劉旦

[摘? ? 要]為了保證燒結(jié)礦質(zhì)量穩(wěn)定，同時推進燒結(jié)智能化發(fā)展，興澄特鋼對燒結(jié)機尾部進行改造，引入了紅外熱像儀，并根據(jù)熱成像原理和燒結(jié)工藝理論，利用熱像儀自身優(yōu)勢對料層斷面的燒結(jié)終點、燒結(jié)均勻性、邊緣效應大小等狀態(tài)進行量化記錄、分析，并預測了燒結(jié)礦FeO的變化趨勢。應用結(jié)果表明，燒結(jié)機尾熱成像系統(tǒng)操作簡便、功能實用，保證了燒結(jié)質(zhì)量，減輕了燒結(jié)主控監(jiān)測負擔。

[關(guān)鍵詞]熱像儀;燒結(jié);邊緣效應;燒結(jié)終點

[中圖分類號]TP391.41 [文獻標志碼]A [文章編號]2095–6487（2021）12–00–02

Application of Thermal Imaging System at the Tail of Xingcheng Sintering Machine

Liu Dan

[Abstract]In order to ensure the stable quality of sinter and promote the intelligent development of sintering， Xingcheng Special Steel reformed the tail of sintering machine， introduced infrared thermal imager， and quantitatively recorded and analyzed the sintering end point， sintering uniformity and edge effect of material layer section according to the thermal imaging principle and sintering process theory， The change trend of FeO in sinter is predicted. The application results show that the sintering machine tail thermal imaging system has the advantages of simple operation and practical function， ensures the sintering quality and reduces the burden of sintering main control and monitoring.

[Keywords]thermal imager; sinter; edge effect; sintering end point

江陰興澄特種鋼鐵有限公司（以下簡稱“興澄特鋼”），以工業(yè)傳感器、物聯(lián)網(wǎng)技術(shù)為基礎(chǔ)，構(gòu)建了大數(shù)據(jù)智能互聯(lián)平臺，對燒結(jié)生產(chǎn)數(shù)據(jù)提出了進一步要求[1]，后又對燒結(jié)機尾部進行改造，引入燒結(jié)機尾熱成像系統(tǒng)。

1 燒結(jié)機尾熱成像系統(tǒng)

興澄特鋼采用微型高清紅外熱像儀實時接收視場范圍內(nèi)目標物體的紅外線，通過熱像儀中的信號處理系統(tǒng)將目標物體的紅外信號分布圖像轉(zhuǎn)換成視頻圖像，把人眼所無法觀察到表面熱分布可視化;結(jié)合燒結(jié)工藝原理，提取溫度場數(shù)據(jù)轉(zhuǎn)化為特征參數(shù)作為評價燒結(jié)狀態(tài)的指標[2-4]。

1.1 硬件系統(tǒng)

燒結(jié)機尾熱成像硬件系統(tǒng)由動力推桿、冷卻水套、熱像儀（熱像儀+高溫鏡頭）、氣冷保護套、固定支架、控制系統(tǒng)、工控機及通信網(wǎng)絡(luò)等組成。

系統(tǒng)運行時，設(shè)備由動力推桿驅(qū)動沿冷卻水套運行至監(jiān)測位置，通過熱像儀監(jiān)測被測燒結(jié)斷面。如圖1所示。

1.2 功能設(shè)計

根據(jù)熱成像優(yōu)勢，結(jié)合現(xiàn)場需求，機尾熱成像系統(tǒng)提取了溫度場分布、燒結(jié)終點狀態(tài)、垂直燃燒速度、燒結(jié)邊緣效應并對燒結(jié)礦FeO含量變化趨勢進行了分析。

（1）溫度場分布提取。燒結(jié)機尾攝像頭是基于物體的紅外輻射成像;視頻的像素點是由溫度點轉(zhuǎn)換而成，所以在針對燒結(jié)礦材質(zhì)完成溫度校對后，在視頻上就可以直接讀取斷面各點溫度。斷面溫度場分布模型可統(tǒng)計指定溫度區(qū)間，統(tǒng)計其在整個燒結(jié)斷面中所占比例，以此表征燒結(jié)料層色溫度分布狀態(tài)。以400～500 ℃溫度區(qū)間為例，計算方式如下：

