Entwicklung eines Automatisierungskonzepts für Pfannenabschlackmaschinen

Ziegler, Moritz Andreas; Abel, Dirk; Clausen, Elisabeth

doi:44290

Entwicklung eines Automatisierungskonzepts für Pfannenabschlackmaschinen

Ziegler, Moritz Andreas^RWTH*

2025

VerantwortlichkeitsangabeMoritz Ziegler

Ausgabe1. Auflage

ImpressumAachen : Verlag R. Zillekens 2025

Umfang1 Online-Ressource : Illustrationen

ISBN978-3-941277-54-0

ReiheAachener Schriften zur Rohstoff- und Entsorgungstechnik ; 111

Dissertation, RWTH Aachen University, 2025

Druckausgabe: 2025. - Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Clausen, Elisabeth (Thesis advisor)^RWTH* ; Abel, Dirk (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-02-21

Online
DOI: 10.18154/RWTH-2025-04203
URL: https://publications.rwth-aachen.de/record/1010585/files/1010585.pdf

Einrichtungen

Projekte

PAM 4.0 - Die intelligente Pfannenabschlackmaschine für heiße Einsatzbedingungen (KK5096501LLO) (KK5096501LLO)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Das Ziel des Abschlackens im Linz-Donawitz-Verfahren zur Stahlerzeugung ist das Entfernen metallurgischer Schlacke aus der metallurgischen Pfanne. Dieser Abschlackprozess erfolgt derzeit häufig mechanisiert, indem durch die manuell gesteuerte Pfannenabschlackmaschine (PAM) die Schlacke von der Oberfläche der etwa 1500° C heißen Pfanne abgezogen wird. Gegenwärtig wird die PAM im Abschlackprozess meist aus direkter Nähe der Pfanne gesteuert und stellt somit, wenngleich mechanisiert, doch einen unbequemen und körperlich belastenden Arbeitsplatz dar. Methoden der Automatisierung und Robotik bieten hier weitreichendes Potenzial, den Abschlackprozess sicherer und effizienter zu gestalten. In dieser Arbeit wird ein Automatisierungskonzept für die PAM entwickelt und validiert. Im Rahmen einer Anforderungsanalyse werden funktionale, qualitative und technische Anforderungen an den automatisierten Abschlackprozess definiert. Das daraufhin entwickelte Automatisierungskonzept schließt die Kette von der sensorischen Aufnahme der Messszene über die algorithmische Verarbeitung der Sensorinformationen bis zur Bewegungsplanung der PAM und kann gleichzeitig die definierten Anforderungen erfüllen.Für die sensorische Umgebungserfassung der automatisierten PAM werden eine Reihe in der Robotik üblicher optischer Technologien evaluiert und für den Anwendungsfall erprobt. Während der zugehörigen Versuchsreihen im Stahlwerk erweisen sich sämtliche auf aktiver Infrarottechnologie (IR) basierenden Technologien als ungeeignet, da durch die intensive Strahlung der heißen Pfanne keinerlei künstliche IR-Signale detektiert werden können. Als geeignete Technologie zur dreidimensionalen Umgebungserfassung wird daher ein rein passives Stereo-Kamerasystem identifiziert, dessen Belichtungszeit, Öffnungswinkel und Basislänge an den Anwendungsfall anpassbar sind. Die Detektion der Schlacke erfolgt auf Basis von Convolutional Neural Networks (CNN), die anhand von aufgenommenen Messdaten aus der Prozessumgebung trainiert werden. Dazu werden die Kamerabilder der Stereo-Kamera annotiert, sodass die Detektion der Schlacke mittels Bildverarbeitung erfolgt. Über den Zusammenhang zwischen Kamerapixeln der Stereo-Kameralinsen und Punkten der durch die Stereovision erzeugten Punktwolke kann die Schlackedetektion somit in den dreidimensionalen Raum projiziert