multispektralny system pomiarowy do określenia parametrów żużla

multispektralny system pomiarowy do określenia parametrów żużla

Prace IMĽ 2 (2015)
168
Wacđaw WITTCHEN, Mariusz BORECKI
Instytut Metalurgii Ľelaza
Bogusđaw WIùCEK, Krzysztof PACHOLSKI, Robert OLBRYCHT, Robert STRäKOWSKI
Politechnika Đódzka
MULTISPEKTRALNY SYSTEM POMIAROWY
DO OKREĦLENIA PARAMETRÓW ĽUĽLA
STALOWNICZEGO PODCZAS SPUSTU STALI Z PIECA
HUTNICZEGO DO KADZI ODLEWNICZEJ
Przedstawiono wyniki projektu badawczego, o charakterze interdyscyplinarnym, dotyczæcego opracowania metody
oraz wielospektralnego systemu pomiarowego do oceny zawartoħci tlenku ľelaza w ľuľlu stalowniczym, podczas spustu stali z pieca hutniczego do kadzi odlewniczej. Parametr ten ma istotne znaczenie w procesie dalszego wytwarzania
stali. Realizowany projekt oparty byđ na zađoľeniu, ľe na podstawie charakterystyk promieniowania ľuľla podczas
spustu stali z pieca do kadzi, rozkđadu temperatury wzdđuľ strugi oraz innych parametrów procesu metalurgicznego
moľna oceniè zawartoħè tlenku ľelaza (FeO) w ľuľlu stalowniczym. Do realizacji tego celu zaproponowano miúdzy
innymi wykorzystanie kamer termowizyjnych, które coraz czúħciej sæ instalowane w wielu zakđadach metalurgicznych
do detekcji ľuľla podczas spustu stali. W ramach projektu opracowano metodykú oraz oprogramowanie komputerowe
pozwalajæce na wyznaczanie parametrów promieniowania, które wraz z emisyjnoħciæ charakteryzujæ ľuľel stalowniczy. Wartoħci tych parametrów wyznaczane byđy za pomocæ obróbki statystycznej obrazów strugi stali i ľuľla przy
uľyciu wielospektralnego systemu pomiarowego wykorzystujæcego dwie kamery termowizyjne (ħredniofalowæ i dđugofalowæ) w zakresie promieniowania podczerwonego oraz aparatu RGB dokonujæcego rejestracji obrazów w paħmie
ħwiatđa widzialnego. Do klasyÞkacji i aproksymacji danych pomiarowych sæ wykorzystywane sztuczne sieci neuronowe, gdzie wartoħè wyjħciowa odpowiada zawartoħci tlenku ľelaza w ľuľlu stalowniczym, pojawiajæcym siú podczas
spustu stali z pieca hutniczego do kadzi.
Sđowa kluczowe: ľuľel stalowniczy, wspóđczynnik emisyjnoħci, termowizja, sieci neuronowe, system wielospektralny
MULTISPECTRAL MEASURING SYSTEM FOR DETERMINATION
OF STEEL SLAG PARAMETERS DURING STEEL TAPPING
FROM METALLURGICAL FURNACE TO CASTING LADLE
This article presents results of the multidisciplinary research project for development of the method and multispectral measuring system for evaluation of ferric oxide content in steel slag during steel tapping from metallurgical
furnace to casting ladle. This parameter is essential during further steelmaking process. The project relied on the assumption that ferric oxide (FeO) content in steel slag could be evaluated on the basis of slag radiation characteristics
during steel tapping from furnace to ladle, temperature distribution along the stream and other metallurgical process
parameters. To accomplish this objective, it was proposed, among other things, to use thermal cameras, which are
more and more often installed in many metallurgical plants for slag detection during steel tapping. Under the project,
the methodology and computer software were developed to allow the determination of radiation parameters, which,
together with emissivity, characterise steel slag. The values of these parameters were determined by static treatment
of steel and slag stream images using the multispectral measuring system with two infrared radiation thermal cameras (medium- and long-wave) and the RGB device to record images in the visible light band. For classiÞcation and
approximation of measuring data the artiÞcial neural networks are used where the initial value corresponds to ferric
oxide content in steel slag that occurs during steel tapping from metallurgical furnace to ladle.
Key words: steel slag, emission factor, thermovision, neural networks, multispectral system
1. WPROWADZENIE
Idea projektu oparta byđa na zađoľeniu, ľe na podstawie charakterystyk promieniowania ľuľla podczas spustu stali z pieca do kadzi, rozkđadu temperatury wzdđuľ
strugi oraz innych parametrów procesu metalurgiczne-
go moľna oceniè zawartoħè tlenku ľelaza (FeO) w ľuľlu
stalowniczym [1].
