專利名稱：基于實測數據和布料模型的數據融合進行料面監測方法和系統的制作方法
技術領域：
本發明涉及冶金機械制造及自動化技術領域的布料監測和控制方法，特別是一種基于高爐溜槽布料模型數據、雷達數據、機械探尺數據和十字測溫熱電偶數據進行融合，從而優化高爐布料的監測和控制方法。
背景技術：
高爐冶煉過程與爐內料面形狀有著十分緊密的關系。通過監視料面形狀可以很好地掌握冶煉的過程，進而得到準確的操作方式，然而高爐內部工作環境極其惡劣，直接檢測料面情況非常不易。受高爐爐頂安裝條件限制，高爐檢測設備安裝個數有限。如何利用有限的檢測點描述料面形狀是實現高爐料面成像和料面控制的重要問題。 目前用于高爐料面方面的技術主要有通過各類傳感器對料面進行檢測，然后利用得到的信息進行料面的重構等，但這種料面檢測得到的信息一般很少且料面的重構也存在誤差，單憑重構的料面無法達到料面監測的要求。中國實用新型專利CN200979439Y，《一種用于測量高爐爐內料面高度的雷達探尺》，其特點是用于測量高爐爐內料面高度的雷達探尺，它由雷達傳感器和角度調整器組成；該專利實質在于設計了一個可調角度的波紋導波管，可以調節雷達入射的角度，但問題是波紋管在聞爐聞溫聞壓聞粉塵情況下，本身的密封和壽命就有問題，加上開的孔太大，對聞爐的壽命，實際的安裝空間等都存在問題。中國發明專利CN101020933A，《高爐料面形狀動態立體監測系統及檢測方法》，其特點是為采用三維技術進行雷達成像的一種監測與測量方法。系統包括雷達測量單元，輔助安裝單元，數據采集與成像單元，以及配套的高爐料面立體監測軟件組成成像系統。該系統在系統組成，檢測步驟，成像方法上提出了專利，并生成了所需3D圖像的相關圖像。申請號為CN201010290782的中國發明專利《一種基于多源異構數據融合的高爐料面成像系統》，其特點是將高爐雷達、機械探尺和十字測溫熱電偶這三處采集的數據通過數據傳輸設備送入包含機械探尺高度數據、高爐雷達高度數據、十字測溫熱電偶溫度數據、以及爐身熱電偶溫度數據的系統數據庫中，然后通過與爐外的數據融合系統進行比較和數據融合計算結果送入后續的可視化的三維顯示系統。此發明考慮機械探尺、高爐雷達、十字測溫熱電偶方面的因素，合理優化布置高爐雷達的安裝位置，進行了多源異構數據融合，最終獲得更加準確的料面信息。上述現有技術均未考慮高爐布料規律，未考慮布料模型的先驗知識，沒有考慮把布料知識與測量消息相融合。申請號為CN201110002630的中國發明專利，《一種高爐布料料面偏析數值模擬方法》，其特點是采用反向求解過程，即先確定爐料填充曲面，再進行滑移曲面的迭代求解；以左右料線深度值，分別計算左右兩邊的三段法料面形狀，保存料面方程；在左右料面方程的基礎上，確定爐料填充曲面，并計算爐料填充量；以爐料填充量為目標值，迭代搜索、確定爐料滑移曲面，直到爐料滑移量與填充量相等，從而得到完整連續的滑移一填充曲面；將計算得到的爐料滑移曲面、填充曲面與原左右料面進行整合，形成整個爐喉直徑范圍的新料面，完成料面偏析修正。其缺點在于料面成像過程中忽略多點料面實測值。申請號為201110125524的中國發明專利，《基于多點雷達數據的無料鐘高爐爐頂布料閉環控制方法》，其特點是利用多雷達數據和布料模型估計料面形狀；建立礦焦比分布數學模型，利用礦焦比分布代替煤氣流分布；建立期望礦焦比分布數學模型，根據爐況信息設置期望礦焦比分布；在基于雷達數據開發的布料模型上，設置最優的布料矩陣，使下次布料后形成的礦焦比分布達到期望；最后實現閉環控制及煤氣流分布始終合理的目的。該方法的缺點在于實際測量信息過少，沒有充分利用測量數據，無法準確反映真實料面情況。
發明內容
