Preview

Заводская лаборатория. Диагностика материалов

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

ИСПОЛЬЗОВАНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ ЗОН ПРОГАРА ПРИ ДИАГНОСТИКЕ ФУТЕРОВКИ КРИТИЧЕСКОГО ОБОРУДОВАНИЯ

https://doi.org/10.26896/1028-6861-2018-84-4-27-33

Полный текст:

Аннотация

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.

Об авторах

В. А. Емельянов
Финансовый университет при Правительстве Российской Федерации
Россия

Виталий Александрович Емельянов 

Москва



Н. Ю. Емельянова
Финансовый университет при Правительстве Российской Федерации
Россия

Наталия Юрьевна Емельянова 

Москва



Список литературы

1. Тубольцев 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.

2. Обзор аварий и инцидентов в металлургической отрасли. On-line: http://www.markmet.ru/tehnika-bezopasnosti-v-metal-lurgii/obzor-krupneishikh-avarii-v-metallurgicheskoi-otrasli.

3. 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.

4. Gerasimos R. Intelligent Industrial Systems: Modeling, Automation and Adaptive Behavior. — Industrial Systems Institute & National Technical University of Athens, 2010. — 601 p.

5. 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.

6. АСУТП выплавки стали комплекса конвертерного цеха. On-line: http://www.ma.dp.ua/clients/subsection7

7. China iron & steel research. Institute Group Automation System. On-line: http://www.cisri.com/english/tabid/550/language/en-US/Default.aspx

8. Siemens Metals Technologies. Ironmaking — Steelmaking — Rolling Mills. On-line: http://www.industry.siemens.com/verticals/metals-industry/en/metals/pages/home.aspx.

9. Nilles Paul E. Alternative technologies in iron and steelmaking / Metallurgical and Materials Transactions. 1996. Vol. 27. Issue 4. P. 541 – 553.

10. 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.

11. Головко В. Мониторить «здоровье» футеровки конвертеров будут лазерные сканеры / Металлург. 2011. № 34. С. 2 – 3.

12. Емельянов В. А. Метод обработки изображений теплового контроля футерованных объектов / Вестник национального горного университета. 2014. № 6(144). С. 137 – 143.

13. Haykin S. Neural Networks and Learning Machines. — Prentice Hall, 2008. — 936 p.

14. ГОСТ 20911–89. Техническая диагностика. Термины и определения. — М.: Изд-во стандартов, 1989. — 10 с.


Для цитирования:


Емельянов В.А., Емельянова Н.Ю. ИСПОЛЬЗОВАНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ ЗОН ПРОГАРА ПРИ ДИАГНОСТИКЕ ФУТЕРОВКИ КРИТИЧЕСКОГО ОБОРУДОВАНИЯ. Заводская лаборатория. Диагностика материалов. 2018;84(4):27-33. https://doi.org/10.26896/1028-6861-2018-84-4-27-33

For citation:


Yemelyanov V.A., Yemelyanova N.Y. THE USE OF A NEURAL NETWORK FOR IDENTIFICATION OF BURNOUT ZONES IN DIAGNOSTICS OF THE LINING OF CRITICAL LINED EQUIPMENT. Industrial laboratory. Diagnostics of materials. 2018;84(4):27-33. (In Russ.) https://doi.org/10.26896/1028-6861-2018-84-4-27-33

Просмотров: 80


ISSN 1028-6861 (Print)
ISSN 2588-0187 (Online)