Niľsza od stali gústoħè ľuľla powoduje, ľe jego warstwa tworzy siú na powierzchni metalu. W czasie spustu dæľy siú, aby ľuľel powstađy w piecu stalowniczym
nie przedostawađ siú do kadzi odlewniczej. W przy-
Prace IMĽ 2 (2015)
Multispektralny system pomiarowy do okreħlenia parametrów...
padku gdy do tego dojdzie, waľna jest znajomoħè jego
podstawowych parametrów w tym zawartoħci tlenku
ľelaza [2, 3].
Stúľenie FeO w ľuľlu ma w procesach stalowniczych
bardzo istotne znaczenie, a co za tym idzie znajomoħè
tego parametru uđatwia stosowanie adekwatnych
procedur technologicznych i poprawia jakoħè procesu
produkcyjnego. Wartoħè tego parametru w wielu przypadkach celowo zmienia siú w trakcie wytapiania stali,
gdyľ w poszczególnych etapach jej produkcji realizowane sæ róľne cele, a co za tym idzie konieczne jest innego
rodzaju oddziađywanie ľuľla na stal.
Przykđadowo obecnoħè FeO w ľuľlu sprzyja odfosforowaniu stali. Z tego wzglúdu stal odfosforowuje siú
zwykle podczas ħwieľenia, gdyľ w tym czasie ľuľel
jest bogaty w tlenek ľelaza. Ponadto FeO uđatwia rozpuszczania siú wapna w ľuľlu, a tym samym zwiúksza szybkoħè procesów ľuľlotwórczych oraz umoľliwia
osiægniúcie wyľszej zasadowoħci. Poľædana zawartoħè
FeO w ľuľlu konwertorowym wynosi przynajmniej kilkanaħcie, a czústo wiúcej, procent.
Odmienne wymagania obowiæzujæ dla ľuľla podczas
obróbki pozapiecowej. W tym etapie produkcji dæľy siú
do eliminowania FeO z ľuľla. Zwykle przyjmuje siú, ľe
ľuľel podczas obróbki pozapiecowej nie powinien zawieraè wiúcej niľ 1,5÷2% FeO + MnO, (w obróbce pozapiecowej FeO zwykle bilansowany jest đæcznie z MnO).
Poľædana niska zawartoħè tych tlenków w ľuľlu wynika z koniecznoħci odtlenienia i odsiarczenia stali podczas obróbki pozapiecowej.
Spust stali z konwertora stanowi granicú pomiúdzy
dwoma odmiennymi operacjami metalurgicznymi i tym
samym odmiennymi sposobami raÞnacji stali. Odciúcie
ľuľla konwertorowego, a w przypadku niepeđnej skutecznoħci tego zabiegu oszacowanie, ile FeO przedostađo siú do kadzi, ma fundamentalne znaczenie dla przebiegu procesu obróbki pozapiecowej. Znajomoħè masy
FeO, który przedostađ siú do kadzi spustowej pozwala
na optymalizacjú operacji odtleniania ľuľla i co za tym
idzie zuľycia odtleniaczy, a tym samym wpđywa na
koszty produkcji i czystoħè metalurgicznæ wytapianej
stali.
Gđównymi celami prowadzonych badaē byđo:
± opracowanie wielospektralnego systemu pomiarowego skđadajæcego siú z dwóch kamer termowizyjnych,
pracujæcych w zakresie promieniowania podczerwonego (krótko i dđugofalowej) oraz z szerokopasmowej
kamery CCD – RGB do badaē w ħwietle widzialnym,
± opracowanie nowej metody oceny zawartoħci tlenku
ľelaza (FeO) w ľuľlu stalowniczym poprzez pomiar
i analizú promieniowania w róľnych pasmach zarówno w podczerwieni, jak i w ħwietle widzialnym z wykorzystaniem sieci neuronowych.
Projekt miađ charakter interdyscyplinarny i byđ realizowany przez dwie jednostki naukowe – Instytut
Elektroniki Politechniki Đódzkiej (Wydziađ Elektroniki, Elektrotechniki, Informatyki i Automatyki) oraz
Instytut Metalurgii Ľelaza im. Stanisđawa Staszica
w Gliwicach.
