【摘要】：目前常用傳統(tǒng)接觸式熱電偶測(cè)溫儀對(duì)煉鋼過程中冶煉爐內(nèi)的鋼水表面溫度進(jìn)行測(cè)量,然而傳統(tǒng)接觸式熱電偶測(cè)溫儀只實(shí)現(xiàn)單點(diǎn)溫度測(cè)量,也不能將冶煉爐內(nèi)鋼水表面溫度場(chǎng)的整體情況實(shí)時(shí)呈現(xiàn),同時(shí)鋼鐵冶煉爐內(nèi)的環(huán)境條件惡劣,并伴有各種干擾因素,如果測(cè)溫儀器在這種環(huán)境下進(jìn)行工作,就會(huì)使測(cè)量結(jié)果的精度降低。針對(duì)接觸式測(cè)溫儀的測(cè)量結(jié)果不精確的缺陷,文章根據(jù)紅外輻射基本理論,提出利用基于CCD(Charge-coupled Device)圖像傳感器的非接觸測(cè)溫技術(shù)實(shí)現(xiàn)對(duì)鋼水表面溫度的精確測(cè)量。針對(duì)實(shí)際鋼鐵冶煉環(huán)境的復(fù)雜性,研究了影響CCD圖像傳感測(cè)溫精度的各種干擾因素,同時(shí)給出了提高CCD圖像傳感溫度測(cè)量精度的解決方案。首先,在研究紅外熱輻射測(cè)溫理論和CCD圖像傳感器檢測(cè)特性的基礎(chǔ)上,利用非局部均值濾波算法對(duì)CCD采集到的鋼水圖像進(jìn)行噪聲去除處理,然后提取無噪聲目標(biāo)圖像的灰度值信息,為后續(xù)建立的測(cè)溫模型提供高精度數(shù)據(jù)。然后,利用最小二乘法和廣義回歸神經(jīng)網(wǎng)絡(luò)法分別對(duì)灰度比和溫度值的非線性數(shù)學(xué)關(guān)系的曲線擬合,通過比較兩種方法最終的擬合效果可知,廣義回歸神經(jīng)網(wǎng)絡(luò)法擬合效果優(yōu)于最小二乘法擬合效果。但在實(shí)際生產(chǎn)過程中,溫度必須實(shí)現(xiàn)實(shí)時(shí)在線顯示,因此常用最小二乘法建立的測(cè)溫模型進(jìn)行溫度測(cè)量,滿足工業(yè)對(duì)測(cè)溫間隔的要求。如果實(shí)際的鋼水測(cè)溫間隔要求不嚴(yán)格,將考慮引入廣義神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)量,這樣就可以得到精度更高的溫度。最后,對(duì)CCD圖像傳感高精度測(cè)溫系統(tǒng)中的硬件選型和軟件功能設(shè)計(jì)進(jìn)行了研究,利用MATLAB軟件完成在線溫度測(cè)量顯示平臺(tái)的設(shè)計(jì),通過測(cè)溫平臺(tái)可以實(shí)現(xiàn)對(duì)冶煉爐內(nèi)的鋼水表面任意點(diǎn)溫度的顯示。同時(shí)為了便于觀察和分析研究,測(cè)溫平臺(tái)還提供了等溫線顯示圖、形態(tài)學(xué)顯示圖和偽彩色圖像。通過實(shí)驗(yàn)可知,基于CCD圖像傳感高精度溫度測(cè)量技術(shù),解決了傳統(tǒng)測(cè)溫技術(shù)測(cè)量結(jié)果不精確的缺陷,真實(shí)地呈現(xiàn)出了冶煉爐內(nèi)鋼水的表面溫度場(chǎng)分布情況,待進(jìn)一步完善后可以應(yīng)用到實(shí)際鋼鐵廠生產(chǎn)中。
【學(xué)位授予單位】：華北理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TF701.3;TP391.41
【圖文】：

BM λ 與 λ 的關(guān)系曲線。圖1 黑體輻射曲線Fig.1 Blackbody radiation curve通過觀察圖 1 可知， ( ,)BM λ T與 λ 的關(guān)系曲線有如下特點(diǎn)：（1）在不同溫度下，黑體輻射的能量強(qiáng)度是不一樣的，溫度越高強(qiáng)度越大。

