Автоматизация контроля гранулометрического состава агломерата на основе оптико-электронного метода

Размещено на http://www.allbest.ru/

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ГРАНУЛОМЕТРИЧЕСКОГО СОСТАВА АГЛОМЕРАТА НА ОСНОВЕ ОПТИКО-ЭЛЕКТРОННОГО МЕТОДА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Селивановских Вера Витальевна

Рыбинск - 2007

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Череповецкий государственный университет»

Научный руководитель кандидат технических наук, доцент

Ершов Евгений Валентинович

Официальные оппоненты: доктор технических наук, профессор

Рыкунов Николай Стефанович

кандидат технических наук

Емельянов Юрий Владимирович

Ведущая организация ОАО «Северсталь», г. Череповец

Защита состоится 25 мая 2007 г. в 12 часов на заседании диссертационного совета Д 212.210.04 в Государственном образовательном учреждении высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П.А.Соловьева» по адресу 152934, г. Рыбинск, Ярославская обл., ул. Пушкина, д.53, ауд. Г-237.

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П.А. Соловьева»

Автореферат разослан 24 апреля 2007 г.

Ученый секретарь диссертационного совета _________Э. В.Киселев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. При производстве и использовании сыпучих материалов возникает необходимость контролировать их гранулометрический состав. Размер частиц сыпучего материала определяет важные технологические характеристики и влияет на эффективность его применения. Так, например, оптимальная крупность кусков агломерата для малых и средних доменных печей составляет от 5 до 40 мм, для крупных и сверхмощных от 15 до 40 мм.

Основные требования, предъявляемые к методам гранулометрического контроля - простота реализации, обеспечение необходимой чувствительности, точности, скорости контроля, наглядность представления получаемой информации. Классическими методами определения гранулометрического состава агломерата являются лабораторный (ситовый) анализ и грохочение. Наряду с ними на некоторых предприятиях используют методы, основанные на измерении энергии первичного дробления материала, механические гранулометры, а также нашли применение оптические методы и реализованные на их основе системы с использованием пробоотборников. Разработка таких методов велась институтом механической обработки и обогащения в Германии (Technischen University Bergakademie Freiberg), фирмой «Нихон коге» в Японии. Недостатком существующих методов является отсутствие оперативности, поэтому главной проблемой гранулометрического анализа остается непрерывный контроль непосредственно на линии производственного процесса.

Автоматизация контроля гранулометрического состава агломерата с использованием оптико-электронного метода непосредственно в технологическом потоке позволит своевременно классифицировать агломерат по классам крупности и оценить его прочность, зависящую от многих факторов, таких, как состав исходной шихты, качество ее подготовки, расход топлива на агломерацию, условия спекания и охлаждения, макроструктура и минералогический состав готового продукта.

В связи с этим разработка метода оптико-электронного контроля гранулометрического состава агломерата является весьма актуальной.

Работа выполнялась в рамках госбюджетной НИР «Разработка методов многофункциональных систем технического зрения» на кафедре «Программное обеспечение ЭВМ» Череповецкого государственного университета.

Цель работы состоит в повышении достоверности и оперативности контроля гранулометрического состава агломерата на основе автоматизированного оптико-электронного метода.

К основным задачам, решаемым в работе относятся:

- анализ зависимости гранулометрического состава агломерата от характеристик технологического процесса;

- разработка методики оптико-электронного контроля гранулометрического состава агломерата непосредственно в технологическом потоке и определение критериев его эффективности;

- разработка модели изображения насыпного слоя агломерата для тестирования алгоритмического обеспечения метода контроля;

- разработка алгоритмического и программного обеспечения метода контроля гранулометрического состава агломерата;

- экспериментальная проверка предложенных алгоритмов обработки видеоинформации.

Методы исследования. Для решения поставленных в работе задач использованы методы математического и компьютерного моделирования, цифровой обработки изображений и оптоэлектроники, аппарат теории вероятностей и математической статистики, теория построения алгоритмов и программ.

Научная новизна работы

1. Разработано алгоритмическое обеспечение, включающее:

- алгоритм локального динамического порогового разделения, основанный на вычислении весовых коэффициентов точек локальных областей и позволяющий повысить точность определения порогового уровня в условиях зашумленных изображений насыпного слоя агломерата;

- алгоритм адаптивной настройки размера локальной области текущего изображения, учитывающий величину гранул различных классов крупности и позволяющий получить максимальное количество бимодальных гистограмм для улучшения качества сегментации.

