国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

★北京首鋼自動化信息技術有限公司

1　方案目標和概述

1.1　生產場景現狀

在煉鋼脫硫扒渣工序，國內不同鋼鐵生產廠的工況差異較大。雖然工業自動化已經推動了多年，但在煉鋼扒渣領域，自動化水平參差不齊，差異較大。一些工廠內，完成了遠程扒渣改造，即通過在現場架設攝像機，將視頻圖像及控制信號連接到遠離扒渣現場的操作室內，操作工看著屏幕控制扒渣機進行扒渣動作。

目前，僅有有限的幾家工廠，正在進行或完成了幾個試點扒渣位的自動扒渣改造。但經了解，這些改造方案對于相機架設的位置，都做了較為嚴格的限制，要求相機安裝在鐵包正前方的高處，距離要求相對較近。這樣的限定使得拍攝到的包口圖像可以呈現較為規整的正圓，期內鐵水頁面清晰，包壁對內部遮擋較小。這樣的情況位扒渣過程控制的視頻分析帶來的很多便利，但同時也限制了推廣的便捷性。經過調研，很多鋼廠的扒渣位并沒有預留出如此好的拍攝位置。有的是拍攝位置被其他設備占用，有的是拍攝位置不易安裝新設備。在這些扒渣位，上述方案無法直接實施部署。

1.2　方案要解決的問題

（1）重新制定相機安裝位置方案，制定拍攝效果新標準，降低對拍攝位置的唯一限制，使可選安裝位置范圍更大，限制更寬松。

（2）針對滿足新標準的拍攝條件，設計算法解決在其環境下的智能扒渣控制問題。主要包括自動傾翻控制、自動扒渣控制等方面。需要提升控制精度，以確保工作效率，并使現場具備較好的鐵損控制。

（3）通過對控制參數的精度優化，提升扒渣過程執行效率和控制控制精度，從而達到降低扒渣過程鐵損和提升扒渣控溫能力的效果。

1.3　總體技術路線

（1）利用機器視覺方法，實現基于圖像分析的渣面分析、傾翻灑鐵安全監測等功能。

（2）基于神經網絡方法，設計實現精細化控制過程，解決因為拍攝角度導致圖像變形、遮擋而影響的扒渣控制精度。

（3）設計輔助傳感器安裝位置，為神經網絡方法提供額外的參照數據。

（4）設計自動化控制程序，通過PLC安全快速的執行扒渣指令，并針對過程中的控制異常，給出及時的處理。

2　方案詳細介紹

2.1　平臺架構

系統整體架構包括：成像硬件系統、測量和控制硬件系統、數據存儲、機器視覺圖像分析服務、神經網絡關系擬合服務、智能控制服務、系統應用服務以及貫穿以上幾個部分的數據總線、接口服務以及監控管理。機器視覺圖像分析服務用于提供基于圖像的分析結果；神經網絡關系擬合服務用于進行數值數據分析和預測；智能控制服務根據這兩個服務的分析結果，進行智能扒渣控制的中控，并針對異常情況進行及時處理。系統應用服務提供了扒渣實時情況的展示，包括當前包信息、實時扒渣畫面、實時分析效果、扒渣量曲線、狀態監控等，可以查看扒渣歷史情況記錄。

圖1平臺架構

2.2 硬件系統

硬件系統基于現有扒渣位情況進行改造，加裝傾翻拉繩傳感器、距離傳感器、雷達液位計、工業相機、監控攝像機等設備，進行圖像和必要數據的采集工作。

圖2 硬件系統

2.3　軟件系統

2.3.1機器視覺圖像分析服務

自動傾翻和渣面分析利用了機器視覺圖像處理技術。利用卷積神經網絡模型對圖片進行處理，實現非負矩陣分解的效果，完成特征提取。該模型先用于自動傾翻過程判定是否傾翻到位，后用于對包口范圍進行脫硫渣分析，指導扒渣過程。

