1、方案背景與目標

1.1 生產(chǎn)現場(chǎng)現狀

在煉鋼脫硫扒渣工序，國內不同鋼鐵生產(chǎn)廠(chǎng)的工況差異較大。雖然工業(yè)自動(dòng)化已經(jīng)推動(dòng)了多年，但在煉鋼扒渣領(lǐng)域，自動(dòng)化水平參差不齊，差異較大。一些工廠(chǎng)內，完成了遠程扒渣改造，即通過(guò)在現場(chǎng)架設攝像機，將視頻圖像及控制信號連接到遠離扒渣現場(chǎng)的操作室內，操作工看著(zhù)屏幕控制扒渣機進(jìn)行扒渣動(dòng)作。

目前，僅有有限的幾家工廠(chǎng)，正在進(jìn)行或完成了幾個(gè)試點(diǎn)扒渣位的自動(dòng)扒渣改造。但經(jīng)了解，這些改造方案，對于相機架設的位置，都做了較為嚴格的限制，都要求相機安裝在鐵包正前方的高出，距離要求相對較近。這樣的限定使得拍攝到的包口圖像可以呈現較為規整的正圓，期內鐵水頁(yè)面清晰，包壁對內部遮擋較小。這樣的情況位扒渣過(guò)程控制的視頻分析帶來(lái)的很多便利，但同時(shí)也限制了推廣的便捷性。經(jīng)過(guò)調研，很多鋼廠(chǎng)的扒渣位并沒(méi)有預留出如此好的拍攝位置。有的是拍攝位置被其他設備占用，有的是拍攝位置不易安裝新設備。在這些扒渣位，上述方案無(wú)法直接實(shí)施部署。

1.2 本方案解決問(wèn)題

1) 重新制定相機安裝位置方案，制定拍攝效果新標準，降低對拍攝位置的唯一限制，使可選安裝位置范圍更大，限制更寬松；

2) 針對滿(mǎn)足新標準的拍攝條件，設計算法解決在其環(huán)境下的智能扒渣控制問(wèn)題。主要包括自動(dòng)傾翻控制、自動(dòng)扒渣控制等方面。需要提升控制精度，以確保工作效率，并使現場(chǎng)具備較好的鐵損控制。

3) 通過(guò)對控制參數的精度優(yōu)化，提升扒渣過(guò)程執行效率和控制控制精度，從而達到降低扒渣過(guò)程鐵損和提升扒渣控溫能力的效果。

本方案主要技術(shù)目標

1)自動(dòng)傾翻：通過(guò)軟件程序控制鐵水包自動(dòng)傾翻到合適的角度，使扒渣階段可以輕松的將鐵渣扒出包口不受阻礙；

2)智能扒渣：通過(guò)機器視覺(jué)方法分析鐵水包內頁(yè)面鐵渣分布情況，智能規劃扒渣路徑，并將像素坐標轉換給出精確的扒渣位置控制坐標。

3)整體架構：系統整體架構包括：成像硬件系統、測量和控制硬件系統、數據存儲、機器視覺(jué)圖像分析服務(wù)、神經(jīng)網(wǎng)絡(luò )關(guān)系擬合服務(wù)、智能控制服務(wù)、系統應用服務(wù)以及貫穿以上幾個(gè)部分的數據總線(xiàn)、接口服務(wù)以及監控管理。機器視覺(jué)圖像分析服務(wù)用于提供基于圖像的分析結果；神經(jīng)網(wǎng)絡(luò )關(guān)系擬合服務(wù)用于進(jìn)行數值數據分析和預測；智能控制服務(wù)根據這兩個(gè)服務(wù)的分析結果，進(jìn)行智能扒渣控制的中控，并針對異常情況進(jìn)行及時(shí)處理。系統應用服務(wù)提供了扒渣實(shí)時(shí)情況的展示，包括當前包信息、實(shí)時(shí)扒渣畫(huà)面、實(shí)時(shí)分析效果、扒渣量曲線(xiàn)、狀態(tài)監控等，可以查看扒渣歷史情況記錄。

2、方案詳細介紹

2.1平臺架構

平臺整體架構包括：成像硬件系統、數據存儲、智能分析服務(wù)、全流程跟蹤服務(wù)、平臺應用服務(wù)以及貫穿以上服務(wù)的數據總線(xiàn)、接口服務(wù)以及監控管理。