R_（400-500）=N_（400-500）/N_all×100%

（2）燒結(jié)邊緣效應。當流體沿裝有固體散狀物料的空間圍壁處流過時，圍壁對它的影響就稱作邊緣效應[5]。在熱成像溫度場中，邊緣效應顯著時，臺車邊緣的紅火層就會相對較薄。熱成像系統(tǒng)根據(jù)該對應關(guān)系通過燒結(jié)機尾斷面溫度場計算邊緣效應值，表征邊緣效應大小，公式如下：

R_edge=N_edge/N_all

式中：R_edge為邊緣效應趨勢值;N_edge為欄板附近溫度低于燒結(jié)礦帶平均溫度的點個數(shù);N_all為斷面總溫度點個數(shù)。

垂直燒結(jié)速度可以看作燃燒帶最高溫度點向下遷移的速度，其與燒結(jié)機產(chǎn)量呈正相關(guān)，公式如下：

V_burn=（N_max）/（N_h）×H/（L/v）

式中：V_burn為垂直燒結(jié)速度值，mm/min;H為料層厚度，mm;N_max為斷面溫度最高點距料面的溫度點數(shù);N_h為斷面高度方向上溫度點個數(shù);v為燒結(jié)機速，m/min;L為有效燒結(jié)長度，m。

（3）垂直燒結(jié)速度。燃燒帶最高溫度點向下遷移的速度在一定程度上反映了垂直燒結(jié)速度，計算邏輯如下：

V_burn=（N_max）/（N_h）×H/（L/v）×K

（4）燒結(jié)終點狀態(tài)

燒結(jié)終點位置可以通過機尾料層斷面的最高溫度位置進行反映。燒結(jié)終點提前（過燒）會導致斷面的最高溫度過度向底面遷移;燒結(jié)終點延后（欠燒）會導致斷面的最高溫度遷移變慢，到機尾時仍然處于料層中上部。根據(jù)這個對應關(guān)系，提取機尾時刻料層斷面的最高溫度相對位置反映燒結(jié)終點狀態(tài)：R_end=N_end/N_all

式中：R_end為燒結(jié)終點狀態(tài)值;N_end為斷面溫度最高點與臺車底部之間的溫度點個數(shù);N_all為斷面總溫度點個數(shù)。

合適的燒結(jié)終點狀態(tài)，既能保證燒結(jié)礦的質(zhì)量，又能使燒結(jié)礦的產(chǎn)量達到最大值。燒結(jié)終點狀態(tài)值偏高則燒結(jié)礦質(zhì)量下降，返礦率升高;燒結(jié)終點狀態(tài)值偏低則說明燒結(jié)機臺車面積沒有得到充分利用。

（5）FeO趨勢預測。燒結(jié)礦FeO含量是衡量燒結(jié)礦質(zhì)量的重要指標。燒結(jié)礦FeO趨勢預測的原理是通過收集能夠影響燒結(jié)礦FeO含量的主要參數(shù)：燒結(jié)燃料配比、生石灰配比、點火溫度、點火負壓、混合料水分、堿度和機尾溫度場等;以及這些參數(shù)對應的燒結(jié)礦FeO含量化驗值。

將上述收集到的數(shù)據(jù)作為訓練集，使用神經(jīng)網(wǎng)絡(luò)算法進行訓練學習，得到輸入?yún)?shù)（各影響參數(shù)）與輸出參數(shù)（FeO含量）之間的關(guān)系，從而建立FeO預測模型。

2 系統(tǒng)應用

2.1 實時監(jiān)測

在冷卻系統(tǒng)的作用下機尾熱像儀，克服了環(huán)境溫度高，作業(yè)條件惡劣的現(xiàn)場困難，為主控室工藝人員提供機尾實時圖像。設(shè)備故障率顯著下降。

由于紅外輻射的波長大于可見光，其穿過煙霧和大氣的能力比可見光強，可以克服部分視覺障礙而探測到目標。燒結(jié)機尾部煙塵大，尤其在臺車翻車之后，破碎的料層帶來長時間的遮蔽攝像頭的煙塵。機尾熱成像投入使用后，得到的圖像更清晰。而且由于熱分布可視化，相比于可見光成像，圖像更能反映燒結(jié)狀態(tài)。

