中碳钢铸坯角部横裂纹预测方法的研究

发布时间：2017-04-11 14:05

  本文关键词：中碳钢铸坯角部横裂纹预测方法的研究，由笔耕文化传播整理发布。

【摘要】：钢铁产业经历了多年的快速发展,钢坯生产技术同样取得了巨大的进步与提升。由于连铸坯在生产过程中受到连铸机拉速、保护渣性能、钢液成分、振动方法等因素的影响,导致钢坯表面质量仍受缺陷的影响,表面缺陷的存在对后续铸坯的加工处理及产品的质量造成巨大的影响。目前,许多国内外的钢铁企业仍然采用传统的人工检测方法。这种传统检测方法对人的要素较为敏感,在检测中已受到人为因素影响产生失误,进而降低铸坯水平,成品合格率降低,最终对产品质量造成影响。已有的基于图像钢铸坯质量检测方法主要利用智能算法进行识别判断,在识别过程中会受到算法复杂程度的限制,将会降低识别效率。因此,避免钢坯表面缺陷的产生,对提高生产的效率以及生成产品的质量是及其重要的。尤其对钢坯表面横裂纹进行实时检测预报也是目前各大钢铁企业面临解决的重要问题。通过分析连铸坯生产过程的工艺条件和周围环境的影响,将红外热像仪安置在结晶器的出口处,对铸坯表面热图像进行采集,通过对图像进行分析运算和分类处理达到预报检测的目的。首先,采集热图像利用灰度级的修正法修正热图像灰度值,降低灰度两端区域噪声影响,提高图像的对比度。其次采用均值滤波法对热图像进行平滑处理,降低了热图像受噪声的影响,保留特征图像裂纹缺陷的细节信息,达到增强低频分量并抑制高频分量的目的。采用几种边缘检测算子对图像角部裂纹进行边缘检测和图像分割,选用Gauss-Laplace检测算子对铸坯表面横裂纹图像识别检测。通过区域标记法计算出裂纹的长度、周长、面积等特征信息,最后根据已制定好的连铸生产工艺要求判断裂纹缺陷的生成情况。结果采用红外热像技术对钢坯表面质量检测的识别准确率效果明显,在钢坯表面质量实时检测系统中得到很好的应用。
【关键词】：连铸坯 红外热像仪 特征图像 边缘检测 区域标记法
【学位授予单位】：华北理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TF777;TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 引言8-9
• 第1章 绪论9-17
• 1.1 论文研究背景及意义9-10
• 1.2 钢铸坯表面缺陷现状10
• 1.3 国内外钢坯表面缺陷检测技术的研究现状10-12
• 1.4 常见连铸板坯表面检测方法的对比分析12-15
• 1.5 基于红外热图像铸坯表面角部横裂纹检测方法的提出15-16
• 1.6 论文整体组织构架16-17
• 第2章 红外热成像系统原理及系统的总体结构17-26
• 2.1 红外辐射原理17-19
• 2.1.1 普朗克辐射规律17-18
• 2.1.2 维恩位移定律18-19
• 2.2 灰体的红外辐射19-20
• 2.3 红外成像系统20-22
• 2.3.1 红外热像仪的成像性能20-21
• 2.3.2 红外热像仪的成像原理21-22
• 2.3.3 红外热像技术的特点22
• 2.4 模式识别基础理论22-23
• 2.5 红外成像系统总体结构23-24
• 2.6 利用冷激励装置产生温度差24-26
• 第3章 钢坯表面裂纹缺陷26-34
• 3.1 裂纹产生的原因26-27
• 3.2 裂纹产生的机理27-28
• 3.3 连铸工艺对连铸坯质量的影响28-31
• 3.3.1 钢水化学成分对连铸坯质量的影响28-29
• 3.3.2 钢水温度对连铸坯质量的影响29-30
• 3.3.3 保护渣对连铸坯质量的影响30
• 3.3.4 结晶器冷却对连铸坯质量的影响30-31
• 3.3.5 二冷强度对连铸坯质量的影响31
• 3.3.6 拉坯速度对连铸坯质量的影响31
• 3.4 钢坯裂纹实时检测系统31-34
• 第4章 钢坯表面裂纹缺陷提取34-47
• 4.1 红外热图像预处理的思想及方法34-35
• 4.2 红外图像预处理过程35-36
• 4.3 红外图像对比度增强36-40
• 4.3.1 直方图的修正36-39
• 4.3.2 均值滤波法39-40
• 4.4 钢坯裂纹边缘搜索40-47
• 4.4.1 二值化原理41
• 4.4.2 图像边缘检测41-47
• 第5章 钢坯表面质量预测系统的实现47-57
• 5.1 系统软件介绍与使用47-48
• 5.1.1 Visual Basic系统开发软件47-48
• 5.1.2 HALCON图像处理软件48
• 5.2 预测系统的软件工作流程48-50
• 5.3 预测系统的实现及参数确定50-57
• 5.3.1 钢坯裂纹特征值的计算50-55
• 5.3.2 预测系统工艺参数的设定55
• 5.3.3 预测系统应用的主要函数55-57
• 结论57-58
• 参考文献58-61
• 致谢61-62
• 导师简介62-63
• 作者简介63-64
• 学位论文数据集64

