熟料質量穩健檢測中的關鍵技術與並行實現方法研究

《熟料質量穩健檢測中的關鍵技術與並行實現方法研究》是依託湖南大學，由陳華擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：熟料質量穩健檢測中的關鍵技術與並行實現方法研究
• 項目類別：青年科學基金項目
• 項目負責人：陳華
• 依託單位：湖南大學

中文摘要

燒結工藝在諸如水泥、氧化鋁等生產領域套用廣泛，一直存在高能耗，粗放生產等問題，是節能減排工作的重點。其中熟料質量是各類燒結過程實現最優控制和節能降耗的關鍵工藝檢測參數，但國內外均少有熟料質量的線上檢測方法研究。.課題結合典型的工業迴轉窯燒結實例，在課題組前期研究基礎上，針對現場熟料圖像受光照、粉塵干擾較大，特徵不穩定，現有分類檢測穩健性不強的實際問題，研究熟料質量穩健檢測中的關鍵魯棒技術和快速並行實現方法。首先研究一種基於壓縮感知的穩健視頻紋理特徵提取方法；其次研究利用穩健估計理論對ELM進行改進，結合視頻紋理特徵和窯前熱工數據，對熟料質量進行魯棒的融合檢測；最後研究建立一套基於CUDA並行環境下的熟料質量機器視覺穩健檢測系統。上述研究內容對於辨識燒結過程工況、最佳化控制參數、實現更加穩定高效的燒結過程控制具有重要的現實意義，同時對提升其他工業軟測量系統的魯棒性也有重要借鑑意義。

結題摘要

在聯合法和純燒結法生產氧化鋁的工藝中，迴轉窯燒結熟料的質量是整個生產過程的重要技術指標。課題針對迴轉窯生產過程中的熟料質量檢測與識別關鍵技術問題展開研究，在大粉塵條件下熟料燒結圖像序列的穩健特徵提取、魯棒熟料燒結狀態分類器設計、熟料燒結圖像的粉塵去除等關鍵問題上取得了諸多研究成果，最後將其成功套用到中國大唐內蒙古再生資源分公司的氧化鋁迴轉窯生產現場，取得了較好的經濟和社會效益。首先，基於圖像序列的統計信息構造了的短時能量、樣本熵等窯內圖像的動態特徵，解決了熟料燒結圖像模糊、熟料區特徵難於提取的問題，取得較好的現場套用效果。其次，結合線性系統的穩健估計理論，提出將極限學習機用基於M估計的加權最小二乘方法進行訓練，並定義了“物料區質心坐標”，“物料區質心擺動角”等新的物料區圖像形態特徵，採用改進的魯棒極限學習機進行熟料質量檢測，提高了檢測系統的穩健性，具有良好的抗噪能力。第三，完成了CUDA平台下對迴轉窯熟料圖像的並行邊緣檢測的實驗。基於大氣散射物理模型，提出將雙區域濾波、聯合LLSURE濾波器與圖像融合相結合，結合暗原色先驗原理進行熟料圖像的去粉塵算法，取得了較好的增強效果；同時針對模糊圖像中物料區難於分割不能提取圖像特徵的問題，提出一種基於自適應光照補償和模糊增強的煤粉區分割方法，可有效分割包含豐富工況感知信息的煤粉區，為利用該圖像區域提取亮度及形態特徵進行熟料工況識別奠定了基礎。最後在實踐方面，開發了一套熟料質量實時監測系統，並將其融入現有迴轉窯專家控制系統中，在大唐內蒙古再生資源開發有限公司氧化鋁廠燒成車間的迴轉窯生產現場進行了投運實驗，熟料質量檢測準確、提升了窯前的熟料產量和質量，並產生了較好的社會經濟效益。