相比较后，按照两者的偏差来修正吹炼操作，但是，受副枪的尺寸及副枪投资成本高的限制，现在仅使用在大型的转炉钢厂，还无法推广到中小型转炉厂。 

因而，目前，国内炼钢中占主体的中小型转炉钢厂仍主要使用以单一静态模型为基础，以操作台仪表显示和人工经验为依据的终点判定方法。在实际操作中，倒炉测温定碳后再进行下一步操作，但是一般情况下，受吹炼过程的复杂程度和工人的精神状态的影响，一次拉碳的命中率往往比较低，常常需要进行补吹操作，这就降低生产率，影响钢水质量，加大了工人的劳动强度。 

由于传统方法或者对终点判断不准确，或者成本高适用性不广，逐渐出现了一些对转炉终点进行判断的新型终点控制方法，其中一种光学方法授予沙润·阿洛克的中国专利96197034中。 

该专利设计了一种带冷却***和除尘空气刷的光传感器测量设备，该设备在距离290吨大型转炉30英尺的较近距离下采集转炉炉口可见光的560nm波长段的光强度，通过把测得转炉吹炼过程的最大光强度差和同一时刻的吹氧量作为模型输入变量送给专用的可编程控制器进行计算，来得到此刻钢水的在吹碳含量。该专利认为该技术适用于含0.06％或更少的低碳钢的含碳量及一次拉碳的含碳量的预测。 

但是该专利所涉及的装置本身造成了成本的提高，前期每次采样时间为60s，后期每次采样时间为4s，这都对数据样本的连续性带来了一定的影响，并会丢失有效数据，尤其是在吹炼关键后期阶段。 

在该专利中，所用方法目前只适用于供氧稳定的、200t以上大型转炉、含碳量低于0.05％范围内的钢水终点碳含量的控制，而且装置中有繁琐的冷却装置和除尘装置，在判定中高碳钢转炉时，使用该专利有着较大的误差。 

发明内容

本发明的目的在于提供一种用于转炉炼钢现场的准确、低成本、非接触远距离、易操作、使用可靠的转炉炼钢终点在线测量控制的***和用于转炉终点预测的模型及方法，从而能解决当前转炉炼钢吹炼终点难以准确预测的问题。 

实现本发明目的的技术解决方案为：一种炉口辐射信息融合用于炼钢在线终点控制的***，包括炉口辐射获取分***、光纤谱分复用分***、多光谱复合探测分***、炉口火焰视频获取分***和综合判定分***；炉口辐射获取分***连接光纤谱分复用分***，该光纤谱分复用分***连接多光谱复合探测分***，该多光谱复合探测分***通过串口与综合判定分***相连接；炉口火焰视频获取分***包括配备着光学镜头的CCD摄像机和视频采集卡，CCD摄像机架设在炉口辐射获取分***上，该摄像机连接视频采集卡，该视频采集卡连接综合判定分***； 

炉口辐射获取分***把转炉炉口火焰辐射的光谱能量信息采集下来，并成像到焦平面上，光纤谱分复用分***的一端与炉口辐射获取分***的焦平面耦合，另一端把采集到的光谱能量信息等分成四路或四路以上通道，并分别传输到配备着不同波长干涉滤光片的与通道相对应的光电探测器中去，这些光电探测器位于多光谱复合探测分***的接收端，通过该多光谱复合探测分***将光信号转变成电信号并通过串口传送给综合判定分***的串口接收软件，进行炉口辐射的光谱光强信息的接收、存储和绘图操作；将炉口火焰视频获取分***的CCD摄像机调整与炉口辐射获取分***的采集视觉吻合，该CCD摄像机采集到转炉炉口火焰视频图像的RGB颜色模型信息后，通过视频输入端传输到视频采集卡，该视频采集卡利用综合判定分***[5]的图像采集处理软件，把该RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作；最终，综合判定分***的BP神经网络终点预测模型利用得到光谱光强信息和炉口火焰图像信息这两部分数据进行转炉炼钢的在线终点预测控制。 

一种炉口辐射信息融合用于炼钢在线终点控制的方法，步骤如下： 

第一步，获取光谱光强信息，把转炉炉口火焰辐射的光谱能量信息采集下来，通过光纤谱分复用分***把采集到的光谱能量信息等分成四路或四路以上通道，通过多光谱复合探测分***将光信号转变成电信号并通过串口接收软件接收，得到炉口辐射处的光谱光强信息数据，根据该数据进行绘图操作； 