2. Предложена методика непрерывного оптико-электронного контроля гранулометрического состава агломерата непосредственно в технологическом потоке, позволяющий оперативно оценить его прочностные свойства.

Практическая ценность диссертационной работы состоит в разработке метода, являющегося основой оптико-электронной системы автоматизированного контроля гранулометрического состава агломерата, которая позволяет повысить оперативность принимаемых решений, обеспечить своевременный анализ технологического процесса.

Реализация результатов работы. Разработанное алгоритмическое и программное обеспечение исследовано и проверено на натурных экспериментальных данных агломерационного производства ОАО «Северсталь» и использовано при проектировании оптико-электронной системы контроля гранулометрического состава агломерата. Результаты диссертационной работы внедрены на предприятиях ООО НПП «Кронверк» и ЗАО «Фирма «СТОИК». Результаты научных исследований используются в учебном процессе на кафедре программного обеспечения ЭВМ Череповецкого государственного университета.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на Международных и Российских научно-технических конференциях: «Компьютерное и математическое моделирование в естественных и технических науках» (г. Тамбов, 2001 г.); «Северсталь» - пути к совершенствованию» (г. Череповец, 2001-2003 гг.); «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и искусственного интеллекта» (г.Вологда, 2001г.); «Информационные технологии в производственных, социальных и экономических процессах» (г. Череповец, 2002, 2005 гг.); «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (г. Курск, 2003, 2005 гг.); «Прогрессивные процессы и оборудование металлургического производства» (г. Череповец, 2003, 2005 гг.); 17-я межвузовская военно-научная конференция (г. Череповец, 2006 г.).

Основные положения, выносимые на защиту:

Алгоритмическое обеспечение метода, включающее алгоритм локального динамического порогового разделения, алгоритм адаптивной настройки размера локальных областей.

Методика непрерывного оптико-электронного контроля гранулометрического состава агломерата непосредственно в технологическом потоке.

Публикации. Основные результаты диссертации опубликованы в 18 работах, в том числе 1 монография и 17 статей (одна из них опубликована в рецензируемом научном журнале, входящем в перечень ВАК).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 87 наименований и приложений. Работа содержит 136 страницы, 52 рисунка и 7 таблиц. Приложения включают 17 страниц.

агломерат состав гранулометрический

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность, сформулированы цель и задачи исследования, представлены положения, выносимые на защиту, отмечена научная новизна и практическая ценность работы.

Первая глава посвящена анализу методов контроля гранулометрического состава агломерата, на основании которого были определены достоинства и недостатки существующих методов. Обоснован выбор наиболее перспективного метода - оптико-электронного, основанного на получении и обработке изображения контролируемого материала без использования пробоотборника, непосредственно на линии производственного процесса, при котором происходит классификация агломерата по классам крупности.

Определены параметры, характеризующие агломерат как объект оптического контроля. Рассмотрены основные классы крупности агломерата, влияние содержания мелочи и стабильности производственного процесса на качество агломерата. Установлена зависимость гранулометрического состава агломерата и его прочности от характеристик технологического процесса.

Так например, максимальный выход годного агломерата (д, ед.), минимальный выход мелочи (g-5, %) и прочность (L+10, %) зависят от характеристик макроструктуры агломерата:

д = 37,8 - 854/Vп - 0,07F2уд.п. - 11,4dп.ср.

g-5 = 56,7 - 1426/Vп - 285Fуд.п. - 50,4dп.ср.

L+10 = 13,5 - 625,6/Vп - 316,2Fуд.п. - 47,7dп.ср

где Vп - объем пор в кусках агломерата, %; Fуд.п. - удельная поверхность, мм2/г; dп.ср. - средний диаметр пор, мм.

От количества годного агломерата зависит производительность агломерационной машины

P = 14,4Fсхд,

где Р - производительность, %; F - площадь спекания ленты, м2; с - насыпная масса шихты, т/м3; х - вертикальная скорость спекания, м/мин; д - выход годного агломерата из шихты, %.

Количество годного в свою очередь определяется по гранулометрическому составу как д = -ln(g+40 / g-5),

где g+40 - доля крупных гранул, %; g-5 - доля мелких гранул, %.