2.2硬件系統

硬件系統基于現有扒渣位情況進(jìn)行改造，加裝傾翻拉繩傳感器、距離傳感器、雷達液位計、工業(yè)相機、監控攝像機等設備，進(jìn)行圖像和必要數據的采集工作。

2.3軟件系統

2.3.1 機器視覺(jué)圖像分析服務(wù)：

自動(dòng)傾翻和渣面分析利用了機器視覺(jué)圖像處理技術(shù)。利用卷積神經(jīng)網(wǎng)絡(luò )模型對圖片進(jìn)行處理，實(shí)現非負矩陣分解的效果，完成特征提取。該模型先用于自動(dòng)傾翻過(guò)程判定是否傾翻到位，后用于對包口范圍進(jìn)行脫硫渣分析，指導扒渣過(guò)程。

2.3.2 神經(jīng)網(wǎng)絡(luò )關(guān)系擬合服務(wù)：

設計神經(jīng)網(wǎng)絡(luò )模型如下圖，進(jìn)行關(guān)系擬合服務(wù)。網(wǎng)絡(luò )模型輸入層和輸出層的節點(diǎn)數量，根據實(shí)際擬合的多維關(guān)系來(lái)確定。激活函數根據實(shí)際擬合的多維關(guān)系正則化方式來(lái)確定。采用MSE Loss作為損失函數評估訓練中的預測差距。采用AdamW方法進(jìn)行模型優(yōu)化，該方法在梯度下降法的基礎上，引入動(dòng)量和自適應學(xué)習率調整等方法，加快訓練速度，并有效提高訓練終點(diǎn)為最優(yōu)擬合結果的成功率。

利用神經(jīng)網(wǎng)絡(luò )關(guān)系擬合模型，具體完成傾翻終點(diǎn)預測和像素坐標轉換。

2.3.2.1 傾翻終點(diǎn)預測

在自動(dòng)傾翻控制時(shí)，因為相機的安裝位置，影響了完全機器視覺(jué)方案控制傾翻到位的實(shí)際精度。分析的實(shí)際停止傾翻時(shí)刻，鐵包已經(jīng)處于臨灑鐵位置，此時(shí)突然停止鐵包傾翻運行，會(huì )導致其中的鐵水因慣性溢出包口，造成設計外的灑鐵，導致鐵損的升高。同時(shí)，灑鐵會(huì )造成安全防護報警，從而中斷本次自動(dòng)扒渣流程。因此，設計實(shí)現一套預測傾翻終點(diǎn)的模型來(lái)支持自動(dòng)傾翻控制。

本模型利用鐵水液位、包口凈空，預測傾翻達到終點(diǎn)位置時(shí)對應的拉繩傳感器目標值。數據采集階段，按照如下流程進(jìn)行模型訓練數據積累。

[傾翻終點(diǎn)預測模型數據積累流程]

STEP 1：     鐵包車(chē)開(kāi)始進(jìn)站；

STEP 2：     通過(guò)距離傳感器采集連續的距離曲線(xiàn)；

STEP 3：     通過(guò)距離曲線(xiàn)計算包口凈空；

STEP 4：     鐵包完成進(jìn)站，通過(guò)雷達液位計測量鐵水液位；

STEP 5：     由扒渣工執行人工傾翻；

STEP 6：     在扒渣工根據經(jīng)驗判定傾翻到位而停止傾翻動(dòng)作時(shí)，記錄拉繩傳感器值作為目標值；

STEP 7：     由（, , ）組成一條訓練數據。

考慮包口受到粘渣影響，距離傳感器曲線(xiàn)高點(diǎn)可能并非是實(shí)際的鐵包包口凈空值，而實(shí)粘渣突出的位置，因此取高點(diǎn)值附近一段曲線(xiàn)，并選取其低點(diǎn)值作為包口凈空的測量值。

2.3.2.2 像素坐標轉換

在進(jìn)行扒渣控制時(shí)，核心是進(jìn)行坐標轉換。將圖像上的像素坐標轉換成為實(shí)際位置的地理坐標，并進(jìn)一步將實(shí)際位置的地理坐標轉換為扒渣臂控制的傳感器目標值，從而達到最終的控制扒渣臂的目的。但因為相機斜拍的原因，要確定第一步目標地理坐標的基準坐標系，需要借助標定工具完成。而在實(shí)際現場(chǎng)中，對包口區域進(jìn)行標定范圍過(guò)大且中空，這對標定板制作和現場(chǎng)安裝找平等都造成了困難。因此設計使用神經(jīng)網(wǎng)絡(luò )實(shí)現像素坐標轉換模型來(lái)解決該問(wèn)題。