Badania prowadzone byđy przy uľyciu dwóch kamer
termowizyjnych pracujæcych w pasmach podczerwieni:
dđugofalowym LW (7,5÷13 Pm) oraz ħredniofalowym
MW (3÷5 Pm). Dodatkowo wykorzystano szerokopasmowæ kamerú CCD – RGB do badaē ľuľla w zakresie
ħwiatđa widzialnego.
169
Na wstúpnym etapie badaē stosowano równieľ kamerú bliskiej podczerwieni NIR pracujæcæ w zakresie
0,8÷1,2 Pm, która okazađa siú zbyt czuđa do tego rodzaju badaē. Ze wzglúdu na brak odpowiednich Þltrów
zrezygnowano ze stosowania kamery NIR na tym etapie badaē. Uproszczony schemat ukđadu pomiarowego
przedstawiono na rysunku 1.
Rys. 1. Schemat multispektralnego systemu do badaē zawartoħci FeO w ľuľlu [1]
Fig. 1. Diagram of multispectral system for measuring FeO
content in slag [1]
Wyniki badaē intensywnoħci promieniowania elektromagnetycznego we wszystkich badanych pasmach,
w wybranych obszarach strugi ľuľla, wraz z innymi
parametrami promieniowania stanowiđy zbiór danych
wejħciowych dla sieci neuronowej. Sieè neuronowa, po
wstúpnym etapie uczenia, dziađađa jak aproksymator
procesu technologicznego i na podstawie wartoħci parametrów promieniowania ľuľla dla róľnych przedziađów widmowych, byđa w stanie oszacowaè stúľenie FeO
w ľuľlu [1].
Naleľy wspomnieè, ľe do wykrywania i „odcinania”
ľuľla podczas spustu stali z pieca hutniczego do kadzi
stosuje siú wiele rozmaitych sposobów, ale ľaden z nich
nie zyskađ uniwersalnego zastosowania [4]. W ostatnich latach XX wieku zostađa opracowana i wdroľona
do praktyki przemysđowej nowa skuteczna i bezkontaktowa metoda wykrywania ľuľla przy spuħcie stali
z pieca hutniczego do kadzi oparta na pomiarze termowizyjnym [5–8].
Zdaniem autorów niniejszej publikacji celowe jest
rozszerzenie termowizyjnych systemów detekcji ľuľla o nowe funkcje celem uzyskania rozszerzonych informacji o wđaħciwoħciach ľuľla stalowniczego [1, 3,
9–17].
2. SZACOWANIE FEO W ĽUĽLU
STALOWNICZYM NA PODSTAWIE
PARAMETRÓW PROMIENNYCH
Z WYKORZYSTANIEM SIECI
NEURONOWYCH
Do oceny zawartoħci FeO w ľuľlu stalowniczym pojawiajæcym siú podczas spustu stali z konwertora tlenowego do kadzi stalowniczej wykorzystano kamery
termowizyjne tworzæce system wizyjny i termalny. Na
rysunku 2 przedstawiono schemat blokowy systemu
pomiarowego do oceny zawartoħci FeO w ľuľlu stalowniczym.
Zaprojektowano i wykonano trzykanađowy system
obrazowy zawierajæcy:
‡ niechđodzonæ dđugofalowæ kamerú termowizyjnæ
FLIR SC660 pracujæcæ w zakresie widmowym O1
170
Wacđaw Wittchen i in.
Prace IMĽ 2 (2015)
3á\QQDVWDORUD]ĪXĪHOSRMDZLDMąF\VLĊZRWZRU]HVSXVWRZ\P
(O1, O2 ±NDPHU\WHUPRZL]\MQHGáXJRLĞUHGQLRIDORZD O3 ±NDPHUDRSW\F]QD5*%
Rys. 2. Schemat blokowy systemu pomiarowego do oceny zawartoħci FeO w ľuľlu stalowniczym [13]
Fig. 2. Flow chart of measuring system for evaluation of FeO content in steel slag [13]
(7,5÷13,0 zm, okreħlanym mianem LWIR – ang. Long-Wavelength InfraRed),
‡ chđodzonæ ħredniofalowæ kamerú termowizyjnæ CEDIP Titanium pracujæcæ w zakresie widmowym O2 (3
do 5 zm, okreħlanym mianem MWIR – ang. MediumWavelength InfraRed); ze wzglúdu na wysokæ wartoħè temperatury obserwowanej strugi stali i ľuľla,
kamera ta pracowađa w trybie pasmowego tđumienia
czúħci energii promieniowania podczerwonego, jednoczeħnie ograniczajæc zakres widmowy kamery do
wartoħci 4 zm,
‡ cyfrowy aparat fotograÞczny z matrycæ RGB typu
DSLR (ang. Digital Single Lens Reßex) Nikon D5100
z obiektywem Nikkor 55÷300 mm, pracujæcy w zakresie widmowym ħwiatđa widzialnego O3 (380÷740
nm). Wykorzystano fakt, iľ matryca ħwiatđoczuđa
CMOS w tym aparacie zawiera uđoľone w mozaikú Bayera Þltry przepuszczajæce tylko odpowiednio
ħwiatđo czerwone, zielone lub niebieskie. Dziúki temu
moľliwe byđo rejestrowanie trzech niezaleľnych obrazów – osobno dla kaľdej z tych skđadowych.