Таким образом, при обнаружении отклонений гранулометрического состава агломерата от нормы можно своевременно реагировать на нарушения в технологическом процессе и корректировать его ход.

Сформулированы основные требования к эффективности оптико-электронного метода контроля гранулометрического состава агломерата. В качестве конечной оценки эффективности метода при его настройке и в процессе эксплуатации используется вероятностный критерий эффективности:

где Pпр , Pло - показатели правильного и ложного распределения гранул по классам крупности; Pло доп - предельно допустимое значение показателя ложного распределения гранул по классам крупности; Pпкi - вероятность правильной классификации гранул i -го класса крупности; Pi - вероятность появления гранул i-го класса; N - количество классов крупности.

Во второй главе выбраны оптимальные параметры оптической схемы, построена модель изображений насыпного слоя агломерата, выполнен анализ методов обработки изображений, разработан метод локального динамического порогового разделения, метод адаптивной настройки размера локальной области изображения для улучшения качества сегментации, а также предложено использование методов бинарной рекурсивной фильтрации и математической морфологии для снижения помех. Разработан метод параметрического анализа для оценки гранулометрического состава агломерата и разделения его на классы крупности.

На первом этапе для выбора оптимальных параметров оптической схемы исследованы статистические характеристики изображений агломерата, полученных с использованием различных типов освещения. Анализ полученных характеристик и гистограмм интенсивностей изображений агломерата различных классов крупности показал, что максимальная контрастность изображения достигается при рассеянном освещении.

Для разработки методов обработки изображений и тестирования соответствующих алгоритмов предлагается использовать модель изображения насыпного слоя агломерата, в основу которой положено последовательное формирование двумерных массивов, ограниченных размером 1000х1000 элементов (рис.1).

Рис. 1. Модель изображения гранул агломерата	Процесс моделирования изображения гранул агломерата включает следующие основные этапы: 1) формирование фона изображения; 2) построение изображений гранул и заполнение ими пространства фона; 3) фильтрация. Далее определяются статистические характеристики полученного изображения: среднее значение m; стандартное среднеквадратичное отклонение у(Z); дисперсия у2(Z);

контрастность R = 1 - 1/ (1 + у2(Z)); энергия (однородность) ; энтропию ,

где Z - случайная величина, обозначающая дискретную интенсивность образа; p(Zi) - соответствующие значения гистограммы при i = 1, 2, ..., L, где L - количество уровней различной интенсивности.

Использование моделируемых изображений гранул агломерата позволило сформировать подходы к разработке методов обработки реальных изображений и проверить работу соответствующих алгоритмов.

Анализ изображений насыпного слоя агломерата показал, что многочисленные помехи, такие как перекрытие одних кусков другими, раковины, канавки и неровности на самих кусках, отсутствие четкой границы между гранулами и тени ограничивают применение известных методов.

В этой связи был предложен наиболее рациональный по соотношению «вычислительные затраты - качество сегментации» метод локального динамического порогового разделения, основанный на вычислении весовых коэффициентов точек локальных областей. Для каждой точки (x,y) квадратной локальной области (рис. 2) вычисляются расстояния r1, r2, r3, r4 до четырех угловых точек, соответственно, и весовые коэффициенты k1, k2, k3, k4, характеризующие местонахождение точки относительно каждой их четырех угловых точек. При этом расстояния вычисляются с использованием Евклидовой метрики, а весовые коэффициенты ki по формуле:

, где i = 14.

Рис. 2. Положение точки (x,y) относительно угловых точек локальной области

Для каждой точки (x,y) квадратной локальной области вычисляется пороговое значение Т(x,y) как сумма произведений интенсивностей угловых точек и соответствующих весовых коэффициентов

,

где I1 ,I2, I3, I4 - интенсивности угловых точек.

Точка (x,y) квадратной локальной области относится к объекту, если ее интенсивность больше порогового значения T(x,y), и к фону, если ее интенсивность меньше или равна T(x,y).

Эффективность метода порогового разделения, применяемого в локальных областях, определяется соизмеримостью их размеров с величиной выделяемых на изображении объектов. При этом разбиение изображения на локальные области будет оптимальным, если максимальное количество локальных областей имеет бимодальные гистограммы со сбалансированными модами. Поскольку агломерат образует насыпной слой гранул различных классов крупности, предложен метод адаптивной настройки размера локальных областей для каждого текущего изображения, учитывающий величину гранул и позволяющий получить максимальное количество бимодальных гистограмм для улучшения качества сегментации (рис.3).

