CN103472787B - 一种烧结燃料配比在线判定方法 - Google Patents
一种烧结燃料配比在线判定方法 Download PDFInfo
- Publication number
- CN103472787B CN103472787B CN201310403285.9A CN201310403285A CN103472787B CN 103472787 B CN103472787 B CN 103472787B CN 201310403285 A CN201310403285 A CN 201310403285A CN 103472787 B CN103472787 B CN 103472787B
- Authority
- CN
- China
- Prior art keywords
- sintering
- gray
- image
- section
- proposition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明提供一种烧结燃料配比在线判定方法,建立烧结燃料配比判定知识库,采用产生式规则表达方式和关联式多表联合存储,进行烧结机尾断面图像及参数采集与存储,对采集到的烧结机尾断面图像进行捕捉和提取;采用中值滤波和临界均值滤波方法对图像进行降噪处理,通过灰度图像利用阈值进行分割,采用上下边界点横向像素位置的平均值做差的绝对值来获得红火层厚度;采用基于产生式规则的专家***,对参数进行命题激活、知识推理,判定出烧结燃料配比的大小。从而消除人工观察的弊端,解决配比模型不能实时判定烧结燃料配比大小的问题,实现烧结燃料配比的在线定量判定,其方法准确可靠,简单易行,可为燃料配比异常提供操作指导。
Description
技术领域
本发明属于烧结工艺领域,尤其涉及一种用于在线判定烧结燃料配比大小的方法。
背景技术
在我国,90%以上的高炉入炉炉料是靠烧结法提供的,可以说,烧结对于我国的钢铁工业起着举足轻重的作用。烧结固体燃料一般为焦粉或煤粉,在稳定烧结过程的前提下,尽量降低烧结燃料配比是节约能源,稳定生产的重要办法。而烧结工艺流程的检测手段往往是钢铁生产流程中最落后的,很多工艺状况还需要操作工去判断。对于烧结燃料配比大小的判断,目前的状况是需要看火工到烧结机尾观察机尾断面的红火层,再根据其他的工艺参数进行判断。这样做,一是麻烦,二是不能够实时在线的判定烧结燃料配比的大小,三是判定结果受操作工的水平限制,不同的操作工可能得出不同的结论。
目前,关于烧结混合料燃料配比问题的研究主要集中在如何配料的层面,例如在论文《一种新的烧结固体燃料优化模型的研究与实现》(祝维钢等,烧结球团,2011,36(4):5-7,11)中提出了一种新的自适应烧结燃料配比优化模型,能够根据烧结原料以及返矿的情况调整烧结燃料配比。但是,目前大部分的烧结厂原料的供应情况都不是很稳定,这也就导致了返矿配比的不容易确定。因此,利用该模型进行烧结燃料配比的及时调整是很困难的。
在申请号为200810171776.4的发明专利《一种烧结原料的配比调整方法》中解决了配料过程中的粉尘平衡、返矿平衡以及燃料配比的优化等问题,实现了烧结原料的配比控制,实际上解决的也是如何精确配料的问题。
在公开号CN01138934.6的发明专利《烧结配料自动控制方法》中公开的烧结配料控制方法,是对传统PID控制方法的一种改进的自动整定控制方法,但没有给出何时调整原燃料配比方法。在公开号CN96102842.4的发明专利《烧结混合料成球后外粘固体燃料配加方法》中,则公开的是固体燃料配比如何与原料混合的方法。
发明内容
本发明的目的一是解决目前由于依靠人工肉眼观察造成的判定不准确问题;二是解决烧结燃料配比模型不能实时判定烧结燃料配比大小的问题。从而提供一种成本低廉,工作可靠,环境适应能力强,判定结果准确的烧结燃料配比在线判定方法。
为此,本发明所采取的技术解决方案是:
一种烧结燃料配比在线判定方法,其特征在于,具体方法和步骤为:
1、烧结燃料配比判定知识库建立
通过采用在数据库中存储知识,并且知识采用优化的产生式规则表达方式,即知识的不确定性采用规则强度和命题可信度来标识;可信度的计算方式为:
规则强度:RF0=φ0,0<φ0≤1
命题可信度:CFN=φN,0<φN≤1
PN为各个命题的权值,规则强度是规则本身前提推出结论成立的程度;命题可信度为一个规则中命题的可信程度;最终结论可信度是根据规则推理得出结论的可信程度。
如果推出结论的可信度低于最低可信度,则该条结论不成立;其中,最低可信度是在创建规则时,根据经验给出的最低可信度取值。
