HUNANUNIVERSITY畢業(yè)論文論文題目基于圖像序列動態(tài)特征的燃燒工況檢測方法研發(fā)學生姓名學生學號專業(yè)班級自動化2班學院名稱電氣與信息工程學院指導(dǎo)老師學院院長2015年 5月25日湖南大學畢業(yè)論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在老師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。學生簽名： 日期：200年月日畢業(yè)論文版權(quán)使用授權(quán)書本畢業(yè)論文作者完全了解學校有關(guān)保留、使用論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本論文。本論文屬于1、保密，在______年解密后適用本授權(quán)書。2、不保密√。（請在以上相應(yīng)方框內(nèi)打“√”）學生簽名： 日期：200年月日指導(dǎo)教師簽名： 日期：200年月日摘要近年來利用回轉(zhuǎn)窯燒結(jié)帶圖像的區(qū)域特征對窯內(nèi)燃燒過程的研究逐漸受到國內(nèi)外學者的廣泛關(guān)注，但利用火焰圖像序列的動態(tài)特征進行煤粉燃燒工況檢測的研究少有出現(xiàn)。本文結(jié)合數(shù)字圖像處理和模式識別相關(guān)知識，提出了一種基于圖像序列動態(tài)特征的燃燒工況檢測方法。首先采用數(shù)字圖像處理技術(shù)對單幀火焰先后進行灰度化和去噪處理，并分割出火焰區(qū)，然后從火焰輻射能量和燃燒穩(wěn)定程度兩方面綜合分析，提取出火焰平均豐度、短時能量、火焰平均灰度和火焰平均灰度方差這四個統(tǒng)計特征量，在此基礎(chǔ)上構(gòu)成時間序列，通過仿真實驗總結(jié)特性并描繪出各自的變化趨勢曲線，討論其與窯內(nèi)燃燒狀況之間的關(guān)系，最后由此進行燒結(jié)溫度判斷。實驗結(jié)果表明,本文方法可以快速檢測回轉(zhuǎn)窯內(nèi)的燃燒工況,且檢測系統(tǒng)計算方便。關(guān)鍵詞:回轉(zhuǎn)窯；煤粉燃燒；數(shù)字圖像處理；模式識別；BasedondynamicimagesequencefeaturedetectionmethodofcombustionconditionofresearchanddevelopmentAbstractInrecentyears,regionalcharacteristicsoftherotarykilnsinteringzoneimageisusedforfurnacecombustionprocessresearchisincreasinglywideattentionofscholarsbothathomeandabroad,buttheuseofdynamiccharacteristicsoftheflameimagesequenceisusedtodetecttheworkingconditionofpulverziedcoalcombustionresearchisveryfew.Inthispaper,combingtheknowledgeofthedigitalimageprocessingandpatternrecognition,thispaperproposesadynamicimagesequencebasedonthecharacteristicsofthecombustionconditiondetectionmethod.FirstusingDigitalimageprocessingtechnologytothesingleframeflamehasgrayandnoisereductionprocessing,andsplitsouttheflamezone,thenfromtowaspectsoftheflameradiationenergyandcombustionstabilitycomprehensiveanalysis,extracttheflameaverageabundce,short-timeenergy,theflametheaveragegraylevelandaveragegrayvarianceoffourstatisticalcharacteristics,onthebasicoftimeseries,throughthesimulationexperimentcharacteristicsanddescribethechangetrendofeachcurve,thediscussitwiththerelationshipbetweenthefurnacecondition.Finallyresultinginsinteringtemperature.Theexperimentalresultsshowthatthemethodcanquicklydetecttherotarykilnburningcondition,andconvenientdetectionsystemcalculation.KeyWords：Rotarykiln；Pulverizedcoalcombustion；Digitalimageprocessing；Patternrecognition；目錄1緒論1.1研究背景及目的 1.2國內(nèi)外研究現(xiàn)狀1.3課題來源及研究內(nèi)容安排2圖像處理技術(shù)2.1數(shù)字圖像處理概述2.2數(shù)字圖像處理在工業(yè)領(lǐng)域的研究2.3火焰圖像灰度化處理2.3火焰圖像噪聲消除處理2.3.1中值濾波法2.3.2均值濾波法2.4火焰圖像分割2.4.1Otsu單閾值法3燃燒火焰圖像靜態(tài)特征提取3.1基于火焰的輻射能量提取3.2基于燃燒穩(wěn)定程度的提取4實驗研究4.1回轉(zhuǎn)窯火焰圖像處理4.2火焰圖像序列動態(tài)特征的描述4.3實驗結(jié)果分析5結(jié)論致謝參考文獻1緒論1.1課題背景及目的我國是一個燃煤大國，在我國的能源結(jié)構(gòu)中，燃煤約占70%。工業(yè)生產(chǎn)中應(yīng)用比較廣泛的是燃煤窯爐，這是是一種把燃料化學能轉(zhuǎn)化為熱能，并把物料加熱到所需溫度的工業(yè)設(shè)備。回轉(zhuǎn)窯是工業(yè)生產(chǎn)中最典型的燃煤窯爐。在工業(yè)生產(chǎn)過程中,煤粉在轉(zhuǎn)動的窯體內(nèi)燃燒，對生料(石灰、氧化鋁等)進行燒結(jié)，當回轉(zhuǎn)窯在不穩(wěn)定燃燒工況下工作時,將會降低工業(yè)生產(chǎn)效率,造成污染物的大量排放,而且易引起爐膛爆燃造成重大安全事[1]。因此釆取有效措施控制回轉(zhuǎn)窯內(nèi)火焰燃燒的均勻和穩(wěn)定,是提升生產(chǎn)效率、節(jié)約成本并促進鍋爐安全運行的基本要求。這表明對回轉(zhuǎn)窯內(nèi)煤粉燃燒工況的檢測工作極為重要。回轉(zhuǎn)窯燃燒火焰圖像能直接反映爐窯內(nèi)燃燒狀況，所以用火焰圖像來監(jiān)控爐內(nèi)煤粉燃燒工況更具有直接性和實時性。由于回轉(zhuǎn)窯現(xiàn)場工業(yè)環(huán)境惡劣，窯內(nèi)各類物質(zhì)在高溫空氣中的物理化學反應(yīng)產(chǎn)生火焰閃爍、物料運動、回轉(zhuǎn)窯窯體傾斜、旋轉(zhuǎn)的影響，以及窯內(nèi)各個區(qū)域間的對流換熱等因素的影響,導(dǎo)致窯內(nèi)視頻拍攝環(huán)境污染嚴重，物料區(qū)、火焰區(qū)、火圈等區(qū)域無法分辨的問題,這種情況下火焰圖像清晰度較低，溫度檢測的準確性和可靠性較差，用常規(guī)儀表檢測技術(shù)很難實現(xiàn)。還有現(xiàn)場電磁環(huán)境的影響導(dǎo)致視頻信號受到干擾,難以實現(xiàn)在線準確監(jiān)測溫度。而通過提取可以反映火焰燃燒溫度的靜態(tài)特征量來對燃燒工況進行檢測,并將這些定量判據(jù)來應(yīng)用于燃燒工況診斷中去,更能提高爐窯燃燒工況診斷的準確性和適應(yīng)性,因此開展基于火焰圖像靜態(tài)特征的爐窯燃燒工況檢測研究具有重要的實用意義。1.2國內(nèi)外研究狀況基于工業(yè)爐窯所具有的良好的混合性能和高效的傳熱能力,能適應(yīng)多種工業(yè)原料的燒結(jié)、焙燒、揮發(fā)、燒結(jié)等過程,因此被廣泛地應(yīng)用于電力、紙漿、化工、環(huán)保等行業(yè)。結(jié)構(gòu)復(fù)雜、體積龐大是這些爐窯設(shè)備的特點,內(nèi)部的燃燒狀態(tài)與最終產(chǎn)品的產(chǎn)量、質(zhì)量、能量消耗等息息相關(guān)。隨著工業(yè)生產(chǎn)規(guī)模的不斷擴大,工業(yè)爐窯越來越大型化、復(fù)雜化。在工業(yè)生產(chǎn)中，爐窯燃燒狀態(tài)監(jiān)測具有重要意義，但受現(xiàn)有檢測技術(shù)所限,近年來，采用圖像處理技術(shù)對窯內(nèi)燃燒工況進行檢測逐步受到國內(nèi)外學者的重視，很多學者嘗試利用圖像處理技術(shù)進行工業(yè)爐窯燃燒狀態(tài)的實時在線監(jiān)測研究。