高冰,廖相巍,柴明亮,趙成林,王麗娟
(1.海洋裝備用金屬材料及其應(yīng)用國(guó)家重點(diǎn)實(shí)驗(yàn)室,遼寧 鞍山 114009;2.鞍鋼集團(tuán)鋼鐵研究院,遼寧 鞍山 114009)
鋼包又稱大包,是用于盛放鋼液并進(jìn)行精煉和澆注的容器,由外殼、內(nèi)襯和鑄流控制機(jī)構(gòu)三部分組成[1]。鋼包使用過(guò)程中,鋼包內(nèi)襯與鋼水和熔渣接觸,并經(jīng)歷多個(gè)循環(huán)階段,每個(gè)階段由于鋼水液位、鋼水溫度以及受力載荷的變化,會(huì)產(chǎn)生交替的溫度應(yīng)力、機(jī)械載荷應(yīng)力和機(jī)械沖擊,從而造成耐火材料的損毀。煉鋼過(guò)程中各生產(chǎn)工序都是由鋼包有機(jī)聯(lián)系起來(lái)的,通過(guò)對(duì)鋼包的動(dòng)態(tài)監(jiān)測(cè)、位置跟蹤、作業(yè)管理等來(lái)建立合理的鋼包周轉(zhuǎn)模式,指導(dǎo)鋼包在參與煉鋼生產(chǎn)時(shí)優(yōu)化選配調(diào)度,為實(shí)現(xiàn)高效連鑄提供有力保障。
目前,鋼包狀態(tài)主要依靠人工檢查和經(jīng)驗(yàn)判斷,主觀因素對(duì)判定結(jié)果的影響較大,有些存在于邊緣位置的熔損缺陷不能及時(shí)發(fā)現(xiàn),存在鋼包漏檢甚至漏鋼的安全隱患。操作人員為了保證生產(chǎn)安全,發(fā)現(xiàn)熔損缺陷時(shí),會(huì)提前下線鋼包進(jìn)行維修,不利于節(jié)約鋼包耐材。常規(guī)的判包方式無(wú)法對(duì)鋼包狀態(tài)信息進(jìn)行有效積累,不利于提高鋼包周轉(zhuǎn)率,生產(chǎn)效率較低。
基于物聯(lián)網(wǎng)、機(jī)器視覺(jué)、云計(jì)算與深度學(xué)習(xí)的智能鋼包系統(tǒng)可以實(shí)現(xiàn)鋼包實(shí)時(shí)狀態(tài)的監(jiān)測(cè)與信息反饋,建立合理的鋼包周轉(zhuǎn)模式[2-3],會(huì)很好的判斷鋼包狀態(tài)。機(jī)器視覺(jué)與深度學(xué)習(xí)相結(jié)合,實(shí)現(xiàn)鋼包內(nèi)襯圖像的自動(dòng)化采集,并對(duì)內(nèi)襯圖像識(shí)別從而判定鋼包內(nèi)襯熔損程度,為生產(chǎn)提供輔助決策。
智能鋼包系統(tǒng)架構(gòu)如圖1所示。
如圖1所示,系統(tǒng)實(shí)時(shí)采集鋼包等設(shè)備信息,包括鋼包位置信息,鋼包內(nèi)襯圖像信息,鋼包外壁溫度信息,過(guò)程參數(shù),鋼溫、鋼種、冶煉工藝和各階段調(diào)度實(shí)際開(kāi)始和結(jié)束時(shí)間等生產(chǎn)信息。在運(yùn)算平臺(tái)上基于機(jī)器視覺(jué)以及深度學(xué)習(xí),進(jìn)行數(shù)據(jù)模型與機(jī)理模型的組合訓(xùn)練,最終在應(yīng)用平臺(tái)上實(shí)現(xiàn)設(shè)備信息可視化、設(shè)備故障診斷與分析、鋼包熔損預(yù)報(bào)以及生產(chǎn)輔助決策。
(1)實(shí)現(xiàn)鋼包物聯(lián)系統(tǒng)架構(gòu),通信中間件接收鋼包實(shí)時(shí)狀態(tài)數(shù)據(jù)信息;
(2)與生產(chǎn)管理系統(tǒng)建立互聯(lián),收集與反饋鋼包生產(chǎn)排程計(jì)劃信息和周轉(zhuǎn)調(diào)運(yùn)計(jì)劃信息;
(3)動(dòng)態(tài)計(jì)算鋼包耐材物性參數(shù)庫(kù)、機(jī)理模型等;
(4)為鋼包提供溫度實(shí)時(shí)監(jiān)測(cè)預(yù)警和鋼包內(nèi)襯殘厚管理;
(5)將實(shí)時(shí)采集的鋼包內(nèi)襯圖像信息進(jìn)行機(jī)器視覺(jué)識(shí)別并對(duì)鋼包熔損情況判定以及漏鋼預(yù)報(bào);