知识库中知识的存储方式采用关联式多表联合存储;将知识分解为条件与结论,其中条件用IF标识,结论用THEN标识;并且,条件由命题的逻辑关系式“与”和“或”组成,在规则中分别用AND和OR表示;结论由命题组成,命题=参数+状态;通过对工艺参数的正常值与异常值范围划分将状态分为略、中度、严重三个等级,且状态的阈值可以调整,以解决烧结工艺中工艺参数异常范围的变化。
2、烧结机尾断面图像数据采集及其他工艺参数实时采集与存储
通过固定在烧结机尾的图像采集设备,连续采集烧结机尾断面实时图像;同时,实时采集废气温度、主管负压、环冷卸矿风温、烧结终点位置以及FeO含量参数并进行数据存储。
3、烧结机尾断面图像数据提取
计算设备按图像采集设备的采样周期对采集到的烧结机尾断面实时图像进行捕捉和提取,然后对每一幅目标图像创建一个独立的分析线程,以进行进一步的分析处理。
4、烧结机尾断面图像数据预处理
采用中值滤波和临界均值滤波方法对图像进行降噪处理,避免烧结机尾断面图像中的噪声对红火层厚度的计算造成影响;对于烧结机尾断面图像出现纵向间歇性减弱的情况,采用临界均值法进行图像平滑。
5、烧结机尾断面红火层厚度确定与数据存储
红火层厚度的确定是通过灰度图像利用阈值进行分割,而阈值采用与烧结机尾断面图像平均灰度相关的自适应阈值,自适应阈值的系数是通过大量现场烧结机尾断面图像数据试验得到;红火层的厚度计算采用上下边界点横向像素位置的平均值做差的绝对值来获得。
6、烧结燃料配比大小判定
烧结燃料配比大小的判定是采用基于产生式规则的专家***技术,通过计算得到的烧结机尾红火层厚度,实时采集得到的废气温度、主管负压、环冷卸矿风温、烧结终点位置以及FeO含量,进行命题激活、知识推理,从而判定出烧结燃料配比的大小。
所述知识库中建立有参数表、状态表、命题类型表、命题表、规则表、规则细节表及活动命题表。
与已有技术相比,本发明的有益效果为:
本发明可消除长期以来依靠人工肉眼观察造成的判定不准确的弊端,同时有效解决烧结燃料配比模型不能实时判定烧结燃料配比大小的问题。具有以下特点:
1、实现了烧结燃料配比大小的在线判定,且判定结果准确可靠,从而为烧结燃料配比异常提供了操作指导依据。
2、原理简明,工作可靠,环境适应能力强。
3、成本低廉,易于实现和操作。
附图说明
图1是本发明设备构成框图;
图2是烧结燃料配比在线判定方法流程图;
图3是烧结机尾断面红火层厚度在线监测效果图。
具体实施方式
本发明的设备构成如图1所示,包括图像采集设备、计算设备、存储设备及分析设备。在烧结机尾安装图像采集设备,图像采集设备可以是摄像机或具有摄像功能的照相机等摄像设备。图像采集设备与计算设备相连,计算设备负责对采集到的图像进行提取,预处理和分析,计算设备可以是计算机,单片机、DSP以及FPGA等具有编程能力的运算处理设备。存储设备负责存储实时采集的现场参数以及计算出的红火层厚度值的实时数据、历史数据及知识库的存储,分析设备采用专家***方法负责判定烧结燃料配比的大小。
如图2所示,本发明烧结燃料配比大小判定方法的流程如下:
步骤1:烧结燃料配比判定知识库建立。
知识库在SQLSERVER或者ORACLE中建立。通过采用在数据库中存储知识,并且知识采用优化的产生式规则表达方式,即知识的不确定性采用规则强度和命题可信度来标识;可信度的计算方式为:
规则强度:RF0=φ0,0<φ0≤1
命题可信度:CFN=φN,0<φN≤1
PN为各个命题的权值,规则强度是规则本身前提推出结论成立的程度;命题可信度为一个规则中命题的可信程度;最终结论可信度是根据规则推理得出结论的可信程度。
如果推出结论的可信度低于最低可信度,则该条结论不成立;其中,最低可信度是在创建规则时,根据经验给出的最低可信度取值。
知识库中知识的存储方式采用关联式多表联合存储;将知识分解为条件与结论,其中条件用IF标识,结论用THEN标识;并且,条件由命题的逻辑关系式“与”和“或”组成,在规则中分别用AND和OR表示;结论由命题组成,命题=参数+状态;通过对工艺参数的正常值与异常值范围划分将状态分为略、中度、严重三个等级,且状态的阈值可以调整,以解决烧结工艺中工艺参数异常范围的变化。
在知识库中建立参数表、状态表、命题类型表、命题表、规则表、规则细节表以及活动命题表。
参数表(SESpara)可设计成:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 主键3 --> |
Name | nvarchar | 20 | 否 |
状态表(SEState)可设计成:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 主键 |
Name | nvarchar | 20 | 否 |
