日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

1、方案背景與目標(biāo)

1.1 生產(chǎn)現(xiàn)場(chǎng)現(xiàn)狀

在煉鋼脫硫扒渣工序，國(guó)內(nèi)不同鋼鐵生產(chǎn)廠的工況差異較大。雖然工業(yè)自動(dòng)化已經(jīng)推動(dòng)了多年，但在煉鋼扒渣領(lǐng)域，自動(dòng)化水平參差不齊，差異較大。一些工廠內(nèi)，完成了遠(yuǎn)程扒渣改造，即通過在現(xiàn)場(chǎng)架設(shè)攝像機(jī)，將視頻圖像及控制信號(hào)連接到遠(yuǎn)離扒渣現(xiàn)場(chǎng)的操作室內(nèi)，操作工看著屏幕控制扒渣機(jī)進(jìn)行扒渣動(dòng)作。

目前，僅有有限的幾家工廠，正在進(jìn)行或完成了幾個(gè)試點(diǎn)扒渣位的自動(dòng)扒渣改造。但經(jīng)了解，這些改造方案，對(duì)于相機(jī)架設(shè)的位置，都做了較為嚴(yán)格的限制，都要求相機(jī)安裝在鐵包正前方的高出，距離要求相對(duì)較近。這樣的限定使得拍攝到的包口圖像可以呈現(xiàn)較為規(guī)整的正圓，期內(nèi)鐵水頁面清晰，包壁對(duì)內(nèi)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(shí)也限制了推廣的便捷性。經(jīng)過調(diào)研，很多鋼廠的扒渣位并沒有預(yù)留出如此好的拍攝位置。有的是拍攝位置被其他設(shè)備占用，有的是拍攝位置不易安裝新設(shè)備。在這些扒渣位，上述方案無法直接實(shí)施部署。

1.2 本方案解決問題

1) 重新制定相機(jī)安裝位置方案，制定拍攝效果新標(biāo)準(zhǔn)，降低對(duì)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(duì)滿足新標(biāo)準(zhǔn)的拍攝條件，設(shè)計(jì)算法解決在其環(huán)境下的智能扒渣控制問題。主要包括自動(dòng)傾翻控制、自動(dòng)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(xiàn)場(chǎng)具備較好的鐵損控制。

3) 通過對(duì)控制參數(shù)的精度優(yōu)化，提升扒渣過程執(zhí)行效率和控制控制精度，從而達(dá)到降低扒渣過程鐵損和提升扒渣控溫能力的效果。

本方案主要技術(shù)目標(biāo)

1)自動(dòng)傾翻：通過軟件程序控制鐵水包自動(dòng)傾翻到合適的角度，使扒渣階段可以輕松的將鐵渣扒出包口不受阻礙；

2)智能扒渣：通過機(jī)器視覺方法分析鐵水包內(nèi)頁面鐵渣分布情況，智能規(guī)劃扒渣路徑，并將像素坐標(biāo)轉(zhuǎn)換給出精確的扒渣位置控制坐標(biāo)。

3)整體架構(gòu)：系統(tǒng)整體架構(gòu)包括：成像硬件系統(tǒng)、測(cè)量和控制硬件系統(tǒng)、數(shù)據(jù)存儲(chǔ)、機(jī)器視覺圖像分析服務(wù)、神經(jīng)網(wǎng)絡(luò)關(guān)系擬合服務(wù)、智能控制服務(wù)、系統(tǒng)應(yīng)用服務(wù)以及貫穿以上幾個(gè)部分的數(shù)據(jù)總線、接口服務(wù)以及監(jiān)控管理。機(jī)器視覺圖像分析服務(wù)用于提供基于圖像的分析結(jié)果；神經(jīng)網(wǎng)絡(luò)關(guān)系擬合服務(wù)用于進(jìn)行數(shù)值數(shù)據(jù)分析和預(yù)測(cè)；智能控制服務(wù)根據(jù)這兩個(gè)服務(wù)的分析結(jié)果，進(jìn)行智能扒渣控制的中控，并針對(duì)異常情況進(jìn)行及時(shí)處理。系統(tǒng)應(yīng)用服務(wù)提供了扒渣實(shí)時(shí)情況的展示，包括當(dāng)前包信息、實(shí)時(shí)扒渣畫面、實(shí)時(shí)分析效果、扒渣量曲線、狀態(tài)監(jiān)控等，可以查看扒渣歷史情況記錄。