2.2 提升燒結(jié)均勻性

系統(tǒng)上線后，邊緣效應和橫向燒結(jié)均勻性都得到了量化展示、記錄。對操作人員及時改善布料起到了促進作用。系統(tǒng)上線后邊緣效應顯著降低，燒結(jié)均勻性得到進一步提高。下圖是系統(tǒng)投入使用前兩個月的記錄數(shù)據(jù)。

圖2中的“垂直燃燒速度標準差”是將系統(tǒng)每次計算5個位置的垂直燃燒速度做標準差。圖中展示的兩條曲線數(shù)據(jù)為每日均值。系統(tǒng)投入使用的前期，垂直燃燒速度標準差在3左右，邊緣效應值在0.4左右。針對這種情況，燒結(jié)操作人員自9月26日開始調(diào)節(jié)布料小閘門控制布料均勻性，同時加厚邊緣料量抑制邊緣效應發(fā)展?！按怪比紵俣葮藴什睢焙瓦吘壭笛杆傧陆?到10月底時，“垂直燃燒速度標準差”已經(jīng)降到1.5，邊緣效應值已經(jīng)降到0.2。這說明料層橫向各區(qū)域垂直燃燒速度趨于一致，邊緣效應降低。

2.3 FeO穩(wěn)定性

軟件通過機尾溫度場狀態(tài)分析FeO值變化趨勢（圖3）。能夠及時將FeO變化趨勢反映給主控室，使燒結(jié)調(diào)整更及時，降低了反饋滯后。

圖3為11月13日軟件中FeO預測值與實際值對比曲線。預測值趨勢與實際化驗值相同。兩個月的預測值追蹤數(shù)據(jù)表明當配礦方案不發(fā)生變動或變化不大時，F(xiàn)eO預測值與實際值吻合性較好;配礦方案變化較大時，新案的預測值與實際值間有時會出現(xiàn)較大偏差，需要經(jīng)過1到2天系統(tǒng)重新自動修正計算參數(shù)。相比于傳統(tǒng)的采樣化驗具備3方面的優(yōu)勢：①時效性更強;②頻率更高;③能夠反應FeO波動情況。

3 結(jié)論

（1）機尾熱成像抗煙塵干擾能力強，準確清晰觀察燒結(jié)機機尾斷面情況，臺車邊緣和料層厚度方向輪廓清晰，滿足操作人員在主控室內(nèi)能夠清晰分辨機尾斷面實時情況的要求。

（2）系統(tǒng)將難以量化的機尾圖像轉(zhuǎn)化為的終點狀態(tài)、邊緣效應、垂直燃燒速度等量化值;將難以儲存、對比分析的圖像，轉(zhuǎn)化為歷史可查的、便于分析對比的數(shù)據(jù)。

（3）料層斷面的數(shù)據(jù)量化，推進了燒結(jié)智能化發(fā)展;促進了燒結(jié)工藝人員對燒結(jié)狀態(tài)的關(guān)注。

（4）FeO預測縮短了燒結(jié)操作的調(diào)整周期，提高了燒結(jié)礦FeO的穩(wěn)定性，解決了原有燒結(jié)系統(tǒng)過分依賴看火工技能水平的影響。

參考文獻

[1] 趙宏博，劉偉，李永杰，等.基于煉鐵大數(shù)據(jù)智能互聯(lián)平臺推動傳統(tǒng)工業(yè)轉(zhuǎn)型升級[J].大數(shù)據(jù)，2017，3（6）：157.

[2] 吳海濱，周德玉，周后偉，等.基于機尾紅外熱成像及神經(jīng)網(wǎng)絡(luò)的燒結(jié)礦質(zhì)量在線判定的研究[C].//安徽省光學學會2010年激光年會論文摘要集.

[3] 徐正光.燒結(jié)機尾紅外熱成像計算機視覺信息處理系統(tǒng)[J].冶金自動化，2002，26（2）：2.

[4] 鄭波.400 m2燒結(jié)機機尾熱像儀改造研究[J].中國重型裝備，2019（4）：36-37.

[5] 彭志堅，汪智德.燒結(jié)機的邊緣效應與抑制措施[J].燒結(jié)球團，1995（3）：13-18.