第二步，获取炉口火焰图像信息，采集的转炉炉口火焰视频图像的RGB颜色模型信息，通过视频输入端传输到视频采集卡，该视频采集卡利用图像采集处理软件，把该RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作； 

第三步，把光谱光强信息和炉口火焰图像信息进行基准调整，将相对较小的光谱光强值的放大倍数进行调整，即把吹炼末期图像最高值对应时刻所对应的光谱光强值调整为同样大小的图像值，以此得到的放大倍数作为全局变量的调整基数；同时利用等权中心滑动滤波方法对上述数据进行滤波平滑及去噪声处理，最终得到转炉吹炼中的光谱光强和图像特征变化曲线图； 

第四步，构建的BP神经网络模型对终点时刻进行定量的判断，首先选择BP神经网络预测模型中输入变量，假定选定全部变量个数为m，隐含层的神经元数为h，z为网络输出，则hr为隐含层各节点的输入，Hr为隐含层各节点的输出，定义G_rs＝Cov(h_r，x_s)w_rs/Var(h_r)为输入节点s对隐节点r的影响值，g_r＝Cov(H_r，z)w_r/Var(H_r)为隐节点r对输出的影响值，Q_s＝∑G_rsg_r为输入变量对总体输出的影响值；若总体变量中的n个变量的影响之和占总体影响值的90％以上，则选取这n个变量为网络模型的输入变量； 

其次，最终所选用的模型的输入输出参量为： 

(1)BP网络模型的输出量：考虑到整个模型是实现炼钢终点时间的预测，所以选择为转炉炼钢吹炼终点时间T(单位：秒)作为模型的输出； 

(2)BP网络模型的输入量：由于将转炉炼钢吹炼终点时间T作为模型的输出，考虑到整个过程中后期的值相对稳定，所以比较分析后，选定400-500秒时间段的光谱光强均值、图像均值、两者间的比值，吹炼末期图像值最大点所对应的时间，该最大点对应的图像值、光谱光强值以及两者间比值以上七个变量作为输入参量； 

最后，基于光谱光强和图像特征变化曲线图和模型的输入输出变量建立BP神经网络终点预测模型，利用现场采集的大量的转炉炼钢吹炼数据，经BP神经网络终点预测模型的训练后，对现场吹炼炉次的终点进行网络模型的实时预测，利用该模型得到的终点预测值和终点实际值的现场对比结果，实现转炉的终点预测控制。 

本发明与现有技术相比，其显著优点： 

(1)通过使用望远***与光纤谱分复用***相结合，实现了远距离探测(20m)，这样就实现了不用繁琐的冷却装置和除尘装置就可以在炼钢的恶劣环境下正常工作； 

(2)提出了一种光纤谱分复用技术，可全面提取转炉炉口光辐射多光谱图样，从而能更本质地获取辐射信息的内在联系，同时也提高测量精度和可靠性。 

(3)提出了将炉口火焰视频图像特征信息的提取放在与视觉颜色相关的信息分析上的方法，并结合光谱光强信息，分析得到了反映炉内吹炼反应过程的转炉光辐射吹炼变化曲线图。该光辐射吹炼变化曲线中的测试数据获取简便、可行、精确、实时。 

(4)构建的BP神经网络终点预测模型，结果表明响应时间小于2s，在8s内的预测精度超过85％，满足转炉终点在线快速判定和预测精度的要求。 

(5)上述***和方法，其特色是测量控制方法在线实时、装置简单而且成本低廉，对提高产品质量、降低成本，促进工艺装备现代化将有明显的效果，能对现阶段实际生产过程中的转炉终点控制提供参考依据，有广阔的应用前景。 

下面结合附图对本发明作进一步详细描述。 

附图说明

图1是本发明炉口辐射信息融合用于炼钢在线终点控制***的整体结构图。 

图2是多光谱辐射探测分***的结构图。 

图3是色度分量的三维图。 

图4是光谱光强和图像特征值的变化曲线图。 

图5是构建的BP神经网络终点预测模型结构图。 

图6是终点实际值和BP神经网络对终点预测值的对比图。 

具体实施方式

本发明构建了一种基于光谱辐射理论和经验炼钢理论的炉口辐射信息融合用于转炉(BOF)炼钢在线终点控制的***，包括炉口辐射获取分***1、光纤谱分复用分***3、多光谱复合探测分***4、炉口火焰视频获取分***2、综合判定分***5，其中综合判定分***5包括串口接收软件，图像采集处理软件，BP神经网络终点预测模型三部分。该***的整体结构图如图1所示。 

