基于多传感器信息融合AOD炉喷溅预报

郭凤涛， 徐 亮， 尤 文

（长春工业大学电气与电子工程学院，吉林长春 130012）

0 引 言

综观AOD炉喷溅研究现状，目前对喷溅的认识水平仅局限在定性层面，如金属性喷溅、泡沫性喷溅，工程上也用大喷、中喷和小喷来描述，对喷溅还没有一个定量的描述和分析方法；喷溅的研究热点也仅局限于对外喷的关注，对内喷的研究几乎是零，这忽视并割裂了外喷是由内喷发展而来的客观事实，使外喷的研究成果失去了坚实基础，甚至连一个能够包含内喷和外喷概念的公认的喷溅定义尚未建立；目前国内外也没有一种喷溅分析仪器问世，这给外喷的预防带来巨大困难，更不具备对外喷进行提前有效预报能力；也更谈不上对外喷进行自动控制。因而，有必要在转炉炼钢和氩氧精炼铁合金生产过程中寻找一种能够间接表征喷溅即将发生的特征信号，而该信号又能够实现在线检测，进而利用该信号来对喷溅进行计量，对外喷进行预报，并为实现自动控制提供基础，避免喷溅发生。文中采用多传感器融合技术已达到对喷溅产生时的物理现象进行检测融合，给出融合以后喷溅发生的信息，为控制冶炼过程的喷溅提供支持。

传统的AOD炉在线检测设备复杂，投资高，维修难度大。近几年开发的各种声学或光学检测设备不仅设备简单、投资小，而且容易维护、检测成本低。由于全自动AOD炉要求对整个吹炼过程进行计算机闭环控制，因此，对炉内信息的检测必须要求连续、准确、响应快。为适应这一要求，近几年开发的各种光学、声学或力学的检测设备均采用连续检测技术，不断向计算机提供各种炉内信息。炼钢反应是在高温下进行的，直接测量有很多困难。采用间接测量技术，通过对喷溅外在炉体现象的喷溅特征，或是对炉口火焰强度的测定以及对炉内声、光、电等现象的检测，可推断预报炉内状况。通过较精确的数学模型还可进一步校正检测和计算误差。

冶炼过程可以使用多传感器进行检验，综合利用来自多传感器的信息，按照一定的规则最优化结合为目标特征参数的单一表示或估计，即通过融合处理的方法，把这种融合的特性参数作为控制的反馈信号，以减少单个或全体传感器检测信息的损失、不确定性和误差，达到更精确进行控制的目的。对于大型的冶炼，由于其干扰的信号很复杂，单一类型传感器的局限性和误差很大。因此，在复杂大型的工业生产的控制系统应用数据融合技术，可以达到互补的目的及优越的控制性能。

在工业冶炼中通常都是利用传感器对冶炼过程进行检测和控制，这种控制不能很好地对其进行在线控制，因此，文中提出利用多传感器、多信息融合技术对冶炼过程进行更好的检测，更好地预报在冶炼过程中出现的喷溅现象。

1 方案提出

基于多传感器信息融合的喷溅检测技术，针对喷溅特征信号炉内振动、音频、视频特征信号来计量及检测喷溅强度等级的方法，并分析预报喷溅发生的原因，计量及检测比较分析炉内音频、振动、视频信号，利用小波去噪提取方法→炉内→音频与振动视频多传感器信息融合方法→喷溅信号的重构方法→炉体高压冷却水入口管路振动信号与喷溅导致的炉体振动信号差异性分析→定向拾音器位置对音频信号的影响实验分析→形成喷溅计量及检测技术，进而形成喷溅分析技术，为喷溅强度等级计量提供理论支持。

另外，还能够在线监测且能表征喷溅发生的信号。如声波信号、振动信号、火焰图像。在AOD炉吹炼过程中，不同阶段炉内声音也有所不同，可以根据炉内声音的不同来判断是否会发生喷溅。氧枪的振动情况也可以表征喷溅发生与否。在冶炼期间火焰图像体现喷溅等级强度。对传感器采集的信号进行状态估计，状态估计分为动态估计和静态估计，这里主要对动态估计进行说明，动态估计中被估计的参数是随时间变化的，其目的是对目标过去的运动状态进行平滑，对目标现在的运动状态进行滤波和对目标未来的运动状态进行预测，文中通过Kalman滤波技术以达到对多个传感器采集的信号进行滤波、状态估计。