華北理工大學(xué)碩士學(xué)位論文充分利用圖像本身的冗余信息，在噪聲處為提升 CCD 圖像傳感測(cè)溫系統(tǒng)的測(cè)溫精像完成噪聲去除任務(wù)，并與小波變換[44]和細(xì)節(jié)的同時(shí)，很好地去除了噪聲。計(jì)算任一點(diǎn)像素值基本思路是[46]，一幅需結(jié)構(gòu)塊很多，要想計(jì)算某點(diǎn)的像素值，可素值加權(quán)求和再進(jìn)行平均得到。如圖 3 所似，而與點(diǎn)3q 的結(jié)構(gòu)塊相似程度并不大，大的權(quán)值，而點(diǎn)2q 將乘以的權(quán)值比點(diǎn)1q 具體的闡述了非局部均值算法對(duì)圖像某像

(a)原始圖像 (b)處理后圖像圖 4 鋼水溫度 1684℃時(shí)的鋼水紅外圖像Fig.4 Infrared image with the molten steel temperature at 1684℃(a)原始圖像 (b)處理后圖像圖 5 1684℃時(shí)的鋼水圖像Fig.5 Infrared image with the molten steel temperature at 1684℃

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁廣順;汪日偉;溫顯斌;;基于雙邊濾波與非局部均值的圖像去噪研究[J];光電子·激光;2015年11期

2 馬翠紅;劉俊秘;楊友良;;基于小波變換的紅外熱像鋼水測(cè)溫研究[J];激光與光電子學(xué)進(jìn)展;2015年10期

3 楊友良;王新宇;馬翠紅;;自適應(yīng)維納濾波在鋼水紅外圖像去噪中的應(yīng)用[J];紅外技術(shù);2015年09期

4 孫元;彭小奇;;基于彩色CCD的雙色與三色比色測(cè)溫法比較研究[J];傳感技術(shù)學(xué)報(bào);2015年08期

5 海嘯;朱志杰;;最小二乘法和三次樣條曲線擬合的比色測(cè)溫誤差修正對(duì)比分析[J];激光雜志;2015年06期

6 楊友良;位佳佳;馬翠紅;;基于小波分析的比色測(cè)溫波段選擇[J];壓電與聲光;2015年03期

7 桑運(yùn)洪;李少清;馬速超;韓天峰;馬天石;劉錚;劉青;;最小二乘法在水泵試驗(yàn)曲線擬合中的應(yīng)用[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2014年05期

8 呂鵬飛;裴東興;沈大偉;;基于K型熱電偶的瞬態(tài)測(cè)溫技術(shù)的研究[J];傳感技術(shù)學(xué)報(bào);2014年06期

9 鐘瑩;楊學(xué)志;唐益明;劉燦俊;岳峰;;采用結(jié)構(gòu)自適應(yīng)塊匹配的非局部均值去噪算法[J];電子與信息學(xué)報(bào);2013年12期

10 郭全占;司丹丹;胡園園;干宗良;;基于非局部均值的彩色圖像去噪[J];現(xiàn)代電子技術(shù);2013年22期

相關(guān)博士學(xué)位論文 前1條

1 田慧欣;LF精煉爐鋼水溫度預(yù)報(bào)方法研究[D];東北大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 毛尹航;基于CCD攝像機(jī)的高溫目標(biāo)測(cè)溫系統(tǒng)研究[D];哈爾濱理工大學(xué);2016年

2 劉俊秘;基于紅外熱像的鋼水測(cè)溫模型研究[D];華北理工大學(xué);2016年

3 王新宇;基于紅外圖像處理的鋼水測(cè)溫方法研究[D];華北理工大學(xué);2016年

4 王一喬;基于CCD固體火箭發(fā)動(dòng)機(jī)羽焰溫度場(chǎng)測(cè)試技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 李俊;基于CCD的焦?fàn)t測(cè)溫技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

6 位佳佳;基于紅外熱像的鋼水溫度測(cè)量[D];華北理工大學(xué);2015年

7 駱昕;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別研究[D];西安科技大學(xué);2014年

8 毛偉;基于ARM的紅外測(cè)溫算法及信號(hào)處理系統(tǒng)設(shè)計(jì)[D];南京理工大學(xué);2014年

9 郭凱;基于CCD傳感器的高溫熔體表面溫度場(chǎng)測(cè)量系統(tǒng)的研究[D];杭州電子科技大學(xué);2014年

10 王娜;多圖非局部去噪算法研究[D];西安電子科技大學(xué);2014年

本文編號(hào)：2795685