中間包鋼水液位測(cè)量中結(jié)渣特征提取的研究.pdf

1、連鑄生產(chǎn)中，中間包液位信息是保證生產(chǎn)順利進(jìn)行的關(guān)鍵參數(shù)之一。由于中間包鋼水上方覆蓋保護(hù)渣層，導(dǎo)致傳統(tǒng)的微波、激光、浮子等液位測(cè)量方法無(wú)法使用。針對(duì)這一難題，提出一種基于溫度特征提取的中間包鋼水液位測(cè)量方法。然而，在實(shí)際測(cè)量過(guò)程中，由于保護(hù)渣容易結(jié)殼，出現(xiàn)完全遮擋視覺(jué)、破壞溫度梯度特征的情況，產(chǎn)生測(cè)量誤差。因此對(duì)于結(jié)渣異常情況下的液位圖像進(jìn)行去噪、邊緣檢測(cè)、特征提取和分類(lèi)等方面的研究。
　　首先，研究了結(jié)渣圖像的預(yù)處理。由于冶金現(xiàn)場(chǎng)

2、的環(huán)境復(fù)雜，導(dǎo)致被測(cè)目標(biāo)特征無(wú)法可靠提取，本文采用基于小波變換的閾值算法實(shí)現(xiàn)對(duì)疊加在圖像中的噪聲的濾除。除此之外，由于被測(cè)目標(biāo)的背景中常常出現(xiàn)異常干擾，疊加大量偽信息，影響特征提取的可靠性。本文通過(guò)先提取ROI區(qū)域，在ROI區(qū)域內(nèi)進(jìn)行灰度增強(qiáng)，使特征信號(hào)輸出最大化。
　　其次，研究了結(jié)渣圖像的特征提取。根據(jù)典型結(jié)渣圖像的灰度分布特性，研究了感溫區(qū)域的邊緣準(zhǔn)確提取算法，并提出一種適用現(xiàn)場(chǎng)的快速邊緣提取算法。根據(jù)所提取的幾何輪廓定義了

3、6組特征量描述目標(biāo)信息;根據(jù)灰度統(tǒng)計(jì)特點(diǎn)，定義了4組特征量描述圖像的紋理信息。
　　第三，研究了基于支持向量機(jī)的結(jié)渣分類(lèi)方法。對(duì)采集的原始特征數(shù)據(jù)進(jìn)行歸一化預(yù)處理，并利用PCA進(jìn)行特征簡(jiǎn)約將10維的特征降為5維，加快了模型的訓(xùn)練速度和提高了分類(lèi)的精度。本研究選用RBF核函數(shù)，通過(guò)網(wǎng)格搜尋的策略搜索最佳參數(shù)，分類(lèi)結(jié)果的平均準(zhǔn)確性高達(dá)85％，滿(mǎn)足現(xiàn)場(chǎng)測(cè)量的需要。
　　最后，將中間包鋼水液位測(cè)量結(jié)渣檢測(cè)技術(shù)應(yīng)用在工業(yè)現(xiàn)場(chǎng)，分析和比