火焰监视技术在氧化铝熟料回转窑中的应用

主要介绍了东大自动化有限公司开发的多媒体火焰监视系统,该系统应用于中国铝业山西分公司氧化铝熟料烧成回转窑的烧成带火焰监视过程。这套系统实现了利用计算机对熟料回转窑烧成带自动进行火焰监测与分析,以及对图像录像系统的管理与控制。解决了看火人员在恶劣环境下监视、监控水平低的问题,实际应用中取得了良好效果。实践证明,该系统控制准确度高、可靠性好,提高了大窑出料品质,具有推广应用价值。     

基于特征融合的图像型火灾探测方法

针对传统火灾探测中灵敏度不高、响应慢的问题,提出一种基于特征融合的图像型火灾探测方法.结合火焰的颜色、运动以及闪烁特征,检测出疑似火灾区域中的火焰像素,排除非火焰像素,并用支持向量机对疑似火焰像素进行验证,采用形态学方法和区域融合判断出火灾区域.实验结果表明,该方法对多种火灾和非火灾场景具有较好的适应性、较强的抗干扰能...     

基于稀疏去噪的DTCWT火焰图像融合检测

燃煤火焰图像黑把子区域的边缘模糊或不完整,无法直接使用Canny检测算子准确检测出边缘信息。针对该问题,提出基于稀疏去噪的双树复小波变换(DTCWT)火焰图像融合检测方法。利用稀疏去噪对2幅单帧火焰图像进行DTCWT融合,采用Canny检测算子检测边缘。实验结果表明,该方法能够得到噪声较低的图像和比较完整的黑把子边缘信息。     

一种基于边缘特征的图像融合方法

图像数据融合是研究如何从多幅图像中恢复原始图像的重要技术,它在图像处理中引起了人们的关注.本文探讨了基于图像边缘特征的图像的融合方法.在对现有的有关融合方法及其所融合效果进行分析的基础上,提出了一种新的基于小波检测边缘的融合方法.实验证明,该方法能有效地保留原图像信息及增强融合图像的细节信息.     

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法.该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像.实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法.     

自然燃烧火焰的快速仿真

从自然燃烧的火焰的现象出发,采用面向对象的方法,提出了一种基于粒子系统的自然燃烧的火焰的快速数值模拟算法.首先,讨论了形成火焰燃烧的动态场景图像的基本原理,给出了火焰图像与背景图融合的算法,并建立了用于火焰仿真的两种火焰颜色模型.然后,建立了用于火焰仿真的火焰粒子、火苗与火焰系统的面向对象模型,给出了各对象的燃烧行为的快速模拟方法.接着,对实现动感火焰的方法进行了讨论,指出了算法.最后给出了通过该文算法进行模拟实验的效果图.该算法准确度较高,速度快,效果较好.     

面向增强现实的多传感器组合位姿注册算法

持续稳定的准确注册是构建增强现实系统的关键,为提高跟踪注册的稳定性和精度,提出了一种基于互补滤波(CF)和无迹卡尔曼滤波(UKF)的多传感器融合注册方案.该算法采用互补滤波器融合陀螺仪、加速度计和地磁感应计数据估计摄像头姿态;在处理视觉图像时,结合惯性姿态数据进行图像特征匹配;利用UKF融合视觉和惯性数据进行摄像头位置估计.实验表明:该算法在跟踪稳定性、精度、效率和抗干扰能力均优于传统的基于扩展卡尔曼滤波(EKF)的融合算法.     

烧结断面火焰图像多核Boosting显著性检测

烧结断面火焰图像受烟尘与光晕干扰,图像中火焰边缘与料层区域出现模糊退化现象.为解决传统基于二维图像特征的显著性检测方法难以有效地获取断面火焰图像实际显著区域的问题,提出基于边界连通性与多核Boosting的显著性检测方法.首先在图像颜色空间转换过程中采用色彩去相关原理,利用边界连通性与暗通道先验获取初始显著性图,提高初始显著性模型的检测水平;然后根据断面火焰图像超像素区域自身信息、区域方差和区域对比度构建区域描述符,在4个尺度上描述超像素分割区域,并使用基于支持向量回归的多核Boosting算法生成辅助显著性图;最后将初始显著性图与辅助显著性图进行加权融合,得到最终显著性图.以P-R曲线、F-measure、平均绝对误差和单幅图像的运行时间为评价指标,采用包含人工标注的600幅烧结断面火焰图像将所提方法与其他5种现有方法进行对比,并对所提方法各阶段进行分析.实验结果表明,所提方法优于其他5种方法,各阶段检测性能逐步增强,为提高断面火焰图像有效信息的提取精度奠定了基础.     