2、方案詳細(xì)介紹

2.1平臺(tái)架構(gòu)

平臺(tái)整體架構(gòu)包括：成像硬件系統(tǒng)、數(shù)據(jù)存儲(chǔ)、智能分析服務(wù)、全流程跟蹤服務(wù)、平臺(tái)應(yīng)用服務(wù)以及貫穿以上服務(wù)的數(shù)據(jù)總線、接口服務(wù)以及監(jiān)控管理。

2.2硬件系統(tǒng)

硬件系統(tǒng)基于現(xiàn)有扒渣位情況進(jìn)行改造，加裝傾翻拉繩傳感器、距離傳感器、雷達(dá)液位計(jì)、工業(yè)相機(jī)、監(jiān)控?cái)z像機(jī)等設(shè)備，進(jìn)行圖像和必要數(shù)據(jù)的采集工作。

2.3軟件系統(tǒng)

2.3.1 機(jī)器視覺圖像分析服務(wù)：

自動(dòng)傾翻和渣面分析利用了機(jī)器視覺圖像處理技術(shù)。利用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)圖片進(jìn)行處理，實(shí)現(xiàn)非負(fù)矩陣分解的效果，完成特征提取。該模型先用于自動(dòng)傾翻過程判定是否傾翻到位，后用于對(duì)包口范圍進(jìn)行脫硫渣分析，指導(dǎo)扒渣過程。

2.3.2 神經(jīng)網(wǎng)絡(luò)關(guān)系擬合服務(wù)：

設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型如下圖，進(jìn)行關(guān)系擬合服務(wù)。網(wǎng)絡(luò)模型輸入層和輸出層的節(jié)點(diǎn)數(shù)量，根據(jù)實(shí)際擬合的多維關(guān)系來確定。激活函數(shù)根據(jù)實(shí)際擬合的多維關(guān)系正則化方式來確定。采用MSE Loss作為損失函數(shù)評(píng)估訓(xùn)練中的預(yù)測(cè)差距。采用AdamW方法進(jìn)行模型優(yōu)化，該方法在梯度下降法的基礎(chǔ)上，引入動(dòng)量和自適應(yīng)學(xué)習(xí)率調(diào)整等方法，加快訓(xùn)練速度，并有效提高訓(xùn)練終點(diǎn)為最優(yōu)擬合結(jié)果的成功率。

利用神經(jīng)網(wǎng)絡(luò)關(guān)系擬合模型，具體完成傾翻終點(diǎn)預(yù)測(cè)和像素坐標(biāo)轉(zhuǎn)換。

2.3.2.1 傾翻終點(diǎn)預(yù)測(cè)

在自動(dòng)傾翻控制時(shí)，因?yàn)橄鄼C(jī)的安裝位置，影響了完全機(jī)器視覺方案控制傾翻到位的實(shí)際精度。分析的實(shí)際停止傾翻時(shí)刻，鐵包已經(jīng)處于臨灑鐵位置，此時(shí)突然停止鐵包傾翻運(yùn)行，會(huì)導(dǎo)致其中的鐵水因慣性溢出包口，造成設(shè)計(jì)外的灑鐵，導(dǎo)致鐵損的升高。同時(shí)，灑鐵會(huì)造成安全防護(hù)報(bào)警，從而中斷本次自動(dòng)扒渣流程。因此，設(shè)計(jì)實(shí)現(xiàn)一套預(yù)測(cè)傾翻終點(diǎn)的模型來支持自動(dòng)傾翻控制。

本模型利用鐵水液位、包口凈空，預(yù)測(cè)傾翻達(dá)到終點(diǎn)位置時(shí)對(duì)應(yīng)的拉繩傳感器目標(biāo)值。數(shù)據(jù)采集階段，按照如下流程進(jìn)行模型訓(xùn)練數(shù)據(jù)積累。

