基于PCA模型的高炉风口燃烧带温度仿真研究及分析

张秀春

摘 要：本文从图像处理的角度出发，首先建立高炉风口燃烧带的图像数据库;其次，采用主成分分析（PCA）算法對高炉风口燃烧带不同温度的图像进行识别;最后，结合识别结果进行分析;实验结果验证本文模型算法具有一定的可行性和有效性。本文从图像处理的视角为实现高炉风口燃烧带温度的稳定性提供相应的信息。研究相关结果为马钢高炉的稳定性提供相关参考与指导。

关键词：高炉风口燃烧带;主成分分析;图像识别;温度

前言

众所周知，在冶金行业中，高炉的工作状态对于高炉的生命周期、高炉的安全生产、高炉的生产效率、乃至整个企业的经济效益都有着举足轻重的作用和影响。高炉在使用过程中不可避免受到外界因素的侵蚀，因此，一项的重要的工作就此诞生：如何想法设法延长高炉的生命周期。由于高炉风口燃烧带的工作状态不仅直接决定铁水的质量而且也决定高炉的生命周期和高炉运行的稳定情况。截止到目前，风口燃烧带的主要工作还是依靠我们现场操作人员的经验推断，高炉风口燃烧带的稳定性并有得到有效的建立。

针对上述现象，根据查阅相关文献[1-6]可知高炉风口燃烧带的情况严重影响高炉的稳定性。如何准确监测高炉风口燃烧带的状况，较为准确地提供高炉大修的时间、保证安全生产、延长高炉的使用周期，是有关企业普遍所关心的问题。因此，对高炉风口燃烧带采用数学建模方法分析炉内状况是极其有必要的。目前国内外工作者就高炉风口燃烧带方面进行诸多的研究[2-7]大致可分为以下几个方面：（1）从材料学的角度出发，对炉内的抗腐蚀材料的性能进行完善和改进;（2）从传热学角度出发，对高炉的结构设计进行优化;（3）从现实的操作角度出发，对高炉风口燃烧带的状况进行监测。近年来某些高炉风口前陆续有安装视频监控装置和设备，用来观察和判断高炉内部的情况。但是仍无法给系统性地给出高炉风口燃烧带的稳定状况。如何能够建立有效且稳定的高炉风口燃烧带机制仍然是高炉工作者所共同面临的难题。

综上所述，在高炉的运行过程中，如何有效地监测高炉风口燃烧带温度的工作对于高炉稳定有着重要的作用。由于高炉风口燃烧带的特殊性，目前能够实时稳定监测风口区域的状况和温度的设备和装置相对较少。急需要一个针对高炉风口燃烧带区域的温度进行监测的机制。结合现有且成熟的图像温度识别技术，本文从图像处理的角度出发，采用成熟的主成分分析（PCA）识别算法对高炉风口燃烧带不同温度的图像进行识别高炉。从图像处理的视角为实现高炉风口燃烧带温的稳定性提供相应的信息。研究相关结果为马钢高炉的稳定性提供相关参考与指导。

1工艺流程

马钢高炉炼铁工艺[15]主要是铁矿石、高炉炼铁用的（焦炭）、熔剂（石灰石）等原材料按一定比例自高炉炉顶装入高炉，并由热风炉在高炉下部沿炉周的风口向高炉内鼓入热风助焦炭燃烧，在高温下焦炭中的碳同鼓入空气中的氧燃烧生成的一氧化碳和氢气。原料、燃料随着炉内熔炼等过程的进行而下降，在炉料下降和上升的煤气相遇，先后发生传热、还原、熔化、脱炭作用而生成生铁，铁矿石原料中的杂质与加入炉内的熔剂相结合而成渣，炉底铁水间断地放出装入铁水罐，送往下级生产厂进行下一步的应用与生产。

2主成分分析识别模型建立

据相关文献[2，5-8]显示，高炉风口燃烧带是整个高炉生产的核心区域，对于高炉的稳定有着至关重要的作，高炉风口燃烧带素有高炉“心脏”之称，是获取高炉内部工作状况的直接通道。目前高炉风口燃烧带模型大部分使用的是：将高炉风口燃烧带问题抽象转化为二维的平面传热学问题，在计算过程中使用差分法、边界元法、有限元法、神经网络、遗传算法等方法等。很少有使用图像处理[10]思想建立数学模型。在网络时代如此发达的今天，研究图像处理有着不可言喻的现实意义和学术意义。图像处理技术已经被广泛的应用于现实生活中的各个领域[11-12]。在学术研究方面，图像处理的技术与计算机视觉、神经网络、模式识别及人工智能等诸多领域有着错综复杂的关联。对图像处理技术的研究既能促进一些基础学科的交叉发展，也有助于产生新的研究方向。

本文首先建立高炉风口燃烧带的图像数据库[13-14];其次，建立主成分分析模型[15，16，18];最后，对不同温度的图像进行识别，结合识别结果进行分析。实验结果验证本文模型算法具有一定的可行性和有效性。

2.1 主成分分析识别算法原理

主成分分析[17，19]（PCA）是降低矩阵维数的一种常用方法。其基本思想是通过KL变换，将原来的指标重新组合成一组较少个数的互不相关的综合指标。

基于PCA的图像处理[17]算法分为训练阶段和识别阶段，其具体步骤如下[37-39]。

第一步：训练阶段，假设有M幅训练图像A1， A2， …， AM（m×n），它们是独立同分布的，将每一个图像矩阵按行堆叠成一个MN维列向量，则训练图像矩阵可以表示为：

第五步：求协方差矩阵的特征值和特征向量，构造特征空间;将协方差矩阵奇异值分解，通过求解ATA的特征值和特征向量来获得AAT的特征值λi和特征向量，并将特征向量归一化，得到Vi根据特征向量的贡献率选取前d个最大特征值及其对应的特征向量[18，6]。

其中贡献率是指选取的特征值和与占所有特征值的和之比，具体表达式如下：

基于数字图像处理技术的高炉相关检测识别的主要的原理是热辐射理论，如普朗克定律、维恩公式、斯蒂芬波尔兹曼定律等[1-2] 。

2.2 高炉风口燃烧带温度识别模型

本文首先建立高炉风口燃烧带的图像数据库。根据查阅[2-5] 的资料可以总结出：高炉风口燃烧带的温度范围一般为1500℃-2400℃。本文以马钢3#高炉检测到的燃烧带温度为实验对象。采集的高炉风口燃烧带部分图像样本如图1所示。

根据收集的3#高炉高炉风口燃烧带图像数据可以得出大部分燃烧带的温度稳定在1400℃-2200℃。图3是本次实验样本数据库燃烧带图像与温度的标准样本。