CC BY
14УДК 62-!
N.V. Vorobyev, E.G. Egorova, L.A. Rusinov
DIAGNOSTIC SYSTEM OF IRON ORE AGGLOMERATION PROCESS USING OPTICAL ELECTRONIC DEVICES
St. Petersburg State Institute of Technology (Technical University) Moskovsky pr. 26, St Petersburg, 190013, Russia e-mail: enicolas@yandex.ru
The paper reviews the monitoring and diagnostic system of agglomeration of iron ores and concentrates that uses information of process on-line sensors. For increasing the abilities of the diagnostic system it is suggested to use the digital cameras that allow providing automatic control of certain process parameters. In the article the places of installation of digital cameras and the algorithms for processing their data are defined.
Keywords: diagnostic system, fault, agglomeration, optical electronic device
301.12
Н.В. Воробьёв1, Е.Г. Егорова2, Л.А. Русинов3
СИСТЕМА ДИАГНОСТИКИ ПРОЦЕССА АГЛОМЕРАЦИИ ЖЕЛЕЗОРУДНЫХ МАТЕРИАЛОВ С ИСПОЛЬЗОВАНИЕМ ОПТИКО-ЭЛЕКТРОННЫХ УСТРОЙСТВ
Санкт-Петербургский государственный технологический институт (технический университет), Московский пр., д. 26, Санкт-Петербург, 190013, Россия e-mail: enicolas@yandex.ru
Рассматривается система диагностики нарушений на процессе агломерации железорудных материалов, использующая текущую информацию с он-лайновых датчиков на процессе. В связи с отсутствием автоматического контроля некоторых параметров процесса, для увеличения глубины диагностики, предложено использовать оптико-электронные устройства. В статье описаны места установки цифровых камер и алгоритмы обработки их данных.
Ключевые слова: система диагностики, процесс агломерации, нарушение, оптико-электронное устройство
Введение
Агломерация является начальным процессом при производстве чугуна, что делает довольно значимым качество выходного продукта - агломерата. Процесс производства агломерата протекает под воздействием множества возмущений, включающих изменение химико-минералогического, гранулометрического состава шихты, условий дозирования, смешивания, окомкования, укладки шихты на аглоленту, вариации характеристик топлива, условий зажигания, условий спекания и т.д.; процесс не имеет достаточно полной математической модели, что значительно усложняет управление. И хотя процесс достаточно хорошо автоматизирован, системы регулирования стабилизируют основные технологические параметры, не учитывая часто возникающие отклонения от номинальных значений факторов, перечисленных выше. Это приводит к появлению брака, увеличению количества возврата и, таким образом, к снижению эффективности процесса.
Для уменьшения количества брака на ряде предприятий, к сожалению, в основном за рубежом, вводят системы диагностики, параллельно работающие с традиционными системами регулирования. Данные системы строятся на базе экспертных диагностических моделей. Первая такая экспертная система для управления процессом спекания была применена на металлургическом заводе в Японии в начале 80-х годов прошлого века [1]. В настоящее время она значительно усовершенствована.
На металлургическом заводе корпорации Kawasaki Steel в г. Тиба разработана система оперативного управления, которая включает систему управления энергопотреблением процесса спекания, систему управления
подачей материала и систему управления химическим составом шихты. Применение данной системы оперативного управления уменьшает расход коксовой мелочи, стабилизирует управление. Однако, однотипные нарушения, возникающие на процессе в разное время, имеют различные значения симптомов, что приводит при использовании для диагностики экспертной модели к возникновению ложных обнаружений нарушений или их пропуску. Для устранения этого недостатка появились сообщения о разработке систем диагностики с использованием экспертных диагностических моделей на основе нечёткой логики.
В статье [2] представлен общий подход к альтернативному методу построения системы диагностики на основе нейросетевой модели. Система использует для выработки диагнозов информацию с непрерывных датчиков системы автоматизации, действующей на процессе. Однако глубина диагностики такой системы оказалась недостаточной: для распознавания ряда нарушений, связанных напрямую с качеством агломерата, системе не хватило информации. В данной статье рассматривается применение дополнительных оптических цифровых камер, которые предлагается установить на процессе для увеличения глубины диагностики.
