论文部分内容阅读
我国铝土矿资源丰富，但占储量80％的铝土矿的铝硅比较低，因此主要采用烧结法生产氧化铝。回转窑是烧结法生产氧化铝熟料的核心设备，其主要功能是将生料浆烧结成合格的氧化铝熟料。在氧化铝熟料烧结过程中，烧成带温度和烧结工况是决定氧化铝熟料质量的重要因素，其准确测量与识别对提高回转窑控制系统的安全性、可靠性和产品质量具有重要的意义。 回转窑长达百米且处于不断旋转和高温煅烧中，其结构的特殊性和烧结法工艺的复杂性使得烧结过程存在多变量强耦合、强非线性、大惯性和不确定性干扰等综合复杂特性，无法直接利用测量装置在线连续检测烧成带温度。烧结工况的识别和预报靠“人工看火”。由于“人工看火”要求操作人员频繁地到窑头看火孔观察窑内烧结状况，工况识别受到操作人员素质和经验等制约，有时无法对窑内火焰燃烧状态和物料烧结状态作出及时准确的判断，导致操作人员错误操作，造成熟料合格率低、窑内衬使用寿命短、窑运转率低、产能低、能耗高等问题，进而影响回转窑控制系统的安全性、可靠性和产品质量。 由于受回转窑火焰燃烧和物料烧结强烈耦合等过程的影响，在线采集的烧结工况图像具有大量的复杂噪声、图像境界模糊不清等，现有的图像处理方法难以对噪声复杂、境界模糊的烧结工况图像进行有效处理，需要研究氧化铝回转窑烧成带温度软测量、烧结工况识别与预报的新方法。利用在线采集的回转窑烧结工况图像所包含的大量信息，研究基于图像处理和分析的烧成带温度软测量、烧结工况识别与预报的新方法和新技术，具有重要的理论意义和应用价值。 本文在国家863高技术计划重点项目“中国铝业公司综合自动化系统总体方案设计及关键技术攻关”的子课题“大型回转窑过程优化控制技术”的支持下，以提高回转窑控制系统的安全性、可靠性和产品质量为目标，重点研究了回转窑烧结工况图像的处理与分析技术，开展了基于图像处理的烧成带温度软测量、烧结工况识别和烧结工况预报方法的研究，取得了以下成果: ①提出了一种由烧结工况图像去噪、关心区域分割、烧成带温度特征提取、烧成带温度软测量模型组成的烧成带温度软测量方法。烧结工况图像去噪算法，针对烧结工况图像噪声污染严重问题，将本文提出的去除黑噪声和白噪声的新方法与小波变换相结合;关心区域分割算法，采用改进的双快速行进法、本文所提出的去耦合方法和改进的大津方法实现了物料区、黑把子区、火焰区和充分燃烧区的分割;烧成带温度特征提取方法采用统计分析方法提取图像整体平均灰度、物料区R分量平均、充分燃烧区R分量平均和充分燃烧区G分量平均等特征;烧成带温度软测量模型以图像整体平均灰度、物料区R分量平均、充分燃烧区R分量平均和充分燃烧区G分量平均等特征为输入，采用BPNN方法和基于支持向量回归(SVR)方法分别建立了烧成带温度软测量模型。开展了烧成带温度软测量方法的实验研究。实验结果表明，本文所提出的烧结图像去噪方法和分割方法明显优于传统方法的去噪效果和分割效果，基于BPNN方法建立的烧成带温度软测量模型与实际值的拟合优度为0.75，而基于SVR方法建立的烧成带温度软测量模型与实际值的拟合优度达到0.93。 ②提出了一种由烧结工况图像去噪、关心区域分割、烧结工况特征提取与选择、烧结工况识别模型组成的烧结工况识别方法。其中，烧结工况特征提取方法采用统计分析方法从上述关心区域中提取形状特征和纹理特征;采用基于可信间隔和模式特性的烧结工况有效特征选择算法去除冗余特征的干扰;采用BPNN方法和改进的多级SVM方法分别建立了烧结工况识别模型。开展了识别方法的实验研究，实验结果表明:基于BPNN方法的烧结工况识别模型的识别率为65％，基于改进的多级SVM方法的烧结工况识别模型的识别率为97％。 ③提出了由烧结工况图像去噪、关心区域分割、烧结工况预报特征提取、烧结工况预报模型组成的烧结工况预报方法。其中，烧结工况预报特征的提取结合操作人员的“人工看火”经验，采用统计分析方法，提取当前图像整体平均灰度、充分燃烧区平均灰度、物料区平均灰度、物料区高度，以及这4个特征与前8幅图像对应特征的差分等特征;采用BPNN方法和改进的多级SVM方法分别建立了烧结工况预报模型，开展了预报方法的实验研究，实验结果表明:基于BPNN方法的烧结工况预报模型的预报率是64％，而基于改进的多级SVM方法的烧结工况预报模型的预报率是90％。