本發明旨在至少解決上述技術缺陷，在雷達數據的基礎上提供一種融合測量和料面監測方法，本發明在前人研究的基礎上提出了更加完整、更加系統、更加創新的料面監測方法，該方法充分利用多種實際測量數據結果，將其轉換為反應料面高度的數據，并結合高 爐布料規律，將實測數據與理論計算數據相融合，使最終所得料面既符合高爐布料規律，又符合實際測量結果，大大提高了實際高爐料面信息量，為料面成像和料面監測提供了更加精準的信息，同時，該方法還在料面檢測的基礎上建立了完整的故障診斷、異常標記及料面分析模塊，可為后期高爐分析和決策提供更加完整的信息。為此，本發明的第一個目的在于提出一種基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，該方法包括以下步驟a、基于布料模型計算理論料面形狀；b、對實測數據進行配準，將所述實測數據轉化為高爐的料面數據；C、將所述料面數據進行一次融合，獲得一次融合數據值；d、將所述一次融合數據值與所述理論料面形狀進行再次融合；優選地，所述實測數據包括多個高爐雷達數據、多個機械探尺數據和多個十字測溫熱電偶數據，轉化后的所述高爐的料面數據包括雷達測量值、機械探尺測量值和十字測溫配準值；步驟b具體為將高爐雷達數據轉化為反映料面高度的雷達測量值，由機械探尺數據直接得到反映料面高度的機械探尺測量值，將十字測溫熱電偶數據進行時空配準，轉化為十字測溫配準值。優選地，所述將十字測溫熱電偶數據進行時空配準包括利用樣條插值法對十字測溫熱電偶數據進行時間配準，再利用尺度壓縮比例因子進行空間配準。優選地，步驟b和步驟c之間還包括對雷達測量值進行修正，基于修正后的雷達測量值利用最小二乘法擬合料面，并引入體積約束，使得新舊料面曲線所形成的曲面繞高爐中心線旋轉而圍成的體積與添加爐料的實際裝入量相等；進行一次融合的所述料面數據包括所述擬合得到的擬合料面。優選地，步驟c具體為c I、計算機械探尺與第j環上每個十字測溫熱電偶的歐氏距離，將最小歐氏距離所屬的機械探尺，作為對應j環的機械探尺；c2、獲取第j環十字測溫熱電偶反應的料面高度Wj ；
c3、將第j環上對應的所述擬合料面上的高度值IHj與所述料面高度Wj加權修正，獲得修正后的j環料面高度值％；c4、將所述對應j環的機械探尺的測量值與所述j環料面高度值％進行加權修正，得到所述一次融合數據值。優選地,所述步驟d具體為dl、結合料線檢測點位置、高爐布料規律及顆粒物質堆積特性重構高爐料線形狀，其中，包括根據高爐爐料顆粒物質堆積特性，以及在高爐煤氣流作用下，內、外堆角的變化，確定高爐爐料顆粒的堆積料面；d2、結合所述一次融合數據值和基于布料模型計算出的所述理論料面形狀，以及高爐布料矩陣對布料沖擊情況下顆粒物質的堆積形狀的約束條件，得到堆尖位置，并獲得生產條件下料線的平臺位置和平臺寬度；d3、過所述料線檢測點及所述堆尖位置以所述堆積料面為約束做分段三次Hermite插值得到料線形狀。優選地，所述步驟d后還包括步驟e :進行故障診斷、異常標記及料面分析，步驟e包括el、雷達故障標記，根據雷達的以往測量值，記錄雷達以往正常值，當出現單一雷達值發生突變時，對雷達故障進行標記；e2、料面異常標記，當出現料面偏析、傾斜、局部塌陷時對料面進行報警與記錄；e3、料面形狀的分析統計，采集一段時間的雷達料面波動信息，自動或者人為地統計出料面的分類形狀，作為爐長決策和調整布料的依據。本發明還提出一種基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，該系統包括以下模塊數據輸入和時空配準模塊，用于輸入布料參數，并基于布料模型計算理論料面形狀；以及用于獲取實測數據，對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據； 數據融合模塊，用于將所述料面數據進行一次融合，獲得一次融合數據值；并將所述一次融合數據值與所述理論料面形狀進行再次融合；優選地，所述實測數據包括多個高爐雷達數據、多個機械探尺數據和多個十字測溫熱電偶數據，轉化后的所述高爐的料面數據包括雷達測量值、機械探尺測量值和十字測溫配準值；所述對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據具體為將高爐雷達數據轉化為反映料面高度的雷達測量值，由機械探尺數據直接得到反映料面高度的機械探尺測量值，將十字測溫熱電偶數據進行時空配準，轉化為十字測溫配準值。