Краткое описание процесса агломерации
Процесс агломерации представляет собой спекание руд, концентратов и измельчённого топлива в прочные пористые куски - агломерат. Кратко, процесс агломерации можно описать следующим образом: шихту, состоящую из мелкого железорудного концентрата, измельчённого известняка, железосодержащих добавок,
1 Воробьёв Николай Вячеславович, канд. техн. наук, ассистент каф. автоматизации процессов химической промышленности, e-mail: enicolas@yandex.ru
Vorob'ev Nicolay V., PhD (Eng.), assistant, Chemical Engineering Control Department, e-mail: enicolas@yandex.ru
2 Егорова Екатерина Геннадьевна — аспирант, каф. автоматизации процессов химической промышленности, e-mail: egorova-spbgti@yandex.ru. Egorova Ekaterina G., Post-graduate student, Chemical Engineering Control Department, e-mail: egorova-spbgti@yandex.ru
3 Русинов Леон Абрамович, д-р техн. наук, профессор, зав. каф. автоматизации процессов химической промышленности, e-mail: lrusinov@yandex.ru Rusinov Leon A., Dr Sci (Eng), Professor, Head of the department Chemical Engineering Control, e-mail: lrusinov@yandex.ru
Дата поступления - 19 ноября 2014 года Received November, 19 2014
возврата (некондиционный агломерат от предыдущего спекания) и топлива, загружают на конвейерную агломерационную машину, зажигают сверху и спекают, просасывая воздух через слой спекаемых материалов (рисунок 1).
Для исключения субъективных ошибок и снижения нагрузки на оператора необходимо снабдить процесс техническими средствами, позволяющими измерять указанные параметры и, таким образом, увеличить глубину диагностики и повысить эффективность работы системы диагностики и процесса в целом.
Нарушения на процессе агломерации
В результате изучения регламента и работы с экспертами было выделено около 50 нарушений, которые могут возникать в ходе процесса. Эти нарушения были сгруппированы в 8 групп [2]. В таблице приведены нарушения, существенно влияющие на качество агломерата, но симптомы которых автоматически в настоящее время не контролируются.
Таблица. Перечень нарушений на процессе агломерации, симптомы которых в настоящее время автоматически не контролируются
Рисунок 1. Технологическая схема производства агломерата
Процесс агломерации можно разделить на четыре стадии: начальная стадия - подготовка шихты, её смешивание, окомкование, увлажнение, загрузка; далее - зажигание аглошихты под горном; основная стадия -спекание шихты, во время которого происходит перемещение по зонам формирования агломерата, интенсивный нагрев; и заключительная стадия - дробление, грохочение, охлаждение агломерата.
На начальном этапе подготовки агломерационная шихта для обеспечения нужной газопроницаемости увлажняется. Заданная газопроницаемость обеспечивается путём регулирования расхода воды в смеситель-окомко-ватель.
На этапе зажигания интенсивность зажигания напрямую влияет на весь процесс спекания: при недостаточной интенсивности может произойти «недопёк» части слоя, при избыточной - возможно оплавление верхнего слоя агломерата, уменьшение газопроницаемости и снижение скорости спекания [3].
Как уже указывалось во введении, процесс достаточно хорошо автоматизирован. Системы регулирования контролируют основные параметры: температуру поверхности зажженной шихты; высоту слоя шихты; температуру в зоне горения; скорость ленты агломашины; давление и температуру в вакуум-камерах и др. Однако, на процессе существуют параметры, контроль значений которых в автоматическом режиме в настоящее время не производится, хотя они имеют большое значение для проведения качественной диагностики. Например, такой параметр как «цвет агломерата в конце аглоленты», «цвет агломерата на ленте после горна», «структура излома при сбросе агломерата с ленты», характеризующие равномерность нагрева, вертикальную скорость спекания и степень про-пекания шихты, определяются визуально оператором и вводятся в систему управления вручную («на глазок»).
Нарушение Причина Симптом
Неравномерность распределения температуры по ширине аглоленты Непостоянство температуры по ширине ленты.