炉口辐射获取分***1连接光纤谱分复用分***3，该光纤谱分复用分***3连接多光谱复合探测分***4，该多光谱复合探测分***4通过串口与综合判定分***5相连接；炉口火焰视频获取分***2包括配备着光学镜头的CCD摄像机和视频采集卡， CCD摄像机架设在炉口辐射获取分***1上，该摄像机连接视频采集卡，该视频采集卡连接综合判定分***5。 

工作流程如下：炉口辐射获取分***1把转炉炉口火焰辐射的光谱能量信息采集下来，并成像到焦平面上，光纤谱分复用分***3的一端与炉口辐射获取分***1的焦平面耦合，另一端把采集到的光谱能量信息等分成四路或四路以上通道，并分别传输到配备着不同波长干涉滤光片的与通道相对应的光电探测器中去，这些光电探测器位于多光谱复合探测分***4的接收端，通过该多光谱复合探测分***4将光信号转变成电信号并通过串口传送给综合判定分***5的串口接收软件，进行炉口辐射的光谱光强信息的接收、存储和绘图操作；将炉口火焰视频获取分***2的CCD摄像机调整与炉口辐射获取分***1的采集视觉吻合，该CCD摄像机采集到转炉炉口火焰视频图像的RGB颜色模型信息后，通过视频输入端传输到视频采集卡，该视频采集卡利用综合判定分***5的图像采集处理软件，把该RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作；最终，综合判定分***5的BP神经网络终点预测模型利用得到光谱光强信息和炉口火焰图像信息这两部分数据进行转炉炼钢的在线终点预测控制。 

从安全角度考虑，在炼钢现场约20m的操作间内架构起***。***主要仪器的操作步骤为：架设三脚架；将炉口辐射获取分***和CCD摄像机安装在三脚架上；在炉口辐射获取分***的焦平面安装调焦器；调节炉口辐射获取分***的方位和俯仰，使火焰中心与调焦器的中心重合；调节调焦手轮，使火焰成像清晰；将调焦器的瞄准镜或CCD摄像机对准火焰，使火焰中心与调焦器的瞄准镜或CCD摄像机的视场中心重合；取出调焦镜，装上光纤谱分复用分***的粗光纤束；如果在使用过程中三脚架移动，只要以调焦器的瞄准镜或CCD摄像机为基准调节仪器主机位置即可，不必再用调焦器；上述操作最好以调焦器的瞄准镜为基准调准仪器主机。调整好炉口辐射获取分***后，可以使用CCD摄像机的支架的螺母并观测计算机上视频窗口中的图像对CCD摄像机进行细调。 

1.1炉口辐射获取分***1针对转炉炼钢现场的恶劣环境，为了将远处的炉口火焰成像到焦平面上，选用了双不胶合物镜中的大口径镜头，通过参数计算得到了炉口辐射获取分***的结构参数表(见表1)，该炉口辐射获取分***使用三脚架来进行固定、支撑，通过调整三脚架台的高度和转度，来获得较好的采集视觉方位。该炉口辐射获取分***包括由表1所设计的大口径镜头，位于炉口辐射获取分***焦平面外侧的、可以前 后拉伸用于调节火焰成像清晰度的调焦手轮，以及外置的、可安装在炉口辐射获取分***焦平面上的用于瞄准火焰中心的调焦器。该炉口辐射获取分***面对转炉炉口，以采集转炉炉口辐射的光谱能量信息；通过调节该炉口辐射获取分***上的调焦手轮，光谱能量信息可以清晰地成像到该炉口辐射获取分***的焦平面上。设计的这种炉口辐射获取分***有口径不受限制、可以利用空气间隔校正剩余误差和相对口径可增大等优点，既能达到人工近距目视的效果，又能远避高温和污染对探测***的损害，可以满足远距离(约20m)条件的采集工作。 

表1 炉口辐射获取分***的结构参数(mm) 