W skđad systemu pomiarowego wchodzæ równieľ
komputery z oprogramowaniem dedykowanym do rejestracji obrazów z wyľej wymienionych kamer.
Dodatkowo w skđad systemu wchodziđo oprogramowanie „Slagizer”, które specjalnie na potrzeby projektu
zostađo napisane w ħrodowisku Matlab, umoľliwiajæc miúdzy innymi analizú zarejestrowanych obrazów
z wykorzystaniem sieci neuronowej [1, 13, 15].
Zdjúcie opracowanego systemu pomiarowego podczas
badaē testowych w warunkach przemysđowych przedstawiono na rysunku 3.
W celu prawidđowego przeprowadzenia badaē opracowano odpowiednie kryteria, takie jak: zađoľenia logistyczne i metodyczne wykonania badaē, odpowiedniæ procedurú rejestracji termogramów, wybór ramek
obrazów do analizy, wybór obszaru zainteresowania
Rys. 3. System pomiarowy w warunkach przemysđowych
w trakcie badaē testowych [10]
Fig. 3. Measuring system under industrial conditions during testing [10]
na zarejestrowanych termogramach, ocena korelacji
emisyjnoħci spektralnej ľuľla z zawartoħciæ FeO oraz
selekcje cech promieniowania ľuľla [1, 15].
Poniľej przedstawiono gđówne wymagane kryteria,
które sæ niezbúdna dla opracowania metody i wielospektralnego systemu pomiarowego do szacowania
wđaħciwoħci ľuľla hutniczego, a w szczególnoħci zawartoħci w nim FeO [1].
PROCEDURA REJESTRACJI OBRAZU
Dla kaľdego monitorowanego wytopu dokonywano
rejestracji równoczeħnie z dwóch kamer termowizyjnych. Istotne jest, aby rejestracja obejmowađa ostatniæ
fazú spustu, w momencie pojawienia siú ľuľla w otworze spustowym.
Prace IMĽ 2 (2015)
Multispektralny system pomiarowy do okreħlenia parametrów...
D2EUD]]NDPHU\WHUPRZL]\MQHMZ]D
NUHVLHGáXJRIDORZ\P
E2EUD]]NDPHU\WHUPRZL]\MQHM
F2EUD]]DSDUDWX5*%
Z]DNUHVLHĞUHGQLRIDORZ\P
Z]DNUHVLHĞZLDWáDZLG]LDOQHJR
171
Rys. 4. Przykđadowe obrazy strugi zarejestrowane z uľyciem róľnych systemów rejestracji [1]
Fig. 4. Examples of stream images recorded with different systems [1]
Moment pojawienia siú ľuľla jest identyÞkowany jako skokowy przyrost temperatury monitorowanej strugi, co jest widoczne na rysunku 5.
Przyczynæ tej zmiany jest wartoħè wspóđczynnika
emisyjnoħci ľuľla pojawiajæcego siú w otworze spusto-
wym podczas spustu stali, która jest wyľsza od wartoħci wspóđczynnika emisyjnoħci stali nawet przy jednakowej wartoħci temperatury stali i ľuľla.
Przykđadowe obrazy strugi zarejestrowane z uľyciem
opisywanego systemu przedstawiono na rysunku 4,
Rys. 5. Okno dialogowe programu
Slagizer do okreħlenia referencyjnego czasu pomiaru [1]
Fig. 5. Dialog box of Slagizer program for determination of reference data at a speciÞc point of
measurement [1]
Wacđaw Wittchen i in.
172
odpowiednio dla zakresu spektralnego a) O1(LWIR),
b) O2(MWIR), c) O3 (ħwiatđa widzialnego).