優選地，數據輸入和時空配準模塊包括獨立的時空配準模塊，用于執行所述對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據，所述時空配準模塊對十字測溫熱電偶數據進行時空配準具體為利用樣條插值法對十字測溫熱電偶數據進行時間配準，再利用尺度壓縮比例因子進行空間配準。優選地，所述數據輸入和時空配準模塊還包括料面擬合模塊，用于對雷達測量值進行修正，基于修正后的雷達測量值利用最小二乘法擬合料面，并引入體積約束，使得新舊料面曲線所形成的曲面繞高爐中心線旋轉而圍成的體積與添加爐料的實際裝入量相等；進行一次融合的所述料面數據包括所述擬合得到的擬合料面。優選地，數據融合模塊包括一次融合模塊，用于執行所述將所述料面數據進行一次融合，一次融合模塊包括機械探尺匹配模塊，計算機械探尺與第j環上每個十字測溫熱電偶的歐氏距離，將最小歐氏距離所屬的機械探尺，作為對應j環的機械探尺；料面高度獲取模塊，獲取第j環十字測溫熱電偶反應的料面高度Wj ；第一料面高度修正模塊，將第j環上對應的所述擬合料面上的高度值與所述料面高度W」加權修正，獲得修正后的j環料面高度值Wj ；第二料面高度修正模塊，將所述對應j環的機械探尺的測量值與所述j環料面高度值 ' 進行加權修正，得到所述一次融合數據值； 優選地，數據融合模塊包括二次融合模塊，用于執行所述將所述一次融合數據值與所述理論料面形狀進行再次融合，二次融合模塊包括結合料線檢測點位置、高爐布料規律及顆粒物質堆積特性重構高爐料線形狀的模塊，其中，包括根據高爐爐料顆粒物質堆積特性，以及在高爐煤氣流作用下，內、外堆角的變化，確定高爐爐料顆粒的堆積料面；結合所述一次數據融合值和基于布料模型計算出的所述理論料面形狀，以及高爐布料矩陣對布料沖擊情況下顆粒物質的堆積形狀的約束條件，得到堆尖位置，并獲得生產條件下料線的平臺位置和平臺寬度的模塊；過所述料線檢測點及所述堆尖位置以所述堆積料面為約束做分段三次Hermite插值得到料線形狀的模塊。優選地，系統包括料面監測模塊，用于基于多源檢測數據融合建立完整故障診斷、異常標記及料面分析，雷達故障標記模塊，用于根據雷達的以往測量值，記錄雷達以往正常值，當出現單一雷達值發生突變時，對雷達故障進行標記；料面異常標記模塊，用于當出現料面偏析、傾斜、局部塌陷時對料面進行報警與記錄;料面形狀的分析統計模塊，用于采集一段時間的雷達料面波動信息，自動或者人為地統計出料面的分類形狀，作為爐長決策和調整布料的依據。本發明是以布料理論、土坡穩定理論、顆粒物質堆積理論為基礎，通過分析爐料在爐內的運動過程及料面實際檢測結果提出融合測量與料面監測方法，實現了如下有益效果I、本發明綜合考慮了高爐雷達、機械探尺、十字測溫熱電偶以及布料模型方面的因素，將實際測量值與理論計算值相融合，獲得了更加精準的料面信息。2、本發明對六點雷達數據進行了最小二乘法料面擬合，將離散的實測值轉換為連續的、平滑的料面，使料面的監測系統更加簡潔、直觀。3、本發明基于融合測量方法建立了完整故障診斷、異常標記及料面分析模塊，也可被用于其他料面監測場合，而且可為后期高爐分析和決策提供更加完整的信息，具有廣泛的應用范圍。本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。
圖I為基于數據融合料面監測系統結構圖；圖2為布料模型仿真計算理論料面形狀算法框圖；圖3為系統時空配準模塊；圖4為系統多層次數據融合模塊；圖5為一次融合過程中三段法料面擬合示意圖；圖6為系統料面監測模塊；