[傾翻終點(diǎn)預(yù)測(cè)模型數(shù)據(jù)積累流程]

STEP 1：     鐵包車開始進(jìn)站；

STEP 2：     通過距離傳感器采集連續(xù)的距離曲線；

STEP 3：     通過距離曲線計(jì)算包口凈空；

STEP 4：     鐵包完成進(jìn)站，通過雷達(dá)液位計(jì)測(cè)量鐵水液位；

STEP 5：     由扒渣工執(zhí)行人工傾翻；

STEP 6：     在扒渣工根據(jù)經(jīng)驗(yàn)判定傾翻到位而停止傾翻動(dòng)作時(shí)，記錄拉繩傳感器值作為目標(biāo)值；

STEP 7：     由（, , ）組成一條訓(xùn)練數(shù)據(jù)。

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

2.3.2.2 像素坐標(biāo)轉(zhuǎn)換

在進(jìn)行扒渣控制時(shí)，核心是進(jìn)行坐標(biāo)轉(zhuǎn)換。將圖像上的像素坐標(biāo)轉(zhuǎn)換成為實(shí)際位置的地理坐標(biāo)，并進(jìn)一步將實(shí)際位置的地理坐標(biāo)轉(zhuǎn)換為扒渣臂控制的傳感器目標(biāo)值，從而達(dá)到最終的控制扒渣臂的目的。但因?yàn)橄鄼C(jī)斜拍的原因，要確定第一步目標(biāo)地理坐標(biāo)的基準(zhǔn)坐標(biāo)系，需要借助標(biāo)定工具完成。而在實(shí)際現(xiàn)場(chǎng)中，對(duì)包口區(qū)域進(jìn)行標(biāo)定范圍過大且中空，這對(duì)標(biāo)定板制作和現(xiàn)場(chǎng)安裝找平等都造成了困難。因此設(shè)計(jì)使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)像素坐標(biāo)轉(zhuǎn)換模型來解決該問題。

本模型將圖像分析結(jié)果指定的扒渣臂應(yīng)抵達(dá)位置的像素坐標(biāo)，轉(zhuǎn)換為控制扒渣臂抵達(dá)該位置時(shí)扒渣機(jī)轉(zhuǎn)動(dòng)編碼器目標(biāo)值、扒渣機(jī)伸縮距離傳感器目標(biāo)值。

在數(shù)據(jù)積累階段，與扒渣工協(xié)作，在進(jìn)行人工扒渣的過程中，完成數(shù)據(jù)的采集。具體步驟為如下。

[像素坐標(biāo)轉(zhuǎn)換模型數(shù)據(jù)積累流程]

STEP 1：     While 扒渣進(jìn)行中：

       STEP 1.1:  操作工移動(dòng)扒渣臂到渣面位置；

       STEP 1.2:  操作工降下扒渣板到渣面；

       STEP 1.3: 保存此時(shí)圖像，并記錄轉(zhuǎn)動(dòng)編碼器值作為、伸縮距離傳感器值作為，構(gòu)成一條中間數(shù)據(jù)。

STEP2： 遍歷每一條中間數(shù)據(jù)：

       STEP 2.1:  對(duì)圖像中扒渣板探入渣面的位置，以交接處的亮線為基準(zhǔn)，獲取亮線兩端點(diǎn)的像素坐標(biāo)；

       STEP 2.2:  取兩點(diǎn)坐標(biāo)中值，得到中點(diǎn)坐標(biāo)、，與、構(gòu)成一條最終數(shù)據(jù)。

利用兩個(gè)分析結(jié)果，可以實(shí)現(xiàn)更加精確的扒渣過程控制。

2.3.3 智能控制服務(wù)：

結(jié)合圖像分析和數(shù)值分析結(jié)果。控制自動(dòng)傾翻和智能扒渣。

2.3.3.1自動(dòng)傾翻過程

利用傾翻終點(diǎn)預(yù)測(cè)模型進(jìn)行傾翻控制，流程如下。

[基于傾翻終點(diǎn)預(yù)測(cè)模型進(jìn)行自動(dòng)傾翻控制流程]