Ze wzglúdu na koniecznoħè obróbki danych pomiarowych pochodzæcych z róľnych ļródeđ rejestracji konieczne jest, aby ich rejestracja byđa zsynchronizowana.
Z tego powodu bezpoħrednio przed kaľdymi badaniami w warunkach przemysđowych, zegary wszystkich
urzædzeē byđy synchronizowane z serwerem czasu
vega.cbk.poznan.pl [150.254.183.15], dla którego ļródđem jest atomowy zegar cezowy 5071A CBK w Borówcu k. Poznania. Dodatkowo brano pod uwagú czas urzædzeē rejestracyjnych wydziađu produkcyjnego, gdzie
przeprowadzano badania.
WSTùPNA OBRÓBKA DANYCH
POMIAROWYCH
Po zarejestrowaniu sekwencji termogramów danego
wytopu dwoma kamerami termowizyjnymi oraz aparatem RGB naleľy zweryÞkowaè synchronizacje
otrzymanych nagraē w czasie. Do realizacji tego
celu jest wykorzystywane oprogramowanie „Slagizer”,
które umoľliwia prezentacje przebiegu wartoħci maksymalnej temperatury w czasie dla kaľdego kanađu, co
przedstawiono na rysunku 5. Program ten pozwala na
automatyczny wybór ramek (termogramów) dla kaľdego spustu stali przeznaczonego do wieloparametrycznej analizy statystycznej celem szacowania zawartoħci
FeO w ľuľlu stalowniczym w danym czasie pomiaru.
Po okreħleniu analizy czasowej sekwencji rejestrowanych termogramów wystúpuje koniecznoħè zdeÞniowania rejonu zainteresowania, który zostanie
poddany analizie. Na kaľdym termogramie widoczna
jest nie tylko struga metalu lub ľuľla w trakcie spustu
Prace IMĽ 2 (2015)
stali, ale równieľ inne niepoľædane elementy takie jak
kadļ, fragment konwertora i inne. Z tego powodu do
wieloparametrycznej analizy statystycznej naleľy wybraè obszar zainteresowania ROI (Region of Interest),
który obejmuje jedynie fragment strugi na zimnym
tle. Zaznaczony rejon zainteresowania majæcy ksztađt
prostokæta znajduje siú pomiúdzy otworem spustowym
konwertora a kadziæ stalowniczæ. Na podstawie zdeÞniowanego obszaru oprogramowanie dokonuje detekcji
strugi stali i ľuľla dla kaľdej ramki okna pomiarowego.
Detekcja strugi odbywa siú poprzez binaryzacjú obrazu
z progiem wyznaczonym za pomocæ metody Otsu [1].
Uľytkownik programu ma moľliwoħè miúdzy innymi zmiany zadawanych parametrów, takich jak górny
i dolny próg sygnađu detekcji strugi, oraz typ, ksztađt
i rozmiar elementów strukturujæcych uľywanych w
operacjach morfologicznych. Przykđadowy obraz detekcji w oknie interfejsu graÞcznego oprogramowania
„Slagizer” przedstawiono na rysunku 6.
Ponadto zađoľono, ľe liczba pikseli wyodrúbniona
przez obszar pomiarowy nie powinna byè mniejsza od
400. Taka liczba pikseli gwarantuje duľæ wiarygodnoħè
wyników analizy statystycznej niezbúdnej do wyznaczenia parametrów promieniowania przeznaczonych
do identyÞkacji zawartoħci FeO w ľuľlu stalowniczym.
WYZNACZANIE PARAMETRÓW
PROMIENIOWANIA ORAZ ICH SELEKCJA
Z WYKORZYSTANIEM SIECI NEURONOWYCH
W trakcie badaē, jako gđówne parametry promieniowania ľuľla charakteryzujæce zawartoħè FeO w jego
skđadzie, uwzglúdniono wspóđczynniki emisyjnoħci wyznaczane na podstawie pomiarów termowizyjnych w
Rys. 6. Okno interfejsu uľytkownika programu „Slagizer” do
okreħlenia obszaru strugi oraz
ustawiania
parametrów
jego
„progowania” [1]
Fig. 6. User interface window of
Slagizer program for determination of stream area and setup of
its threshold parameters [1]
Prace IMĽ 2 (2015)
Multispektralny system pomiarowy do okreħlenia parametrów...
zakresie ħredniofalowym i dđugofalowym podczerwieni.