他們從火焰圖像中提取特征量，然后用人工智能等方法來判斷燃燒工況，然而這些方法大都是針對單角燃燒器的火焰圖像，并未將火焰圖像劃分出一系列特征區(qū)，并針對各個特征區(qū)的圖像信息進行爐窯的燃燒分析[2]。在國外學者的努力下,圖像處理技術(shù)在電站鍋爐燃燒工況監(jiān)測研究領(lǐng)域首先取得了顯著成果。文獻[3]提出了一種類似比色法的圖像溫度檢測法,而且提出了多燃燒器碳未燃盡生成了預(yù)測模型,該方法在日本仙臺電廠175MW機組上獲得了實際應(yīng)用。加拿大McMasterAdvancedControlConsortium的HongluYu等[4]開發(fā)了基于多變量圖像分析技術(shù)和偏最小二乘法的燃燒火焰圖像監(jiān)測系統(tǒng),該系統(tǒng)能實時提取燃燒火焰圖像中的特征信號,并且根據(jù)這些信號來預(yù)測鍋爐系統(tǒng)的性能。通過國外對爐窯燃燒過程的圖像處理技術(shù)研究的技術(shù)基礎(chǔ),國內(nèi)學者根據(jù)我國爐窯工業(yè)過程的特點對基于火焰圖像處理的爐窯燃燒狀態(tài)監(jiān)測技術(shù)進行了深入研究,取得了顯著成果。在理論研究方面,推導(dǎo)出了火焰溫度和爐窯圖像亮度間的關(guān)系,對火焰溫度分布檢測進行了研究,并且經(jīng)黑體爐標定得到多項式的回歸模型,引起了國內(nèi)學者對爐窯火焰圖像處理研究的熱烈關(guān)注和探討[5]。在應(yīng)用研究方面,對采集得到的爐窯火焰圖像用三色波長光譜檢測法和溫度分段線性化方法來進行處理，并計算煤粉燃燒火焰的溫度,把火焰溫度從高到低分成幾段,由溫度的標定實驗對溫度進行線性化分段處理,然后解出由溫度標定和三個彩色分量組成的方程組,得出比較準確的火焰溫度分布[6]。1.3課題來源及及研究內(nèi)容安排根據(jù)輻射測溫原理，利用火焰圖像進行燃燒溫度檢測在眾多文獻中早有研究，但利用火焰圖像序列的動態(tài)特征進行燃燒工況異常檢測的研究卻少有出現(xiàn)。本文的研究內(nèi)容主要是：針對回轉(zhuǎn)窯視頻中截取的連續(xù)燃燒火焰模糊圖像幀，采用適當?shù)膱D像預(yù)處理方法分割火焰區(qū)；在現(xiàn)有的理論研究基礎(chǔ)上，對高溫攝像機采集到的火焰圖像進行分析和處理，從中提取出可以反映火焰燃燒溫度的4個特征向量，并在此基礎(chǔ)上構(gòu)成特征時間序列；選擇相關(guān)時序數(shù)據(jù)處理的方法檢測回轉(zhuǎn)窯燃燒特征狀況，反映燒成帶溫度。該過程用Matlab進行仿真實驗。本文中各章內(nèi)容安排如下：第一章為緒論，首先介紹了本文的研究背景及目的，其次介紹了基于圖像序列動態(tài)特征的燃燒工況檢測方法研發(fā)在國內(nèi)外的研究狀況和研究進展。第二章為數(shù)字圖像處理技術(shù)相關(guān)概述以及理論知識，詳細介紹了圖像處理技術(shù)在工業(yè)領(lǐng)域研究中的體現(xiàn)，主要介紹了火焰圖像的灰度處理、噪聲消除以及火焰區(qū)分割的方法，其中，中值濾波法和Otsu單閾值法是本文針對噪聲消除和火焰區(qū)分割的主要研究方法。第三章介紹了燃燒火焰圖像靜態(tài)特征的提取算法，本文分別從火焰輻射能量和燃燒穩(wěn)定程度兩方面綜合考慮，計算出火焰平均豐度、短時能量、火焰平均灰度和火焰平均灰度方差這四個統(tǒng)計特征量，在此基礎(chǔ)上構(gòu)成時間序列，進行燒結(jié)溫度判斷。第四章為回轉(zhuǎn)窯燃燒火焰圖像的圖像處理過程以及動態(tài)特征時間序列在MATLAB上的仿真。第五章為總結(jié)。總結(jié)了全文的研究成果，也指出研究過程中的不足之處，回顧了研究過程中遇到的困難，反思了自己在研究過程中的欠缺，并對該研究今后的發(fā)展進行展望。2數(shù)字圖像處理2.1數(shù)字圖像處理概述數(shù)字圖像處理（DigitalImageProcessing）是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等處理的技術(shù)。最早出現(xiàn)于20世紀20年代,近年來隨著計算機技術(shù)和數(shù)學研究的快速發(fā)展,數(shù)字圖像處理技術(shù)在工業(yè)領(lǐng)域得到了廣泛應(yīng)用。2.2.圖像處理技術(shù)在工業(yè)領(lǐng)域的研究（1）圖像變換。工業(yè)過程圖像含有很大的數(shù)據(jù)量,若直接處理原圖,不但增加了計算量還會消耗大量時間。