а) б) в)

Рис. 3. Разбиение текущего изображения на локальные области разных размеров:

а) размер локальных областей больше оптимального;

б) оптимальный размер локальных областей;

в) размер локальных областей меньше оптимального.

Наличие некоторого количества мелких включений на поверхности кусков агломерата требует обработки изображения методами фильтрации. Для восстановления разрывов контуров объектов и для окончательного приведения изображения к виду удобному для параметрического анализа применяются методы скелетизации и математической морфологии.

После предварительной обработки изображения на нем отчетливо видны границы объектов и к изображению применяется метод параметрического анализа, который позволяет получить характеристики гранулометрического состава агломерата. На основе технологических характеристик можно осуществлять мониторинг показателей качества готовой продукции, а именно прочности агломерата и корректировать ход технологического процесса в случае отклонения размеров гранул от оптимальных. На этом же этапе определяется количественное распределение гранул по классам крупности в соответствии с эталонной классификацией (от 0 до 5 мм, от 5 до 20 мм, от 20 до 40 мм, от 40 мм).

В третьей главе для оценки гранулометрического состава агломерата разработано алгоритмическое обеспечение оптико-электронного метода, включающее последовательность алгоритмов, основанных на предложенных технических решениях.

Алгоритм, реализующий метод локального динамического порогового разделения (рис.4), работает совместно с алгоритмом адаптивной настройки размера локальной области.

Рис.4. Обобщенный алгоритм локального динамического порогового разделения

Алгоритм адаптивной настройки размера локальной области состоит из следующих этапов:

1) на текущее изображение (рис.5,а) последовательно накладываются решетки с квадратными ячейками, размеры которых меняются. Минимальный размер квадратной ячейки (локальной области) соизмерим с величиной мелких кусков агломерата (5 мм), максимальный - с величиной крупных (40 мм);

2) для каждого i-го разбиения вычисляются коэффициенты заполнения локальных областей (Lij), отражающие отношение площади объекта в j-ой области (Soбъектаij ) к ее общей площади (Si )

Lij =; i = 1 ч n; j = 1 ч m,

где n - количество вариантов разбиений, m - количество локальных областей i-го разбиения;

3) вычисляется средний коэффициент заполнения (Li) всех локальных областей для i-го разбиения;

4) вычисляется средний коэффициент заполнения (Lср) всех n разбиений;

5) определяется отклонение коэффициента Li каждого i-го разбиения от коэффициента Lср;

6) определяется оптимальный размер локальных областей, при котором отклонение Li от Lср минимально.

Результатом работы алгоритмов является бинарное изображение (рис. 5,б), на котором светлые точки образуют гранулы, а темные - промежутки между ними. После применения к изображению (рис.5,б) алгоритмов бинарной рекурсивной фильтрации (рис.5,в), скелетизации и математической морфологии (рис.5,г), изображение может быть обработано алгоритмом параметрического анализа.

а) б) в) г)

Рис.5. Этапы обработки изображения насыпного слоя агломерата:

а) исходное изображение; б) бинарное изображение; в) результат бинарной рекурсивной фильтрации; г) результат скелетизации и мофологической обработки.

На этапе параметрического анализа определяются технологические характеристики гранул агломерата и осуществляется количественное распределение гранул по классам крупности (рис.6).

В четвертой главе выполнена экспериментальная проверка разработанных алгоритмов в условиях реального агломерационного производства в аглоцехе №2 ОАО «Северсталь». Предложена методика настройки алгоритмического обеспечения оптико-электронного метода. Видеосъемка проводилась при рассеянном освещении разной интенсивности.

В ходе эксперимента было получено и проанализировано 230 000 кадров с изображениями агломерата. Формирование кадров происходило с интервалом в 1с. При средней скорости транспортерной ленты с агломератом 1,8 м/мин это соответствует 6900 м транспортерной ленты.

Изображения гранул обрабатывались с использованием алгоритма адаптивной настройки размера локальной области, который работает наиболее точно при полном освещении, когда светильники исправны и все лампы рабочие. При этом изображения получались более контрастными и четкими. Параллельно проводился лабораторный анализ отснятого сыпучего материала.