Oprócz emisyjnoħci, za pomocæ wieloparametrycznej
analizy statystycznej wyselekcjonowano dodatkowe
parametry promieniowania rejestrowanych termogramów skorelowane z zawartoħciæ FeO w ľuľlu, pojawiajæcym siú w koēcowej fazie spustu stali z konwertorów
tlenowych.
Do oceny skorelowania emisyjnoħci ľuľla zarówno
dla ħrednio i dđugofalowego zakresu widma podczerwieni, z procentowæ zawartoħciæ FeO w jego skđadzie,
wykorzystano metody analizy statystycznej [1].
Po wstúpnej obróbce danych pomiarowych, takich jak
okreħlenie okien czasowych oraz wybór obszaru zainteresowania nastúpuje analiza danych pomiarowych
i obliczenie cech promieniowania ľuľla. W tym celu
uruchamiany jest moduđ cech oprogramowania „Slagizer”, który za pomocæ informacji wprowadzonych przez
operatora w poprzednim etapie dokonuje ekstrakcji
wszystkich ramek pomiarowych i detekcji obszaru
strugi. Nastúpnie dla kaľdego okna pomiarowego oraz
dla kaľdego kanađu obliczane sæ dwa zestawy parametrów: pierwotne i wtórne.
Parametry pierwotne opisujæ statystycznie rozkđad temperatury/sygnađu w wyznaczonym automatycznie obszarze strugi i sæ obliczane dla pojedynczej
ramki obrazu.
Obliczane parametry pierwotne to: wielkoħè obszaru
w pikselach (P1,Þ), wartoħè ħrednia 100 pikseli o najwiúkszej intensywnoħci promieniowania (P2,Þ), wartoħè
maksymalna ze 100 pikseli o najwiúkszej intensywnoħci promieniowania (P3,Þ), wartoħè minimalna ze 100
pikseli o najwiúkszej intensywnoħci promieniowania
(P4,Þ), wartoħè ħrednia (P5,Þ), mediana (P6,Þ), dominanta (P7,Þ), wartoħè maksymalna (P8,Þ), wartoħè minimalna (P9,Þ), wariancja (P10,Þ), odchylenie standardowe (P11,Þ), kurtoza (P12,Þ), skoħnoħè (P13,Þ), stosunek mediany do ħredniej (P14,Þ), entropia (P15,Þ),
wspóđczynniki a i b prostej trendu (P16,Þ i P17,Þ).
Parametry wtórne sæ obliczane jako cechy opisujæce zmiany kaľdego z parametrów pierwotnych z kolejnych ramek obrazu dla kaľdego okna pomiarowego danego wytopu. Obliczane parametry wtórne to: wartoħè
ħrednia (S1,k), mediana (S2,k), wartoħè maksymalna
(S3,k), wartoħè minimalna (S4,k), wariancja (S5,k),
odchylenie standardowe (S6,k), kurtoza (S7,k), stosunek mediany do ħredniej (S8,k), suma moduđów zmian
wartoħci parametru PÞ,k pomiúdzy kolejnymi ramkami
(S9,k), ħrednia moduđów zmian wartoħci parametru
PÞ,k pomiúdzy kolejnymi ramkami (S10,k), wariancja
moduđów zmian wartoħci parametru PÞ,k pomiúdzy kolejnymi ramkami (S11,k)
Parametry wtórne nie byđy obliczane dla kanađu pomiarowego aparatu fotograÞcznego pracujæcego w ħwietle widzialnym. Dla kaľdej skđadowej RGB do analizy
sæ uwzglúdniane tylko dwa obrazy tj. stal i ľuľel.
Po wyznaczeniu parametrów wtórnych dla obu okien
pomiarowych pojedynczego wytopu obliczana jest macierz wtórnych parametrów róľnicowych, której wartoħci równe sæ róľnicy parametrów wtórnych okna stali
i ľuľla.
Koēcowym wynikiem procedury jest 1200 parametrów, búdæcych cechami promieniowania ľuľla stalowniczego dla analizowanego wytopu. Dodatkowo do
kaľdego wytopu dodawane sæ dwa parametry emisyjnoħci.
173
Do klasyÞkacji i aproksymacji danych pomiarowych
zastosowano sztuczne sieci neuronowe. Uproszony
schemat zastosowanej w badaniach sieci neuronowej
przedstawiono na rysunku 7. Opracowana sieè neuronowa posiada jeden neuron w warstwie wyjħciowej,
którego wartoħè wyjħciowa odpowiada szacowanej zawartoħci FeO w ľuľlu.
