基于熔解動力學的高爐熔渣在線調制過程中動態(tài)化補熱系統(tǒng)

石 義，郝星暉，范韶前，王 嬌，牛馨樂

1 作品簡介

礦渣棉是礦物棉的一種，它是由熔融礦渣（高爐渣銅礦渣、鋁礦渣等）為主要原料制成的棉絲狀無機纖維，顏色呈白色或灰白色。其成品分為兩個階段，分別是鐵尾礦調制高爐渣成纖形成粗加工的礦渣棉（未做成型材）以及粗加工的礦渣棉經(jīng)過一定工藝處理形成精加工的礦渣棉。動態(tài)化補熱系統(tǒng)應用實例如圖1所示。

圖1 動態(tài)化補熱系統(tǒng)應用實例

礦渣棉具有質輕、導熱系數(shù)小、不燃燒、防蛀、耐腐蝕、化學穩(wěn)定性好、吸聲性能好、價廉等特點，可做成板、氈、毯、墊、繩等用作吸聲、減震、絕熱、保溫的材料，廣泛應用于工業(yè)和民用建筑中，是國際公認“第五常規(guī)能源”中的主要節(jié)能材料。

熾綸科技創(chuàng)新團隊運用雙目識別和智能算法打造的基于熔解動力學的高爐熔渣在線調制過程動態(tài)化補熱系統(tǒng)生產(chǎn)粗加工的礦渣棉，再對其進行精加工形成具有高附加值的型材，向政府、電力、建材市場等領域推銷渣棉型材產(chǎn)品。礦渣棉成品可用于農(nóng)業(yè)、造紙業(yè)和3D打印技術領域等。除此之外，熾綸科技采用在線調質云端識別處理，并將動態(tài)調節(jié)數(shù)據(jù)返回至終端，降低了終端設備的性能要求和成本，提高了高性能云端服務器的使用密度，發(fā)揮出移動互聯(lián)云端計算的優(yōu)勢，可提供線上調質服務API接口，為企業(yè)和工廠的穩(wěn)定運行保駕護航。云端服務器能夠通過大量數(shù)據(jù)反饋模型結果，提高識別準確率，使得識別更加精確高效。

2 技術原理

熾綸科技創(chuàng)新團隊設計的基于熔解動力學的高爐熔渣在線調質過程動態(tài)化補熱設備采用非接觸式研究方式，主要由拍攝系統(tǒng)、識別系統(tǒng)、三維重建系統(tǒng)、數(shù)據(jù)交互等部分組成。

2.1 拍攝系統(tǒng)部分

圖2為視頻圖像和溫度等數(shù)據(jù)采集模塊的實物，使用的硬件主要包括工業(yè)級雙目CCD攝像頭、PYNQ片上系統(tǒng)、上位機。

圖2 PYNQ片上系統(tǒng)和工業(yè)級雙目攝像頭實物

PYNQ是Xilinx的開源項目，旨在使基于Xilinx ZYNQ的嵌入式系統(tǒng)設計更加容易。

通過使用Python語言及其庫文件，設計者能夠充分發(fā)揮PYNQ PL部分和PS部分的各自優(yōu)勢，設計功能更加強大的嵌入式系統(tǒng)。

系統(tǒng)的工業(yè)級雙目CCD攝像頭采用USB 3.0通信接口，輸出彩色、未壓縮的雙目720 P高清圖像，幀率高達60 FPS，傳輸速度大于200 MB/s。雙目相機圖像清晰，顏色純正，適合高精度識別、三維機器視覺等應用。

2.2 識別系統(tǒng)部分

使用TensorFlow框架構建具有全連接層的Fast-RCNN網(wǎng)絡。選取原始圖像和已經(jīng)標注好的數(shù)據(jù)輸入到網(wǎng)絡層中，采用平滑檢測的方式對標記目標進行檢測。檢測過程中采用改進后的全連接神經(jīng)網(wǎng)絡進行比較和學習，采用1×1的卷積層代替全連接神經(jīng)網(wǎng)絡以有效減少圖像學習對比的計算量，采用IoU閾值判斷結果質量，作為檢測指標。Non-Maximum Suppression采用搜索局部最大值抑制極大值的方式，在相互重疊的候選框中取最優(yōu)結果。雖然在目標檢測結果中仍然存在目標重疊的現(xiàn)象，但可以采用圖像融合的方式將多次識別的目標重合區(qū)域進行合并。使用Fast-RCNN網(wǎng)絡模型對識別后的結果進行模型訓練，并在網(wǎng)絡中加入SPPnet網(wǎng)絡優(yōu)化，對模型原數(shù)據(jù)進行十萬次重復訓練，以得到訓練模型。IoU檢測標準如圖3所示，N-MS算法尋找邊框示意圖如圖4所示，采用SPPnet網(wǎng)絡處理高溫熔體原理示意圖如圖5所示，語義分割圖像實施過程如圖6所示。