本模型將圖像分析結果指定的扒渣臂應抵達位置的像素坐標，轉換為控制扒渣臂抵達該位置時(shí)扒渣機轉動(dòng)編碼器目標值、扒渣機伸縮距離傳感器目標值。

在數據積累階段，與扒渣工協(xié)作，在進(jìn)行人工扒渣的過(guò)程中，完成數據的采集。具體步驟為如下。

[像素坐標轉換模型數據積累流程]

STEP 1：     While 扒渣進(jìn)行中：

       STEP 1.1:  操作工移動(dòng)扒渣臂到渣面位置；

       STEP 1.2:  操作工降下扒渣板到渣面；

       STEP 1.3: 保存此時(shí)圖像，并記錄轉動(dòng)編碼器值作為、伸縮距離傳感器值作為，構成一條中間數據。

STEP2： 遍歷每一條中間數據：

       STEP 2.1:  對圖像中扒渣板探入渣面的位置，以交接處的亮線(xiàn)為基準，獲取亮線(xiàn)兩端點(diǎn)的像素坐標；

       STEP 2.2:  取兩點(diǎn)坐標中值，得到中點(diǎn)坐標、，與、構成一條最終數據。

利用兩個(gè)分析結果，可以實(shí)現更加精確的扒渣過(guò)程控制。

2.3.3 智能控制服務(wù)：

結合圖像分析和數值分析結果?？刂谱詣?dòng)傾翻和智能扒渣。

2.3.3.1自動(dòng)傾翻過(guò)程

利用傾翻終點(diǎn)預測模型進(jìn)行傾翻控制，流程如下。

[基于傾翻終點(diǎn)預測模型進(jìn)行自動(dòng)傾翻控制流程]

STEP 1-4：   與數據積累流程相同；

STEP 5：     確認啟動(dòng)自動(dòng)傾翻；

STEP 6：     通過(guò)傾翻終點(diǎn)預測模型，根據、預測終點(diǎn)拉繩傳感器值；

STEP 7：     控制程序控制鐵包開(kāi)始傾翻；

STEP 8：     當拉繩傳感器值達到時(shí)，停止傾翻。

為了防止因粘渣導致包口凈空測量錯誤，保留完全機器視覺(jué)方案中的灑鐵保護功能。在傾翻過(guò)程中，若拉繩傳感器值達到前，接到灑鐵保護報警，則立刻停止傾翻并執行鐵包復位，同時(shí)進(jìn)入手動(dòng)模式交由扒渣工進(jìn)行后續操作。

2.3.3.2智能扒渣控制

結合圖像分析給出的渣面分布結果、智能路徑規劃給出的具體坐標和像素坐標轉換給出的控制目標值，進(jìn)行扒渣控制。具體步驟如下：

[基于像素坐標轉換模型控制自動(dòng)扒渣流程]

STEP 1：     開(kāi)始自動(dòng)扒渣

STEP 2：     While 扒渣量未達到要求：

       STEP 2.1:  利用機器視覺(jué)方法分析渣面分布情況；

       STEP 2.2:  根據渣面分布，選取要進(jìn)行扒渣的位置；

       STEP 2.3:  通過(guò)像素坐標轉換模型，將扒渣位置的像素坐標、，轉換為轉動(dòng)編碼器目標值和伸縮距離傳感器目標值；

       STEP 2.4:  控制扒渣臂移動(dòng)，使轉動(dòng)編碼器值達到，伸縮距離傳感器值達到，移動(dòng)期間調整扒渣臂俯仰，使扒渣臂到達目標位置時(shí)，扒渣板探入渣面一定深度；

       STEP 2.5:  控制扒渣臂回到包口位置，完成本輪扒渣動(dòng)作。

2.4數據通信

主要數據通信鏈路包含算法服務(wù)器、成像硬件系統、測量和控制硬件系統以及扒渣機等四方。算法服務(wù)器與兩個(gè)硬件系統進(jìn)行直接數據通信，完成數據獲取和分析結果輸出。結果為控制信號，發(fā)送給測量與控制系統的PLC，最終執行扒渣臂的自動(dòng)控制。