基于多传感器信息融合的喷溅计量及检测技术，喷溅特征信号（炉内音频、振动，炉外火焰强度）计量及检测方法比较分析→炉内音频和振动信号的小波去噪提取方法与炉外火焰图像小波融合方法→炉内音频、振动与炉外火焰图像信号的多传感器信息融合方法→喷溅信号的重构方法→炉体高压冷却水入口管路拾振信号与喷溅导致的炉体振动信号差异性分析→定向拾音器位置对音频信号的影响实验分析→形成喷溅计量及检测技术→基于喷溅能量等级计量及检测方法的外喷预报技术，由内喷发展到外喷的临界阈值计算方法→临界阈值实验校正方法→计算方法与实验校正方法误差分析→形成外喷预报技术。

2 系统构成

2.1 信息融合的级别

按照数据抽象的3个层次，目标识别的信息融合方法可以分为3级：数据级融合（也称像素级融合）、特征级融合和决策级融合。文中采用特征及融合。

由于是对不同介质的多传感器信息进行融合，所以必须在特征层或判定层融合。特征层融合时，首先从传感器数据中提取特征数据组成特征向量，输入到模式识别处理模块中，如图1所示。

图1 特征及融合结构

2.2 目标估计融合

对3种传感器信息融合，实现目标估计融合时采用分布式融合结构，首先在局部传感器上对观测信息进行局部处理，后将局部信息处理结果传送到数据融合中心形成最终的全局估计，如图2所示。

图2 分布式融合结构模型

2.3 分布式滤波数据融合算法Kalman滤波融合算法

首先是两个振动传感器在检测到的信号融合。为了讨论方便，在此只讨论过程与测量噪声是相互独立，系统中不含控制项，且各传感器位于同一地理位置的情况［1］。

考虑一类多传感器动态系统

其中整数k≥0为离散时间变量，X（k）∈Rn×1为状态向量，Φ（k）∈Rn×n是系统矩阵；系统过程噪声w（k）∈Rn×1为高斯白噪声序列，具有如下的统计特性：

式中：Q（k）——非负定矩阵。

两传感器以相同的采样速率对目标的特征进行观测，式（2）中zi（k）∈Rpi×n是第i个传感器对目标状态X（k）的观测值，Hi（k）∈Rpi×n是测量矩阵，测量噪声vi（k）∈Rpi×n是高斯白噪声序列，具有如下的统计特性

式中：Ri（k）——正定矩阵。

3 分布式数据融合算法

一个重要的问题便是如何利用已有的局部信息进行组合。建立分布式系统的融合，其目的是为了利用各单一传感器丰富的信息，提高信息的精度。利用Kalman滤波技术给出不同精度的局部信息准确性［2－4］。

假设分布式多传感器信息融合系统由两个传感器LP1和LP2组成的，（k｜k）和P1（k｜k）是传感器LP1关于k时刻的目标状态最小均方误差估计和误差协方差矩阵，（k｜k）和P2（k｜k）是传感器LP2关于时刻k的目标状态最小均方误差估计和误差协方差矩阵。则分布式融合的目的就是依据上述条件获得优化后的全局估计和状态估计协方差。

分布式滤波数据融合算法的思想：在由多传感器组成的分布式动态系统中，当对目标状态的所有观测值到来时，首先基于系统先前信息对该时刻目标状态进行预测估计，利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新，从而得到该时刻目标状态基于全局信息的融合估计值［7］。算法步骤如下：

2）用Z1（k＋1）（低精度传感器的量测）对（k＋1｜k）进行更新，得到状态X（k＋1）基于和观测信息Z1（k＋1）的估计值和相应的估计误差协方差阵

其中

3）用Z2（k＋1）（高精度传感器对目标的量测）对（k＋1｜k＋1）进行更新，得到状态X（k＋1）基于和观测信息Z1（k＋1），Z2（k＋1）的估计值和相应的估计误差协方差阵