1.2光纤谱分复用分***3在接收到光谱能量后能均匀地可以将其分成诸多份，并分别传输到配备着不同滤光片的十路不同的光电探测器中去。本发明选用粗光纤芯径的阶梯折射率光纤，运用光纤“波分复用”的相关理论和技术，设计光纤谱分***实现“光纤谱分复用”，采用束数与光谱能量信息等分通道相对应的传光光纤束，这些传光光纤束的性能相同、直径一样，从每束的一端中取出一根光纤，将取出的光纤合成一个单元点，然后把所有的单元点随机排列形成一个粗光纤束，将该粗光纤束界面胶合后，切出光滑平整的表面，形成光纤谱分复用分***3的入瞳面；所有传光光纤束的另一端与不同波长的干涉滤光片紧贴从而实现了谱分的作用。 

1.3多光谱复合探测分***4接收到光纤谱分复用分***传来的光谱能量信息，选用法布理——伯罗干涉滤光片将光过滤成窄带单色光信息，然后单色光信息并经该多光谱复合探测分***转换输出为对等通道的数字信号，通过串口发送到计算机。设计的干涉滤光片波长参数见表2所示。 

表2 滤光片主要性能参数 

该多光谱复合探测分***4要满足快速响应、实时处理大信息量和在高温、烟尘等恶劣环境下工作等要求，主要负责将光纤谱分复用分***传输来的十路光谱能量信号变成十路数字信号，并发送到计算机的任务，因而选用了以由光电探测器和以单片机为核心的电路***组成(任何可能测量类似数据的适宜的器件都可在本***中使用)。 

该多光谱复合探测分***4的电路图如图2所示，其主要组成部分为光电探测器、滤波电路、放大器、采样保持电路、A/D转换电路、单片机、时钟电路、通讯电路等。经过光纤谱分复用分***传送给多光谱复合探测分***的十路等分的炉口辐射光谱能量，在该多光谱复合探测分***中转换输出十路数字信号，这十路数字信号分别代表不同波长的辐射光强，根据不同波长信号光辐射强度的间存在差异，经过滤波后需通过增益不同的放大电路，达到要求电压幅度后进入A/D转换电路进行转换，单片机采集转换后数据经处理后通过串口发送到计算机，并利用串口接收软件对光谱光强信息进行接收、存储和绘图操作。 

该串口接收软件利用VC软件平台的MSComm控件，设定了串口传输的波特率、数据位、停止位、奇偶校验以及接收信号的频率参数为10ms/次，多光谱复合探测分***4每发送一次数据，该串口接收软件就进行接收和存储工作，再把得到的546nm波长对应通道的光强数据进行绘图操作。 

这里进行下说明，采集得到的光强为相对光强，只要光强数据测量单位前后一致，就能够反应转炉吹炼过程的规律，单位的选取对这种变化趋势没有任何的影响，任何测量单位，任意的或者是固定的，都可以用来在本***中测量炉口辐射的光谱光强信息。 

1.4炉口火焰视频获取分***2的配备着光学镜头的CCD摄像机架设在炉口辐射获取分***上，并调整与炉口辐射获取分***的采集视觉吻合。 

该CCD摄像机采集到转炉炉口火焰视频图像的RGB颜色模型信息后，通过视频输入端传输到视频采集卡，该视频采集卡利用综合判定分***的图像采集处理软件，把该 RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作。实现炉口火焰视频图像的边采集边处理任务的该图像采集处理软件工作流程为： 

(1)创建炉口火焰图像信息的捕获窗口：调用capCreateCaptureWindow函数，生成视频采集窗口。 

(2)采集炉口火焰图像视频信息到缓冲区并进行分析处理，是***实时化的核心内容，需要利用回调机制，需注册***用到的三个回调函数：错误回调函数capSetCallbackOnError、状态回调函数capSetCallbackOnStatus和视频流回调函数capSetCallbackOnVideoStream，通过视频流回调函数的设置和构建查表处理方式，使采集到的炉口火焰图像的RGB颜色模型信息，经过颜色模型转换后得到对应的HSV颜色模型中的色度信息，即先把两种颜色模型的转换情况所对应的数据表构建出来，在回调函数中添加RGB颜色模型转换为HSV颜色模型的软件代码；然后把采集的每一帧图像按像素进行提取，并查找该RGB值所对应的HSV表中的位置；接着对该帧图像的所有像素点的必需数值进行叠加，得到并绘制色度分量的三维图，如图3所示；最后在该三维图中找到吹炼过程中在某个色度值对应的到达终点时变化明显的曲线，并进行绘图。同时注意以下几点：排除偶尔出现的较剧烈的变化，这是干扰造成的可能性较大；选择像素数目值变化相对稳定的那个色度级别；不应该选择背景出现较多的色度级别；该色度级别下对应的临近转炉吹炼终点处有较明显的变化，变化明显比较利于终点判断。这里采用的是查表方法可以为了加快处理速度，达到边采集边处理的目的。 