(6)基于深度學(xué)習(xí)算法實(shí)現(xiàn)鋼包生產(chǎn)排程計(jì)劃信息和周轉(zhuǎn)調(diào)運(yùn)計(jì)劃的輔助決策。
智能鋼包物聯(lián)監(jiān)測(cè)系統(tǒng)主要分為數(shù)據(jù)層、模型層、傳輸層以及決策層。數(shù)據(jù)層采集并存儲(chǔ)數(shù)據(jù),包括生產(chǎn)數(shù)據(jù)和訓(xùn)練數(shù)據(jù)庫(kù);模型層主要包括特征提取、目標(biāo)定位、目標(biāo)分類、訓(xùn)練以及模型輸出等組成部分;傳輸層用于連接數(shù)據(jù)層和決策層;決策層是生產(chǎn)環(huán)境的主要組成部分,包括存儲(chǔ)單元、數(shù)據(jù)可視化單元、預(yù)測(cè)與決策單元等。
2.1.1 鋼包定位與包號(hào)識(shí)別系統(tǒng)
鋼包監(jiān)測(cè)系統(tǒng)的激光光電開(kāi)關(guān)檢測(cè)到鋼包到達(dá)指定位置,掃描模塊獲取鋼包包號(hào),測(cè)距傳感器獲得精確位置,采集的數(shù)據(jù)上傳服務(wù)器,與原始數(shù)據(jù)進(jìn)行參數(shù)對(duì)比,做出判斷,給出提示和預(yù)警。包號(hào)識(shí)別與定位硬件系統(tǒng)示意圖如圖2所示。
圖2 包號(hào)識(shí)別與定位硬件系統(tǒng)示意圖Fig.2 Schematic Diagram for Ladle Number Identification and Positioning Hardware System
2.1.2 鋼包溫度檢測(cè)系統(tǒng)
鋼包溫度檢測(cè)系統(tǒng)由紅外測(cè)溫?zé)嵯駜x組成,對(duì)鋼包各面掃描并上傳到服務(wù)器端。鋼包裝完鋼水后,經(jīng)過(guò)檢測(cè)點(diǎn)再一次對(duì)鋼包外殼進(jìn)行掃描測(cè)溫,同時(shí)記錄時(shí)間間隔,對(duì)比兩次測(cè)溫?cái)?shù)據(jù),結(jié)合專家經(jīng)驗(yàn)系統(tǒng)判斷溫度是否異常,并發(fā)出預(yù)警提醒是否進(jìn)行鋼包維護(hù)。圖3為鋼包溫度檢測(cè)系統(tǒng)示意圖。
圖3 鋼包溫度檢測(cè)系統(tǒng)示意圖Fig.3 Schematic Diagram for Ladle Temperature Detection System
2.1.3 鋼包厚度測(cè)量與熔損識(shí)別系統(tǒng)
目前,記錄鋼包內(nèi)襯熔損基于人工判斷,采用攝像裝置,人工手動(dòng)拍攝獲取,照片的角度、色彩等不穩(wěn)定,可能有異物遮擋等,會(huì)導(dǎo)致模型訓(xùn)練抖動(dòng),不易收斂。同時(shí),數(shù)據(jù)樣本不足,且缺少由專家標(biāo)注的訓(xùn)練樣本。
基于激光測(cè)厚[4]設(shè)備以及機(jī)器視覺(jué)人工智能、機(jī)器視覺(jué)技術(shù)的智能缺陷解決方案可以很好的解決上述問(wèn)題?;诩す鉁y(cè)距原理的激光測(cè)厚儀在包役的重要罐次,鋼包的重點(diǎn)位置進(jìn)行鋼包內(nèi)襯厚度測(cè)量,通過(guò)數(shù)據(jù)融合的手段,結(jié)合機(jī)器視覺(jué),實(shí)現(xiàn)鋼包內(nèi)襯熔損缺陷智能識(shí)別判定以及鋼包的模型訓(xùn)練。圖4為激光測(cè)厚儀對(duì)鋼包內(nèi)襯進(jìn)行建模。
圖4 激光測(cè)厚儀對(duì)鋼包內(nèi)襯進(jìn)行建模Fig.4 Modeling for Ladle Lining by Laser Thickness Gauge
結(jié)合模型所獲得的鋼包內(nèi)襯圖像,并針對(duì)不同的熔損類型和損壞程度進(jìn)行說(shuō)明。對(duì)鋼包圖像進(jìn)行熔損標(biāo)注,并將鋼包內(nèi)襯圖像傳入模型進(jìn)行機(jī)器視覺(jué)學(xué)習(xí)、訓(xùn)練,最終可完成模型的開(kāi)發(fā)與優(yōu)化,并不斷提高識(shí)別率。
