[发明专利]钢包表面故障诊断方法及设备

说明书

本发明的目的是提供一种钢包表面故障诊断方法及设备，本发明克服了现有技术的不足，提高钢包表面故障自动检测精度，特别针对提升对微小故障检出率，同时保证钢包表面故障检测效率。本发明没有像现有技术中使用缺陷数据，本发明是利用拟合得到的温度趋势曲线，计算温度正常值区间，通过区间范围来判断钢包是否正常，避免的正负样本不均衡的问题。

技术领域

本发明涉及一种钢包表面故障诊断方法及设备。

背景技术

钢包一般是指钢水包，用于炼钢厂、铸造厂在平炉、电炉或转炉前承接钢水、进行浇注作业。钢包在运行过程中，因长期与高温钢水及炉渣接触，将会导致钢包内衬的使用寿命缩短。根据经验，钢包倒渣面(包壁)、耳轴位置和钢包底部位置容易出现故障。如果这三处发生故障，会严重影响钢包安全性能，严重的会引起钢水飞溅和钢包破裂，因此对钢包表面质量进行实时监测具有重大意义。目前常用的检测方式是使用测温枪进行单点温度检测，通过检测钢包重要部位的温度判断是否需要修包。但这种手段需要人员在现场进行检测，降低了检测人员人身安全系数。同时钢包检测面临几大挑战：

1、故障诊断准则不一，由于同一钢包不同部位具有不同的外表面温度；

2、正负样本不均衡，钢包损坏具有概率低危害大的特点，且制作故障样本代价昂贵，因此具有故障的钢包样本极少。

发明内容

本发明的一个目的是提供一种钢包表面故障诊断方法及设备。

根据本发明的一个方面，提供了一种钢包表面故障诊断方法，该方法包括：

步骤1：利用热像仪检测钢包获得包含温度信息和部位的位置的信息的钢包的全辐射热像图，由所述全辐射热像图转换得到灰度图，基于所述灰度图构建钢包检测的数据集，所述数据集包括训练集、验证集和测试集；

步骤2：根据所述数据集中的钢包的各部位的真实框计算得到检测所需的先验框；

步骤3：基于钢包检测数据集构建改进的SSD网络模型；

步骤4：利用所述训练集、验证集和先验框训练所述改进的SSD网络模型，得到训练好的SSD网络模型；

步骤5：将所述测试集输入训练好的SSD网络模型进行预测，基于预测结果对训练好的SSD网络模型进行评价，若对训练好的SSD网络模型评价合格，则转到步骤6，若评价不合格，重复步骤3～5；

步骤6：将所述钢包的全辐射热像图输入训练好的SSD网络模型，对钢包的各部位进行定位，进而获得钢包的不同部位的温度；

步骤7：利用获得的钢包的不同部位温度，构建钢包不同部位温度趋势数据集；

步骤8：基于钢包的不同部位的温度趋势数据集的数据量的大小，构建BP神经网络；

步骤9：利用钢包的不同部位的温度趋势数据集训练和评价所述BP神经网络，以拟合得到温度趋势曲线；

步骤10：利用拟合得到的温度趋势曲线，计算温度正常值区间；

步骤11：将待检测的钢包的全辐射热像图换转为灰度图输入训练好的SSD网络模型，对待检测的钢包的各部位进行定位，进而获得待检测的钢包的不同部位的温度，基于待检测的钢包的不同部位的温度是否在所述温度正常值区间内，判断所述待检测的钢包是否故障。

进一步的，上述方法中，步骤1，构建钢包检测的数据集包括：

在所述数据集标记钢包的部位和对应的位置，其中，所述部位包括：钢包的包沿、出水口、包壁、耳轴和底部各部位，钢包的包壁、耳轴和底部是故障诊断的区域，而钢包的包沿和出水口是诊断时避开的位置。

进一步的，上述方法中，步骤2：根据所述数据集中的钢包的各部位的真实框计算得到检测所需的先验框，包括：