2.3.2神經網絡關系擬合服務

設計神經網絡模型，實現多維數據的關系擬合。網絡模型以全連接網絡模型為基礎，設計大型網絡以適配更為復雜的關系擬合場景。后通過模型壓縮，降低模型參數數量從而降低模型復雜度，在提升性能、降低存儲、改善計算和存儲資源消耗的同時，可以有效的避免模型過擬合，使模型貼近場景的同時，依然保持較好的數學關系和機理模型性質，具備更好的場景泛化能力。模型訓練方面，在梯度下降法的基礎上，引入動量和自適應學習率調整等方法，加快訓練速度，并有效提高訓練終點為最優擬合結果的成功率。

本方案利用神經網絡關系擬合模型，具體完成了傾翻終點預測和像素坐標轉換。利用兩個分析結果，實現了對控制精度的大幅度優化，使本方案兼具了廣泛的推廣性和優異的控制性能。

（1）傾翻終點預測

在自動傾翻控制時，因為相機的安裝位置，影響了完全機器視覺方案控制傾翻到位的實際精度。分析的實際停止傾翻時刻，鐵包已經處于臨灑鐵位置，此時突然停止鐵包傾翻運行，會導致其中的鐵水因慣性溢出包口，造成設計外的灑鐵，導致鐵損的升高。同時，灑鐵會造成安全防護報警，從而中斷本次自動扒渣流程。因此，設計實現一套預測傾翻終點的模型來支持自動傾翻控制。

考慮包口受到粘渣影響，距離傳感器曲線高點可能并非是實際的鐵包包口凈空值，而實粘渣突出的位置，因此取高點值附近一段曲線，并選取其低點值作為包口凈空的測量值。

（2）像素坐標轉換

在進行扒渣控制時，核心是進行坐標轉換。將圖像上的像素坐標轉換成為實際位置的地理坐標，并進一步將實際位置的地理坐標轉換為扒渣臂控制的傳感器目標值，從而達到最終的控制扒渣臂的目的。但因為相機斜拍的原因，要確定第一步目標地理坐標的基準坐標系，需要借助標定工具完成。而在實際現場中，對包口區域進行標定范圍過大且中空，這對標定板制作和現場安裝找平等都造成了困難。因此設計使用神經網絡實現像素坐標轉換模型來解決該問題。

本模型將圖像分析結果指定的扒渣臂應抵達位置的像素坐標（x,y），轉換為控制扒渣臂抵達該位置時扒渣機轉動編碼器目標值E_r、扒渣機伸縮距離傳感器目標值S_d。

2.3.3智能控制服務

結合圖像分析和數值分析結果。控制自動傾翻和智能扒渣。

（1）自動傾翻過程

利用傾翻終點預測模型進行傾翻控制，流程如下：

[基于傾翻終點預測模型進行自動傾翻控制流程]

STEP1-4：與數據積累流程相同；

STEP5：確認啟動自動傾翻；

STEP6：通過傾翻終點預測模型，根據H_l、H_i預測終點拉繩傳感器值；

STEP7：控制程序控制鐵包開始傾翻；

STEP8：當拉繩傳感器值達到時，停止傾翻。

為了防止因粘渣導致包口凈空測量錯誤，保留完全機器視覺方案中的灑鐵保護功能。在傾翻過程中，若拉繩傳感器值達到前，接到灑鐵保護報警，則立刻停止傾翻并執行鐵包復位，同時進入手動模式交由扒渣工進行后續操作。

（2）智能扒渣控制

結合圖像分析給出的渣面分布結果、智能路徑規劃給出的具體坐標和像素坐標轉換給出的控制目標值，進行扒渣控制。具體步驟如下：

[基于像素坐標轉換模型控制自動扒渣流程]

