zldmЗаводская лаборатория. Диагностика материаловIndustrial laboratory. Diagnostics of materials1028-68612588-0187ООО «Издательство «ТЕСТ-ЗЛ»10.26896/1028-6861-2018-84-4-27-33zldm-715Research ArticleИССЛЕДОВАНИЕ СТРУКТУРЫ И СВОЙСТВ. ФИЗИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ И КОНТРОЛЯTESTING OF STRUCTURE AND PARAMETERS. PHYSICAL METHODS OF TESTING AND QUALITY CONTROLИСПОЛЬЗОВАНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ ЗОН ПРОГАРА ПРИ ДИАГНОСТИКЕ ФУТЕРОВКИ КРИТИЧЕСКОГО ОБОРУДОВАНИЯTHE USE OF A NEURAL NETWORK FOR IDENTIFICATION OF BURNOUT ZONES IN DIAGNOSTICS OF THE LINING OF CRITICAL LINED EQUIPMENTЕмельяновВ. А.YemelyanovV. A.

Виталий Александрович Емельянов 

Москва

Vitaliy A. Yemelyanov 

Moscow

v.yemelyanov@gmail.comЕмельяноваН. Ю.YemelyanovaN. Yu.

Наталия Юрьевна Емельянова 

Москва

Nataliya Yu. Yemelyanova 

Moscow

n.yemelianova@gmail.comФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation2018140520188442733Copyright © Емельянов В.А., Емельянова Н.Ю., 20182018Емельянов В.А., Емельянова Н.Ю.Yemelyanov V.A., Yemelyanova N.Y.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.zldm.ru/jour/article/view/715

Предложен метод автоматизированной диагностики футеровки критического футерованного оборудования, использующий нейронную сеть для распознавания термограмм и классификации зон прогара. Данный метод повышает достоверность и оперативность определения зон прогара футеровки и позволяет получить их качественную оценку. Представлены информационные признаки для анализа и распознавания зон прогара на изображении термограммы, результаты использования нейронных сетей с различной конфигурацией для минимизации ошибки классификации уровней прогара и определения оптимального количества эпох обучения. Автоматизированная система технической диагностики критического футерованного оборудования, включающая разработанное программное обеспечение для анализа и распознавания термограмм, апробирована на металлургическом производстве. Проведено сравнение результатов диагностики футеровки, полученных с помощью предлагаемого метода и с использованием стандартной (базовой) системы диагностики.

A method of automated diagnostics of critical lined equipment is improved using a neural network to recognize the thermograms and classify the burnout zones. The proposed method provides an increase in the reliability and promptness in determination of the lining burnout zones and their qualitative assessment. The information signs used for analysis and recognition of the lining burnout zones on a thermogram image are considered. The results of using neural networks with different configurations to minimize the error of classifying the levels of the burnout and determining the optimal number of the learning epochs are presented. The developed automated system for technical diagnostics of critical lined equipment, including the software for analysis and recognition of the thermograms, was evaluated and implemented at the enterprises of metallurgical production. Comparative analysis of the results obtained using the developed automated system and traditional system of diagnostics demonstrated the advantages of the developed method.