具體實施例方式下面結合附圖對本發明的基于雷達數據、機械探尺數據和十字測溫熱電偶數據等實測數據和布料模型的數據融合進行高爐料面監測的方法和系統做進一步的描述。本發明的第一實施例提供了一種基于數據融合料面監測系統，結構圖如圖I所示。該系統可與布料執行機構相連，構成無料鐘高爐爐頂布料閉環控制系統，主要包括數據輸入和時空配準模塊、多層次數據融合模塊和料面監測模塊。數據輸入和時空配準模塊的輸入數據主要包括高爐雷達數據、十字測溫熱電偶數據、機械探尺數據和布料參數。其中，布料參數可以是料種、溜槽檔位、角度、和節流開度等。如圖2所示，可以根據輸入的布料參數，并基于布料模型計算理論料面形狀。具體為通過上述布料參數結合輸入布料矩陣計算出爐料進入布料模型的初速度，再結合爐料在溜槽上的運動模型和爐料在空區中的運動模型，計算出爐料的落點位置以及料流寬度、料流軌跡等；根據爐料落點位置和內、外堆角經驗公式，再依據物料平衡關系求解出新料面。數據輸入和時空配準模塊可以獨立包含一個時空配準模塊，該時空配準模塊用于對輸入的實際探測數據(如高爐雷達數據、十字測溫熱電偶數據、機械探尺數據)進行時空配準，將上述多種不同類型的實際測量數據轉換為料面數據(如雷達測量值、十字測溫配準值、機械探尺測量值)。如圖3所示，時空配準模塊執行以下處理高爐雷達輸出的高爐雷達回波經過高爐雷達系統中DSP處理，轉化為高爐料面信息(料面高度信息A)，而機械探尺所測數據即為直接料面信息，可以通過直接讀取機械探尺數據的讀數獲取料面信息(料面高度信息B)，另外，時空配準模塊還將十字測溫熱電偶數據進行時空配準，將其轉化為十字測溫配準值。由于十字測溫周期較長，則先采用樣條插值法對十字測溫熱電偶數據進行時間配準，其次再利用尺寸壓縮比例因子進行空間配準，將十字測溫熱電偶數據轉化為料面數據(料面高度信息C)。優選地，可采用三次樣條函數對十字測溫熱電偶數據進行插值得函數s(t)s(ti)=yi, i = 0, I, . . . , n ；s(t)在每個小區間[\，ti+1]上是一個三次多項式，其中[% ti+1]是測量周期，i=0, I,. . . , n-1,且二階可導；其次再對完成了時間配準的十字測溫熱電偶數據利用尺度壓縮比例因子進行空間配準，基于此，便將溫度信息轉換為高度信息，實現溫度和高度之間的非線性擬合。優選地，十字測溫熱電偶數為17，分布于0-4環上，可以獲取17個高度信息值。為了在考慮布料規律的同時，又能使料面形狀逼近雷達數據，使估計所得料面形狀接近真實情況，可以優選地在數據輸入和時空配準模塊中設置一料面擬合模塊，用于對雷達測量值進行修正并且再進行最小二乘法擬合料面，該模塊在考慮了高爐布料規律的基礎上，結合雷達數據，創新地利用最小二乘法估計了料面形狀。以六點雷達測量為例，首先對雷達測量值進行修正，如果雷達測量值與理論值偏離很遠，說明雷達測量值不準確，此時料面的顯示信息以周邊的雷達數值做處理后來代替，原來的雷達測量值標記為不確定；然后對修正后的六點雷達測量值進行最小二乘法擬合。圖5是基于六點雷達的“最小二乘法擬合三段法料面”的示意圖，L1和L3是直線，L2是二次曲線，r表示料點與爐心的距離，0 i和0 2分別表示爐內料面的內外堆角。X1, X2分別表示曲線的交點。由此可寫出三段曲線的數學表達式，由于三段曲線是連接的，于是， 便可利用交點處的坐標值和斜率相等對三段曲線的表達式進行約束。由于交點處即為堆尖，考慮到堆尖的經驗公式與爐內實際情況存在偏差，故可以引入誤差來修正兩個交點，同時也引入了誤差對內、外堆角也進行了修正。為了使估計結果更為精確，引入體積約束和料深約束，即由新、舊料面曲線所形成的曲面繞高爐中心線旋轉而圍成的體積應當與爐料的實際裝入量相等，6個關鍵點的料面深度與測量值一致。最后將的得到的六點雷達數據進行最小二乘擬合。多層次數據融合模塊與數據輸入和時空配準模塊相連，獲取數據輸入和時空配準模塊的輸出數據進行數據融合。多層次數據融合模塊包括兩個子模塊一次融合模塊，用于將配準后的雷達數據、機械探尺數據和十字測溫熱電偶數據這三項實際測量數據先進行融合；其中，配準后的雷達數據是經過了料面擬合模塊的擬合料面處理后再輸入到一次融合模塊中進行融合；二次融合模塊，用于在一次融合之后，將實際測量數據融合結果與高爐布料模型仿真計算的理論料面形狀進行再一次融合，形成最終料面；數據融合可以包括以下步驟判斷高爐是否開爐，如果高爐正常生產，則進行三項實際測量數據融合，反之不然。