STEP 1-4：   與數(shù)據(jù)積累流程相同；

STEP 5：     確認(rèn)啟動(dòng)自動(dòng)傾翻；

STEP 6：     通過傾翻終點(diǎn)預(yù)測(cè)模型，根據(jù)、預(yù)測(cè)終點(diǎn)拉繩傳感器值；

STEP 7：     控制程序控制鐵包開始傾翻；

STEP 8：     當(dāng)拉繩傳感器值達(dá)到時(shí)，停止傾翻。

為了防止因粘渣導(dǎo)致包口凈空測(cè)量錯(cuò)誤，保留完全機(jī)器視覺方案中的灑鐵保護(hù)功能。在傾翻過程中，若拉繩傳感器值達(dá)到前，接到灑鐵保護(hù)報(bào)警，則立刻停止傾翻并執(zhí)行鐵包復(fù)位，同時(shí)進(jìn)入手動(dòng)模式交由扒渣工進(jìn)行后續(xù)操作。

2.3.3.2智能扒渣控制

結(jié)合圖像分析給出的渣面分布結(jié)果、智能路徑規(guī)劃給出的具體坐標(biāo)和像素坐標(biāo)轉(zhuǎn)換給出的控制目標(biāo)值，進(jìn)行扒渣控制。具體步驟如下：

[基于像素坐標(biāo)轉(zhuǎn)換模型控制自動(dòng)扒渣流程]

STEP 1：     開始自動(dòng)扒渣

STEP 2：     While 扒渣量未達(dá)到要求：

       STEP 2.1:  利用機(jī)器視覺方法分析渣面分布情況；

       STEP 2.2:  根據(jù)渣面分布，選取要進(jìn)行扒渣的位置；

       STEP 2.3:  通過像素坐標(biāo)轉(zhuǎn)換模型，將扒渣位置的像素坐標(biāo)、，轉(zhuǎn)換為轉(zhuǎn)動(dòng)編碼器目標(biāo)值和伸縮距離傳感器目標(biāo)值；

       STEP 2.4:  控制扒渣臂移動(dòng)，使轉(zhuǎn)動(dòng)編碼器值達(dá)到，伸縮距離傳感器值達(dá)到，移動(dòng)期間調(diào)整扒渣臂俯仰，使扒渣臂到達(dá)目標(biāo)位置時(shí)，扒渣板探入渣面一定深度；

       STEP 2.5:  控制扒渣臂回到包口位置，完成本輪扒渣動(dòng)作。

2.4數(shù)據(jù)通信

主要數(shù)據(jù)通信鏈路包含算法服務(wù)器、成像硬件系統(tǒng)、測(cè)量和控制硬件系統(tǒng)以及扒渣機(jī)等四方。算法服務(wù)器與兩個(gè)硬件系統(tǒng)進(jìn)行直接數(shù)據(jù)通信，完成數(shù)據(jù)獲取和分析結(jié)果輸出。結(jié)果為控制信號(hào)，發(fā)送給測(cè)量與控制系統(tǒng)的PLC，最終執(zhí)行扒渣臂的自動(dòng)控制。

2.5 安全措施

2.5.1設(shè)備安全措施

在設(shè)備部署的施工過程中，做好設(shè)備防護(hù)工作，確保必要的工作環(huán)境條件得以滿足；

規(guī)范施工操作流程，確保施工質(zhì)量達(dá)標(biāo)；

定期進(jìn)行設(shè)備檢查，及時(shí)發(fā)現(xiàn)設(shè)備問題；

設(shè)備附近按照規(guī)定，張貼設(shè)備說明告示版，危險(xiǎn)警告標(biāo)識(shí)等必要的通知、警告標(biāo)志。

2.5.2網(wǎng)絡(luò)安全措施

 · 做好遠(yuǎn)程訪問保護(hù)，如主機(jī)系統(tǒng)關(guān)閉對(duì)外密碼遠(yuǎn)程登錄功能并以授權(quán)密鑰的方式進(jìn)行遠(yuǎn)程身份驗(yàn)證、數(shù)據(jù)庫(kù)訪問設(shè)置有限權(quán)限的遠(yuǎn)程訪問等安全設(shè)置，盡可能杜絕遠(yuǎn)程連接安全風(fēng)險(xiǎn)；