基于双向融合机制的建筑目标检测方法*

模拟人类视觉中有意识主动寻找与无意识被动受吸引相交互的视觉过程,提出了一种基于双向融合机制的建筑目标检测方法.该方法综合了基于自底向上数据驱动的视觉显著性模式和自顶向下基于环境感知的目标搜索模式检测图像中的建筑目标区域.利用拍摄的自然图像进行实验表明:该方法能较好地检测出图像中的建筑目标,具有处理速度快、准确性高的特点,能够满足处理复杂场景图像的实时性要求.     

基于内容的回转窑火焰图像检索

为充分应用回转窑计算机看火所产生的火焰图像,提出一种基于内容的回转窑火焰图像的检索方法.分析和提取火焰图像中的纹理特征、颜色特征和形状特征,并进行了归一化.通过计算被检索图像和数据库中图像的特征值的相似度,得到一系列相近检索结果.分别对基于纹理特征、颜色和形状特征及综合特征的检索方法进行火焰图像数据库检索试验.结果表明,这些方法都有较高精度,其中综合特征检索为最高.该研究可为回转窑生产管理和监控提供有力支持.     

基于回声状态网络的回转窑工况识别方法

回转窑烧成带图像蕴含了丰富的温度场和熟料烧结信息,是回转窑烧结工况识别的重要依据。现有的基于静态图像的识别方法易受各种噪声影响,工况识别准确率较低。而视频图像序列蕴含了更多的烧结工况,具有区分性和不变性时空特征,在反映烧结工况变化方面信息更全面,更鲁棒。鉴于循环神经网络(RNN)和回声状态网络(ESN)适合处理时间序列方面的问题,分别根据两种神经网络构造动态分类器模型,提出了基于烧成带视频图像的回转窑熟料烧结工况识别方法,并且采用基准数据集时间序列做预测实验,通过设计实验考查两种神经网络处理分类和回归问题的能力。实验结果表明,针对回转窑工况识别问题,在不同数量样本条件下,ESN模型的识别率均略优于RNN-GRU,在MIMO时间序列预测问题上,ESN模型预测效果较好。     

A dynamic model of a cement kiln

A cement kiln is a counter-flow type of process in which a complex series of exothermic and endothermic reactions take place. To understand its behavior and to provide a means of improving computer control, a dynamic partial differential model of the kiln has been developed. In this paper, the basic reactions and assumptions of the model will be discussed. A model of a coal/oil flame which takes into account the surrounding temperatures is developed. The dynamic behavior of the kiln as exhibited by this model is then indicated. In particular, it is shown that the interaction between the two exothermic reactions causes the kiln to be basically unstable with respect to regulating the position of the burning zone.     

GLCM based extraction of flame image texture features and KPCA-GLVQ recognition method for rotary kiln combustion working conditions

According to the pulverized coal combustion flame image texture features of the rotary-kiln oxide pellets sintering process,a combustion working condition recognition method based on the generalized learning vector(GLVQ) neural network is proposed.Firstly,the numerical flame image is analyzed to extract texture features,such as energy,entropy and inertia,based on grey-level co-occurrence matrix(GLCM) to provide qualitative information on the changes in the visual appearance of the flame.Then the kernel principal component analysis(KPCA) method is adopted to deduct the input vector with high dimensionality so as to reduce the GLVQ target dimension and network scale greatly.Finally,the GLVQ neural network is trained by using the normalized texture feature data.The test results show that the proposed KPCA-GLVQ classifer has an excellent performance on training speed and correct recognition rate,and it meets the requirement for real-time combustion working condition recognition for the rotary kiln process.     