Ухудшение качества агломерата Недостаток углерода в шихте Более короткая зона свечения поверхности агломерата (до 5-6 вакуум-камер). В изломе пирога появляются гнёзда неспечённой шихты, агломерат сходит с паллет почти тёмным.
Нарушение зажигания шихты Избыток углерода в шихте Удлинённая зона свечения поверхности агломерата (до 6-7 вакуум-камер). Шихта в зоне спекания раскалена до 2/3 высоты. При допекании шихты до колосников агломерат получается сильно оплавленный с крупными порами.
Нарушение зажигания шихты Низкая температура зажигания Рыжеватый оттенок цвета поверхности спёка после охлаждения.
Высокая температура зажигания Поверхность «пирога» оплавлена, имеет повышенную прочность.
Для автоматического контроля симптомов, приведённых в таблице и исключения оператора из процесса, было предложено установить цифровые оптические камеры и разработать алгоритмы обработки получаемых изображений.
Алгоритмы обработки изображений
Схема расположения цифровых камер представлена на рисунке 2 [4]. Первая камера устанавливается после зажигательного горна и охватывает зону 5-6-ой вакуум-камер. Для данной тепловой камеры основная задача состоит в определении равномерности прогрева шихты. Алгоритм работы камеры приведен на рисунке 3.
Агломерационная мац|ина
Рисунок 2. Схема расположения цифровых оптических камер
Рисунок 3. Алгоритм работы первой камеры
Зона охвата камеры виртуально разделяется на 15 зон по 5 по ширине аглоленты в 3 линии (рисунок 3, оператор 4). При этом дискретность измерения должна соответствовать прохождению при движении аглоленты под камерой одной линии. Для каждой зоны рассчитывается среднее значение температуры Ts и СКО температуры между зонами в каждой линии (операторы 9, 10). Затем проверяется равномерность распределения температуры по ширине ленты: если средние температуры зон Ts отличаются более чем на 2 СКО, то принимается заключение, что материал прогрет неравномерно (оператор 13). Существует и другое нарушение в процессе прогрева - чрезмерный нагрев. Для процесса существует профиль изменения температур вдоль ленты. Согласно ему температуры соседних зон вдоль ленты не должны отличаться более чем на заданное значение ДТ (оператор 14). Далее информация о состояния процесса передается в систему диагностики.
Вторая камера устанавливается в конце аглоленты, охватывая поверхность спеченного агломерата в зоне последней вакуум-камеры. Камера служит для определения готовности продукта по его цвету. При нормальном протекании процесса агломерат имеет серовато-металлический цвет, в случае нарушения - он приобретает рыжеватый оттенок. Качество определения цвета в этой
зоне зависит от наличия правильно подобранного освещения. Лучше всего для этой цели подходят лампы с рассеянным светом.
Цвет агломерата не равномерен, поэтому требуется интегральная оценка по всей поверхности, например, получаемая оценкой цвета каждого пикселя изображения с последующим усреднением. Для этой цели камере были предъявлены 2 эталонных образца агломерата: образец, цвет которого соответствует нормальному ходу процесса и образец процесса с нарушением. Цвет каждого пикселя изображений обоих образцов был представлен в трехмерном пространстве, где в качестве координат использовались значения интенсивности красного, зеленого и синих цветов соответственно (рисунок 4а). В результате были получены 2 массива точек (о - цвет агломерата при нормальном ходе процесса, х - цвет при наличии в ходе процесса нарушения), которые затем были объединены и подвергнуты кластеризации.
Наилучшие результаты разделения были получены при использовании метода Густафсон-Кесселя (рисунок 4б), точность определения состояния процесса составила почти 95 % при использовании 2 кластеров. Похожие результаты были получены и при использовании метода С-средних. Однако, серьезно усложнялся алгоритм обработки результата кластеризации.
Рисунок 4а, 4б. Вид кластеров после обработки изображений эталонов с камеры 2
Во время работы агломерационной машины каждый пиксель изображения, получаемого с камеры, проверяется на принадлежность к тому или иному кластеру (рисунок 5, оператор 11). Если степень принадлежности к первому кластеру оказывалась больше, чем ко второму,
то добавлялась единица к значению счетчика (оператор 12). После проверки всех пикселей значение счетчика делилось на общее количество пикселей изображения, таким образом, мы получали относительную интегральную оценку (оператор 13).