通過圖像變換技術(shù)不僅減少了計算量,而且更有利于圖像靜態(tài)特征的提取和分析。一般將圖像變換分為頻域變換、時頻域變換與空域變換三種。頻域變換技術(shù)以離散傅立葉變換為代表，將空域圖像轉(zhuǎn)換為頻譜圖像突出了工業(yè)圖像的頻率特征。作為一種新的時頻變換技術(shù),小波變換有較好的局部化特征[7,8,9]，它可以讓圖像實現(xiàn)多尺度描述,因此常用其來表示圖像的紋理特征或者時頻特性[10,11]，并在近年來的工業(yè)過程圖像處理中得到了比較廣泛的應(yīng)用。空域變換中比較典型的是二值變換和灰度變換，二者在對工業(yè)過程圖像的預(yù)處理過程中運用廣泛,主要優(yōu)點在于保留了工業(yè)過程的重要信息的同時去除了大量的多余數(shù)據(jù)。圖像編碼壓縮。工業(yè)過程圖像存在輸送距離過長、數(shù)據(jù)量大等問題,通過圖像編碼壓縮技術(shù)對工業(yè)圖像進行壓縮，不僅節(jié)省了圖像處理的時間也減少了占用存儲器的容量。圖像編碼壓縮是圖像處理技術(shù)中發(fā)展最早且比較成熟的技術(shù),目前廣泛應(yīng)用于視頻通訊、多媒體音視頻監(jiān)控[12]等領(lǐng)域。（3）圖像增強和復(fù)原。一些工業(yè)過程領(lǐng)域需采用圖像增強或復(fù)原技術(shù)來改善圖像的質(zhì)量。如去除噪聲、提高圖像清晰度等等。根據(jù)作用域的不同,圖像增強可分為頻域增強和空域增強。空域增強可分為平滑濾波、中值濾波、直方圖均衡化[13]、灰度線性變化和非線性變化等。頻域增強方法是通過結(jié)合頻域變換技術(shù)設(shè)計出合理的濾波器，保留了工業(yè)圖像中的重要頻率信息，并去除噪聲的頻率成分。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解,一般講應(yīng)根據(jù)降質(zhì)過程的先驗知識建立“降質(zhì)模型”,再采用某種濾波方法恢復(fù)或重建原來的圖像[14]。因為工業(yè)圖像降質(zhì)過程比較復(fù)雜,這種圖像復(fù)原方法通常難以獲得良好的效果。（4）圖像分割。將圖像中不同區(qū)域加以區(qū)分或者分離的技術(shù)叫做圖像分割,不同的區(qū)域代表圖像中的不同對象。圖像分割是進一步進行圖像識別、分析和理解的基礎(chǔ)。一般可分為基于邊緣檢測和基于區(qū)域的分割方法分割方法。基于邊緣檢測的分割方法可由圖像中區(qū)域邊緣特性的不同,然后用Sobel邊緣檢測算子、RobertS邊緣算子、Lpalacna邊緣算子等梯度算子在圖像中的不同區(qū)域的邊緣進行檢測。然而在工業(yè)過程中因為噪聲的干擾和圖像區(qū)域邊界模糊的問題,采用這種方法所得到的區(qū)域邊界會出現(xiàn)變寬或在某點處間斷等情況。但由于工業(yè)過程圖像的復(fù)雜性,目前還沒有一種普遍適用于各類工業(yè)過程圖像的有效分割方法[15]。基于區(qū)域的分割方法又包含了區(qū)域生長法、閾值分割等方法，這些方法均根據(jù)圖像灰度、紋理、顏色等均勻分布一致性和連通性來進行圖像分割。2.1數(shù)字圖像的獲取獲取圖像的方法有：傳感器陣列獲取、單個傳感器獲取以及用帶狀傳感器獲取圖像。傳感器陣列是利用二維陣列形式排列的獨特的傳感器，里面的大量電磁波與某種超聲波敏感元件常常以陣列形式排列[16]。這在攝像機上是較常見的主要結(jié)構(gòu)。這些攝像機中典型的傳感器是CCD陣列。本文是通過攝像機的拍攝采集回轉(zhuǎn)窯煤粉燃燒火焰圖像信息。采集圖像數(shù)據(jù)信息的目的就是為了從已感知到的數(shù)據(jù)中提取出數(shù)字圖像數(shù)據(jù)。為了達成這個目的，首先要對數(shù)據(jù)進行數(shù)字化的處理。這個過程可分為兩個階段：取樣和量化[17]。連續(xù)圖像的數(shù)據(jù)可定義為f(x,y)，其中x和y為空間二維坐標，f在任意一對坐標(x,y)處的幅值叫做在該點圖像的亮度和灰度。為了獲得動態(tài)的數(shù)字圖像序列，應(yīng)對靜態(tài)圖像進行采樣和量化處理，即在坐標和幅度上都必須要做取樣操作。2.2火焰圖像灰度化處理顏色一般分為彩色和黑白色，而黑白圖像又稱為灰度圖像，即只含有亮度信息,不包含彩色信息的圖像。圖像的灰度化處理是將彩色圖像轉(zhuǎn)化為灰度圖像的過程。一般亮度值的取值范圍是[0,255],所以灰度圖像共有256種灰度級,，其中0代表純黑色,255代表純白色。彩色圖像包含R、G、B三個通道值，取值范圍也是[0,255]，在RGB圖像中,若R=G=B，則稱該顏色為灰度色。