燃煤燒結工況的魯棒視覺檢測方法研究與套用

《燃煤燒結工況的魯棒視覺檢測方法研究與套用》是依託湖南大學，由陳華擔任項目負責人的面上項目。

基本介紹

• 中文名：燃煤燒結工況的魯棒視覺檢測方法研究與套用
• 項目類別：面上項目
• 項目負責人：陳華
• 依託單位：湖南大學

中文摘要

燃煤窯爐廣泛套用於發電、冶金、水泥等工業生產領域，通過分析窯內燃煤火焰來識別燒結工況是實現此類複雜過程最佳化控制和節能減排的基礎和關鍵。課題以工業氧化鋁迴轉窯為套用對象，針對現場火焰圖像模糊且易受環境粉塵和光照影響的特點，研究燃煤燒結工況的魯棒視覺檢測方法。首先，研究一種基於暗原色先驗和光照補償的火焰圖像快速去霧增強方法，降低現場煙霧和光照對後續特徵提取的影響；其次，借鑑視覺感知機理，利用信號奇異點處諧波相位的一致性，解決煤粉區、物料區和火焰區的穩健分割問題，並構造各區域動態工況特徵序列，利用多幀信息互補降低圖像特徵的不穩定性；最後研究一種結合最小風險貝葉斯的多層HMM工況融合識別模型，利用並行HMM建立各區域的識別模型，並對其輸出進行最小風險融合，最終實現一套燃煤燒結工況穩健視覺檢測方法並現場套用。課題研究對提高燃煤過程檢測及其控制的魯棒性具有重要意義，也可為其他工業軟測量提供借鑑。

結題摘要

課題以工業氧化鋁迴轉窯為套用對象，針對現場火焰圖像模糊且易受環境粉塵影響的特點，研究燃煤燒結工況的魯棒視覺檢測方法。在大粉塵條件下採集的模糊熟料燒結圖像的去模糊增強、魯棒圖像特徵提取、魯棒工況分類器設計等關鍵問題上取得了一些理論研究成果，並在工業現場搭建了耐高溫高速視頻圖像採集平台，為後續的算法實施奠定了基礎。首先，結合最小顏色通道與傳播濾波，提出了一種新的圖像去霧算法，該算法可套用於工業現場粉塵干擾嚴重的燃煤圖像中，解決粉塵干擾嚴重的工業圖像增強問題；其次，基於稀疏表示的圖像去噪，從字典的相干性邊界條件出發，提出了一種新的非相干字典學習算法，可有效去除工業現場粉塵和電磁干擾導致的模糊圖像噪聲；第三，為了針對模糊圖像各區域提取的穩健特徵，對其進行當前窯內工況分類識別，課題組提出一種魯棒的特徵分類器：二重分布學習機，實驗結果表明該分類器具有較好的泛化性能和魯棒性；第四，課題組在理論研究中發現窯前火焰圖像序列具有一定的混沌特徵，針對超混沌系統展開了一系列相關的理論研究；最後，在實踐方面，設計了一套耐高溫高速迴轉窯燒結帶圖像採集系統，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實地運行，為算法的後續實施奠定了良好的基礎。