熟料质量稳健检测中的关键技术与并行实现方法研究

Sintering process is widely used in cement, alumina production areas, but its high energy consumption and extensive production is the main works of energy conservation and emission reduction. Especially the clinker quality is the key parameter to achieve optimal control and reduce consumption in sintering process, but the on-line measurement methods are rarely mentioned both at home and abroad. Based on the earlier research, aimed to the fuzzy image sequence interfered by lightness and dust, this project researches the steady measurement technology and fast parallel implement method for clinker quality. Firstly, CS (Compressive Sensing) is used to extract steady features of clinker sintering image sequence. Secondly, ELM (Extreme Learning Machine) combined with robust estimation theory is researched for the robust fusion measurement. At last, the steady machine vision measurement system of clinker sintering will be built in the CUDA parallel environment. The research is not only very important for optimization of sintering process, but also has significant reference for other robust soft computing measurement with industrial images.

烧结工艺在诸如水泥、氧化铝等生产领域应用广泛，一直存在高能耗，粗放生产等问题，是节能减排工作的重点。其中熟料质量是各类烧结过程实现最优控制和节能降耗的关键工艺检测参数，但国内外均少有熟料质量的在线检测方法研究。.课题结合典型的工业回转窑烧结实例，在课题组前期研究基础上，针对现场熟料图像受光照、粉尘干扰较大，特征不稳定，现有分类检测稳健性不强的实际问题，研究熟料质量稳健检测中的关键鲁棒技术和快速并行实现方法。首先研究一种基于压缩感知的稳健视频纹理特征提取方法；其次研究利用稳健估计理论对ELM进行改进，结合视频纹理特征和窑前热工数据，对熟料质量进行鲁棒的融合检测；最后研究建立一套基于CUDA并行环境下的熟料质量机器视觉稳健检测系统。上述研究内容对于辨识烧结过程工况、优化控制参数、实现更加稳定高效的烧结过程控制具有重要的现实意义，同时对提升其他工业软测量系统的鲁棒性也有重要借鉴意义。

在联合法和纯烧结法生产氧化铝的工艺中，回转窑烧结熟料的质量是整个生产过程的重要技术指标。课题针对回转窑生产过程中的熟料质量检测与识别关键技术问题展开研究，在大粉尘条件下熟料烧结图像序列的稳健特征提取、鲁棒熟料烧结状态分类器设计、熟料烧结图像的粉尘去除等关键问题上取得了诸多研究成果，最后将其成功应用到中国大唐内蒙古再生资源分公司的氧化铝回转窑生产现场，取得了较好的经济和社会效益。首先，基于图像序列的统计信息构造了的短时能量、样本熵等窑内图像的动态特征，解决了熟料烧结图像模糊、熟料区特征难于提取的问题，取得较好的现场应用效果。其次，结合线性系统的稳健估计理论，提出将极限学习机用基于M估计的加权最小二乘方法进行训练，并定义了“物料区质心坐标”，“物料区质心摆动角”等新的物料区图像形态特征，采用改进的鲁棒极限学习机进行熟料质量检测，提高了检测系统的稳健性，具有良好的抗噪能力。第三，完成了CUDA平台下对回转窑熟料图像的并行边缘检测的实验。基于大气散射物理模型，提出将双区域滤波、联合LLSURE滤波器与图像融合相结合，结合暗原色先验原理进行熟料图像的去粉尘算法，取得了较好的增强效果；同时针对模糊图像中物料区难于分割不能提取图像特征的问题，提出一种基于自适应光照补偿和模糊增强的煤粉区分割方法，可有效分割包含丰富工况感知信息的煤粉区，为利用该图像区域提取亮度及形态特征进行熟料工况识别奠定了基础。最后在实践方面，开发了一套熟料质量实时监测系统，并将其融入现有回转窑专家控制系统中，在大唐内蒙古再生资源开发有限公司氧化铝厂烧成车间的回转窑生产现场进行了投运实验，熟料质量检测准确、提升了窑前的熟料产量和质量，并产生了较好的社会经济效益。