CC BY
41
УДК 004.932.2
М.Ю. Рябчиков
канд. техн. наук, доцент, кафедра автоматизированных систем управления, ФГБОУ ВПО «Магнитогорский государственный технический университет имени Г. И. Носова»,
г. Магнитогорск
Р.Э. Бурнашев
аспирант,
кафедра автоматизированных систем управления, ФГБОУ ВПО «(Магнитогорский государственный технический университет имени Г. И. Носова»,
г. Магнитогорск
Н.В. Богданов
магистр,
кафедра автоматизированных систем управления, ФГБОУ ВПО «(Магнитогорский государственный технический университет имени Г. И. Носова»,
г. Магнитогорск
СПОСОБ ОЦЕНКИ ГЕОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ЗЕРЕН ЩЕБНЯ И ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТОВ ОЦЕНКИ ДЛЯ УПРАВЛЕНИЯ ПРОЦЕССОМ ДРОБЛЕНИЯ В ДРОБИЛКАХ ЦЕНТРОБЕЖНО-УДАРНОГО ТИПА ДЕЙСТВИЯ
Аннотация. В данной статье описан способ оценки геометрических параметров зерен щебня по их цифровому изображению, а также перспективы его применения для совершенствования системы управления процессом дробления в дробилках центробежно-ударного типа действия.
Ключевые слова: анализ изображения, управление процессом дробления, лещадность щебня, центробежные дробилки.
M.Yu. Ryabchikov, Nosov Magnitogorsk State Technical University, Magnitogorsk
R.E. Burnashev, Nosov Magnitogorsk State Technical University, Magnitogorsk
N.V. Bogdanov, Nosov Magnitogorsk State Technical University, Magnitogorsk
CRUSHED STONE'S GEOMETRY ESTIMATION METHOD AND APPLYING ESTIMATION RESULTS FOR
CONTROL OF CRUSHING PROCESS IN CENTRIFUGAL CRUSHERS
Abstract. In this article describes method of crushed stone's geometry estimation using the digital image and possibility of applying it for development of control system of crushing process in centrifugal crushers.
Keywords: image processing, crushing process control, crushed stone flakiness, centrifugal crushers.
Оценка геометрических параметров зерен щебня является необходимым условием процесса производства щебня, т.к. форма зерен существенно влияет на прочность и износостойкость щебня. В качестве параметра оценки формы зерен государственным стандартом принят термин «лещадность» - содержание зерен игловидной и плоской формы. Зерно щебня принято считать лещадным, если отношение его высоты или ширины к длине превышает 1:3. Для определения этого отношения предусмотрен специальный шаблон, с помощью которого и осуществляется измерение лещадности щебня. Содержание зерен лещадной формы определяет группу продукта дробления. Всего существует четыре группы.
Определение лещадности щебня вручную с помощью шаблона представляет собой довольно трудоемкий и долгий процесс. Такой способ оценки формы зерен щебня требует наличие персонала и вносит погрешность, обусловленную человеческим фактором, т.к. зачастую при измерении не все зерна проходят через шаблон - как правило, персонал лаборатории откладывает очевидно кубовидные и очевидно лещадные зерна без использования шаблона для ускорения процесса измерения. Опытные технологи практически не ошибаются в этой операции, более того, даже могут определить лещадность щебня просто взглянув на пробу, однако
неопытный персонал вносит существенную погрешность, которая может привести к неверному определению группы щебня.
Актуальность данной работы обусловлена потребностью разработки способа определения лещадности, позволяющего исключить человеческий фактор и ускорить процесс измерения лещадности.
В качестве такого способа может выступить оценка геометрических параметров зерен щебня по их цифровому изображению [1]. Анализ изображений может проводиться с помощью различных программных продуктов и модулей. В данной работе анализ проводился в среде программирования Microsoft Visual Studio 2010 с помощью функций открытой библиотеки компьютерного зрения OpenCV [2-3].
В результате экспериментов была установлена последовательность операций, позволяющая определить контуры зерен щебня и их геометрические параметры. Выяснилось, что в случае, если зерна лежат плотным слоем, стандартный алгоритм (определение контуров и их параметров с помощью стандартной функции поиска контуров на обработанном изображении границ, найденных по алгоритму Канни [2-3]) не дает приемлемых результатов и возникает необходимость в применении алгоритмов сегментации [4].
Общая предлагаемая [6] последовательность анализа изображений щебня состоит из следующих шагов.
1. Предварительная обработка изображения (перевод в градации серого и сглаживание фильтром Гаусса).
2. Поиск границ на изображении с помощью детектора границ Канни.
3. Увеличение толщины границ с помощью операции морфологического растягивания.
4. Автоматическое формирование карты маркеров для алгоритма водораздела на основе изображения, полученного после операции морфологического растягивания.
5. Выполнение сегментации исходного изображения с помощью алгоритма водораздела с использованием полученной карты маркеров.
6. Поиск контуров и их анализ, а также формирование файла отчета.
Для осуществления данных действий был реализован программный интерфейс, позволяющий обрабатывать изображения и сохранять результаты обработки. На рисунке 1 продемонстрирован пример обработки изображения данным алгоритмом. Все полученные контуры нумеруются, вычисляются и фиксируются их длина, площадь, координаты и размеры наименьшего описывающего прямоугольника и соотношение его сторон.