鋼包轉(zhuǎn)運(yùn)過(guò)程中進(jìn)行數(shù)據(jù)收集與整理,根據(jù)歷史數(shù)據(jù)對(duì)鋼包的熱損失和中間包溫度進(jìn)行預(yù)測(cè)與判斷,并將信息提供給操作人員,進(jìn)行輔助決策。澆注溫度不穩(wěn)定會(huì)導(dǎo)致一系列不良后果,對(duì)影響澆注溫度的各個(gè)因素進(jìn)行分析與量化,采集鋼包各段工藝的數(shù)據(jù),基于深度學(xué)習(xí)建立溫度預(yù)測(cè)模型,有助于提高鑄坯質(zhì)量,提升生產(chǎn)效率。
智能化鋼包系統(tǒng)實(shí)施的基礎(chǔ)是鋼包的必要資料、實(shí)時(shí)狀態(tài)、履歷信息、技術(shù)檔案等信息的數(shù)值化、信息化和可靠云存儲(chǔ),以及這些信息在互聯(lián)網(wǎng)和移動(dòng)端的互聯(lián)互通。鋼包的歷史數(shù)據(jù)需要從以下工藝階段采集:鋼包預(yù)熱、電弧爐和鋼包冶金爐冶煉、澆注、整備。這些數(shù)據(jù)主要包括:每一個(gè)鋼包的歷史基礎(chǔ)數(shù)據(jù)(包括鋼包厚度、包壁侵蝕速率、包壁溫度、是否有包蓋等);鋼包全流程實(shí)時(shí)熱狀態(tài);鋼包實(shí)時(shí)位置跟蹤;澆注通鋼量-澆注速度:鋼溫、鋼種、冶煉工藝和各階段調(diào)度實(shí)際開(kāi)始和結(jié)束時(shí)間等生產(chǎn)信息;鋼包的物理模型、耐材結(jié)構(gòu)設(shè)計(jì)圖紙;鋼包各種耐材物性參數(shù)和理化指標(biāo);供應(yīng)商信息;各測(cè)量傳感器安裝位置、插入深度等信息。
基于如上準(zhǔn)確采集的數(shù)據(jù)信息進(jìn)行系統(tǒng)模型的設(shè)計(jì)與優(yōu)化。首先,建立輸入變量與期望輸出數(shù)據(jù)關(guān)系,深入研究鋼包系統(tǒng)熱損失,并進(jìn)行評(píng)估,確定影響鋼包熱損失的主要因素,將這些影響鋼包溫度的行為因素定義為輸入變量。
機(jī)器學(xué)習(xí)需要對(duì)數(shù)據(jù)進(jìn)行清洗,以創(chuàng)建一個(gè)合適的數(shù)據(jù)結(jié)構(gòu),通過(guò)上述裝置獲得的數(shù)據(jù)信息用于模型研究、功能驗(yàn)證和測(cè)試,分別被歸類到訓(xùn)練集、驗(yàn)證集和測(cè)試集中去[5]。
經(jīng)過(guò)數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型性能評(píng)價(jià)、結(jié)果評(píng)價(jià)與誤差驗(yàn)證,最終得到鋼包預(yù)測(cè)結(jié)果,實(shí)現(xiàn)鋼包狀態(tài)智能識(shí)別,全周期運(yùn)維的數(shù)據(jù)化和信息化,鋼水成分、溫度等生產(chǎn)工藝信息可視化,煉鋼生產(chǎn)和鋼包生產(chǎn)排程計(jì)劃信息輔助決策,形成鋼包內(nèi)襯耐材監(jiān)測(cè)數(shù)據(jù)庫(kù),從而提高煉鋼生產(chǎn)的穩(wěn)定性與產(chǎn)品質(zhì)量。
智能制造概念的提出,使其在鋼鐵行業(yè)尤其成為必然的趨勢(shì),利用信息化技術(shù)可以有效降低成本,提高產(chǎn)品質(zhì)量?;跈C(jī)器學(xué)習(xí)與深度學(xué)習(xí),利用歷史數(shù)據(jù),實(shí)時(shí)在數(shù)據(jù)反饋中創(chuàng)建相關(guān)性,實(shí)現(xiàn)流程的預(yù)測(cè)與優(yōu)化。在鋼鐵行業(yè)中的鋼包處理工作流程中,結(jié)合專業(yè)技能,利用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)設(shè)計(jì)的模型決策,能夠動(dòng)態(tài)調(diào)整連鑄工藝參數(shù),可以顯著提高煉鋼生產(chǎn)的穩(wěn)定性與產(chǎn)品質(zhì)量。