正常爐況下，由于十字測溫熱電偶可以很好的反應爐內料面情況，則可以充分利用溫度信息，將溫度信息與高度信息進行融合，實現機械探尺、高爐雷達、十字測溫熱電偶數據的融合，然后再將一次融合結果與基于布料模型的理論料面進行融合，得到最終相對精準的料面。在開爐或爐況不正常的情況下，只能利用雷達和機械探尺的高爐再加上布料模型理論料面計算進行料面檢測。以下結合實例對配準得到的六點雷達測量值、十字測溫配準值和機械探尺測量值進行一次融合的一次融合模塊進行描述首先，一次融合模塊建立XOY平面，以高爐剖面軸線與工藝上零料線交點為原點，建立水平平面上的XOY平面。機械探尺匹配模塊，計算機械探尺與第j環上每個十字測溫熱電偶的歐氏距離，將最小歐氏距離所屬的機械探尺，作為對應j環的機械探尺；將十字測溫裝置投影到XOY平面上，令十字測溫傳感器X坐標為(0，0，wQ)，(Cj, Cj, Wj1), (-C」,Cj, Wj2), (Cj, -Cj, Wj3), (-Cj, -Cj, Wj4)。j 為 XOY 投影平面上十字測溫熱電偶所在環數，與原點距離相等的十字測溫點對應同一環，從內向外分別為0環，I環，2環...。W(l、為同一環上每個熱電偶溫度值空間配準后的高度值，同一環1-4號熱電偶的角度分別為45，135，-135，-45。將機械探尺A，B，C投影到XOY平面上，令機械探尺坐標為(dk，ek)，其中k=P"3，A、B、C三個機械探尺的角度分別為105°、255°、345°在十字測溫熱電偶的j環上，計算機械探尺與十字測溫熱電偶的歐氏距離。找到XOY平面上與每個十字測溫熱電偶最近的機械探尺坐標(dk，ek)。即求Min+fe±^>2)。得到的k為第k個機械探尺對應j環。料面高度獲取模塊，獲取第j環十字測溫熱電偶反應的料面高度W」。考慮到正常生產情況下，以高爐爐心為圓心，與爐心距離Pj相等的同環位上料面高度，及溫度情況大致相同。則令Wj = (WjjWjfWjjWj4)/^,其中Wj為每一環熱電偶反應的
料面高度值，且P =^cJ
O料面高度修正模塊，對獲取的料面高度Wj進行修正，獲得一次融合數據值。將每一環熱電偶處即P j處對應的六點雷達擬合料面上的高度值％與Wi進行加權修正，得到修正后的環高度值Wj。設求得第k個機械探尺對應j環，將第k個機械探尺的測量值nk與Wi進行再一次加權融合修正，得到最終實測數據融合值％，即一次融合數據值。二次融合模塊將一次融合后的實測數據融合結果與布料模型仿真計算出的理論料面形狀進行再一次的融合，該融合創新地將實測數據與理論數據相結合，使最終獲得的料面形狀既符合高爐布料規律，又符合實際測量結果，具體包括以下模塊(I)結合料線檢測點位置、高爐布料規律及顆粒物質堆積特性重構高爐料線形狀的模塊，其中，包括根據高爐爐料顆粒物質堆積特性，以及在高爐煤氣流作用下，內、外堆角的變化，確定高爐爐料顆粒的堆積料面；(2)結合一次數據融合值和基于高爐布料規律計算出的理論料面形狀，以及高爐布料矩陣對布料沖擊情況下顆粒物質的堆積形狀的約束條件，得到同時符合高爐布料規律及顆粒物理堆積規律的堆尖位置，從而獲得了生產條件下料線的平臺位置和平臺寬度的模塊；(3)過料線檢測點及堆尖位置以堆積料面為約束做分段三次Hermite插值得到料線形狀的模塊。料面監測模塊用于基于多源檢測數據融合進行狀態分析，包括建立完整故障診斷、異常標記及料面分析三部分，對料面狀態進行分類并對異常狀態報警，給出料面異常的不同類型，記錄故障狀態時高爐參數，有利于對不同爐況進行判斷，以及后期事故分析。如附圖6，包括以下模塊(I)雷達故障標記模塊，根據六點雷達的以往測量值，記錄雷達以往正常值，當出現單一雷達值發生突變即雷達測量值變化不符合高爐布料理論、土坡穩定理論堆積規律或不符合料面上爐料在滑移過程中的物理堆積過程時，對雷達故障進行標記；(2)料面異常標記模塊，當出現料面偏析、傾斜、局部塌陷時對料面進行報警與記錄;(3)料面形狀的分析統計模塊，采集一天、一周或者一個月的雷達料面波動信息，運用神經網絡法，自動或者人為地統計出料面的分類形狀(如A型，B型和C型等)，一段時間內出現各種料面形狀的概率是多少，在顯示畫面上直觀地給出一個統計數據，給現場操作人員做修正布料矩陣的參考，作為爐長決策和調整布料的依據。