Параметрические характеристики, определенные тем и другим методом приведены в табл.1.

Таблица 1

Сравнительный анализ оптико-электронного и лабораторного исследований

№ п/п	Общее кол-во гранул (шт)	Оптико-электронный анализ	Лабораторный анализ	Погреш- ность оценки (%)
		Средний диаметр гранул (мм)	Доля оптимального класса крупности (%)	Средний диаметр гранул (мм)	Доля оптимального класса крупности (%)
1	384	10	61	11	63	2
2	347	18	76	16	73	3
3	293	25	84	28	80	4
4	291	29	85	32	88	3
5	278	36	77	38	73	4
6	289	27	81	27	83	2
7	365	13	64	11	60	4
8	343	16	74	17	77	3
9	412	8	59	10	62	3
10	268	37	57	36	52	5

Оценка достоверности работы алгоритмов выполнялась в соответствии с предложенным критерием эффективности. При этом вероятностный критерий эффективности - maxPпр составил 0,97. Результаты экспериментальных исследований подтверждают надежность и эффективность разработанных алгоритмов обработки видеоинформации для контроля гранулометрического состава агломерата.

Автоматизация контроля качества агломерата позволяет повысить оперативность принимаемых решений, обеспечить своевременный анализ хода технологического процесса.

Заключение содержит перечень основных результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проанализирована зависимость гранулометрического состава агломерата от основных технологических характеристик, осуществлен выбор оптимальной оптической схемы для системы контроля гранулометрического состава.

2. Разработан метод оптико-электронного контроля гранулометрического состава агломерата непосредственно в технологическом потоке.

3. Разработана модель изображения насыпного слоя агломерата для тестирования алгоритмов обработки видеоинформации.

4. Разработано алгоритмическое обеспечение метода контроля гранулометрического состава агломерата, включающее алгоритм локального динамического порогового разделения, алгоритм адаптивной настройки размера локальной области текущего изображения.

5. Определены основные функциональные элементы и блоки, а также предложена методика настройки алгоритмического обеспечения экспериментальной оптико-электронной установки для контроля гранулометрического состава агломерата.

6. Проведена экспериментальная проверка алгоритмов обработки видеоинформации, подтверждающая их высокую надежность и эффективность для контроля гранулометрического состава агломерата.

Результаты работы нашли применение при создании оптико-электронных приборов контроля гранулометрического состава сыпучих материалов металлургического производства в ООО НПП «КРОНВЕРК».

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

по перечню ВАК

1. Селивановских, В. В. Метод оптико-электронного контроля зажигания шихты на агломерационной машине конвейерного типа [Текст] / Е. В. Ершов, О. Г. Ганичева, В. В. Селивановских, В. В. Плашенков // Известия высших учебных заведений. Приборостроение. - 2007. - Т. 48. - №7. - С. 70-73.

в прочих изданиях

2. Селивановских, В. В. Оптико-электронный контроль зажигания шихты и гранулометрического состава агломерата [Текст] : монография / Е. В. Ершов, О. Г. Ганичева, В. В. Селивановских, Л. Н. Виноградова. - Череповец: ГОУ ВПО ЧГУ, 2007. - 204 с.

3. Селивановских, В. В. Использование оптико-электронного метода для анализа гранулометрического состава сыпучих материалов металлургического производства [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева // Материалы 17-й межвузовской военно-научной конференции. - Часть 4. -Череповец: ЧВИИРЭ, 2007. - С. 116-117.

4. Селивановских, В. В. Алгоритмы локального порогового разделения для сегментации объектов на изображении [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2005: сб. мат. 7-й Международной конференции. - Курск: Курский гос. техн. ун-т, 2005. - С. 181-183.

5. Селивановских, В. В. Оптико-электронная система контроля гранулометрического состава сыпучих материалов [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, Л. Н. Виноградова // Информационные технологии в производственных, социальных и экономических процессах (ИНФОТЕХ - 2004): мат. IV Междунар. науч-техн. конф. - Череповец: ЧГУ, 2005. - С. 191-192.

6. Селивановских, В. В. Обработка изображений для анализа гранулометрического состава агломерата [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, В. В. Плашенков // Вестник Череповецкого гос. ун-та. Естественные и технические науки. - 2005. - № 2. - С. 72-76.