Rys. 7. Uproszczony schemat jednokierunkowej, wielowarstwowej sieci neuronowej wykorzystanej podczas badaē
[1]
Fig. 7. SimpliÞed diagram of one-way multilayer neural network used for testing [1]
Jako przykđad wykorzystania metody moľna podaè,
ľe po dwudziestu piúciu symulacjach uczenia sieci bezwzglúdny, ħredni bđæd wyznaczania zawartoħci FeO
w ľuľlu dla wszystkich wytopów wyraľony w punktach
procentowych osiægnæđ wartoħè 1,75 pkt. %.
Przykđadowe porównanie rzeczywistych (zmierzonych w laboratorium chemicznym) wartoħci FeO
w ľuľlu z wartoħciami wyznaczonymi za pomocæ opisywanego w publikacji programu zostađo przedstawione
na rysunku 8.
Rys. 8. Zestawienie rzeczywistych wartoħci FeO w ľuľlu
z wartoħciami wyznaczonymi za pomocæ programu „Slagizer” [15]
Fig. 8. Summary of real values of FeO content in slag with
values determined using Slagizer program [15]
Bioræc pod uwagú wahania zawartoħci FeO w ľuľlu
wynoszæce od okođo 17% do okođo 33% ħredni bđæd wyznaczania zawartoħci FeO na poziomie 1,75 pkt. % nale-
Wacđaw Wittchen i in.
174
ľy uznaè za satysfakcjonujæcy. Szacowana z takim bđúdem zawartoħè FeO w ľuľlu moľe pozwoliè na znacznie
dokđadniejsze planowanie operacji odtleniania ľuľla
i stali podczas obróbki pozapiecowej. W ramach projektu wykonano jedynie próby testowe. Badania przemysđowe nie byđy w planie projektu, który byđ realizowany
bez formalnego udziađu partnera przemysđowego. System moľe znaleļè zastosowania w stalowniach konwertorowych i elektrycznych do oceny procesu piecowego
oraz do planowania obróbki pozapiecowej.
Prace IMĽ 2 (2015)
3. PODSUMOWANIE
widzialnym. Do analizy rejestrowanych obrazów wykorzystuje siú specjalne oprogramowanie analizujæce,
które szacuje zawartoħè FeO w ľuľla stalowniczym
podczas spustu stali z pieca hutniczego do kadzi.
Do identyÞkacji i aproksymacji danych pomiarowych
sæ wykorzystywane sztuczne sieci neuronowe, gdzie
wartoħè wyjħciowa odpowiada zawartoħci tlenku ľelaza
w ľuľlu stalowniczym.
W dalszych planach rozwaľa siú rozbudowú systemu
o kamerú NIR po dobraniu odpowiednich Þltrów. Systemy takie po odpowiednich testach i uzyskaniu zadawalajæcych wyników, mogđyby byè wdraľane zarówno w
stalowniach konwertorowych jak i elektrycznych.
Do oceny zawartoħci tlenku ľelaza w ľuľlu stalowniczym podczas spustu stali z pieca hutniczego do kadzi
odlewniczej opracowano i wykorzystano multispektralny system pomiarowy oparty na wykorzystaniu promieniowania elektromagnetycznego w zakresie podczerwieni oraz ħwiatđa widzialnego. W systemie tym
wykorzystuje siú dwie kamery termowizyjne pracujæce
w róľnych zakresach podczerwieni, to jest krótkofalowym w zakresie spektralnym 2 do 5 Pm i ħredniofalowym w zakresie spektralnym 8 do 12 Pm oraz aparat
fotograÞczny z matrycæ RGB do pomiarów w ħwietle
Publikacja zostađa opracowana na podstawie wyników pracy wykonanej w projekcie badawczym nr N N505 485340 pt. „Opracowanie metody i wielospektralnego systemu
pomiarowego do szacowania wđaħciwoħci
ľuľla hutniczego” Þnansowanym przez Narodowe Centrum Badaē i Rozwoju”, realizowany przez Politechnikú Đódzkæ – Wydziađ
Elektroniki, Elektrotechniki, Informatyki
i Automatyki (koordynator) oraz Instytut
Metalurgii Ľelaza im. Stanisđawa Staszica
w Gliwicach.