а) б)
Рисунок 1 - Исходное изображение (а) и результат его обработки (б)
Реализация представленного способа измерения лещадности позволит оперативно измерять лещадность продуктов дробления и передавать измеренные значения в систему управления процессом дробления.
В дробилках центробежно-ударного типа действия с вертикальным ротором (рис. 2) для управления лещадностью изменяют линейную скорость вращения ускорителя. Между указанными параметрами есть обратно-пропорциональная зависимость.
Рисунок 2 - Принцип действия центробежно-ударной дробилки ЗАО «Урал-Омега»
С увеличением линейной скорости вращения ускорителя снижается лещадность, однако при этом увеличивается доля отсева. Таким образом, можно найти оптимальное соотношение между лещадностью продуктов дробления и долей отсева, которое будет удовлетворять требованиям заказчика.
Так как регулируемых параметров несколько, а управляющее воздействие одно, необходимо вырабатывать компромиссное значение управляющего воздействия, которое бы обеспечило приемлемый результат. Этого можно добиться с помощью управления по методу Герды Айрон [7], которое определяется следующими уравнениями:
дХном. _ хфакт. _хзад. дурас. _ дуном. _дупрогн.
к _
е2 „
дх Но
+е + N
, и _ £ к,дхГ\
где хфакт - фактическое значение показателя (фактическое значение лещадности фракций 5-10 мм и 10-20 мм, а также доля фракции 0-5 мм); Х^ад - заданное значение показателя; дХНом - номинальное отклонение между фактическим значением показателя и заданным; дхпрогн - прогнозируемое отклонение показателя, ожидаемое в результате отработки управляющего сигнала регулятора; АХрас - величина рассогласования между номинальным отклонением параметра и прогнозируемым; к - весовые коэффициенты сигналов рассогласования; - дисперсия сигнала, пропорционального выходному воздействию на ПИД-регулятора, управляющего оборотами главного привода дробилки; е2 - дисперсия сигнала, пропорционального измеренному отклонению показа-
1_1
теля от заданного значения; и - воздействие в систему управления оборотами двигателя.
60 s 50
^ 40
о
5 зо
о.
■е-
к
ч о
20 10 0
2
20
* 15 £
0 х
ч:
аз
3"
01
10
1
Г /2
4
200 400
Время, с
600
200 400
Время, с
600
а) б)
Рисунок 3 - а) Переходные процессы по доле фракций - 5 мм (линией показано задание); б) Переходные процессы по лещадности (1 - фактическая фракции 10-20; 2 - заданная для фракции 10-20; 3 - фактическая фракции 5-10; 4 - заданная фракции 5-10)
Результаты проведенного моделирования (рис. 3) показывают принципиальную возможность одновременного управления лещадностью и долей отсева и в сочетании с управлением загрузкой свидетельствуют о возможности оптимизации процессов дробления [6-9] на основе управления качеством.
Список литературы:
1. Шапиро, Л. Компьютерное зрение: пер. с англ. / Л. Шапиро, Дж. Стокман. - М.: БИНОМ: Лаборатория знаний, 2006. - 752 с.
2. Руководство OpenCV Refman (Release 2.4.9.0) - OpenCV. - 2014. - 913 с.
3. OpenCV шаг за шагом [Электронный ресурс]. Режим доступа: robocraft.ru/blog/ computervision (дата обращения: 5.06.2015).
4. Бурнашев, Р.Э. Изучение возможных подходов к управлению дробилками центробежного типа производства ЗАО «УРАЛ-ОМЕГА» с учетом качества получаемого продукта / Р.Э. Бурнашев, М.Ю. Рябчиков, В.В. Гребенникова, Е.С. Рябчикова // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. - 2015. - № 1. - С. 122-128.
5. Евстигнеев, В.Л. Постановка задачи оптимизации многостадийного дробления / В.Л. Евстигнеев // Автоматизированные технологии и производства. - 2013. - № 5. - С. 263-270.
6. Бурнашев, Р.Э. Алгоритмическое обеспечение системы контроля и управления лещадностью продуктов дробления / Р.Э. Бурнашев, М.Ю. Рябчиков // Автоматизированные технологии и производства. - 2015. - № 1 (7). - С. 4-8.
7. Труфанов, И.Д. Системные факторы оценки работоспособности электротехнических комплексов на основе интегростохастических критериев энерго-эффективности / И.Д. Труфанов, А.П. Лютый [и др.] // Восточно-европейский журнал передовых технологий. - 2010. - (48) -С. 46-58.
8. Бурнашев, Р.Э. Управление работой центробежной дробилки CC-0.36 с учетом значения коэффициента крепости исходного материала по методу Протодьяконова / Р.Э. Бурнашев, М.Ю. Рябчиков, В.В. Гребенникова // Автоматизированные технологии и производства. -2014. -№ 6. -С. 203-208.
9. Евстигнеев, В.Л. Исследование целевых функций оптимального управления многостадийным дроблением / В.Л. Евстигнеев, В.В. Гребенникова, Р.Э. Бурнашев // Автоматизированные технологии и производства. - 2014. -№ 6. - С. 188-194.