人眼對于綠色的敏感度最高，紅色次之，藍色最低。因為彩色圖像包含R、G、B三個通道值，而灰度圖像只有一種灰度值，因此我們要將R、G、B三個值結(jié)合成一個值。經(jīng)實驗和理論推導(dǎo)證明[18]，公式（2.1）能得到符合人類感知的灰度圖像：(2.1)式中，f(x,y)為轉(zhuǎn)化后的灰度圖像在點(x,y)處的灰度值，R(x,y)，G(x,y)，B(x,y)分別表示原彩色圖像在點(x,y)處的R、G、B三個通道值。2.3火焰圖像噪聲消除處理圖像去噪是圖像處理域中一個經(jīng)典的問題。圖像去噪過程是根據(jù)一些已知的噪聲模型恢復(fù)原來的圖像,是原圖像某種意義下的最優(yōu)估計[19]利用CCD拍攝到的回轉(zhuǎn)窯火焰圖像由于受到工業(yè)現(xiàn)場噪聲、CCD圖像傳感器噪聲、圖像采集卡噪聲的干擾，導(dǎo)致火焰圖像孤立像素的離散化，這將不僅影響圖像的視覺效果還會影響圖像處理的所有環(huán)節(jié)和結(jié)果，所以對回轉(zhuǎn)窯火焰圖像進行去噪處理非常重要。去除噪聲的過程稱為圖像的濾波，去噪過程可在圖像的頻率域或者空間域進行。對火焰圖像而言在空間域進行濾波即可。2.3.1中值濾波法中值濾波是一種典型的非線性噪聲消除法,其算法的基本思想是用數(shù)字序列一點鄰域排序中值來作為該點的值[20]。中值濾波在濾除噪聲的同時對圖像細節(jié)信息有很好的保護,它對含有噪聲的圖像有比較好的去噪效果,與線性濾波相比它不會使圖像產(chǎn)生太大的模糊,較好的保護了圖像的邊緣特征信息。因此中值濾波在火焰圖像降噪處理方面有廣泛應(yīng)用。以下是中值濾波法的基本原理：二維中值濾波是利用二維窗口進行濾波，濾波窗口有奇數(shù)個像素點，其中心像素點的灰度值等于窗口各像素點排序后的中間灰度值[21],設(shè)有一組數(shù)列為,將這組數(shù)從小到大排列，得到以下序列，其中設(shè)中值為,則表示為：（2.2）根據(jù)式（2.1）的原理，設(shè)為一個含有非偶數(shù)點的二維濾波窗口,為要進行處理的圖像的像素點的灰度值，將窗口中心對準該點，該點處的灰度值將由窗口覆蓋的其余點進行從小到大排序后的中間值代替，經(jīng)中值濾波后這個中值可表示為：（2.3）濾波窗口的形狀和窗口大小可根據(jù)實際應(yīng)用調(diào)整,濾波窗口常用的形狀有:矩形、線形、十字形和圓形窗口,按大小分則有3x3、5x5、7x7等。其中方形和圓形用于處理有緩變和較長輪廓線的圖像,十字形窗口適合處理包含有尖頂角的物體圖像。目前針對中值濾波提出了很多的快速算法,雖然快速濾波算法較傳統(tǒng)的中值濾波效率提高很多,但是濾波算法或多或少都要進行數(shù)值排序和比較,有時要進行濾波窗口的移動和數(shù)值掃描,這些都影響了算法在處理圖像的速度。中值濾波法可以有效對圖像中的脈沖噪聲進行消除，但也并非一種完美的去噪算法，它也存在著一系列的缺點，比如標準中值濾波忽略了圖像實際的觀察模型，在濾波中會表現(xiàn)為一定盲目性；在處理高斯噪聲方面，中值濾波幾乎沒有表現(xiàn)出效果；因為涉及大量排序運算,運算速度較慢,對圖像的實時處理有影響等等。2.3.2均值濾波均值濾波法屬于消除圖像噪聲的線性處理方法。其基本思想是將圖像中幾個像素灰度的平均值取代每個像素的灰度。計算公式為:（2.3）式中,為點中所有不包含其本身的坐標集合,為集合里坐標點的數(shù)目。均值濾波器作為比較典型的線性去除噪聲的方法,因為其具有計算簡單且快速的同時又能夠有效地去除高斯噪聲。因此適用面相對較廣,是一種常用的去噪方法,很多濾波去噪方法都是在此基礎(chǔ)上發(fā)展而來。它的缺點是嚴重破壞了圖像邊緣,使圖像變得模糊。2.4火焰圖像分割圖像分割是指把圖像按照一定要求劃分為若干個區(qū)域,劃分的區(qū)域供后續(xù)進行圖像識別。要通過分析回轉(zhuǎn)窯火焰圖像來對燒成帶溫度進行檢測,首先要做的工作就是把物料區(qū)和火焰區(qū)從圖像中分割出來，由此可提取出表征火焰燃燒狀態(tài)的特征量,它為回轉(zhuǎn)窯燃燒工況檢測提供重要基礎(chǔ)。2.4.1圖像分割對回轉(zhuǎn)窯的重要性鍛燒熟料工藝在工業(yè)生產(chǎn)過程中占有重要地位,掌握這項工藝的關(guān)鍵在于將回轉(zhuǎn)窯內(nèi)燒成帶的溫度控制好。燒成帶作為回轉(zhuǎn)窯系統(tǒng)中進行物理變化和化學變化的主要區(qū)域,其溫度會影響到工業(yè)生產(chǎn)中的產(chǎn)量、能耗、質(zhì)量等。