(3)调用函数capCaptureGetSetup设置采集窗口的相关参数，***设定每秒采集15帧。 

(4)调用函数capDriveConnect连接捕获窗口与视频采集设备，并使用capDriverGetCaps函数返回采集器件的功能。 

(5)为了更好的观测火焰的演变情况，***调用了函数capPreview，以较快的帧数达到良好的预览效果。 

(6)以上步骤中并没有进行视频流的保存，如若有其他一些要求，可以调用函数capFileSetCaptureFile保存下来，但是无压缩的视频文件很大，可以使用视频压缩管理器(Video Compression Mananger)来进行压缩后保存。 

(7)调用函数capCaptureAbort结束视频。 

参考经验炼钢的不同吹炼时刻的炉口火焰有着不同的整体颜色变化的这一重要依 据，***把采集到的RGB格式的图像转换成HSV颜色模型数据，得到了如图3所示色度分量三维图，图中X轴为色度级别，Y轴为单帧图像号，Z轴为对应的像素数目。由于单帧图像的直方图不能反映整个图像视频的变化规律，因而从所有HSV图像直方图组成的三维图像中找到色度H为17下包含着较多的潜在信息，临近终点时与之前相比量值出现了明显的变化。 

1.5综合判定分***5是把采集到的光谱光强信息和炉口火焰图像信息进行相差较大的光谱光强和图像特征值进行基准调整，基准调整的原则是把相对较小的光谱光强值的放大倍数进行调整，即把吹炼末期图像最高值对应时刻所对应的光谱光强值调整为同样大小的图像值，以此得到的放大倍数作为全局变量的调整基数；同时利用等权中心滑动滤波方法对上述数据进行滤波平滑及去噪声处理，其数学表达形式为  ${\stackrel{\‾}{y}}_k=\frac{1}{2n+1}\underset{i=-n}{\overset{n}{\mathrm{\Σ}}}{y}_{k+i},$ k＝n+1，n+2，Λ，N-n，最终得到了如图4所示的转炉吹炼中的光谱光强和图像特征值的变化曲线图。 

在该变化曲线图中，可以发现，在转炉炼钢这种多元多相的高温物理化学反应过程中，光谱光强值随转炉炼钢吹炼过程逐步变大，在吹炼的中期由于反应的剧烈干扰增多有波动的现象，接近吹炼终点时光强曲线缓慢下降；与此同时图像特征值在吹炼的初期缓慢上升，中期存在着剧烈的振荡，而到达末期接近终点时却显著提高，在接近吹炼终点时，图像曲线有一个极大值的出现。这些变化特征实时反应了炼钢过程中的光谱图像特征量的变化。但是由于不同炉次加入的原材料及吹炼条件等因素的差异，造成了各炉次的终点时刻存在了较大的波动，因而这种定性的描述不能准确地判定终点，在此基础上，构建了BP神经网络终点预测模型对终点时刻进行了定量的判断。 

本发明构建的BP神经网络预测模型的模型构造如图5所示。由于现在对BP神经网络预测模型中输入变量的选择还没有一种比较***的方法，一般都是根据设计者的经验选取。本发明对BP神经网络预测模型输入变量选择所采用的方法为：假定选定全部变量个数为m，隐含层的神经元数为h，z为网络输出，则hr为隐含层各节点的输入，Hr为隐含层各节点的输出，定义G_rs＝Cov(h_r，x_s)w_rs/Var(h_r)为输入节点s对隐节点r的影响值，g_r＝Cov(H_r，z)w_r/Var(H_r)为隐节点r对输出的影响值，Q_s＝∑G_rsg_r为输入变量对总体输出的影响值；若总体变量中的n个变量的影响之和占总体影响值的90％以上，则选取这n个变量为网络模型的输入变量； 

最终所选用的模型的输入输出参量为： 

(1)BP网络模型的输出量：考虑到整个模型是实现炼钢终点时间的预测，所以选择为转炉炼钢吹炼终点时间T(单位：秒)作为模型的输出。 

(2)BP网络模型的输入量：由于将转炉炼钢吹炼终点时间T作为模型的输出，考虑到整个过程中后期的值相对稳定，所以比较分析后，选定400-500秒时间段的光谱光强均值、图像均值、两者间的比值，吹炼末期图像值最大点所对应的时间，该最大点对应的图像值、光谱光强值以及两者间比值以上七个变量作为输入参量。 