命题类型表(SEProType)可设计成:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | int | 4 | 否 | 主键 |
Name | nvarchar | 20 | 否 |
命题类型包括两种类型的命题,有上下边界条件的命题和有参数变化趋势的命题。
命题表(SEProposition)可设计为:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 主键 |
Name | nvarchar | 20 | 否 | |
Spara | nvarchar | 20 | 否 | 参数外键->SESpara.ID |
State | nvarchar | 20 | 否 | 状态外键->SEState.ID |
DegreeUP | numeric | 9 | 是 | 程度(上边界) |
DegreeDOWN | numeric | 9 | 是 | 程度(下边界) |
Type | int | 4 | 否 | 类型外键->SEProType.ID |
MaxTime | int | 4 | 否 | 消逝最大计数 |
TrendDegree | Int | 4 | 是 | 趋势命题严重程度 |
规则表(SERule)可设计为:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 主键 |
RuleText | nvarchar | 300 | 否 | 规则显示文本 |
DetailNum | int | 4 | 否 | 细节规则数量 |
THENProp | nvarchar | 20 | 否 | 结论命题编号 |
RuleRel | int | 4 | 否 | 规则强度 |
MinRuleRel | int | 4 | 否 | 最低可信度 |
规则细节表可设计为:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 可重复->SERule.ID |
IFProp | nvarchar | 20 | 否 | 条件命题编号4 --> |
RShipDegree | Int | 4 | 是 | 权值 |
活动命题表可设计为:
字段 | 类型 | 长度 | 可否为空 | 说明 |
ID | nvarchar | 20 | 否 | 主键->SEProposition.ID |
PropRel | int | 4 | 否 | 命题可信度 |
OverdueCount | int | 4 | 否 | 过期计数器 |
表中存储被激活的命题,在***进行推理的时候,用到的推理条件在该表中查找。过期计数器在每次命题被使用之后在给定生命周期基础上减1,如果过期计数器为0,那么该条命题从该表中被剔除。
步骤2:烧结机尾断面图像数据采集
通过图像采集设备,连续采集烧结机尾断面实时图像。这需要调整图像采集设备的角度与焦距,使得图像采集设备能够采集到烧结机尾断面的全貌,并且不要采集断面之外的背景图像。这将影响烧结机尾断面红火层厚度计算的准确性。
步骤3:烧结机尾断面图像数据提取
通过图像采集设备自带图像数据流传输与编码协议,由计算设备按一定的时间周期(一般为一秒)对采集到的机尾断面实时图像进行提取,或者采用图像采集卡的图像存取接口进行图像的存储并提取。第一种方式效率高,建议采用第一种方式。然后对每一幅目标图像创建一个独立的分析线程,进行图像有效性分析,以提高分析效率。
步骤4:烧结机尾断面图像数据预处理
对于提取到计算设备中的图像,首先进行转灰度处理。然后要进行预处理,是指消除图像噪声的处理,本发明采用中值滤波和临界均值滤波叠加处理。其中中值滤波是常规算法,而临界均值滤波的处理是由于机尾断面图像具有连续性,可以认为从亮处到不亮处是逐渐减弱的,所以在图像上任何一点的灰度值如果分别小于它的上下两个像素点的灰度值,则认为该点的强度被减弱了,这样将该点的灰度值等于它上下两个像素点的灰度平均值。计算公式如下:
如果Gray(i,j)<Gray(i-1,j)并且Gray(i,j)<Gray(i+1,j),
那么Gray(i,j)=(Gray(i-1,j)+Gray(i+1,j))/2,
否则Gray(i,j)灰度值不变。其中Gray(i,j)表示坐标(i,j)像素点的灰度。
步骤5:烧结机尾断面红火层厚度确定与数据存储
本方法中灰度图像阈值的选取采用了与平均灰度相关的自适应阈值的方法,烧结机尾断面红火层位置的变化、现场环境的影响以及红火层亮度的变化能够得到平均灰度不同的图像,该方法是通过采用对大量的现场烧结机尾断面图像分析和试验而得出的。方法如下:
T=T0/(1-M/255)
其中,T为图像分割阈值,M是图像的平均灰度,T0为阈值系数,T0随M的大小自适应调整,图像灰度的范围为0~255。
对烧结机尾断面图像的第一列进行列扫描,根据计算所得的阈值T进行判断,如果相邻像素灰度之差的绝对值大于T,即|Gray(i)-Gray(i+1)|>T,则记录该点的坐标为Up(0),为红火层上边界起始点,继续扫描,根据计算所得的阈值T进行判断,如果相邻像素灰度之差的绝对值大于T,即|Gray(i)-Gray(i+1)|>T,则记录该点的坐标为Down(0),为红火层下边界起始点,按照此方法以横向像素位置作为循环变量在图像横向上循环进行列扫描,得到Up(1)直到Up(L-1),Down(1)直到Down(L-1),其中L为图像的横向长度。
计算红火层上边界的位置取Up(0)到Up(L-1)的平均值LocalUp为:
LocalUp=(Up(0)+Up(1)+……+Up(L-1))/L。
计算红火层下边界的位置取Down(0)到Down(L-1)的平均值LocalDown为:
LocalDown=(Down(0)+Down(1)+……+Down(L-1))/L。
从而得到红火层的厚度值RedThickness为:
RedThickness=|LocalUp-LocalDown|/H。其中H为图像纵向高度。
图3所示为烧结机尾断面红火层厚度在线检测的试验效果图,图片是在现场采集的烧结机尾断面图像。红火层边界的平均值用白线显示,红火层厚度为两条白色边界的距离,占整幅断面图像纵向距离(单位为像素个数)的比例值,可以看出,该方法能够很方便的计算出红火层厚度。
步骤6:烧结其他工艺参数实时采集与数据存储
步骤6与步骤2同步进行。实时采集基础自动化数据,包括废气温度、主管负压、环冷卸矿风温、烧结终点位置。将采集的数据分别存储在数据库的实时数据表和历史数据表中。实时数据表供***在线分析,参与烧结燃料配比大小的判定,历史数据供进一步的数据挖掘以及对于***知识的完善和自学习。
步骤7:烧结燃料配比大小判定
根据存储在知识库中的规则进行推理。这里给出几条判定规则与相关工艺参数的范围以及命题何时命中。
废气温度正常范围为100℃~170℃,参数状态的三个等级分别为略降低、中度降低和严重降低,略降低的范围为降低0℃~<10℃、中度降低的范围为降低10℃~<20℃、严重降低的范围为降低>20℃。
主管负压正常范围为11.5kPa~13kPa,参数状态的三个等级分别为略升高、中度升高和严重升高,略升高的范围为升高0kPa~0.5kPa、中度升高的范围为升高>0.5kPa~<1kPa、严重升高的范围为升高>1kPa。
环冷卸矿风温正常范围300℃~350℃,参数状态的三个等级分别为略升高、中度升高和严重升高,略升高的范围为升高0℃~<10℃、中度升高的范围为升高10℃~<20℃、严重升高的范围为升高>20℃。
机尾红火层厚度正常范围1/3~1/2,机尾红火层厚度的值代表红火层占整个机尾断面图像纵向的百分比,参数状态的三个等级分别为略厚,范围为1/2~<0.55;中度厚,范围为0.55~0.6;严重厚,范围为>0.6~<1。
采集到部分基础自动化两组相邻时刻数据为:
废气温度(℃) | 主管负压(Kpa) | 环冷卸矿风温(℃)6 --> |
145 | 11.8 | 305 |
141 | 12.5 | 321 |
机尾红火层厚度根据步骤5假设计算得到:机尾红火层厚度=0.52。
那么,相邻废气温度值的差141℃–145℃=-4℃,降低4℃,命中废气温度略降低命题。
相邻主管负压值的差12.5-11.8=0.7kPa,升高0.7kPa,命中主管负压中度升高命题。
相邻环冷卸矿风温值的差321℃-305℃=16℃,升高16℃,命中环冷卸矿风温中度升高命题。
当前时刻机尾红火层厚度值=0.52,落在范围1/2~<0.55内,命中机尾红火层略厚命题。
根据现场专家经验,废气温度、主管负压、环冷卸矿风温以及机尾红火层厚度对燃料配比的影响因子也就是规则中的权值分别为:0.2,0.2,0.3,0.3。而基础自动化实时采集的数据,废气温度、主管负压以及环冷卸矿风温的可信度为一个恒定值0.95,由图像分析得出的红火层厚度计算结果的可信度为一个恒定值0.85。
那么根据规则:IF废气温度略降低AND主管负压中度升高AND环冷卸矿风温中度升高AND机尾红火层略厚THEN燃料配比中度大。
可以推出结论“燃料配比中度大”,其中,结论可信度=0.2×0.95+0.2×0.95+0.3×0.95+0.3×0.85=0.92>0.6(最低可信度),该条规则的结论“燃料配比中度大”作为烧结燃料配比大小在线判定的结果。