具有仿反馈机制的图像模式分类认知

目的 模仿人类认知事物反复推敲比对的过程,探索了一种具有仿反馈机制的图像模式分类认知方法和计算模型,通过认知结果分析评价指标体系在不同认知需求下逐级优化特征空间,实现从全局到局部的仿反馈认知模式,并成功应用于回转窑火焰图像的烧成状态认知。方法 首先,提出了训练层和认知层耦合运行的具有仿反馈机制的图像模式分类认知模型,阐述了模型的目标、结构和功能;其次,设计了基于认知结果分析评价的仿反馈运行机制,建立了认知结果分析评价指标体系;然后,针对火焰图像烧成状态认知的应用,采用核主成分分析技术(KPCA)构建初始火焰图像特征空间,以建立最大认知信息量意义下的图像模式分类认知信息系统,继而基于属性核计算和马氏可分性评价指标建立压缩的认知信息系统;最后,在不同认知需求下,基于分析评价指标体系评估认知结果,更新压缩认知信息系统,实现烧成状态仿反馈智能认知。结果 对采集的火焰图像进行了仿真实验研究,平均认知精度达到91.78%。结论 实验结果表明,相对于已有的开环认知方法,本文方法可以通过仿反馈机制对难以区分相似样本进行反复认知,有效改进了认知精度。     

氧化铝回转窑火焰图像分割和特征提取技术

窑内参数难以准确在线检测是氧化铝回转窑自动控制的瓶颈之一；通过CCD工业摄像头采集窑内火焰图像，采用增强FCM算法对图像进行分割，针对不同情况采用有效的滤波方式，并实时准确提取了火焰温度、熟料温度、料高和黑靶子面积等多个参数，为回转窑自动控制奠定了基础。     

基于Matlab的窑温模糊控制系统的设计与仿真

回转窑煅烧过程中的窑温是影响窑产和质量的重要因素,严重时会引起塌窑,影响生产的正常进行。在分析影响窑温的几个重要因素后,提出了模糊控制方案在回转窑温度控制中的应用,利用Matlab中的模糊工具箱设计模糊控制器,方便有效地实现参数自调整模糊控制系统的设计与仿真。仿真结果表明了该方法的有效性和正确性。     

改进的ART网络在火焰燃烧状态识别中的应用

基于采集的电站锅炉燃烧器火焰图像,利用数字图像处理技术,讨论了特征值的意义和提取方法,提取了火焰图像特征区内灰度的平均值和标准差2个特征向量,运用现代人工神经网络智能理论,设计并改进了ART2网络算法,经过训练和实际应用后,ART2网络对一定工况的旋流燃烧器和直流燃烧器火焰燃烧状态都具有很好的识别能力,判别准确,网络稳定,实现燃烧状态实时判断,在现场取得了良好的实际应用效果。     

水泥立窑偏火的模糊控制

水泥立窑煅烧过程中的偏火是影响水泥立窑产,质量的重要因素,严重时会引起塌窑,影响生产的正常进行。本文在分析水泥立窑偏火形成原因和处理手段的基础上,结合偏火传感和腰风控制,提出了模糊控制方案,实际运行表明该方案是合理和有效的。     

基于2D-OTSU图像边缘检测的回转窑工况识别方法

回转窑作为水泥窑炉煅烧过程的核心热工设备,其正常运转率与产品产量、质量及能耗紧密相关,由于回转窑内部核心反应区温度高且装置持续旋转,接触式温度传感器无法安装在窑内核心反应区域,而筒扫系统借助红外扫描装置能够实时监测回转窑筒体表面温度并间接反映窑内热工状况.签于此,提出一种新的基于筒扫图像2D-OTSU边缘检测的回转窑异常工况识别方法.该方法首先构建基于灰度梯度和局部灰度标准差信息的融合模型,并利用相对熵概念计算模型权重系数,进而通过1D-OTSU预搜索策略提升识别算法的效率;然后给出一种2D双阈值检测阈值分割策略,以保证边缘的连续性;最后采用工业现场实际的回转窑筒扫图像对所提方法与其他典型检测方法进行比较研究.对比实验结果表明,所提出方法的检测率和单位误报次数均优于其他算法并具备一定鲁棒性,能够有效检测回转窑内的异常工况,达到提高回转窑运转率的目的.     

基于燃烧火焰图象特征的回转窑神经网络控制系统

提出了一种基于燃烧火焰图象特征的回转窑神经网络控制系统.系统主要由两部分组 成,一部分是回转窑煅烧带火焰燃烧状态识别系统,包括火焰图象获取、预处理、分割、特征提 取与识别;另一部分是基于高斯基函数神经网络的控制系统.实际运行结果表明该系统的有效 性和实用性.