若燒成帶溫度高于熟料鍛燒所要求的溫度,將導(dǎo)致熟料過燒,容量增大、溶出率降低；反過來,若燒成帶溫度低于熟料鍛燒所要求的溫度,燒結(jié)狀態(tài)不完全,并形成黃料,溶出率低。因此,控制回轉(zhuǎn)窯的關(guān)鍵在于控制窯中燒成帶的溫度。回轉(zhuǎn)窯的火焰圖像是通過安裝在窯爐頭的CCD攝像機進行拍攝獲得的,圖像包含很多燒成帶的溫度變化趨勢信息,而這些信息主要是通過圖像中的物料區(qū)以和火焰區(qū)的灰度特征來反映。因此,如果想通過對回轉(zhuǎn)窯火焰圖像的分析來對燒成帶溫度進行有力控制,首要工作是將物料區(qū)與火焰區(qū)進行分割。而火焰圖像分割效果的好壞會直接關(guān)系我們對燒成帶溫度的控制。2.4.2Otsu方法是一種比較常用的閾值選擇方法,具有算法簡單,計算速度快,適應(yīng)范圍廣等優(yōu)點,在對火焰圖像進行分割時，能夠?qū)崿F(xiàn)自適應(yīng)快速分割,且分割效果較好。Otsu算法的基本思想是:首先任選一個閾值把圖像分割成目標和背景兩個區(qū)域,然后計算兩個區(qū)域出現(xiàn)的概率和灰度均值,再計算兩個區(qū)域間的灰度方差,該方差是閾值的函數(shù),因而得到兩類間方差的最大閾值,就是需要的最佳閾值。設(shè)一幅圖像的灰度范圍為[0,L-1],為灰度值i的像素數(shù),圖像的像素總和為N,，灰度值為i的像素點出現(xiàn)的概率記為則:（2.4）顯然，。用閾值K()，把圖像的像素按灰度級分為背景和目標兩類，分別記作區(qū)域和區(qū)域。表示灰度值的區(qū)域,表示灰度值為的區(qū)域,則圖像灰度統(tǒng)計均值為。區(qū)域、產(chǎn)生的概率分別為：（2.5）（2.6）區(qū)域、產(chǎn)生的概率的均值分別為：（2.7）（2.8）圖像總體灰度平均值為:（2.9）區(qū)域A、B的類間方差（2.10）則當K在范圍取值時,當取值最大時對應(yīng)的K值即為Otsu算法的最佳閾值。當然Otsu法并非十全十美，當目標物與背景灰度相差不明顯時,就會出現(xiàn)大塊黑色區(qū)域,可能會丟失整幅圖像的信息,因此其應(yīng)用受到限制。但相對其他分割方法比較快捷，因此本課題選擇利用Otsu算法對火焰圖像進行分割處理,分割出火焰區(qū)。3燃燒火焰圖像靜態(tài)特征提取3.1基于火焰的輻射能量的提取結(jié)合輻射測溫原理,可得出火焰的輻射能量與圖像的灰度成正相關(guān)，可在一定程度上反映燃燒溫度的高低.在此提出將采樣周期T內(nèi)的火焰區(qū)平均灰度和灰度方差作為判別溫度的特征量：（1）火焰區(qū)平均灰度(3.1)其中:采樣圖像的幀數(shù),為時刻采樣的單幀圖像火焰區(qū)平均灰度，(3.2)其中為火焰區(qū)的像素個數(shù),為火焰區(qū)單個像素的灰度值。（2）火焰區(qū)灰度方差(3.3)將一段90分鐘的回轉(zhuǎn)窯火焰視頻，以2秒為采樣周期,25幀/秒的幀率截取火焰圖像，分別用MATLAB仿真，得到火焰區(qū)平均灰度在燒結(jié)溫度低、正常和高三種溫度條件下的概率分布圖如圖3所示.從圖3可知,在有效灰度級50~170范圍內(nèi)的的概率密度分布有比較大的重合。主要是因為在火焰輻射較強的情況下,CCD攝像機會發(fā)生亮度飽和,造成溫度正常和溫度高兩類的分布重合較大;在窯內(nèi)溫度逐漸升高的過程中,常出現(xiàn)煤粉爆燃導(dǎo)致的火焰變短現(xiàn)象使低溫情況下的分布出現(xiàn)向右拖尾現(xiàn)象,導(dǎo)致了火焰區(qū)變亮的假象。因此基于輻射測溫原理的灰度特征并不能準確的區(qū)分出燒結(jié)溫度等級。圖3.1Gt在3種條件下的概率密度分布3.2基于燃燒穩(wěn)定程度提取煤粉火焰的溫度變化與其燃燒的穩(wěn)定性有密切聯(lián)系[22]。根據(jù)以往在回轉(zhuǎn)窯現(xiàn)場看火的經(jīng)驗,當煤粉燒結(jié)帶溫度達到穩(wěn)定時,煤粉的火焰閃爍情況趨于平穩(wěn),火焰區(qū)面積也在正常范圍內(nèi)波動；然而在溫度降低時,火焰閃爍變得劇烈,就會發(fā)生如圖2(a)中的爆燃現(xiàn)象,火焰區(qū)的面積相較原圖明顯增大。根據(jù)這個回轉(zhuǎn)窯現(xiàn)場工藝的特點,在此提出火焰區(qū)平均豐度與火焰短時能量這兩個判斷燃燒穩(wěn)定程度的特征量。短時能量是語音信號中衡量語音信號強弱和變化快慢的一個重要參數(shù)[23],圖3.2火焰爆燃現(xiàn)象（1）火焰區(qū)平均豐度。