一种KR自动扒渣智能路径的优化方法与流程

技术特征：
1.一种kr自动扒渣智能路径的优化方法，其特征在于，包括以下步骤：s1、通过扒渣区域边界智能识别模块读取摄像头获取的实时图像，获得铁水包包壁、铁水和渣之间的边界图像；s2、通过渣量识别计算模块对图像进行处理和识别，根据图像处理和识别结果通过路径规划模块在扒渣策略约束下获得扒渣路径；s3、通过寻优算法获得满足条件的扒渣路径，将该扒渣路径转化为扒渣臂上扒渣头的坐标数据传送至plc，通过plc对扒渣头进行实时控制；s4、最后当渣量小于阀值时，停止扒渣；所述步骤s2中，渣量识别计算模块对图像进行处理和识别，包括：所述图像处理，即为对彩色图像进行灰度处理，再按照设定策略对图像进行扫描；所述图像识别，即为对铁水包包壁与铁水界面的自动识别、安全区域划分及渣量自动计算，并存储识别结果；所述步骤s3中，路径规划模块的寻优算法，即为根据输入条件，和所述图像处理和识别结果，采用如下步骤进行路径规划：1)更新已获得的图像信息；2)根据图像信息变换扒渣头的坐标；3)对扒渣区域进行网格划分、区域划分；4)图像扫描计算扒渣区域内所有可行扒渣路径下的渣量和扒渣头的操作时间；5)遍历比较各个计算值；6)选出最优扒渣路径，并将最优扒渣路径转化为扒渣参数，通过plc对扒渣头进行实时控制。2.如权利要求1所述的kr自动扒渣智能路径的优化方法，其特征在于：所述渣量识别计算模块采用基于数字图像处理的图像识别方法，或基于机器学习的图像识别方法对图像进行处理和识别。3.如权利要求1所述的kr自动扒渣智能路径的优化方法，其特征在于：所述输入条件，包括已识别渣的位置、形状和灰度，以及扒渣臂与扒渣头的初始位置。4.如权利要求1所述的kr自动扒渣智能路径的优化方法，其特征在于：所述图像扫描为每隔一个步长进行扫描，遍历计算每个像素下，扒渣区域内扒渣量和扒渣头的操作时间之比。5.如权利要求4所述的kr自动扒渣智能路径的优化方法，其特征在于：所述步长由5～20像素组成。6.如权利要求4所述的kr自动扒渣智能路径的优化方法，其特征在于：所述扒渣区域内扒渣量和扒渣头的操作时间之比为最大时的路径即为最优扒渣路径。7.如权利要求6所述的kr自动扒渣智能路径的优化方法，其特征在于：所述扒渣量和单次扒渣时间之比为最大时的扒渣头伸出长度值和扒渣臂摆动角的角度值，此点为最优扒渣路径的最远端点。8.如权利要求7所述的kr自动扒渣智能路径的优化方法，其特征在于：还包括将最优扒渣路径在可视化设备上显示出，即按照扒渣头伸出长度值和扒渣臂摆动角的角度值两个参数绘制扒渣路径。
9.如权利要求8所述的kr自动扒渣智能路径的优化方法，其特征在于：扒渣路径为斜线、弧线或不规则曲线。

技术总结
本发明公开了一种KR自动扒渣智能路径的优化方法，首先对彩色图像灰度处理，然后根据动态阈值方法对图像二值化并计算所有可能路径上扒渣面积尽可能大且扒渣时间尽可能小时的路径为最优路径；或者是根据图像灰度信息表征渣量，直接求取所有可能路径上扒除渣量尽可能大且扒渣时间尽可能小时的路径为最优路径。本发明在实际扒渣作业中具有可操作性、有效性和实用性，可以到达降本增效的目的。可以到达降本增效的目的。可以到达降本增效的目的。


技术研发人员：张宇军 于艳 孙兴洪 蒋晓放 赵晓波 程建辉
受保护的技术使用者：宝山钢铁股份有限公司
技术研发日：2020.03.31
技术公布日：2021/10/7