· 采用專業(yè)協(xié)議與PLC和相機(jī)進(jìn)行通信，通信固定IP和端口，防止非法的鏈接和數(shù)據(jù)傳輸；

· 采用HTTPS協(xié)議實(shí)現(xiàn)網(wǎng)絡(luò)通信，構(gòu)建本地證書體系，實(shí)現(xiàn)安全的數(shù)據(jù)加密；

· HTTP接口方面，原則上所有接口需在用戶權(quán)限下進(jìn)行訪問，以確保操作日志完整性；

2.5.3數(shù)據(jù)安全措施

· 進(jìn)行完整、合規(guī)、符合必要范式要求的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)和約束設(shè)計(jì)，強(qiáng)制要求必要的數(shù)據(jù)完整性；

· 合理使用事務(wù)機(jī)制，以保證數(shù)據(jù)具有充分的完整性；

· 在界面操作時(shí)和接口調(diào)用時(shí)，分別對(duì)數(shù)據(jù)進(jìn)行必要的校驗(yàn)和判斷，確保數(shù)據(jù)合法、合理；

· 定期進(jìn)行數(shù)據(jù)分析，從時(shí)間戳、數(shù)據(jù)重復(fù)等方面，加強(qiáng)數(shù)據(jù)整體判斷，及時(shí)發(fā)現(xiàn)問題并結(jié)合日志等歷史數(shù)據(jù)定位問題原因，及時(shí)解決數(shù)據(jù)錯(cuò)誤，優(yōu)化數(shù)據(jù)完整性并避免問題再次發(fā)生。

2.5.4 控制安全措施

設(shè)計(jì)完整的過程控制異常處理機(jī)制，針對(duì)異常灑鐵、扒渣臂頂包、扒渣臂卡包口等情況，進(jìn)行不間斷檢測(cè)，并進(jìn)行＜1s的快速響應(yīng)。灑鐵方面，在傾翻時(shí)，監(jiān)控包口下方漏液情況；扒渣臂頂包和卡包口則實(shí)時(shí)檢測(cè)扒渣臂運(yùn)動(dòng)數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)異常的長(zhǎng)時(shí)間（＜200ms）未變化，則認(rèn)為機(jī)械臂異常。發(fā)現(xiàn)異常情況，立即進(jìn)行制定好的安全復(fù)位流程，提示并切換為人工操作模式。

3、代表性及推廣價(jià)值

本方案經(jīng)過近三年的現(xiàn)場(chǎng)實(shí)踐和調(diào)整，發(fā)現(xiàn)問題、總結(jié)問題、解決問題，最終讓智能扒渣系統(tǒng)滿足了試點(diǎn)鋼廠較為苛刻的安裝條件限制，并保證智能扒渣運(yùn)行效果。總結(jié)實(shí)施經(jīng)驗(yàn)和軟硬系統(tǒng)協(xié)同工作邏輯和關(guān)鍵限制條件，切實(shí)有效的在的放寬了設(shè)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(yīng)用場(chǎng)景，具有更強(qiáng)的推廣能力。

在效能提升和節(jié)能減耗方面，通過人工智能的方法，對(duì)人工扒渣動(dòng)作進(jìn)行分析，學(xué)習(xí)主要扒渣流程。同時(shí)對(duì)扒渣控制進(jìn)行細(xì)致微調(diào)，在原有扒渣效果的基礎(chǔ)上，進(jìn)一步減少扒渣過程中產(chǎn)生的鐵損，降低了原料的損耗；同時(shí)可以更嚴(yán)格細(xì)致的控制扒渣過程的動(dòng)作精度，從而更有效的節(jié)省扒渣過程的持續(xù)時(shí)間，使扒渣結(jié)束時(shí)，鐵水可以維持更高的溫度，為下一步的煉鋼過程節(jié)約升溫所需要的氧氣成本和相關(guān)能源；同時(shí)結(jié)合傳感器融合技術(shù)提供準(zhǔn)確的相關(guān)生產(chǎn)數(shù)據(jù)，為工藝的提升提供有跡可循的數(shù)據(jù)保障。