將第t時刻、第T幀圖像的火焰區(qū)平均豐度Mt作為判斷燃燒穩(wěn)定程度的特征量,定義如下：(3.4)其中,是第幀采樣圖像的火焰區(qū)豐度值,定義為分割后火焰區(qū)像素總和與整幅圖像像素總和的比值：(3.5)其中,H是像素值為1(即火焰區(qū))的點的數(shù)目,I是整幅圖像的像素數(shù)數(shù)。Mt描述了t時刻中值濾波之后的火焰區(qū)面積。因此當火焰出現(xiàn)劇烈閃爍時,Mt的值將變大。火焰短時能量本文基于語音信號檢測方法,通過對采樣信號進行加窗處理,在窗寬為N時,將視頻段中的火焰區(qū)豐度短時能量值作為衡量火焰穩(wěn)定程度的特征量。在t時刻,火焰區(qū)短時能量Et的定義如下:(6)其中，Mi為i時刻時火焰的區(qū)平均豐度，Et表示在t時刻窗寬為N時，Mi的短時能量。為窗函數(shù)。當我們?nèi)【匦未皶r，(7)如果在求和窗寬里爆燃幀數(shù)越多，Et就會越大，火焰閃爍就會越劇烈，并且火焰燃燒穩(wěn)定性越低。相反，若在求和窗寬里爆燃幀數(shù)越少，Et就會越小，火焰閃爍比較緩慢，而火焰燃燒穩(wěn)定性越高。在此采用與上節(jié)相同的一段火焰視頻火進行研究，由下圖中火焰短時能量Et在燒結(jié)溫度偏低、正常、和高的三種溫度下的概率分布圖，用P(Et)表示。由圖可知,Et在三種概率密度函數(shù)的峰值相差較大,可通過此特征量較好地區(qū)分不同的燒結(jié)溫度.圖3.3Et在3種條件下的概率分布4實驗研究4.1火焰圖像處理從模糊的回轉(zhuǎn)窯視頻中按5幀/秒進行單幀采樣,將提取的單幀RGB圖像通過灰度轉(zhuǎn)換為256級的灰度圖,然后用中值濾波法去除單幀圖像上孤立噪聲點的干擾。圖4.1-4.4為基于MATLAB仿真實現(xiàn)的從原始視頻圖像幀經(jīng)過預(yù)處理后分割出火焰區(qū)的過程。圖4.1火焰原圖圖4.2火焰灰度圖圖4.3中值濾波后的灰度圖采用Otsu單閾值法，基于火焰灰度圖自動尋找使火焰區(qū)和背景間灰度方差距離最大的分割閾值，分割出火焰區(qū)。圖4.4火焰區(qū)分割4.2火焰圖像序列動態(tài)特征的描述然后根據(jù)3.1和3.2節(jié)內(nèi)容計算火焰視頻的統(tǒng)計特征，按式(1)，式(3)，式(4)分別計算出平均灰度Gt、灰度方差、平均豐度Mt這三個特征量，統(tǒng)計時間窗T為10幀,然后按式(7)計算出火焰短時能量Et,窗寬N為250。將上述4個特征量作為當前采樣時刻t的一組特征數(shù)據(jù)。基于兩種溫度變化條件下分別從兩段時長為20分鐘的訓(xùn)練視頻中計算出上述4個特征數(shù)據(jù)，并構(gòu)成火焰圖像動態(tài)特征的波形圖，如圖所示。圖4.5火焰圖像序列動態(tài)特征曲線4.3實驗結(jié)果分析根據(jù)圖4.5進行實驗結(jié)果分析，可以看到第一行的回轉(zhuǎn)窯內(nèi)溫度逐漸降低,而第二行的回轉(zhuǎn)窯溫度是逐漸升高的。通過觀察這四個特征數(shù)據(jù)的動態(tài)曲線，在回轉(zhuǎn)窯溫度發(fā)生變化時,火焰平均灰度值和火焰平均豐度值均沒有出現(xiàn)明顯的變化。而火焰灰度方差在回轉(zhuǎn)窯溫度下降時特征曲線除了出現(xiàn)一個波峰外沒有其他明顯的動態(tài)特征。根據(jù)火焰平均豐度定義的短時能量能體現(xiàn)出明顯的趨勢,窯內(nèi)溫度下降時，火焰短時能量有明顯上升趨勢；窯內(nèi)溫度上升時，火焰短時能量有明顯的下降趨勢。這說明火焰短時能量具有比較強的溫度區(qū)分度，當回轉(zhuǎn)窯內(nèi)溫度降低時,火焰變得不穩(wěn)定的同時爆燃現(xiàn)象增多,火焰短時能量升高；當回轉(zhuǎn)窯溫度升高時，火焰逐漸趨于穩(wěn)定，爆燃現(xiàn)象減少，火焰短時能量會降低。因此，火焰短時能量與回轉(zhuǎn)窯溫度成負相關(guān)關(guān)系，火焰短時能量動態(tài)特征曲線可作為燃燒工況檢測的一個重要依據(jù)。實驗也表明也了本文提出的通過視頻段內(nèi)各幀圖像提取的火焰靜態(tài)特征量構(gòu)成的時間序列能夠有效檢測燃燒工況，對于實現(xiàn)回轉(zhuǎn)窯過程產(chǎn)品質(zhì)量指標的控制具有較為重要的實用價值,對于適應(yīng)波動的邊界條件,提高復(fù)雜工業(yè)過程的關(guān)鍵工藝環(huán)節(jié)的檢測與識別能力提供了一種可行有效的解決思路。5總結(jié)回轉(zhuǎn)窯燃燒的基本要求是建立和保持穩(wěn)定的燃燒工況，燃燒工況是否穩(wěn)定,是提升生產(chǎn)效率、節(jié)約成本并促進鍋爐安全運行的前提條件。