基于红外图像识别的转炉炉衬残厚预测模型
来源：钢铁研究学报杂志2024年第12期北京时间：
作者：葛雨田1, 王敏1,2, 阳晋3, 邢立东1,2, 李岚昕3, 包燕平1
单位：1.北京科技大学绿色低碳钢铁冶金新技术国家重点实验室,北京100083;；2.北京科技大学金属冶炼重大事故防控技术支撑基地,北京100083;；3.北京全路通信信号研究设计院集团有限公司,北京100071
摘要：为解决转炉烧穿漏钢问题,提出了一种新型的转炉炉衬残厚监测预报模型。首先,通过对转炉炉衬侵蚀机制及影响因素的深入研究,明确了冶炼环境对转炉炉衬的机械损伤和化学侵蚀作用;通过分析红外热像仪的优势,阐明了红外图像分析技术实现炉衬残厚检测的可能性,设计了基于红外图像识别的转炉炉衬残厚预测模型的研究方案。随后,采用图像算法实现了红外图像与温度数据的相互转换,有效地降低了红外图像数据的分析难度,使用因子分析法对网络输入项进行降维,最后利用GA-BP神经网络预测单次冶炼的炉衬剥落量,进而计算炉衬残厚。模型实现98%的预测误差小于1 mm,85%的预测误差小于0.5 mm,填补了依托红外技术进行炉衬残厚检测的技术空白,拓展了红外技术在冶金行业的应用前景,为解决转炉炉衬安全问题提供了新的思路和方法。
关键词：炉衬侵蚀机制,红外测厚,图像算法,GA-BP神经网络,安全模型
基金资助：中央引导地方科技发展基金资助项目(2023JH6/100100046,YDZJSX2022C028)