同理,根据机尾红火层厚度薄和环冷卸矿风温降低可以判定烧结燃料配比小。规则为:IF环冷卸矿风温中度降低AND机尾红火层略薄THEN燃料配比中度小。其中
环冷卸矿风温正常范围300℃~350℃,参数状态的三个等级分别为略降低、中度降低和严重降低,略降低的范围为降低0℃~<10℃、中度降低的范围为降低10℃~<20℃、严重降低的范围为降低>20℃。
机尾红火层厚度正常范围1/3~<1/2,参数状态的三个等级分别为略薄,范围为2/7~<1/3、中度薄,范围为1/4~2/7、严重薄,范围为>0~<1/4。
Claims (2)
1.一种烧结燃料配比在线判定方法,其特征在于,具体方法和步骤为:
(1)、烧结燃料配比判定知识库建立
通过采用在数据库中存储知识,并且知识采用优化的产生式规则表达方式,即知识的不确定性采用规则强度和命题可信度来标识;可信度的计算方式为:
规则强度:RF0=φ0,0<φ0≤1
命题可信度:CFN=φN,0<φN≤1
PN为各个命题的权值,规则强度是规则本身前提推出结论成立的程度;命题可信度为一个规则中命题的可信程度;最终结论可信度是根据规则推理得出结论的可信程度;
如果推出结论的可信度低于最低可信度,则该条结论不成立;其中,最低可信度是在创建规则时,根据经验给出的最低可信度取值;
知识库中建立有参数表、状态表、命题类型表、命题表、规则表、规则细节表及活动命题表,知识库中知识的存储方式采用关联式多表联合存储;将知识分解为条件与结论,其中条件用IF标识,结论用THEN标识;并且,条件由命题的逻辑关系式“与”和“或”组成,在规则中分别用AND和OR表示;结论由命题组成,命题=参数+状态;通过对工艺参数的正常值与异常值范围划分将状态分为略、中度、严重三个等级,且状态的阈值可以调整,以解决烧结工艺中工艺参数异常范围的变化;
(2)、烧结机尾断面图像数据采集及其他工艺参数实时采集与存储
通过固定在烧结机尾的图像采集设备,连续采集烧结机尾断面实时图像;同时,实时采集废气温度、主管负压、环冷卸矿风温、烧结终点位置以及FeO含量参数并进行数据存储;
(3)、烧结机尾断面图像数据提取
计算设备按图像采集设备的采样周期对采集到的烧结机尾断面实时图像进行捕捉和提取,然后对每一幅目标图像创建一个独立的分析线程,以进行进一步的分析处理;
(4)、烧结机尾断面图像数据预处理
对于提取到计算设备中的图像,首先进行转灰度处理,然后进行预处理,即采用中值滤波和临界均值滤波方法对图像进行降噪处理,避免烧结机尾断面图像中的噪声对红火层厚度的计算造成影响;对于烧结机尾断面图像出现纵向间歇性减弱的情况,采用临界均值法进行图像平滑;烧结机尾断面图像数据预处理灰度的计算方法为:
如果Gray(i,j)<Gray(i-1,j)并且Gray(i,j)<Gray(i+1,j),
那么Gray(i,j)=(Gray(i-1,j)+Gray(i+1,j))/2,
否则Gray(i,j)灰度值不变;
其中Gray(i,j)表示坐标(i,j)像素点的灰度;
(5)、烧结机尾断面红火层厚度确定与数据存储
红火层厚度的确定是通过灰度图像利用阈值进行分割,而阈值采用与烧结机尾断面图像平均灰度相关的自适应阈值,自适应阈值的系数是通过大量现场烧结机尾断面图像数据试验得到;红火层的厚度计算采用上下边界点横向像素位置的平均值做差的绝对值来获得;
烧结机尾断面红火层厚度的计算方法是:
T=T0/(1-M/255)
其中,T为图像分割阈值,M是图像的平均灰度,T0为阈值系数,T0随M的大小自适应调整,图像灰度的范围为0~255;
对烧结机尾断面图像的第一列进行列扫描,根据计算所得的阈值T进行判断,如果相邻像素灰度之差的绝对值大于T,即|Gray(i)-Gray(i+1)|>T,则记录该点的坐标为Up(0),为红火层上边界起始点,继续扫描,根据计算所得的阈值T进行判断,如果相邻像素灰度之差的绝对值大于T,即|Gray(i)-Gray(i+1)|>T,则记录该点的坐标为Down(0),为红火层下边界起始点,按照此方法以横向像素位置作为循环变量在图像横向上循环进行列扫描,得到Up(1)直到Up(L-1),Down(1)直到Down(L-1),其中L为图像的横向长度;
计算红火层上边界的位置取Up(0)到Up(L-1)的平均值LocalUp为:
LocalUp=(Up(0)+Up(1)+……+Up(L-1))/L
计算红火层下边界的位置取Down(0)到Down(L-1)的平均值LocalDown为:
LocalDown=(Down(0)+Down(1)+……+Down(L-1))/L
从而得到红火层的厚度值RedThickness为:
RedThickness=|LocalUp-LocalDown|/H