2.5 安全措施

2.5.1設備安全措施

在設備部署的施工過(guò)程中，做好設備防護工作，確保必要的工作環(huán)境條件得以滿(mǎn)足；

規范施工操作流程，確保施工質(zhì)量達標；

定期進(jìn)行設備檢查，及時(shí)發(fā)現設備問(wèn)題；

設備附近按照規定，張貼設備說(shuō)明告示版，危險警告標識等必要的通知、警告標志。

2.5.2網(wǎng)絡(luò )安全措施

 · 做好遠程訪(fǎng)問(wèn)保護，如主機系統關(guān)閉對外密碼遠程登錄功能并以授權密鑰的方式進(jìn)行遠程身份驗證、數據庫訪(fǎng)問(wèn)設置有限權限的遠程訪(fǎng)問(wèn)等安全設置，盡可能杜絕遠程連接安全風(fēng)險；

· 采用專(zhuān)業(yè)協(xié)議與PLC和相機進(jìn)行通信，通信固定IP和端口，防止非法的鏈接和數據傳輸；

· 采用HTTPS協(xié)議實(shí)現網(wǎng)絡(luò )通信，構建本地證書(shū)體系，實(shí)現安全的數據加密；

· HTTP接口方面，原則上所有接口需在用戶(hù)權限下進(jìn)行訪(fǎng)問(wèn)，以確保操作日志完整性；

2.5.3數據安全措施

· 進(jìn)行完整、合規、符合必要范式要求的數據結構設計和約束設計，強制要求必要的數據完整性；

· 合理使用事務(wù)機制，以保證數據具有充分的完整性；

· 在界面操作時(shí)和接口調用時(shí)，分別對數據進(jìn)行必要的校驗和判斷，確保數據合法、合理；

· 定期進(jìn)行數據分析，從時(shí)間戳、數據重復等方面，加強數據整體判斷，及時(shí)發(fā)現問(wèn)題并結合日志等歷史數據定位問(wèn)題原因，及時(shí)解決數據錯誤，優(yōu)化數據完整性并避免問(wèn)題再次發(fā)生。

2.5.4 控制安全措施

設計完整的過(guò)程控制異常處理機制，針對異常灑鐵、扒渣臂頂包、扒渣臂卡包口等情況，進(jìn)行不間斷檢測，并進(jìn)行＜1s的快速響應。灑鐵方面，在傾翻時(shí)，監控包口下方漏液情況；扒渣臂頂包和卡包口則實(shí)時(shí)檢測扒渣臂運動(dòng)數據，發(fā)現數據異常的長(cháng)時(shí)間（＜200ms）未變化，則認為機械臂異常。發(fā)現異常情況，立即進(jìn)行制定好的安全復位流程，提示并切換為人工操作模式。

3、代表性及推廣價(jià)值

本方案經(jīng)過(guò)近三年的現場(chǎng)實(shí)踐和調整，發(fā)現問(wèn)題、總結問(wèn)題、解決問(wèn)題，最終讓智能扒渣系統滿(mǎn)足了試點(diǎn)鋼廠(chǎng)較為苛刻的安裝條件限制，并保證智能扒渣運行效果?？偨Y實(shí)施經(jīng)驗和軟硬系統協(xié)同工作邏輯和關(guān)鍵限制條件，切實(shí)有效的在的放寬了設備安裝方面的限制要求，使這套方案可以適配更加廣泛的應用場(chǎng)景，具有更強的推廣能力。

在效能提升和節能減耗方面，通過(guò)人工智能的方法，對人工扒渣動(dòng)作進(jìn)行分析，學(xué)習主要扒渣流程。同時(shí)對扒渣控制進(jìn)行細致微調，在原有扒渣效果的基礎上，進(jìn)一步減少扒渣過(guò)程中產(chǎn)生的鐵損，降低了原料的損耗；同時(shí)可以更嚴格細致的控制扒渣過(guò)程的動(dòng)作精度，從而更有效的節省扒渣過(guò)程的持續時(shí)間，使扒渣結束時(shí)，鐵水可以維持更高的溫度，為下一步的煉鋼過(guò)程節約升溫所需要的氧氣成本和相關(guān)能源；同時(shí)結合傳感器融合技術(shù)提供準確的相關(guān)生產(chǎn)數據，為工藝的提升提供有跡可循的數據保障。