STEP1：開始自動扒渣

STEP2：While扒渣量未達到要求：

STEP2.1：利用機器視覺方法分析渣面分布情況；

STEP2.2：根據渣面分布，選取要進行扒渣的位置；

STEP2.3：通過像素坐標轉換模型，將扒渣位置的像素坐標x、y，轉換為轉動編碼器目標值E_r和伸縮距離傳感器目標值S^d；

STEP2.4：控制扒渣臂移動，使轉動編碼器值e_r達到E_r，伸縮距離傳感器值s_d達到S_d，移動期間調整扒渣臂俯仰，使扒渣臂到達目標位置時，扒渣板探入渣面一定深度；

STEP2.5：控制扒渣臂回到包口位置，完成本輪扒渣動作。

2.4　數據通信

主要數據通信鏈路包含算法服務器、成像硬件系統、測量和控制硬件系統以及扒渣機等四方。算法服務器與兩個硬件系統進行直接數據通信，完成數據獲取和分析結果輸出。結果為控制信號，發送給測量與控制系統的PLC，最終執行扒渣臂的自動控制。

2.5　安全措施

2.5.1設備安全措施

（1）在設備部署的施工過程中，做好設備防護工作，確保必要的工作環境條件得以滿足。

（2）規范施工操作流程，確保施工質量達標。

（3）定期進行設備檢查，及時發現設備問題。

（4）設備附近按照規定，張貼設備說明告示版，危險警告標識等必要的通知、警告標志。

2.5.2網絡安全措施

（1）做好遠程訪問保護，如主機系統關閉對外密碼遠程登錄功能并以授權密鑰的方式進行遠程身份驗證、數據庫訪問設置有限權限的遠程訪問等安全設置，盡可能杜絕遠程連接安全風險。

（2）采用專業協議與PLC和相機進行通信，通信固定IP和端口，防止非法的鏈接和數據傳輸。

（3）采用HTTPS協議實現網絡通信，構建本地證書體系，實現安全的數據加密。

（4）HTTP接口方面，原則上所有接口需在用戶權限下進行訪問，以確保操作日志完整性。

2.5.3數據安全措施

（1）進行完整、合規、符合必要范式要求的數據結構設計和約束設計，強制要求必要的數據完整性。

（2）合理使用事務機制，以保證數據具有充分的完整性。

（3）在界面操作時和接口調用時，分別對數據進行必要的校驗和判斷，確保數據合法、合理。

（4）定期進行數據分析，從時間戳、數據重復等方面，加強數據整體判斷，及時發現問題并結合日志等歷史數據定位問題原因，及時解決數據錯誤，優化數據完整性并避免問題再次發生。

2.5.4控制安全措施

設計完整的過程控制異常處理機制，針對異常灑鐵、扒渣臂頂包、扒渣臂卡包口等情況，進行不間斷檢測，并進行＜1s的快速響應。灑鐵方面，在傾翻時，監控包口下方漏液情況；扒渣臂頂包和卡包口則實時檢測扒渣臂運動數據，發現數據異常的長時間（＜200ms）未變化，則認為機械臂異常。發現異常情況，立即進行制定好的安全復位流程，提示并切換為人工操作模式。

3　代表性及推廣價值

本方案經過近三年的現場實踐和調整，發現問題、總結問題、解決問題，最終讓智能扒渣系統滿足了試點鋼廠較為苛刻的安裝條件限制，并保證智能扒渣運行效果。總結實施經驗和軟硬系統協同工作邏輯和關鍵限制條件，切實有效地放寬了設備安裝方面的限制要求，使這套方案可以適配更加廣泛的應用場景，具有更強的推廣能力。

在效能提升和節能減耗方面，通過人工智能的方法，對人工扒渣動作進行分析，學習主要扒渣流程。同時對扒渣控制進行細致微調，在原有扒渣效果的基礎上，進一步減少扒渣過程中產生的鐵損，降低了原料的損耗；同時可以更嚴格細致的控制扒渣過程的動作精度，從而更有效地節省扒渣過程的持續時間，使扒渣結束時，鐵水可以維持更高的溫度，為下一步的煉鋼過程節約升溫所需要的氧氣成本和相關能源。

摘自《自動化博覽》2024年4月刊