本發明的另一實施例還提供一種基于雷達數據、機械探尺數據和十字測溫熱電偶數據等實測數據和布料模型的數據融合進行高爐料面監測的方法。該設計方法可與布料執行機構相連，構成無料鐘高爐爐頂布料閉環控制系統。本發明的具體方法如下(I)基于布料模型計算理論料面形狀；(2)對實測數據即高爐雷達數據、機械探尺數據和十字測溫熱電偶數據進行配準，·將相應的數據配準到高爐的料面值，獲得配準后的實測數據即雷達測量值、機械探尺測量值和十字測溫配準值；(3)將雷達測量值、十字測溫配準值和機械探尺測量值進行一次融合；·(4)將一次融合數據值與理論料面形狀再一次進行融合；步驟I是基于溜槽布料模型計算理論料面形狀，即利用爐料料流軌跡、爐料落入爐內在爐內形成的內、外堆角，料層厚度等參數來預測爐內料面形狀。f (X) = a pXp+a K1Xlri+. + a j1+a 0 (f (X)為料線，a 0、Ct1——a p 為系數)步驟2中對實測數據的配準可以采取以下方式高爐雷達回波經過高爐雷達系統中DSP處理，轉化為反映料面高度的雷達測量值(如料面高度信息A);機械探尺所測數據即為直接料面信息，可以通過直接讀取機械探尺數據的讀數獲取反映料面高度的機械探尺測量值(如料面高度信息B);將十字測溫熱電偶數據進行時空配準，將其轉化為十字測溫配準值(如料面高度信息C)。由于十字測溫周期較長，可以先采用樣條插值法對十字測溫熱電偶數據進行時間配準，其次再利用尺度壓縮比例因子進行空間配準，進而將十字測溫熱電偶數據轉化為料面數據。優選地，可采用采用三次樣條函數對十字測溫熱電偶數據進行插值得函數s(t)s(ti)=yi, i = 0, I, . . . , n ；s(t)在每個小區間[\，ti+1]上是一個三次多項式，其中，[tp ti+1]是測量周期，i= 0,1,...，n-1,且二階可導；之后再對完成了時間配準的十字測溫熱電偶數據利用尺度壓縮比例因子進行空間配準，由此便將溫度信息轉換為高度信息，實現溫度和高度之間的非線性擬合。為了在考慮布料規律的同時，又能使料面形狀逼近雷達數據，使估計所得料面形狀接近真實情況，可以優選地在步驟2和步驟3之間增加對雷達測量值進行修正并且再利用最小二乘法擬合料面的步驟。以優選的六點雷達測量為例，其具體實現方式為首先對雷達測量值進行修正，如果雷達測量值與理論值偏離很遠，說明雷達測量值不準確，此時料面的顯示信息以周邊的雷達數值做處理后來代替，原來的雷達測量值標記為不確定；然后對修正后的六點雷達測量值利用最小二乘法擬合三段法料面。根據高爐布料規律，假定料面關于高爐中心對稱。計算高爐中心右側三段法料面形狀即直線-曲線-直線，擬合之前，先判斷六點所處的曲線范圍，設6個點的料面深度與實際料面之間誤差的平方和為最小。
對于一次曲線，采用一次方程逼近
權利要求
1.一種基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，該方法包括以下步驟 a、基于布料模型計算理論料面形狀； b、對實測數據進行配準，將所述實測數據轉化為高爐的料面數據； C、將所述料面數據進行一次融合，獲得一次融合數據值； d、將所述一次融合數據值與所述理論料面形狀進行再次融合。
2.如權利要求I所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，所述實測數據包括多個高爐雷達數據、多個機械探尺數據和多個十字測溫熱電偶數據，轉化后的所述高爐的料面數據包括雷達測量值、機械探尺測量值和十字測溫配準值；步驟b具體為將高爐雷達數據轉化為反映料面高度的雷達測量值，由機械探尺數據直接得到反映料面高度的機械探尺測量值，將十字測溫熱電偶數據進行時空配準，轉化為十字測溫配準值。