其中H为图像纵向高度;
(6)、烧结燃料配比大小判定
烧结燃料配比大小的判定是采用基于产生式规则的专家***技术,通过计算得到的烧结机尾红火层厚度,实时采集得到的废气温度、主管负压、环冷卸矿风温、烧结终点位置以及FeO含量,进行命题激活、知识推理,从而判定出烧结燃料配比的大小。
2.根据权利要求1所述的烧结燃料配比在线判定方法,其特征在于,所述烧结燃料配比大小判定规则与相关工艺参数的范围为:
废气温度正常范围为100℃~170℃,参数状态的三个等级分别为略降低、中度降低和严重降低,略降低的范围为降低0℃~<10℃,中度降低的范围为降低10℃~<20℃,严重降低的范围为降低>20℃;
主管负压正常范围为11.5kPa~13kPa,参数状态的三个等级分别为略升高、中度升高和严重升高,略升高的范围为升高0kPa~0.5kPa,中度升高的范围为升高>0.5kPa~<1kPa,严重升高的范围为升高>1kPa;
环冷卸矿风温正常范围300℃~350℃,参数状态的三个等级分别为略升高、中度升高和严重升高,略升高的范围为升高0℃~<10℃,中度升高的范围为升高10℃~<20℃,严重升高的范围为升高>20℃;
机尾红火层厚度正常范围1/3~1/2,机尾红火层厚度的值代表红火层占整个机尾断面图像纵向的百分比,参数状态的三个等级分别为略厚,范围为1/2~<0.55;中度厚,范围为0.55~0.6;严重厚,范围为>0.6~<1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310403285.9A CN103472787B (zh) | 2013-09-07 | 2013-09-07 | 一种烧结燃料配比在线判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310403285.9A CN103472787B (zh) | 2013-09-07 | 2013-09-07 | 一种烧结燃料配比在线判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103472787A CN103472787A (zh) | 2013-12-25 |
CN103472787B true CN103472787B (zh) | 2016-06-01 |
Family
ID=49797678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310403285.9A Active CN103472787B (zh) | 2013-09-07 | 2013-09-07 | 一种烧结燃料配比在线判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103472787B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109855548A (zh) * | 2019-01-30 | 2019-06-07 | 中南大学 | 分析烧结杯试验的红火层厚度的方法及*** |
CN109738443B (zh) * | 2019-01-30 | 2022-01-11 | 中南大学 | 分析烧结杯试验的红火层迁移速度的方法及*** |
CN112255364B (zh) * | 2020-10-20 | 2022-07-01 | 唐山学院 | 一种实时定量判定烧结终点状态的软测量方法 |
CN112611780B (zh) * | 2020-11-20 | 2023-01-13 | 北京首钢自动化信息技术有限公司 | 一种烧结机尾断面图片的捕捉方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101104882A (zh) * | 2007-07-23 | 2008-01-16 | 鞍钢股份有限公司 | 烧结混合料预热方法及其装置 |
CN101928823A (zh) * | 2009-06-22 | 2010-12-29 | 鞍钢股份有限公司 | 含高结晶水铁矿粉的烧结方法 |
CN102542239A (zh) * | 2010-12-17 | 2012-07-04 | 鞍钢股份有限公司 | 一种烧结机尾红断面有效图像自动捕捉方法 |
-
2013
- 2013-09-07 CN CN201310403285.9A patent/CN103472787B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101104882A (zh) * | 2007-07-23 | 2008-01-16 | 鞍钢股份有限公司 | 烧结混合料预热方法及其装置 |