圖3 IoU檢測標準圖

圖4 N-MS算法尋找邊框示意圖

圖5 采用SPPnet網(wǎng)絡處理高溫熔體原理示意圖

圖6 語義分割圖像實施過程

將拍攝到的圖片代入模型運行，并分割得到高溫熔體區(qū)域，獲得高溫熔體的平面圖像及像素點數(shù)據(jù)，之后采用灰度值還原的方法還原顆粒體積，識別結果通過標注目標框和掩膜的方式在原圖的基礎上呈現(xiàn)。模型運行示例如圖7所示。

圖7 模型運行示例

2.3 三維重建系統(tǒng)部分

基于2D圖形對灰度圖像進行高度處理，則圖像中的灰度圖像越高，Z軸越高。使用3D建模軟件3D Builder提取顆粒輪廓，由于高度特性不完整，因此經(jīng)過半粒子模型的重塑后作為原始顆粒的背面，從而完成三維重建顆粒，并生成STL格式的3D文件。平面灰度圖像及其重建如圖8所示。

圖8 平面灰度圖像及其重建

STL用于轉換3D點云數(shù)據(jù)。3D文件是表面點數(shù)據(jù)，因此內部點可用種子填充算法填充，并且3D點云數(shù)據(jù)和內部點云數(shù)據(jù)在3D坐標中的分布可利用編程計算其中的3D圖像量，用于還原體積數(shù)據(jù)，對其乘以高爐渣的密度，可得質量變化的離散預測數(shù)據(jù)，再對其擬合后，轉化為質量，求得熔解速率，最終得到基于物化性質的熔解動態(tài)補熱方案。3D重建渲染結果如圖9所示。

圖9 3D重建渲染結果

2.4 數(shù)據(jù)交互部分

熾綸科技創(chuàng)新團隊為加強使用動態(tài)補熱系統(tǒng)的操作體驗，設計了個性化Qt軟件界面。除此之外，為了將煉鋼過程的高溫熔體熔融狀態(tài)存儲于平臺，實現(xiàn)產(chǎn)線信息的充分利用，用戶可以通過訪問網(wǎng)站選擇合適的模型進行補熱方案的在線下載。Qt界面構造如圖10所示，智能動態(tài)補熱系統(tǒng)云服務器搭建框架如圖11所示。

圖10 Qt界面構造

圖11 智能動態(tài)補熱系統(tǒng)云服務器搭建框架

3 應用前景

目前，我國能有效利用高爐熔渣顯熱的大型礦渣棉公司較少，大型骨干企業(yè)或外資企業(yè)在生產(chǎn)過程中受到技術的限制，而規(guī)模小、能耗高、勞動條件差、污染大的小型礦物棉生產(chǎn)廠生產(chǎn)的產(chǎn)品質量差，擾亂了礦物棉產(chǎn)品的市場和口碑。形成這種現(xiàn)象的根本原因是高爐渣成纖工藝的顯熱未得到充分利用。研究高爐渣的調質和熔渣均質化的過程中，需要首先得到熔解隨時間變化的高溫熔體顆粒運動行為規(guī)律。傳統(tǒng)方法是在坩堝中放入冶金渣，待渣熔化后放入高溫熔體，每間隔一定時間，將熔渣與高溫熔體一起快速冷卻，冷卻后的試樣經(jīng)磨平、拋光后，在顯微鏡下分析顆粒尺寸變化。此外傳統(tǒng)方法存在間斷性，且高溫熔體與熔渣一起冷卻后很難區(qū)分，影響了實驗精度。除此之外，鋼鐵工廠的主營業(yè)務主要是冶煉精品鋼材，并未將重心放在高爐渣的固廢利用上。