3.如權利要求2所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，所述將十字測溫熱電偶數據進行時空配準包括利用樣條插值法對十字測溫熱電偶數據進行時間配準，再利用尺度壓縮比例因子進行空間配準。
4.如權利要求2所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，步驟b和步驟c之間還包括對雷達測量值進行修正，基于修正后的雷達測量值利用最小二乘法擬合料面，并引入體積約束，使得新舊料面曲線所形成的曲面繞高爐中心線旋轉而圍成的體積與添加爐料的實際裝入量相等；進行一次融合的所述料面數據包括所述擬合得到的擬合料面。
5.如權利要求4所述的基于實測數據和布料模型的數據融合進行料面監測方法，步驟c具體為 Cl、計算機械探尺與第j環上每個十字測溫熱電偶的歐氏距離，將最小歐氏距離所屬的機械探尺，作為對應j環的機械探尺； c2、獲取第j環十字測溫熱電偶反應的料面高度Wj ； c3、將第j環上對應的所述擬合料面上的高度值與所述料面高度 ' 加權修正，獲得修正后的j環料面高度值％； c4、將所述對應j環的機械探尺的測量值與所述j環料面高度值％進行加權修正，得到所述一次融合數據值。
6.如權利要求I所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，所述步驟d具體為 dl、結合料線檢測點位置、高爐布料規律及顆粒物質堆積特性重構高爐料線形狀，其中，包括根據高爐爐料顆粒物質堆積特性，以及在高爐煤氣流作用下，內、外堆角的變化，確定高爐爐料顆粒的堆積料面； d2、結合所述一次融合數據值和基于布料模型計算出的所述理論料面形狀，以及高爐布料矩陣對布料沖擊情況下顆粒物質的堆積形狀的約束條件，得到堆尖位置，并獲得生產條件下料線的平臺位置和平臺寬度； d3、過所述料線檢測點及所述堆尖位置以所述堆積料面為約束做分段三次Hermite插值得到料線形狀。
7.如權利要求I所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，所述步驟d后還包括步驟e :進行故障診斷、異常標記及料面分析。
8.如權利要求7所述的基于實測數據和布料模型的數據融合進行料面監測方法，其特征在于，步驟e包括 el、雷達故障標記，根據雷達的以往測量值，記錄雷達以往正常值，當出現單一雷達值發生突變時，對雷達故障進行標記； e2、料面異常標記，當出現料面偏析、傾斜、局部塌陷時對料面進行報警與記錄； e3、料面形狀的分析統計，采集一段時間的雷達料面波動信息，自動或者人為地統計出料面的分類形狀，作為爐長決策和調整布料的依據。
9.一種基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，該系統包括以下模塊 數據輸入和時空配準模塊，用于輸入布料參數，并基于布料模型計算理論料面形狀；以及用于獲取實測數據，對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據； 數據融合模塊，用于將所述料面數據進行一次融合，獲得一次融合數據值；并將所述一次融合數據值與所述理論料面形狀進行再次融合。
10.如權利要求9所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，所述實測數據包括多個高爐雷達數據、多個機械探尺數據和多個十字測溫熱電偶數據，轉化后的所述高爐的料面數據包括雷達測量值、機械探尺測量值和十字測溫配準值；所述對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據具體為將高爐雷達數據轉化為反映料面高度的雷達測量值，由機械探尺數據直接得到反映料面高度的機械探尺測量值，將十字測溫熱電偶數據進行時空配準，轉化為十字測溫配準值。