LITERATURA
1. Wiúcek B., Pacholski K., Wittchen W., Borecki M., Olbrycht
R., Strækowski R.: Sprawozdanie merytoryczne z realizacji
projektu badawczego – Opracowanie metody i wielospektralnego systemu pomiarowego do szacowania wđaħciwoħci ľuľla
hutniczego, Đódļ, 2013
2. Holtzer M.: Podstawy metalurgiczne i odlewnicze stopów ľelaza – podstawy Þzykochemiczne, PWN, Warszawa, 2013
3. Wiúcek B., Ħwiætczak T., Olbrycht R., Wittchen W., Borecki
M.: Badanie emisyjnoħci ľuľla stalowniczego w zakresie podczerwieni MWIR i LWIR, Pomiary Automatyka Kontrola, Vol.
55, nr 11, 2009, s. 914-918
4. Bulkowski L., Zdonek B., Kostro J., Olszowski S.: Przeglæd
i ocena skutecznoħci powszechnie stosowanych i nowych sposobów odcinania ľuľla konwertorowego, Prace IMĽ, 1998,
nr 4, s. 25-29
5. Zahorszki F., Specht V.: Schlackenerkennung auf Infrarotbasis mit einem Schlackedektions-system, Stahl u. Eisen, 1999,
t.119, Nr 11, s. 61-63
6. Goldstein D.A., Sharan A., Stofanak J.A.: Infrared Imaging
for BOF Slag Detection, Iron a. Stelmaker, 2000, t. 27, nr 7,
2000, s. 31-38
7. Rau H., Ropenack I.: Application of thermographic slag detection, MPT International, Nr 1, 2002, s. 52-55
8. Bulkowski L., Wittchen W., Stecko J., Borecki M.: Wykorzystanie metody termowizyjnej do detekcji i odcinania ľuľla
podczas spustu stali w procesie hutniczym, V Konferencja
Krajowa TermograÞa i Termometria w Podczerwieni, s. 359362, Ustroē 14-16.11.2002
9. Wittchen W., Borecki M.: Opracowanie metodyki badaē termowizyjnych w warunkach przemysđowych, Sprawozdanie
IMĽ nr B0-1333-01, 2011, niepublikowane
10. Wittchen W., Borecki M., Szypuđa I.: Wykonanie pomiarów
termowizyjnych ľuľla stalowniczego w trakcie spustu stali
11.
12.
13.
14.
15.
16.
17.
z pieca hutniczego w zakresie dđugofalowym, Sprawozdanie
IMĽ nr B0-1333-02, 2012, niepublikowane
Wittchen W., Borecki M., Szypuđa I.: Analiza i opracowanie
wyników badaē termowizyjnych ľuľla stalowniczego, Sprawozdanie IMĽ nr B0-1333-03, 2013, niepublikowane
Pacholski K., Wiúcek B., Wittchen W., Borecki M.: Wyznaczanie parametrów promiennych ľuľla stalowniczego do oceny
jego wđaħciwoħci metalurgicznych, Pomiary Automatyka Kontrola, Vol. 57, nr 10, 2011, s. 1245-1248
Strækowski R., Pacholski K., Wiúcek B., Olbrycht R., Wittchen
W., Borecki M.: Program do wyznaczania statystycznych cech
promiennych ľuľla stalowniczego, Pomiary Automatyka Kontrola, Vol. 59, nr 9, 2013, s. 985-988
Wittchen W., Pacholski K., Borecki M., Olbrycht R., Wiúcek
B., Strækowski R.: Iloħciowe Aspekty Zastosowania Termowizji w Podczerwieni w Hutnictwie, Pomiary Automatyka Kontrola, Vol. 59, nr 9, 2013, s. 916-919
Strækowski R., Pacholski K., Wiúcek B., Olbrycht R., Wittchen
W., Borecki M.: Radiative parameters of steel slag for FeO
content estimation using multispectral thermography system,
An International Journal on IR Thermography Quantittative
InfraRed Thermography, Volumine 11, Number 2 December
2014, s. 222-232
Wiúcek M., Strækowski R., Wiúcek B., Olbrycht R., Ħwiætczak
T., Wittchen W., Borecki M.: Estimation of Steel Slag Parameters Using Thermal Imaging And Neural Networks ClassiÞcath
tion, 10 International Conference On Quantitative Infrared
Thermography, QIRT 2010, Quebec, Laval University, July
27-30, s. 669-673
Wiúcek B., Pacholski K., Ħwiætczak T., Wittchen W., Borecki
M.: Multispectral system for measuring the radiation parameters of steel slag during the discharge of steelworks furnace, 11th International Conference On Quantitative Infrared
Thermography, QIRT 2010, Neapol – Wđochy, 11-14.06-2012