基于光谱光强和图像特征变化曲线图和模型的输入输出变量建立了BP神经网络终点预测模型。利用现场采集的大量的吹炼数据，经网络模型的训练后，对现场49组炉次的终点进行网络模型的实时预测，模型预测响应时间为1.2s，图6给出了这次实验结果。从利用该模型得到的终点预测值和终点实际值的实验结果对比图中可以看出，有42组的预测误差在8s内，也就是说该神经网络模型在8s的预测精度达到了85.7％，满足转炉终点在线快速判定和预测精度的要求。 

Claims (2)

1.一种炉口辐射信息融合用于炼钢在线终点控制的方法，其特征在于：通过在线终点控制***进行，该在线终点控制***包括炉口辐射获取分***[1]、光纤谱分复用分***[3]、多光谱复合探测分***[4]、炉口火焰视频获取分***[2]和综合判定分***[5]；炉口辐射获取分***[1]连接光纤谱分复用分***[3]，该光纤谱分复用分***[3]连接多光谱复合探测分***[4]，该多光谱复合探测分***[4]通过串口与综合判定分***[5]相连接；炉口火焰视频获取分***[2]包括配备着光学镜头的CCD摄像机和视频采集卡，CCD摄像机架设在炉口辐射获取分***[1]上，该摄像机连接视频采集卡，该视频采集卡连接综合判定分***[5]；线终点控制的步骤如下：

第一步，获取光谱光强信息，把转炉炉口火焰辐射的光谱能量信息采集下来，通过光纤谱分复用分***[3]把采集到的光谱能量信息等分成四路以上通道，通过多光谱复合探测分***[4]将光信号转变成电信号并通过串口接收软件接收，得到炉口辐射处的光谱光强信息数据，根据该数据进行绘图操作；

第二步，获取炉口火焰图像信息，采集的转炉炉口火焰视频图像的RGB颜色模型信息，通过视频输入端传输到视频采集卡，该视频采集卡利用图像采集处理软件，把该RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作；

第三步，把光谱光强信息和炉口火焰图像信息进行基准调整，将相对较小的光谱光强值的放大倍数进行调整，即把吹炼末期图像最高值对应时刻所对应的光谱光强值调整为同样大小的图像值，以此得到的放大倍数作为全局变量的调整基数；同时利用等权中心滑动滤波方法对上述数据进行滤波平滑及去噪声处理，最终得到转炉吹炼中的光谱光强和图像特征变化曲线图；

第四步，构建的BP神经网络模型对终点时刻进行定量的判断，首先选择BP神经网络预测模型中输入变量，假定选定全部变量个数为m，隐含层的神经元数为h，z为网络输出，则hr为隐含层各节点的输入，Hr为隐含层各节点的输出，定义G_rs＝Cov(h_r，x_s)w_rs/Var(h_r)为输入节点s对隐节点r的影响值，g_r＝Cov(H_r，z)wr/Var(H_r)为隐节点r对输出的影响值，Q_s＝∑G_rsg_r为输入变量对总体输出的影响值；若总体变量中的n个变量的影响之和占总体影响值的90％以上，则选取这n个变量为网络模型的输入变量；

其次，最终所选用的模型的输入输出参量为：

(1)BP网络模型的输出量：考虑到整个模型是实现炼钢终点时间的预测，所以选择为转炉炼钢吹炼终点时间T(单位：秒)作为模型的输出；

(2)BP网络模型的输入量：由于将转炉炼钢吹炼终点时间T作为模型的输出，考虑到整个过程中后期的值相对稳定，所以比较分析后，选定400-500秒时间段的光谱光强均值、图像均值、两者间的比值，吹炼末期图像值最大点所对应的时间，该最大点对应的图像值、光谱光强值以及两者间比值以上七个变量作为输入参量；

最后，基于光谱光强和图像特征变化曲线图和模型的输入输出变量建立BP神经网络终点预测模型，利用现场采集的大量的转炉炼钢吹炼数据，经BP神经网络终点预测模型的训练后，对现场吹炼炉次的终点进行网络模型的实时预测，利用该模型得到的终点预测值和终点实际值的现场对比结果，实现转炉的终点预测控制；