在實際的回轉(zhuǎn)窯工業(yè)現(xiàn)場，僅靠操作員對窯爐中煤粉燃燒的表面特征觀察很難對燃燒工況進行準確、客觀的評價。本文采用理論分析與仿真實驗相結(jié)合的方法研究了基于圖像序列動態(tài)特征的燃燒工況檢測法，闡述了數(shù)字圖像處理的相關(guān)理論，討論了火焰圖像靜態(tài)特征與燃燒溫度的關(guān)系，并通過仿真實驗驗證其有效性和準確性。通過分析實驗結(jié)果來對煤粉燃燒工況進行檢測。在此過程中，本文的研究成果和貢獻主要包括以下幾點：（1）提出了火焰圖像預(yù)處理方法，有效解決了火焰彩色圖像數(shù)據(jù)量大、時效性差等問題。（2）提出了火焰圖靜態(tài)像特征提取算法,提取出可以反映火焰燃燒溫度的靜態(tài)特征。（3）近年來基于輻射測溫原理，利用火焰圖像進行燃燒溫度檢測應(yīng)用廣泛，而本文采取的是研究較少的基于火焰圖像序列動態(tài)特征進行燃燒工況檢測的方法。由于時間、經(jīng)驗等因素的制約，本文工作也存在一些不足之處和需要改進的方面：由于實驗條件的限制，沒有能進行從工業(yè)現(xiàn)場提取火焰圖像，因而影響到對各種標定方法的客觀判斷。進一步深入研究火焰輻射特性，完善火焰溫度測量原理，以便更有針對性的設(shè)計。本文只是初步分析了火焰圖像序列動態(tài)特征與燃燒工況間的關(guān)系。要對燃燒工況進行更準確的檢測,需要進一步結(jié)合燃燒圖像表面其它的視覺特征,綜合研究這些視覺特征與燃燒工況間的關(guān)系。基于數(shù)字圖像處理、模式識別等技術(shù)的火焰溫度測量和燃燒工況檢測是一種富有挑戰(zhàn)的新興技術(shù)，也是燃燒領(lǐng)域的一個新的研究方向，雖然現(xiàn)在關(guān)于這種方法的研究還不多，但在計算機技術(shù)和數(shù)學方法的不斷進步下，這種技術(shù)一定會逐漸成熟并得到更多的突破和發(fā)展。致謝光陰似箭，四年大學求學生涯匆匆而逝。回首這幾年的學習和生活,在學習上困惑過，也在人生道路上迷茫過，然而到今日一切都已塵埃落定，正值此論文完成之際，我在此向所有關(guān)心、幫助過我的老師、同學、親人、朋友表示最誠摯的感謝與最美好的祝愿。本論文是在張小剛老師的悉心指導(dǎo)下完成的，從畢業(yè)設(shè)計題目的選擇到論文的寫作，張老師都給予了我很大的幫助，在我遇到難以解決的問題時，是張老師耐心為我答疑解惑，在撰寫論文過程中，張老師也給我提供了很多建設(shè)性意見。張老師嚴謹求實、精益求精的科研態(tài)度深深影響著我，令我肅然起敬！在此我向敬愛的張老師表達我誠摯的感謝，感謝您的支持與鼓勵！當然我還要感謝在撰寫論文過程中一直幫助和支持我的同學，沒有他們的支持和幫助，我的一些難題也不能及時的化解，感謝他們對我的幫助！最后,我要感謝我的父母，在這里求學的四年里和過去的二十二年,他們對我的關(guān)心和愛護讓我能無憂無慮的長大,是他們一直以來的支持不斷鼓舞著我跨過艱難險阻，一路勇往直前！沒有他們，也就沒有我的今天，謝謝你們，你們辛苦了，在未來的日子里我一定好好報答你們！蒙佩蕎5月25日參考文獻[1]甄成剛,基于圖像處理技術(shù)的爐膛火焰檢測方法研究[D].保定:華北電力大學,2004[2]衛(wèi)成業(yè),王飛，等．運用彩色CCD測量火焰溫度場的校正算法[J]．中國電機工程學報，2000，20(1)：70-72．[3]MShimoda,ASugano,YWatanabe,etal.PredictionMethodofUnburnCarboforCoalFiredUtilityBoilerUsingImageProcessingTechnologyofCombustionFlame[J].IEEETransEnergyConversion,1990,15(4):640-645.[4]HongluYu,JohnF.MonitoringFlamesinanIndustrialBoilerUsingMultivariateImageAnalysis[J]JohnWiley&Sons,Inc,AmericanInstituteofChemicalEngineers(AIChE)Journal,2004,50(7):1474-1483.[5]王補宣,李天鋒,吳占松.圖像處理技術(shù)用于發(fā)光火焰溫度分布測量的研究[J],工程熱物理學報,1989,10(4):446-448[6]余岳峰,趙鐵城,徐偉勇.煤粉燃燒火焰的三色法溫度測量[J],上海交通學學報,2000,34(9):1257-1260[7]Jiann-DerLee,Yu-LinHiao.