[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

说明书

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。

技术领域

本发明涉及冶金工业智能生产与监控领域，特别涉及一种监测高炉布料周期煤气流发展过程及预测煤气利用率的方法。

背景技术

高炉炼铁是典型的“黑箱”生产，使操作者很难了解到煤气流的动态变化。每座高炉在一定原料条件下都有适合自己最佳的“布料周期”煤气流发展过程（包括煤气流分布的动态变化过程和煤气流中心的动态变化过程），合理的“布料周期”煤气流发展过程是保证高炉炉料顺行、物理化学反应正常进行以及提高煤气利用率的重要条件。目前，高炉操作者主要通过各种传感器和机械设备获取的高炉生产信息和长期积累的经验进行调控生产，这种调控模式受到操作者主观因素很大，而且很难实现智能生产。

近年来，学者们通过高炉监控系统产生的数据建立数学模型，有一部分学者利用部分数据分析料面温度场的分布以及温度场与炉况之间的关系，这种做法都不具有统计性，准确性和普遍性；还有一部分学者以小时为单位分析煤气流的分布情况与利用率之间的关系，这种做法不能反映煤气流的动态变化，不能很好的应用到实际高炉生产中。事实表明，大量的数据背后隐藏着非常重要的价值信息。本发明的核心技术就是对大量红外视频数据统计分析，利用统计方法和模式识别技术对布料周期煤气流分布的动态变化和煤气流中心的动态变化进行实时跟踪，并利用神经网络算法挖掘其与煤气利用率之间的价值信息，从而实现高炉炼铁的智能监控和预测。

发明内容

本发明的目的是为了解决“布料周期”煤气流发展过程难以跟踪识别以及煤气流发展过程与煤气利用率之间的关系难以确定的问题，提供了一种监测高炉布料周期煤气流发展过程及智能预测煤气利用率方法；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；本发明能够实时检测煤气流发展过程以及预测煤气流利用率，使高炉布料操作实现在线监测、可视化控制以及智能预测。

本发明通过以下技术方案来实现：一种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，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；