所述的炉口辐射获取分***[1]把转炉炉口火焰辐射的光谱能量信息采集下来，并成像到焦平面上，光纤谱分复用分***[3]的一端与炉口辐射获取分***[1]的焦平面耦合，另一端把采集到的光谱能量信息等分成四路或四路以上通道，并分别传输到配备着不同波长干涉滤光片的与通道相对应的光电探测器中去，这些光电探测器位于多光谱复合探测分***[4]的接收端，通过该多光谱复合探测分***[4]将光信号转变成电信号并通过串口传送给综合判定分***[5]的串口接收软件，进行炉口辐射的光谱光强信息的接收、存储和绘图操作；将炉口火焰视频获取分***[2]的CCD摄像机调整与炉口辐射获取分***[1]的采集视觉吻合，该CCD摄像机采集到转炉炉口火焰视频图像的RGB颜色模型信息后，通过视频输入端传输到视频采集卡，该视频采集卡利用综合判定分***[5]的图像采集处理软件，把该RGB颜色模型信息通过颜色模型转换后的HSV颜色模型中的色度信息存储，得到的该色度信息作为炉口火焰图像的特征信息数据，根据该数据进行绘图操作；最终，综合判定分***[5]的BP神经网络终点预测模型利用得到光谱光强信息和炉口火焰图像信息这两部分数据进行转炉炼钢的在线终点预测控制；

在炉口辐射获取分***[1]中，选用双不胶合物镜中的大口径镜头并计算合适的结构参数表来构建炉口辐射获取分***，该炉口辐射获取分***面对转炉炉口，以采集转炉炉口辐射的光谱能量信息，通过调节该炉口辐射获取分***上的调焦手轮，光谱能量信息清晰地成像到该炉口辐射获取分***的焦平面上，同时，该炉口辐射获取分***使用三脚架来进行固定、支撑，通过调整三脚架台的高度和转度，来获得较好的采集视觉方位；

在光纤谱分复用分***[3]中，采用束数与光谱能量信息等分通道相对应的传光光纤束，从每束的一端中取出一根光纤，将取出的光纤合成一个单元点，然后把所有的单元点随机排列形成一个粗光纤束，将该粗光纤束界面胶合后，切出光滑平整的表面，形成光纤谱分复用分***的入瞳面；所有传光光纤束的另一端与不同波长的干涉滤光片紧贴；

在多光谱复合探测分***[4]中，首先光谱能量信息等分通道传送来的光谱能量信息经过法布理——伯罗干涉滤光片将光过滤成窄带单色光信息，然后单色光信息并经该多光谱复合探测分***转换输出为对等通道的数字信号，通过串口发送到计算机。

2.根据权利要求1所述的炉口辐射信息融合用于炼钢在线终点控制的方法，第二步中的图像采集处理软件其特征在于：

(1)创建炉口火焰图像信息的捕获窗口：调用capCreateCaptureWindow函数，生成视频采集窗口；

(2)注册***用到的三个回调函数：错误回调函数capSetCallbackOnError、状态回调函数capSetCallbackOnStatus和视频流回调函数capSetCallbackOnVideoStream，通过视频流回调函数的设置，使采集到的炉口火焰图像的RGB颜色模型信息，经过颜色模型转换后得到对应的HSV颜色模型中的色度信息，即先把两种颜色模型的转换情况所对应的数据表构建出来，在回调函数中添加RGB颜色模型转换为HSV颜色模型的软件代码；然后把采集的每一帧图像按像素进行提取，并查找该RGB值所对应的HSV表中的位置；接着对该帧图像的所有像素点的必需数值进行叠加，得到并绘制色度分量的三维图；最后在该三维图中找到吹炼过程中在某个色度值对应的到达终点时变化明显的曲线，并进行绘图；同时注意以下几点：排除偶尔出现的较剧烈的变化，这是干扰造成的可能性较大；选择像素数目值变化相对稳定的那个色度级别；不应该选择背景出现较多的色度级别；该色度级别下对应的临近转炉吹炼终点处有较明显的变化，变化明显比较利于终点判断；

(3)调用函数capCaptureGetSetup设置采集窗口及每秒所采集的帧数；

(4)调用函数capDriveConnect连接捕获窗口与视频采集设备，并使用capDriverGetCaps函数返回采集器件的功能；

(5)调用函数capCaptureAbort结束视频。

Images