[发明专利]非停炉高炉焦炭粒度降解在线监测及评价方法和系统

权利要求书

1.一种非停炉高炉焦炭粒度降解在线监测及评价方法，其特征在于，所述方法包括：

S1、在非停炉状态下获取入炉前焦炭的二维和三维图像，识别焦炭的三维尺寸，得到入炉前焦炭的第一粒径分布；

S2、在非停炉状态下获取高炉风口回旋区焦炭的二维图像，根据焦炭的运行轨迹分离出来自于炉体上部的焦炭，并识别焦炭的二维尺寸，得到风口回旋区的来自于炉体上部的焦炭的第二粒径分布；

S3、根据步骤 S1、S2 得到的第一粒径分布、第二粒径分布，以及同一冶炼周期内的冶炼参数，回归分析确定所述冶炼参数与所述第一粒径分布、第二粒径分布之间的关联关系；

S4、根据步骤 S3 得到的所述关联关系，评价不同类型的焦炭在不同高炉冶炼参数下粒度的降解等级；

步骤S1 的具体方法包括：

S1.1 对入炉前位于高炉上料主皮带上的焦炭，采用多光谱面阵彩色相机及相应的光源采集入炉前焦炭图像；其中近红外 NIR 通道用于焦炭粒度二维检测，可见光通道红、绿和蓝三个光源用于线结构光焦炭粒度三维检测；

S1.2 处理焦炭二维监测时，采用基于标记符控制的分水岭分割算法对粘连颗粒区域进行分割，在分割过程预处理中加入焦炭常见粒度范围的限定条件，限制局部小区域的产生，实现焦炭粘连颗粒的分割；采用基于深度学习的卷积神经网络 CNN 识别焦炭非粘连区域二维粒度边界，应用最小拟合椭圆法对焦炭长轴直径及短轴直径的二维尺寸进行表征；对焦炭根据二维尺寸进行分类及定位，得到不同类别焦炭的二维粒度分布及区域；

S1.3 处理焦炭三维监测时，采用光条中心线提取算法提取三条结构光光条中心线，将非连续中心线采用图像拼接算法使之连续；并采用 Delaunay 三角剖分法实现焦炭粒度三维重建，进而得到焦炭的三维粒度分布；

S1.4 将步骤 S1.2 的焦炭二维粒度分布，与步骤 S1.3 的焦炭三维粒度分布通过多光谱多通道图像的时序进行匹配，以该焦炭的平均当量直径得出所述第一粒径分布；

步骤S2 的具体方法为：

S2.1 采集不喷煤风口回旋区焦炭图像；

S2.2 通过视频流分析及图像处理，分析某颗焦炭在相邻帧图像中的相对位置，以得出焦炭进入风口回旋区的途径及运动轨迹；以从风口上方进入回旋区的焦炭为作为粒度降解的焦炭，风口底部进入回旋区的焦炭则不计入焦炭粒度统计范围；

S2.3 通过构建基于卷积神经网络的语义分割模型 FCN 进行正样本图像风口焦炭粒度识别，进而得到焦炭的平均当量直径为所述第二粒径分布；

其中，步骤S1 中的入炉前焦炭，与步骤 S2 中的风口回旋区的焦炭为同一批次焦炭，读取高炉布料参数和工艺参数，计算得出每一批次焦炭从入炉到回旋区所用的实际时间；

步骤S2 中，当获取高炉风口回旋区焦炭的二维图像时，关闭喷煤枪，使风口成为无煤粉云遮挡的采集风口。

2.如权利要求 1 所述的非停炉高炉焦炭粒度降解在线监测及评价方法，其特征在于，步骤S1.1 中，多光谱面阵彩色相机安装具有防尘功能的保护罩及氮气冷却装置。

3. 如权利要求 1 所述的非停炉高炉焦炭粒度降解在线监测及评价方法，其特征在于，步骤S3 中，所述冶炼参数包括风温、压差、风量和冶炼强度。

4. 如权利要求 1 所述的非停炉高炉焦炭粒度降解在线监测及评价方法，其特征在于，步骤S3 中，通过构建基于数据挖掘及卷积神经网络的数据驱动型焦炭粒度降解模型，分析不同风温、压差、风量、冶炼强度对焦炭粒度降解的影响，确定所述冶炼参数中的主要影响因素。