11.如權利要求10所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，數據輸入和時空配準模塊包括獨立的時空配準模塊，用于執行所述對所述實測數據進行配準，將所述實測數據轉化為高爐的料面數據，所述時空配準模塊對十字測溫熱電偶數據進行時空配準具體為利用樣條插值法對十字測溫熱電偶數據進行時間配準，再利用尺度壓縮比例因子進行空間配準。
12.如權利要求10所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，所述數據輸入和時空配準模塊還包括料面擬合模塊，用于對雷達測量值進行修正，基于修正后的雷達測量值利用最小二乘法擬合料面，并引入體積約束，使得新舊料面曲線所形成的曲面繞高爐中心線旋轉而圍成的體積與添加爐料的實際裝入量相等；進行一次融合的所述料面數據包括所述擬合得到的擬合料面。
13.如權利要求12所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，數據融合模塊包括一次融合模塊，用于執行所述將所述料面數據進行一次融合，一次融合模塊包括 機械探尺匹配模塊，計算機械探尺與第j環上每個十字測溫熱電偶的歐氏距離，將最小歐氏距離所屬的機械探尺，作為對應j環的機械探尺； 料面高度獲取模塊，獲取第j環十字測溫熱電偶反應的料面高度Wj ； 第一料面高度修正模塊，將第j環上對應的所述擬合料面上的高度值1 與所述料面高度W」加權修正，獲得修正后的j環料面高度值Wj ; 第二料面高度修正模塊，將所述對應j環的機械探尺的測量值與所述j環料面高度值Wj進行加權修正，得到所述一次融合數據值。
14.如權利要求9所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，數據融合模塊包括二次融合模塊，用于執行所述將所述一次融合數據值與所述理論料面形狀進行再次融合，二次融合模塊包括 結合料線檢測點位置、高爐布料規律及顆粒物質堆積特性重構高爐料線形狀的模塊，其中，包括根據高爐爐料顆粒物質堆積特性，以及在高爐煤氣流作用下，內、外堆角的變化，確定高爐爐料顆粒的堆積料面； 結合所述一次數據融合值和基于布料模型計算出的所述理論料面形狀，以及高爐布料矩陣對布料沖擊情況下顆粒物質的堆積形狀的約束條件，得到堆尖位置，并獲得生產條件下料線的平臺位置和平臺寬度的模塊； 過所述料線檢測點及所述堆尖位置以所述堆積料面為約束做分段三次Hermite插值得到料線形狀的模塊。
15.如權利要求9所述的基于實測數據和布料模型的數據融合進行料面監測系統，其特征在于，系統包括料面監測模塊，用于基于多源檢測數據融合建立完整故障診斷、異常標 記及料面分析。
16.如權利要求15所述的基于實測數據和布料模型的數據融合進行料面監測系統，所述料面監測模塊包括 雷達故障標記模塊，用于根據雷達的以往測量值，記錄雷達以往正常值，當出現單一雷達值發生突變時，對雷達故障進行標記； 料面異常標記模塊，用于當出現料面偏析、傾斜、局部塌陷時對料面進行報警與記錄； 料面形狀的分析統計模塊，用于采集一段時間的雷達料面波動信息，自動或者人為地統計出料面的分類形狀，作為爐長決策和調整布料的依據。
全文摘要
本發明在雷達數據的基礎上提供實測數據和布料模型的數據融合進行料面監測方法。該方法包括基于布料模型計算理論料面形狀；對雷達等實測數據進行配準,將所述實測數據轉化為高爐的料面數據；將所述料面數據進行一次融合，獲得一次融合數據值；將所述一次融合數據值與理論料面形狀進行再次融合，利用多種實際測量數據結果，將其轉換為反應料面高度的數據，并結合高爐布料規律，將實測數據與理論計算數據相融合，使最終所得料面既符合高爐布料規律，又符合實際測量結果，大大提高了實際高爐料面信息量，為料面成像和料面監測提供了更加精準的信息。
文檔編號C21B7/24GK102796835SQ20121026052
公開日2012年11月28日 申請日期2012年7月25日 優先權日2012年7月25日
發明者陳先中 申請人:北京科技大學