Рисунок 5. Алгоритм работы второй камеры
Третья камера устанавливается на изломе при сходе агломерата с аглоленты. Алгоритм обработки изображения представлен на рисунке 6.
Рисунок 6. Алгоритм обработки третьей камеры
Д00 600 300 1000 1300
Строии «ара
Изображение с тепловой камеры
Рисунок 7. Излом агломерата
1 ..... .....1 -
о
1
■г|
го
40
&>
30 100
130
100 Ш 300 11)00 1200 Средч ^мпературл
Видоискатель данной тепловой камеры настраивается на зону излома агломерата (рисунок 7) [4]. На полученном с камеры изображении оцениваются геометрические характеристики различных по температуре зон (а именно зон высоких и средних температур). Для этого производится поиск их границ. Так как процесс спекания шихты осуществляется с одинаковой скоростью относительно поверхности агломерата, то можно сделать допущение, что границы температурных зон можно провести параллельно поверхности агломерата. Поэтому поиск границ осуществлялся посредством вычисления средних значений температуры в каждой строке матрицы кадра, проходящей параллельно поверхности (рисунок 6, блок б). В строках, где значение средней температуры значительно менялось относительно соседних, и находились границы температурных зон. На основании полученных данных, кадр разделяется горизонтально (параллельно поверхности агломерата) на 5 зон (1 - прогоревшая шихта, 2 - задний фронт, 3 - зона горения, 4 - передний фронт, 5 зона - не прогоревшая шихта) - рисунок 7. Далее вычисляются площади зон и их положение относительно поверхности пирога. На основании полученной геометрии система диагностики делает вывод о ходе процесса (рисунок 6, оператор 13). Например, если скорость горения низкая, то зона горения будет смещена вверх и наоборот, а наличие широких переходных зон говорит о низкой теплопроводности материала, вызванной его чрезмерной измель-ченностью и т.д.
Заключение
Для расширения возможностей разрабатываемой системы диагностики процесса агломерации и для исключения субъективных ошибок при определении симптомов нарушений оператором в связи с отсутствием автоматической измерительной аппаратуры, предлагается дополнить систему автоматизации процесса цифровыми видео камерами.
Определены места установки камер: за зажигательным горном в районе 5-6 вакуум-камер для контро-
ля равномерности температуры по ширине аглоленты; над зоной охлаждения агломерата для контроля состояния агломерата по его цвету и в смотровом окне у конца аглоленты для контроля зоны горения на изломе аг-лоспека.
Разработаны алгоритмы обработки изображений камер. При этом алгоритм обработки изображения первой камеры работает на сравнении средних температур по зонам, выделенным по ширине и длине аглоленты. Алгоритм обработки изображений второй камеры производит на этапе обучения нечеткую кластеризацию с выделением двух кластеров - нормы и недопека с последующим отнесением пикселей текущего изображения к тому или иному кластеру. Алгоритм обработки изображения третьей камеры производит сканирование изображения в направлении толщины агломерационного пирога с вычислением математического ожидания температур по слоям, параллельным поверхности агломерационного пирога. Это позволило определить профиль температуры по сечению пирога и оценить качество процесса спекания.
Литература
1. Fukagama, T. Автоматизированная система управления агломерационным процессом с искусственным интеллектом // Кавасаки сейтэцу тихо-Kawasaki steel gino. 1991. № 3. С.203-209.
2. Егорова Е.Г., Русинов Л.А., Усачев М.В., Сали-хов М.З. Анализ процесса подготовки агломерата из руд цветных и чёрных металлов как объекта автоматической диагностики // Цветные металлы. 2013. № 11. С. 87-92.
3. Глинков Г.М., Маковский М.А. АСУ ТП в чёрной металлургии: учеб. для вузов. 2-е изд. перераб. и доп. М.: «Металлургия», 1999. 310 с.
4. Ершов Е.В., Селивановских В.В., Ганичева О.Г., Плашенков В.В. Анализ гранулометрического состава агломерата с использованием методов обработки изображений // Известия вузов. Приборостроение. 2007. Т. 50. № 8. С. 65-68.