werden. Die Ergebnisse der Segmentierung mehrerer CNN-Architekturen werden anhand des Intersection-over-Union-Werts (IoU-Wert) und der Vorhersagezeit miteinander verglichen. Als geeignetste Architektur erweist sich das U-Net. Mit einem Mittlere-IoU-Wert über alle Klassen von 0,813 liefert das U-Net mit geringem Abstand die beste Segmentierungsvorhersage auf dem Validierungsdatensatz und erreicht darüber hinaus mit einigem Abstand die kürzeste Vorhersagezeit und somit höchste Bildrate. Unter identischen Hardware-Bedingungen erreicht die zweitbeste Architektur nur 82,4 % der Bildrate des U-Nets, weshalb das U-Net schließlich als geeignetste Architektur ausgewählt wird. Basierend auf der segmentierten dreidimensionalen Darstellung der metallurgischen Pfanne erfolgt die Pfadplanung für den Ausleger der PAM. Es ist hierzu eine Strategie erforderlich, die eine Bewegung vom hinteren Bereich des Schlackefelds (Start) bis zur Mündung der Pfanne (Ziel) plant, während sie die formulierten Anforderungen des Prozesses erfüllt. In erster Linie sollte der gewählte Pfad des Endeffektors möglichst viel Schlacke entfernen und darüber hinaus möglichst kurz sein. Dazu wird eine multikriterielle Kostenfunktion entwickelt, die eine Gewichtung der beiden Kriterien "entfernte Schlackemenge" und "Pfadlänge" vornimmt. Zur Ermittlung einer günstigen Gewichtung zwischen Strecke und traversierter Schlacke werden unterschiedliche Parametrierungen mit mehreren asymptotisch-optimalen Pfadplanungsalgorithmen getestet. In der Evaluation der Pfadqualität werden sowohl verschiedene Planer, als auch verschiedene Parametrierungen der multikriteriellen Kostenfunktionen miteinander verglichen. Es ist folglich eine Qualitätsmetrik erforderlich, welche sowohl vom verwendeten Planer als auch von den getesteten Parametrierungen der Kostenfunktion unabhängig ist. Zur Evaluation der Pfadqualität wird daher eine Erfolgsmetrik formuliert, die die Wegpunkte geplanter Pfade als "in der Schlacke" (adäquat) oder nicht-adäquat einteilt. Ein Wegpunkt wird als adäquat bezeichnet, wenn sich im Umkreis eine Mindestanzahl von Schlackepunkten (als Schlacke klassifizierte Punkte der erzeugten Punktwolke der Pfanne) befindet. Je höher der Anteil adäquater Wegpunkte am Gesamtpfad ist, desto besser ist das Planungsergebnis. Als erfolgreichste Planungsalgorithmen erweisen sich unter diesen Betrachtungen die Planungsalgorithmen BIT* und ABIT*. Mit einer Planungszeit von 4s sind bei der gegebenen Hardware über alle Planungsszenarien im Median und Mittelwert mehr als 78 % adäquate Wegpunkte. Darüber hinaus sind alle Planungsversuche erfolgreich und liefern gültige Pfade. Eine weitere Erhöhung der Planungszeit verbessert die Ergebnisse hinsichtlich der erarbeiteten Metriken nicht. Mit erfolgreicher Demonstration der Pfadplanung ist gleichzeitig der grundlegende Eignungsnachweis des Gesamtaufbaus in technischer Hinsicht erbracht. Wenngleich auch weitere Entwicklungsschritte insbesondere im Hinblick auf Technologiereife und Übertragbarkeit identifiziert wurden, kann das entwickelte System in der abschließenden Bewertung die identifizierten funktionalen und qualitativen Anforderungen erfüllen. Das vorgestellte Konzept eignet sich daher für die Automatisierung der PAM, sodass ein weiterer Schritt in Richtung Sicherheit, Effizienz und Nachhaltigkeit in der Schwerindustrie möglich ist.

