鋼鐵生產(chǎn)過程中,燒結(jié)是為高爐煉鐵提供原料的重要環(huán)節(jié),用燒結(jié)法生產(chǎn)燒結(jié)礦不僅解決了貧礦煉鐵問題,同時還改善了含鐵原料的冶金性能,使高爐生產(chǎn)指標和經(jīng)濟效益均得到明顯提高。燒結(jié)礦FeO的含量是燒結(jié)生產(chǎn)的一項綜合性指標,它代表了燒結(jié)礦的還原性。對燒結(jié)礦FeO含量的判斷,對指導燒結(jié)生產(chǎn)有著重要的意義。本文綜述了燒結(jié)工藝機理,分析了燒結(jié)過程中FeO的產(chǎn)生機理以及影響FeO含量的因素。將機器視覺技術(shù)引入燒結(jié)礦FeO含量的判斷中,研究了基于機器視覺的燒結(jié)礦FeO含量判斷的方法,研究了燒結(jié)機尾斷面圖像采集方法,研究了燒結(jié)機尾斷面圖像的表達、灰度化、增強、分割等圖像預處理方法。重點研究了基于顏色特征和形狀特征的燒結(jié)機尾斷面圖像特征信息提取方法。本文提出一種以“先定級、后定量”為基本思路的燒結(jié)礦FeO含量兩級判斷方法。在只需要定性分析FeO含量等級的情況下,基于模糊推理,根據(jù)提取到的燒結(jié)機尾斷面的圖像特征信息,采用紅火區(qū)亮度、紅火區(qū)面積、紅火區(qū)重心縱坐標為模糊系統(tǒng)輸入,燒結(jié)礦FeO含量為模糊系統(tǒng)輸出,實現(xiàn)了 FeO含量的模糊分級。對生產(chǎn)指標要求較高、需要定量分析FeO含量的情況,依據(jù)分級結(jié)果,針對三個不同的等級,分別建立三個可判斷FeO含量的神經(jīng)網(wǎng)絡(luò)模型,選取燒結(jié)機尾斷面圖像的七階不變矩和對FeO含量影響較大的料層厚度、燃料配比、混合水分、堿度四個燒結(jié)工藝參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入,以FeO含量為神經(jīng)網(wǎng)絡(luò)輸出,實現(xiàn)了對燒結(jié)礦FeO含量的準確判斷。仿真實驗,驗證了燒結(jié)礦FeO含量兩級判斷的可行性、有效性和優(yōu)越性。
【學位單位】：東北大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：TP391.41;TF046.4
【部分圖文】：

維持燃燒過程和燒結(jié)過程的持續(xù)進行。??燒結(jié)機由給料裝置、點火裝置、傳動裝置、軌道、臺車、風箱、密封裝置、機架等??構(gòu)成，如圖２．１所示。燒結(jié)機的工作過程是，由傳動裝置驅(qū)動的燒結(jié)機頭部星輪做連續(xù)??的轉(zhuǎn)動，將臺車由下部軌道經(jīng)頭部彎道抬到上部水平軌道，星輪齒板繼續(xù)推動臺車卡輪，??由于星輪不停的轉(zhuǎn)動，連續(xù)地推動下一個被抬到上水平軌道的臺車卡輪，這樣就形成了??在上水平軌道后臺車推動前臺車，使整個上臺車列向燒結(jié)機機尾方向運動；當臺車到達??燒結(jié)機尾部時，在尾部星輪齒板和尾部彎道的控制下卸下燒結(jié)礦。在尾部星輪上，由于??臺車自重以及臺車內(nèi)部分燒結(jié)礦的存在使得對星輪中心產(chǎn)生一個較大的力矩，該力矩作??用的直接效果是在尾部星輪齒板和剛剛經(jīng)過尾部彎道擺平進入下部水平軌道的臺車卡??輪之間產(chǎn)生一個使該臺車向頭部星輪運動的推力，這一推力使得該臺車追趕上前面的臺??車列，一起經(jīng)下部水平軌道向頭部星輪運動；由于尾部星輪的轉(zhuǎn)動，使得齒板又推動下??一個剛擺平的臺車卡輪

研究??３．１機尾斷面圖像采集??本文采用在燒結(jié)機尾斷面架設(shè)ＣＣＤ攝像機的方法獲取圖像的方法如圖３．１所示，并??將攝像機獲取到的圖像傳輸?shù)接嬎銠C中。??ｋ?￣ｒｒ－ＴＴｉ??Ｖ—??—?觀扮孔?’??ｍ，?ｉ?；?ｉ＼?扒???一?ｍ??斷…．邊？—＾??Ｉｆｌｌ?Ｉ??ｔｉＵ?ｔ??．＇／加】水ｌ??圖３．１燒結(jié)機尾斷面圖像采集??Ｆｉｇ．３．１?Ｉｍａｇｅ?ｃｏｌｌｅｃｔｉｏｎ??從燒結(jié)的過程圖中可以看出，觀察機尾斷面，燒結(jié)礦是處于下降狀態(tài)并會產(chǎn)生斷裂??掉落。紅火層從最高處出現(xiàn)，其位置不斷下移，當處于較低水平時，由于燒結(jié)礦自身重??力原因，將斷裂下落，此時也是下一個過程的幵始。值得注意的是，在上個斷面剛掉落??的時候，會伴隨著大量灰塵的揚起，使得圖像模糊陰暗，穩(wěn)定一段時間后，灰塵落下，??圖像重新變的清晰。??看火工人在觀察斷面時，有著自己的一套經(jīng)驗標準，他們會根據(jù)某一時刻的較為清??晰的斷面作為判斷的憑證，機尾斷面圖像采集就是要機器能從每個過程中選取這樣的斷??面圖像