7. Селивановских, В. В. Комбинирование методов порогового и контурного разделения для обработки изображений сыпучих материалов с целью их анализа [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, Д. Иванов, В. Катилевский. // Вестник Череповецкого гос. ун-та. - 2004. - № 2. - С. 62-63.

8. Селивановских, В. В. Алгоритмы предварительной обработки изображения в оптико-электронной системе анализа гранулометрического состава агломерата [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, В. В. Селивановских, Л. Н. Виноградова, Е. В.Королева // Вестник Череповецкого гос. ун-та. - 2003. - № 2. - С. 78-79.

9. Селивановских, В. В. Этапы анализа изображений сыпучих материалов с целью определения их гранулометрического состава [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, С. В. Белозеров, Е. В. Королева // Прогрессивные процессы и оборудование металлургического производства: мат. 4-й Междунар. НТК, посвященной 120-летию акад. И.П. Бардина. - Череповец: ЧГУ, 2003. - С. 3-4.

10. Селивановских, В. В. Методы обработки видеоинформации в оптико-электронных системах контроля агломерационного производства [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2003: сб. мат. 6-й Междунар. конф.: в 2 ч. - Ч.1. - Курск: Курский гос. техн. ун-т, 2003.- С. 63-64.

11. Селивановских, В. В. Подготовительный этап обработки изображений сыпучих материалов для анализа их гранулометрического состава [Текст] / В. В. Селивановских, Е.В. Ершов, С.В. Белозеров, Е.В. Королева // «Северсталь» - пути к совершенствованию: мат. конф. молодых специалистов и инженеров. - Череповец: ОАО «Северсталь», 2003. - С. 84-85.

12. Селивановских, В. В. Методы обработки изображений для анализа размеров частиц сыпучих материалов [Текст] / В. В. Селивановских, Е. В. Ершов, С. В. Белозеров // Информационные технологии в производственных, социальных и экономических процессах: мат. Междунар. НТК. - Череповец: ЧГУ, 2002. - С. 159-160.

13. Селивановских, В. В. Анализ гранулометрического состава агломерата с помощью оптико-электронной системы [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева, С. В. Белозеров, Е. В. Королева // «Северсталь» - пути к совершенствованию: мат. НТК молодых специалистов и инженеров. - Череповец: ОАО «Северсталь», 2002. - С. 21-22.

14. Селивановских, В. В. Прогнозирование хода технологического процесса производства агломерата с использованием оптико-электронного контроля [Текст] / В. В. Селивановских, Е. В. Ершов, О. Л. Селяничев, Д. Л. Шапиро, Е. В. Королева // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и искусственного интеллекта: мат. Междунар. НТК. - Вологда: ВоГТУ, 2001. - С. 213-216.

15. Селивановских, В. В. Оптические методы контроля и управления на агломерационном производстве [Текст] / В. В. Селивановских, Е. В. Ершов, Д. Л. Шапиро, Е.В. Королева // «Северсталь» - пути к совершенствованию: мат. НТК молодых специалистов и инженеров. - Череповец: ОАО «Северсталь», 2001. - С. 86-87.

16. Селивановских, В. В. Анализ размера доменных фракций с использованием оптико-электронного метода [Текст] / В. В. Селивановских, Е. В. Ершов, Е.В. Королева // PER ASPERA ... - Вып. 3: сб. трудов молодых ученых. - Череповец: Марка, 2001. - С. 136.

17. Селивановских, В. В. Применение оптико-электронных систем на агломерационном производстве [Текст] / В. В. Селивановских, Е. В. Ершов, Д. Л. Шапиро, Е. В. Королева // Компьютерное и математическое моделирование в естественных и технических науках: мат. 2-й Всероссийской науч. internet-конф. - Тамбов: Изд-во ТГУ им. Г.Р.Державина, 2001. - Вып. 8. - С. 52.

18. Селивановских, В. В. Алгоритм адаптивного порогового разделения для обработки изображений агломерата [Текст] / В. В. Селивановских, Е. В. Ершов, О. Г. Ганичева // Прогрессивные процессы и оборудование металлургического производства: мат. Междунар. НТК, посвященной 50-летию ОАО «Северсталь» в 2 ч. - Ч.2 - Череповец: ГОУ ВПО ЧГУ, 2006. - С. 98-100.

Размещено на Allbest.ru

...