The aim of deslagging in the Linz-Donawitz process for steel production is to remove metallurgical slag from the metallurgical ladle. This deslagging process is currently often mechanised by using a manually controlled slag-raking machine (PAM) to remove the slag from the surface of the ladle at a temperature of around 1500 °C. At present, the PAM is usually controlled from close to the ladle during the deslagging process and, although mechanised, is therefore an uncomfortable and physically demanding workplace. Automation and robotics methods offer far-reaching potential for making the deslagging process safer and more efficient.In this thesis, an automation concept for the PAM is developed and validated. Functional, qualitative and technical requirements for the automated deslagging process are defined as part of a requirements analysis. The automation concept developed as a result closes the chain from the sensory recording of the measurement scene via the algorithmic processing of the sensor information to the motion planning of the PAM and can simultaneously fulfil the defined requirements.A number of optical technologies commonly used in robotics are being evaluated for the sensory environment detection of the automated PAM and tested for the application. During the associated series of tests in the steelworks, all technologies based on active infrared technology (IR) proved to be unsuitable, as no artificial IR signals could be detected due to the intense radiation from the hot ladle. A purely passive stereo camera system, whose exposure time, aperture angle and base length can be customised to the application, is therefore identified as a suitable technology for three-dimensional environmental perception.The slag is detected on the basis of convolutional neural networks (CNN), which are trained using recorded measurement data from the process environment. For this purpose, the camera images from the stereo camera are annotated so that the slag can detected using image processing. The slag detection can thus be projected into three-dimensional space via the relationship between camera pixels of the stereo camera lenses and points of the point cloud generated by stereo vision. The segmentation results of several CNN architectures are compared using the intersection-over-union (IoU) value and the prediction time. The U-Net proves to be the most suitable architecture. With an average IoU value across all classes of 0.813, the U-Net delivers the best segmentation prediction on the validation dataset by a small margin and also achieves the shortest prediction time and thus the highest frame rate by some distance. Under identical hardware conditions, the second-best architecture only achieves 82.4 % of the frame rate of the U-Net, which is why the U-Net is ultimately selected as the most suitable architecture. Based on the segmented three-dimensional representation of the metallurgical ladle, the path planning for the boom of the PAM is carried out. This requires a strategy that plans a movement from the back of the slag field (start) to the mouth of the ladle (finish) while fulfilling the formulated requirements of the process. First and foremost, the selected path of the end effector should remove as much slag as possible and also be as short as possible. For this purpose, a multi-criteria cost function is developed that weights the two criteria "amount of slag removed" and "path length". To determine a favourable weighting between distance and traversed slag, different parameterisations are tested with several asymptotic-optimal path planning algorithms. In the evaluation of the path quality, different planners as well as different parameterisations of the multi-criteria cost functions are compared with each other. Consequently, a quality metric is required that is independent of both the planner used and the tested parameterisations of the cost function. To evaluate the path quality, a success metric is therefore formulated that categorises the waypoints of planned paths as "in the slag" (adequate) or inadequate. A waypoint is labelled as adequate if there are a minimum number of slag points (points classified as slag in the generated point cloud of the pan) in the vicinity. The higher the proportion of adequate waypoints in the overall path, the better the planning result. The planning algorithms BIT* and ABIT* prove to be the most successful planning algorithms under these considerations. With a planning time of 4s, the median and mean value of all planning scenarios for the given hardware are more than 78 % adequate waypoints. In addition, all planning attempts are successful and provide valid paths. A further increase in the planning time does not improve the results with regard to the metrics developed.With the successful demonstration of path planning, the basic proof of suitability of the overall structure has also been provided in technical terms. Although further development steps were also identified, particularly with regard to technological maturity and transferability, the system developed can fulfil the identified functional and qualitative requirements in the final evaluation. The concept presented is therefore suitable for the automation of PAM, enabling a further step towards safety, efficiency and sustainability in heavy industry.

OpenAccess:
PDF
(additional files)