基于相位同步机理的燃煤工况稳健感知与应用研究

There are many uncertain factors in complex industry process because of the poor field environment. Studying the robust sensing system of coal combustion process is important for its process control. This subject will focus several robust methods to recognize the working condition of the rotary kiln using the experience of Bioinformatics for reference. Several robust image process methods will be firstly discussed to extract the Mach band features and gray-invariant texture features from flame images based on the phase congruency of the odd’s harmonic in signal’s FFT decomposition. Secondly, the field signal’s phase synchronization is used to extract the recognizing features of working conditions based on basic large-scale Integration principle of human brain. A steady working condition detecting systems of rotary kiln is finally integrated through a robust extreme learning machine whose parameter learning process based on least squares criterion is enhanced with a robust R-estimation to resist the gross error from field noise. This project will firmly settle a foundation for the process control of flame burning process in rotary kiln and benefits the economic production and emission reduction, which can be a reference for other soft computing systems.

燃煤窑炉广泛应用于冶金、水泥和发电等工业生产领域，其现场环境复杂多变，研究更加稳健的燃煤工况检测方法，提高测控系统的鲁棒性，对于高效的燃煤过程控制具有重要理论意义和应用价值。课题以氧化铝回转窑为应用对象，借鉴生物信息领域的相位同步机理，研究稳健的燃煤工况感知方法。首先，研究一套基于相位一致的稳健火焰视觉特征提取方法，基于信号奇异点处谐波相位一致的特性，提取火焰图像中的马赫带边缘和光照不变纹理特征，提高火焰图像特征的稳定性。其次，借鉴人脑整合过程中的相位同步机理，提出用热工信号间的相同步信息构造工况识别特征，为从热工信号构造工况特征开辟了一个新思路。最后，研究一种基于鲁棒估计的极限学习机分类算法，克服其最小二乘抗差能力不足的缺陷，形成一套基于相位同步机理的燃煤工况稳健感知理论与方法，并进行现场应用。课题研究对于燃煤生产过程的节能减排具有重要意义，也可为其他工业软测量提供重要借鉴。

课题借鉴生物信息领域的相位同步机理，研究更加稳健的燃煤工况感知方法，解决燃煤工况检测的鲁棒性不足问题，对于工业炉窑节能减具有重要的理论与实践意义。首先、在相位一致检测函数构造方法方面，利用高波小波变换对图像进行正交分解提取相位信息，研究了一种新的具有更强抗噪能力的相位一致检测函数，并实验证明了课题组提出的燃煤火焰边缘检测方法能更好的提取火焰边缘，具有更强的鲁棒性。其次、在对窑前热工信号进行时频分析及瞬时相位估计的研究方面，结合EMD和希尔伯特变换(Hilbert)的Hilbert-Huang方法来对窑前热工数据进行时-频域联合分析。利用科恩双线性时频分布算法提取了热工数据的差分相位谱，对窑前热工信号的瞬时相位进行了实验。第三、为提高工况感知的稳健性，针对现场样本中存在的病态间隔分布问题，提出一种双分布支持向量机分类算法（Double Distribution Support Vector Machine,DDSVM），通过最大化两类样本均值和最小间隔的间隔分布，提高了分类器的泛化能力。最后、开发了基于Geforce GT240的CUDA并行计算平台，验证了并行图像去雾算法的加速性能。同时与内蒙古大唐再生资源开发有限公司合作完成了工况融合检测系统的现场平台的搭建工作，采集了大量氧化铝回转窑生产现场图像和热工数据，为本课题的进一步研究奠定数据和现场实验基础。项目研究培养毕业博士1人，研究生4人。上述成果在《Pattern Recognition Letter》、《通信学报》，《化工学报》等期刊发表论文6篇，另有2篇SCI二区论文正在大修阶段，2篇SCI论文已经投稿。本项目虽然为一年期小额资助，但是在窑前热工数据时频分析、窑内火焰图像稳健处理和CUDA并行处理平台搭建等方面取得初步成果，很好地完成了研究计划。