автоматизированная системадиагностикакритическое футерованное оборудованиепрограммное обеспечениенейронная сетьautomation systemdiagnosticscritical lined equipmentsoftwareneural networkReferencesТубольцев Л. Г., Голубых Г. Н., Падун Н. И. Анализ риска аварий и определение возможного материального ущерба на металлургическом предприятии / Фундаментальные и прикладные проблемы черной металлургии: сб. науч. тр. Вып. 12. — Днепропетровск, 2006. С. 407 – 420.Tubol’tsev L. G., Golubykh G. N., Padun N. I. Analysis of the risk of accidents and identification of possible material damage at a metallurgical enterprise / Fundamental and applied problems of ferrous metallurgy: a collection of scientific papers. Issue 12. — Dnepropetrovsk, 2006. P. 407 – 420 [in Russian].Обзор аварий и инцидентов в металлургической отрасли. On-line: http://www.markmet.ru/tehnika-bezopasnosti-v-metal-lurgii/obzor-krupneishikh-avarii-v-metallurgicheskoi-otrasli.Overview of accidents and incidents in the metallurgical industry. On-line: http://www.markmet.ru/tehnika-bezopasnosti-v-metal-lurgii/obzor-krupneishikh-avarii-v-metallurgicheskoi- otrasli [in Russian].Авария на Магнитогорском меткомбинате: на рабочую площадку вылился металл из сталь-ковша. 2010. On-line: http://www.ziwa.org/ru/Cluster.aspx?uid=2010060237Accidents&id=2A-1&rid=-1.Accident at the Magnitogorsk Iron and Steel Works: metal from the steel ladle poured onto the work platform. 2010. On-line: http://www.ziwa.org/ru/Cluster.aspx?uid=2010060237Accidents &id=2A-1&rid=-1.Gerasimos R. Intelligent Industrial Systems: Modeling, Automation and Adaptive Behavior. — Industrial Systems Institute & National Technical University of Athens, 2010. — 601 p.Gerasimos R. Intelligent Industrial Systems: Modeling, Automation and Adaptive Behavior. — Industrial Systems Institute & National Technical University of Athens, 2010. — 601 p.Системы контроля зон возможного прогара футеровки. НТЦ «Прибор». On-line: http://ntc-pribor.ru/project/38-sistemy-kontrolya-zon-vozmozhnogo-progara-futerovki-stalenalivochnyh- kovshey.html.Control systems for zones of possible lining burnout. NTC «Pribor». On-line: http://ntc-pribor.ru/project/38-sistemy-kontrolya-zon-vozmozhnogo-progara-futerovki-stalenalivochnyh-kovshey.html.АСУТП выплавки стали комплекса конвертерного цеха. On-line: http://www.ma.dp.ua/clients/subsection7Process control system for steel smelting complex converter shop. Metallurgautomatica. On-line: http://www.ma.dp.ua/clients/subsection7China iron & steel research. Institute Group Automation System. On-line: http://www.cisri.com/english/tabid/550/language/en-US/Default.aspxChina iron & steel research. Institute Group Automation System. On-line: http://www.cisri.com/english/tabid/550/language/en-US/Default.aspxSiemens Metals Technologies. Ironmaking — Steelmaking — Rolling Mills. On-line: http://www.industry.siemens.com/verticals/metals-industry/en/metals/pages/home.aspx.Siemens Metals Technologies. Ironmaking — Steelmaking — Rolling Mills. On-line: http://www.industry.siemens.com/ver-ticals/metals-industry/en/metals/pages/home.aspx.Nilles Paul E. Alternative technologies in iron and steelmaking / Metallurgical and Materials Transactions. 1996. Vol. 27. Issue 4. P. 541 – 553.Nilles Paul E. Alternative technologies in iron and steelmaking / Metallurgical and Materials Transactions. 1996. Vol. 27. Issue 4. P. 541 – 553.Суков Г. С., Белобров Ю. Н., Попов Н. Н., Дзержинский В. А. Модернизация и комплексное оснащение современным оборудованием предприятий металлургии / Металлургия: тенденции развития. 2008. № 3. С. 4 – 7.Sukov G. S., Belobrov Yu. N., Popov N. N., Dzerzhinskii V. A. Modernization and complex equipment with modern equipment of metallurgical enterprises / Metallurg. Tend. Razvit. 2008. N 3. P. 4 – 7 [in Russian].Головко В. Мониторить «здоровье» футеровки конвертеров будут лазерные сканеры / Металлург. 2011. № 34. С. 2 – 3.Golovko V. Monitoring the «health» of the lining of converters will be laser scanners / Metallurg. 2011. N 34. P. 2 – 3 [in Russian].Емельянов В. А. Метод обработки изображений теплового контроля футерованных объектов / Вестник национального горного университета. 2014. № 6(144). С. 137 – 143.Emel’yanov V. A. Image processing method for thermal control of the lined objects / Vestn. Nats. Gornogo Univ. 2014. N 6(144). P. 137 – 143 [in Russian].Haykin S. Neural Networks and Learning Machines. — Prentice Hall, 2008. — 936 p.Haykin S. Neural Networks and Learning Machines. — Prentice Hall, 2008. — 936 p.ГОСТ 20911–89. Техническая диагностика. Термины и определения. — М.: Изд-во стандартов, 1989. — 10 с.GOST 20911–89. Technical diagnostics Terms and definitions. — Moscow: Izd. Standartov, 1989. — 10 p. [in Russian].

The authors declare that there are no conflicts of interest present.