其中

采用两传感器融合时，得到的k＋1时刻的融合结果：

分步滤波过程如图3所示。

图3 分步滤波过程

上述分步式滤波过程由图3（a）表示，其中虚线框内的分步更新过程由图3（b）给出。

确定喷溅时炉内音频信号和振动信号，视频信号作为表征喷溅的特征信号，采用小波分析方法对其进行提取，然后利用多传感器信息融合技术对炉内音频信号、振动信号、视频信号进行融合处理，进而重构喷溅信号，形成基于多传感器信息融合的喷溅计量及检测技术。

根据融合功能的层次性和信息的流通方式及传输形式把信息融合过程分为5级，即检测、位置、目标识别融合及态势和威胁估计。在结构模型中的检测级融合结构利用带反馈的并行结构对喷溅现象采集的震动、音频、图像通过融合中心进行融合，并反馈到个局部传感器作为下一刻局部决策的输入。

针对氩氧精炼过程，通过对喷溅空气动力学和化学反应机理的研究，分析喷溅时炉内音频、振动、视频、渣层温差的变化曲线，形成基于空气动力学和化学反应机理的喷溅分析技术。

1）炉内振动信号、音频信号、视频信号的提取及其融合方法，以及喷溅强度信号重构技术；

2）基于空气动力学和化学反应机理的喷溅分析技术；

3）由内喷发展到外喷的喷溅强度临界阈值判定技术。

提出炉内振动信号、音频信号、视频信号提取及其融合方法，开发喷溅强度信号重构技术，实现了喷溅的定量表征，进而将目前喷溅的定性分析提升到定量分析阶段；提出基于喷溅强度检测技术的外喷预报方法，研发由内喷发展到外喷的喷溅强度临界阈值判定技术，实现外喷的提前预报，为降低外喷发生率提供一种理想器具［8］。

依据线性最小方差信息融合准则、非线性系统的状态估计，推导出噪声广义系统按矩阵加权的多传感器信息融合最优滤波算法。除了在理论上对所有的算法进行推导之外，文中还通过MATLAB仿真软件进行了大量仿真研究，仿真结果验证了上述各算法的有效性。

4 结 语

针对铁合金冶炼过程中的喷溅现象，利用多传感器系统的数据融合方法进行了深入研究，运用一种基于分步式滤波的多传感器系统数据融合算法，并给出了算法的理论推导过程。在融合过程中，不同的融合算法所需的初值条件及对初值的依赖不同，尤其是分层融合算法，如果初值选择不当，滤波效果会很不理想，甚至会发散，而在实际应用中，在系统处理器的允许下，主要从精度考虑选择不同的融合算法，从而达到实现在线检测喷溅现象的产生，在线监控为控制喷溅产生提供基础条件，最终实现抑制喷溅产生。

［1］ 文成林，吕冰.一种基于分布式滤波的数据融合算法［J］.电子学报，2004，32（8）：1264-1267.

［2］ 童调生，欧阳红林，李智勇.传感器信息融合技术在过程控制中的运用研究［J］.计算技术与自动化，2003，22（3）：1-3.

［3］ 彭冬亮，文成林.多传感器多源信息融合理论及应用［M］.北京：科学出版社，2010：510.

［4］ Chen H，Bar-Shalom Y.Track fusion with legacy track sources［C］／／2006 9th International Conference on July.［S.l.］：Information Fusion，2006：1-8.

［5］ 陈延伟，施江天，吴艳茹.基于神经网络的多传感器信息融合技术在移动机器人中的应用［J］.长春工业大学学报：自然科学版，2009，30（5）：550-555.

［6］ 沈丽艳，马春龙.基于数据融合的土壤电导率测量方法［J］.长春工业大学学报：自然科学版，2012，33（2）：151-154.

［7］ 张锐，李文秀.多传感器跟踪型数据滤波融合算［J］.哈尔滨工程大学学报，2002，23（4）：106-109.

［8］ 于欢欢，许红岩，张洋.模糊控制在AOD炉冶炼铬铁合金喷溅系统中的应用［J］.长春工业大学学报：自然科学版，2011，32（1）：1-6.