【相似文献】

中国期刊全文数据库 前10条

1 吴静进;陈巍;;基于多尺度提升小波的边缘检测[J];重庆科技学院学报(自然科学版);2009年01期

2 杨述斌;陈艳菲;程莉;;交替滤波的加权形态边缘检测算法[J];武汉工程大学学报;2009年07期

3 曹珩;杨述斌;罗帆;贺玺;;多尺度全方位复合广义形态边缘检测的算法[J];武汉工程大学学报;2010年09期

4 刘井元;李玉良;张传锴;;边缘检测在机车监控系统中的应用[J];煤矿机电;2012年03期

5 傅晓薇,方康玲,李曦;一种改进的快速模糊边缘检测算法[J];武汉科技大学学报(自然科学版);2002年01期

6 袁涛;张爱琳;;图像的边缘检测算法实现[J];包钢科技;2006年06期

7 侯艳;路迈西;张少波;;用不同图像边缘检测算法识别粉煤灰等颗粒物[J];洁净煤技术;2008年06期

8 张慧;张聪;;大米粒形边缘检测算法研究[J];粮油食品科技;2008年04期

9 周林妹;;数字图像边缘检测算法及其在农产品加工中的应用[J];食品与机械;2009年03期

10 李海华;万亮亮;;基于六边形结构边缘检测算法的研究[J];湖南科技大学学报(自然科学版);2010年04期

中国重要会议论文全文数据库 前10条

1 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

3 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

5 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

7 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王海岚;樊绍胜;;一种改进的模糊形态学边缘检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

中国重要报纸全文数据库 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

中国博士学位论文全文数据库 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

8 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

9 吴庆岗;复杂背景输电线图像中部件边缘提取算法研究[D];大连海事大学;2012年

10 Ali Abdullah Yahya;[D];合肥工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

2 吕威骏;基于分数阶傅里叶变换和多尺度跟踪的边缘检测算法[D];郑州大学;2015年

3 亓晓彤;基于摄影测量的板类件孔位检测方法研究[D];中国地质大学(北京);2015年

4 孙浩轩;基于Matlab的电力线实时检测的算法研究[D];中国海洋大学;2015年

5 付伟;纸张折痕恢复性能测试仪的研究[D];中国海洋大学;2014年

6 杨丰骏;基于改进蚁群算法的图像边缘检测[D];太原理工大学;2016年

7 郭爽;电力线检测的算法研究[D];中国海洋大学;2015年

8 聂恺;复杂天气条件下的太阳质心位置检测方法研究[D];太原科技大学;2015年

9 仝海峰;基于FPGA的视频图像边缘检测优化设计[D];安徽理工大学;2016年

10 徐晓莹;基于灰色关联度和纹理分析边缘检测算法的研究[D];东北石油大学;2010年

  本文关键词：中碳钢铸坯角部横裂纹预测方法的研究，由笔耕文化传播整理发布。

，

本文编号：299234