圖３．２燒結(jié)機尾斷面圖??Ｆｉｇ．３．２?Ｔａｉｌ?Ｓｅｃｔｉｏｎ?Ｉｍａｇｅ??圖３．２是一幅機尾斷面圖，從圖中可以清楚的觀測到三個燒結(jié)礦組成部分：黑火層、??紅火層和氣孔。黑火層是燃燒己經(jīng)結(jié)束部分，在圖像中程暗紅色，由于加裝了濾光片的??原因，黑火層在斷面圖像中亮度較弱，難以與背景圖像區(qū)分。紅火層是圖像中較亮的部??分，是正在燃燒的部分，主要以紅色為主，紅火層一般在燒結(jié)礦下部。而氣孔是紅火層??中溫度較高部，呈現(xiàn)出橙色和白色。爐篦在圖中不能直接觀察，由于燒結(jié)機尾封閉在一??個大鐵罩中，外界光線不能直接照射，背景呈黑色。??３．２機尾斷面圖像預處理??３．２．１圖像的表達??由計算機理論可知，信息要想被計算機接收和理解，要求這些信息在空間位置和數(shù)??值上都是數(shù)字化的。數(shù)字圖像指通過空間坐標采樣和灰度量化后的模擬圖像。圖像的空??間分辨率主要由采樣頻率的大小決定，而它的灰度分辨率則主要由量化的級別的高低所??決定。在一般應(yīng)用中
【相似文獻】

相關(guān)期刊論文 前10條

1 劉桂陽;;燒結(jié)礦品位堿度穩(wěn)定率的生產(chǎn)實踐[J];漣鋼科技與管理;1997年06期

2 晉明平;;著力工藝管理 穩(wěn)定燒結(jié)礦堿度[J];南鋼科技;2000年04期

3 張志剛;沈小峰;劉仕斌;吳孟愷;;提高4號機燒結(jié)礦一級率的生產(chǎn)實踐[J];梅山科技;2016年03期

4 蔣建華;;燒結(jié)礦“白點”危害及處理[J];南鋼科技與管理;2007年04期

5 宋強;張運素;;基于多傳感器數(shù)據(jù)融合技術(shù)的燒結(jié)礦堿度預報與仿真[J];自動化與儀表;2017年08期

6 萬文余;鐘婧;李浩鳴;;新(余)鋼降低燒結(jié)礦堿度的實踐[J];燒結(jié)球團;2010年02期

7 閆利娥;;提高太鋼燒結(jié)礦堿度穩(wěn)定性的研究與實踐[J];燒結(jié)球團;2009年04期

8 宋強;鮑雅萍;李華;;燒結(jié)礦堿度預測中的多傳感器信息融合技術(shù)[J];計算機測量與控制;2008年12期

9 姚楨;周東鋒;黃保靜;;燒結(jié)礦堿度與廢氣溫度和抽風負壓的相關(guān)分析[J];河南冶金;2007年04期

10 韓巧玲;降低燒結(jié)礦堿度 提高燒結(jié)礦入爐比[J];山西冶金;2001年03期

相關(guān)博士學位論文 前2條

1 肖志新;低質(zhì)鐵礦燒結(jié)成礦機理及配料結(jié)構(gòu)研究[D];武漢科技大學;2018年

2 郭玉峰;MgO抑制燒結(jié)礦低溫還原粉化的成礦機理研究[D];北京科技大學;2018年

相關(guān)碩士學位論文 前10條

1 高立超;秘魯鐵礦對京唐鋼鐵公司燒結(jié)生產(chǎn)過程的影響[D];華北理工大學;2018年

2 趙宴崇;利用預還原提高釩鈦磁鐵燒結(jié)礦強度的研究[D];華北理工大學;2018年

3 張兆磊;基于機器視覺的燒結(jié)礦FeO含量判斷方法研究[D];東北大學;2015年

4 袁致強;基于深度置信網(wǎng)絡(luò)的燒結(jié)礦化學成分預測模型研究[D];武漢科技大學;2018年

5 郭曉影;提高燒結(jié)礦堿度穩(wěn)定率的研究[D];東北大學　;2009年

6 方飛;燒結(jié)礦及高爐料柱性質(zhì)研究[D];華北理工大學;2017年

7 唐凌劍;穩(wěn)定燒結(jié)礦堿度的研究[D];遼寧科技大學;2016年

8 李秀;釩鈦粉燒結(jié)工藝參數(shù)優(yōu)化實驗研究[D];華北理工大學;2017年

9 張瑞敏;津西鋼鐵含鐵原料燒結(jié)基礎(chǔ)性能和燒結(jié)配礦方案的研究[D];華北理工大學;2017年

10 馬瑞彪;卡拉加斯粉對天柱鋼鐵燒結(jié)和高爐冶煉過程的影響[D];華北理工大學;2017年

本文編號：2837968