CN101928823A (zh) * | 2009-06-22 | 2010-12-29 | 鞍钢股份有限公司 | 含高结晶水铁矿粉的烧结方法 |
CN102542239A (zh) * | 2010-12-17 | 2012-07-04 | 鞍钢股份有限公司 | 一种烧结机尾红断面有效图像自动捕捉方法 |
Non-Patent Citations (4)
Title |
---|
烧结机尾断面图像在线处理与分析方法研究;宋宝宇等;《鞍钢技术》;20110630(第3期);第1-4节,图1-3,图5 * |
烧结过程智能实时操作指导***的研究;李桃;《中国博士学位论文全文数据库 工程科技I辑》;20020615(第1期);全文 * |
鞍钢烧结生产过程分布式专家***;宋宝宇等;《鞍钢技术》;20130830(第4期);第1-6节,图1-5 * |
鞍钢烧结生产过程综合智能控制***;杨春雨等;《冶金自动化》;20111231;第35卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103472787A (zh) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103472787B (zh) | 一种烧结燃料配比在线判定方法 | |
CN110852395B (zh) | 一种基于自主学习和深度学习的矿石粒度检测方法和*** | |
CN105588439B (zh) | 烧结机台车篦条检测方法 | |
CN103364315B (zh) | 一种烧结固体燃料粒度在线检测方法及检测装置 | |
CN103954334B (zh) | 一种全自动摄像式水表检定***及其工作方法 | |
CN102489450A (zh) | 一种智能分选方法及*** | |
CN101726491A (zh) | 一种烧结机尾断面动态图像自动获取方法及装置 | |
CN110184401A (zh) | 高炉出渣铁状态在线检测方法 | |
CN104531936B (zh) | 基于火焰图像特征的转炉钢水碳含量在线测量方法 | |
Yap et al. | Quantitative analysis of dust and soiling on solar pv panels in the tropics utilizing image-processing methods | |
CN111179236A (zh) | 一种用于造球机的生球粒度分析方法及装置 | |
CN102999451A (zh) | 钢材计数***及方法 | |
CN112434852A (zh) | 一种高炉送风制度合理性的评价方法 | |
CN101949865A (zh) | 一种百事泰在线表面缺陷检测***的优化方法 | |
CN100434902C (zh) | 回转窑烧结熟料质量的计算机检测方法及检测装置 | |
Ding et al. | A real-time multilevel fusion recognition system for coal and gangue based on near-infrared sensing | |
CN113487570B (zh) | 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法 | |
CN202516782U (zh) | 一种智能分选*** | |
CN105354848B (zh) | 一种热镀锌产线的康耐视表面质量检测***的优化方法 | |
CN116990437A (zh) | 一种用于原煤灰分的入洗量前馈自动调节*** | |
CN102542239B (zh) | 一种烧结机尾红断面有效图像自动捕捉方法 | |
CN110728676A (zh) | 一种基于滑动窗口算法的纹理特征度量方法 | |
Cao et al. | Wafer surface defect detection based on improved YOLOv3 network | |
CN103278505B (zh) | 一种基于多特征分析的高炉除尘灰成分分析方法 | |
CN115436371A (zh) | 基于多源信息融合的Autoformer烧结矿FeO含量软测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |