毕业论文-基于图像序列动态特征的燃烧工况检测方法研发

HUNANUNIVERSITY毕业论文论文题目基于图像序列动态特征的燃烧工况检测方法研发学生姓名学生学号专业班级自动化2班学院名称电气与信息工程学院指导老师学院院长2015年 5月25日湖南大学毕业论文原创性声明本人郑重声明：所呈交的论文是本人在老师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。学生签名： 日期：200年月日毕业论文版权使用授权书本毕业论文作者完全了解学校有关保留、使用论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本论文。本论文属于1、保密，在______年解密后适用本授权书。2、不保密√。（请在以上相应方框内打“√”）学生签名： 日期：200年月日指导教师签名： 日期：200年月日摘要近年来利用回转窑烧结带图像的区域特征对窑内燃烧过程的研究逐渐受到国内外学者的广泛关注，但利用火焰图像序列的动态特征进行煤粉燃烧工况检测的研究少有出现。本文结合数字图像处理和模式识别相关知识，提出了一种基于图像序列动态特征的燃烧工况检测方法。首先采用数字图像处理技术对单帧火焰先后进行灰度化和去噪处理，并分割出火焰区，然后从火焰辐射能量和燃烧稳定程度两方面综合分析，提取出火焰平均丰度、短时能量、火焰平均灰度和火焰平均灰度方差这四个统计特征量，在此基础上构成时间序列，通过仿真实验总结特性并描绘出各自的变化趋势曲线，讨论其与窑内燃烧状况之间的关系，最后由此进行烧结温度判断。实验结果表明,本文方法可以快速检测回转窑内的燃烧工况,且检测系统计算方便。关键词:回转窑；煤粉燃烧；数字图像处理；模式识别；BasedondynamicimagesequencefeaturedetectionmethodofcombustionconditionofresearchanddevelopmentAbstractInrecentyears,regionalcharacteristicsoftherotarykilnsinteringzoneimageisusedforfurnacecombustionprocessresearchisincreasinglywideattentionofscholarsbothathomeandabroad,buttheuseofdynamiccharacteristicsoftheflameimagesequenceisusedtodetecttheworkingconditionofpulverziedcoalcombustionresearchisveryfew.Inthispaper,combingtheknowledgeofthedigitalimageprocessingandpatternrecognition,thispaperproposesadynamicimagesequencebasedonthecharacteristicsofthecombustionconditiondetectionmethod.FirstusingDigitalimageprocessingtechnologytothesingleframeflamehasgrayandnoisereductionprocessing,andsplitsouttheflamezone,thenfromtowaspectsoftheflameradiationenergyandcombustionstabilitycomprehensiveanalysis,extracttheflameaverageabundce,short-timeenergy,theflametheaveragegraylevelandaveragegrayvarianceoffourstatisticalcharacteristics,onthebasicoftimeseries,throughthesimulationexperimentcharacteristicsanddescribethechangetrendofeachcurve,thediscussitwiththerelationshipbetweenthefurnacecondition.Finallyresultinginsinteringtemperature.Theexperimentalresultsshowthatthemethodcanquicklydetecttherotarykilnburningcondition,andconvenientdetectionsystemcalculation.KeyWords：Rotarykiln；Pulverizedcoalcombustion；Digitalimageprocessing；Patternrecognition；目录1绪论1.1研究背景及目的 1.2国内外研究现状1.3课题来源及研究内容安排2图像处理技术2.1数字图像处理概述2.2数字图像处理在工业领域的研究2.3火焰图像灰度化处理2.3火焰图像噪声消除处理2.3.1中值滤波法2.3.2均值滤波法2.4火焰图像分割2.4.1Otsu单阈值法3燃烧火焰图像静态特征提取3.1基于火焰的辐射能量提取3.2基于燃烧稳定程度的提取4实验研究4.1回转窑火焰图像处理4.2火焰图像序列动态特征的描述4.3实验结果分析5结论致谢参考文献1绪论1.1课题背景及目的我国是一个燃煤大国，在我国的能源结构中，燃煤约占70%。工业生产中应用比较广泛的是燃煤窑炉，这是是一种把燃料化学能转化为热能，并把物料加热到所需温度的工业设备。回转窑是工业生产中最典型的燃煤窑炉。在工业生产过程中,煤粉在转动的窑体内燃烧，对生料(石灰、氧化铝等)进行烧结，当回转窑在不稳定燃烧工况下工作时,将会降低工业生产效率,造成污染物的大量排放,而且易引起炉膛爆燃造成重大安全事[1]。因此釆取有效措施控制回转窑内火焰燃烧的均匀和稳定,是提升生产效率、节约成本并促进锅炉安全运行的基本要求。这表明对回转窑内煤粉燃烧工况的检测工作极为重要。回转窑燃烧火焰图像能直接反映炉窑内燃烧状况，所以用火焰图像来监控炉内煤粉燃烧工况更具有直接性和实时性。由于回转窑现场工业环境恶劣，窑内各类物质在高温空气中的物理化学反应产生火焰闪烁、物料运动、回转窑窑体倾斜、旋转的影响，以及窑内各个区域间的对流换热等因素的影响,导致窑内视频拍摄环境污染严重，物料区、火焰区、火圈等区域无法分辨的问题,这种情况下火焰图像清晰度较低，温度检测的准确性和可靠性较差，用常规仪表检测技术很难实现。还有现场电磁环境的影响导致视频信号受到干扰,难以实现在线准确监测温度。而通过提取可以反映火焰燃烧温度的静态特征量来对燃烧工况进行检测,并将这些定量判据来应用于燃烧工况诊断中去,更能提高炉窑燃烧工况诊断的准确性和适应性,因此开展基于火焰图像静态特征的炉窑燃烧工况检测研究具有重要的实用意义。1.2国内外研究状况基于工业炉窑所具有的良好的混合性能和高效的传热能力,能适应多种工业原料的烧结、焙烧、挥发、烧结等过程,因此被广泛地应用于电力、纸浆、化工、环保等行业。结构复杂、体积庞大是这些炉窑设备的特点,内部的燃烧状态与最终产品的产量、质量、能量消耗等息息相关。随着工业生产规模的不断扩大,工业炉窑越来越大型化、复杂化。在工业生产中，炉窑燃烧状态监测具有重要意义，但受现有检测技术所限,近年来，采用图像处理技术对窑内燃烧工况进行检测逐步受到国内外学者的重视，很多学者尝试利用图像处理技术进行工业炉窑燃烧状态的实时在线监测研究。他们从火焰图像中提取特征量，然后用人工智能等方法来判断燃烧工况，然而这些方法大都是针对单角燃烧器的火焰图像，并未将火焰图像划分出一系列特征区，并针对各个特征区的图像信息进行炉窑的燃烧分析[2]。在国外学者的努力下,图像处理技术在电站锅炉燃烧工况监测研究领域首先取得了显著成果。文献[3]提出了一种类似比色法的图像温度检测法,而且提出了多燃烧器碳未燃尽生成了预测模型,该方法在日本仙台电厂175MW机组上获得了实际应用。加拿大McMasterAdvancedControlConsortium的HongluYu等[4]开发了基于多变量图像分析技术和偏最小二乘法的燃烧火焰图像监测系统,该系统能实时提取燃烧火焰图像中的特征信号,并且根据这些信号来预测锅炉系统的性能。通过国外对炉窑燃烧过程的图像处理技术研究的技术基础,国内学者根据我国炉窑工业过程的特点对基于火焰图像处理的炉窑燃烧状态监测技术进行了深入研究,取得了显著成果。在理论研究方面,推导出了火焰温度和炉窑图像亮度间的关系,对火焰温度分布检测进行了研究,并且经黑体炉标定得到多项式的回归模型,引起了国内学者对炉窑火焰图像处理研究的热烈关注和探讨[5]。在应用研究方面,对采集得到的炉窑火焰图像用三色波长光谱检测法和温度分段线性化方法来进行处理，并计算煤粉燃烧火焰的温度,把火焰温度从高到低分成几段,由温度的标定实验对温度进行线性化分段处理,然后解出由温度标定和三个彩色分量组成的方程组,得出比较准确的火焰温度分布[6]。1.3课题来源及及研究内容安排根据辐射测温原理，利用火焰图像进行燃烧温度检测在众多文献中早有研究，但利用火焰图像序列的动态特征进行燃烧工况异常检测的研究却少有出现。本文的研究内容主要是：针对回转窑视频中截取的连续燃烧火焰模糊图像帧，采用适当的图像预处理方法分割火焰区；在现有的理论研究基础上，对高温摄像机采集到的火焰图像进行分析和处理，从中提取出可以反映火焰燃烧温度的4个特征向量，并在此基础上构成特征时间序列；选择相关时序数据处理的方法检测回转窑燃烧特征状况，反映烧成带温度。该过程用Matlab进行仿真实验。本文中各章内容安排如下：第一章为绪论，首先介绍了本文的研究背景及目的，其次介绍了基于图像序列动态特征的燃烧工况检测方法研发在国内外的研究状况和研究进展。第二章为数字图像处理技术相关概述以及理论知识，详细介绍了图像处理技术在工业领域研究中的体现，主要介绍了火焰图像的灰度处理、噪声消除以及火焰区分割的方法，其中，中值滤波法和Otsu单阈值法是本文针对噪声消除和火焰区分割的主要研究方法。第三章介绍了燃烧火焰图像静态特征的提取算法，本文分别从火焰辐射能量和燃烧稳定程度两方面综合考虑，计算出火焰平均丰度、短时能量、火焰平均灰度和火焰平均灰度方差这四个统计特征量，在此基础上构成时间序列，进行烧结温度判断。第四章为回转窑燃烧火焰图像的图像处理过程以及动态特征时间序列在MATLAB上的仿真。第五章为总结。总结了全文的研究成果，也指出研究过程中的不足之处，回顾了研究过程中遇到的困难，反思了自己在研究过程中的欠缺，并对该研究今后的发展进行展望。2数字图像处理2.1数字图像处理概述数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的技术。最早出现于20世纪20年代,近年来随着计算机技术和数学研究的快速发展,数字图像处理技术在工业领域得到了广泛应用。2.2.图像处理技术在工业领域的研究（1）图像变换。工业过程图像含有很大的数据量,若直接处理原图,不但增加了计算量还会消耗大量时间。通过图像变换技术不仅减少了计算量,而且更有利于图像静态特征的提取和分析。一般将图像变换分为频域变换、时频域变换与空域变换三种。频域变换技术以离散傅立叶变换为代表，将空域图像转换为频谱图像突出了工业图像的频率特征。作为一种新的时频变换技术,小波变换有较好的局部化特征[7,8,9]，它可以让图像实现多尺度描述,因此常用其来表示图像的纹理特征或者时频特性[10,11]，并在近年来的工业过程图像处理中得到了比较广泛的应用。空域变换中比较典型的是二值变换和灰度变换，二者在对工业过程图像的预处理过程中运用广泛,主要优点在于保留了工业过程的重要信息的同时去除了大量的多余数据。图像编码压缩。工业过程图像存在输送距离过长、数据量大等问题,通过图像编码压缩技术对工业图像进行压缩，不仅节省了图像处理的时间也减少了占用存储器的容量。图像编码压缩是图像处理技术中发展最早且比较成熟的技术,目前广泛应用于视频通讯、多媒体音视频监控[12]等领域。（3）图像增强和复原。一些工业过程领域需采用图像增强或复原技术来改善图像的质量。如去除噪声、提高图像清晰度等等。根据作用域的不同,图像增强可分为频域增强和空域增强。空域增强可分为平滑滤波、中值滤波、直方图均衡化[13]、灰度线性变化和非线性变化等。频域增强方法是通过结合频域变换技术设计出合理的滤波器，保留了工业图像中的重要频率信息，并去除噪声的频率成分。图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程的先验知识建立“降质模型”,再采用某种滤波方法恢复或重建原来的图像[14]。因为工业图像降质过程比较复杂,这种图像复原方法通常难以获得良好的效果。（4）图像分割。将图像中不同区域加以区分或者分离的技术叫做图像分割,不同的区域代表图像中的不同对象。图像分割是进一步进行图像识别、分析和理解的基础。一般可分为基于边缘检测和基于区域的分割方法分割方法。基于边缘检测的分割方法可由图像中区域边缘特性的不同,然后用Sobel边缘检测算子、RobertS边缘算子、Lpalacna边缘算子等梯度算子在图像中的不同区域的边缘进行检测。然而在工业过程中因为噪声的干扰和图像区域边界模糊的问题,采用这种方法所得到的区域边界会出现变宽或在某点处间断等情况。但由于工业过程图像的复杂性,目前还没有一种普遍适用于各类工业过程图像的有效分割方法[15]。基于区域的分割方法又包含了区域生长法、阈值分割等方法，这些方法均根据图像灰度、纹理、颜色等均匀分布一致性和连通性来进行图像分割。2.1数字图像的获取获取图像的方法有：传感器阵列获取、单个传感器获取以及用带状传感器获取图像。传感器阵列是利用二维阵列形式排列的独特的传感器，里面的大量电磁波与某种超声波敏感元件常常以阵列形式排列[16]。这在摄像机上是较常见的主要结构。这些摄像机中典型的传感器是CCD阵列。本文是通过摄像机的拍摄采集回转窑煤粉燃烧火焰图像信息。采集图像数据信息的目的就是为了从已感知到的数据中提取出数字图像数据。为了达成这个目的，首先要对数据进行数字化的处理。这个过程可分为两个阶段：取样和量化[17]。连续图像的数据可定义为f(x,y)，其中x和y为空间二维坐标，f在任意一对坐标(x,y)处的幅值叫做在该点图像的亮度和灰度。为了获得动态的数字图像序列，应对静态图像进行采样和量化处理，即在坐标和幅度上都必须要做取样操作。2.2火焰图像灰度化处理颜色一般分为彩色和黑白色，而黑白图像又称为灰度图像，即只含有亮度信息,不包含彩色信息的图像。图像的灰度化处理是将彩色图像转化为灰度图像的过程。一般亮度值的取值范围是[0,255],所以灰度图像共有256种灰度级,，其中0代表纯黑色,255代表纯白色。彩色图像包含R、G、B三个通道值，取值范围也是[0,255]，在RGB图像中,若R=G=B，则称该颜色为灰度色。人眼对于绿色的敏感度最高，红色次之，蓝色最低。因为彩色图像包含R、G、B三个通道值，而灰度图像只有一种灰度值，因此我们要将R、G、B三个值结合成一个值。经实验和理论推导证明[18]，公式（2.1）能得到符合人类感知的灰度图像：(2.1)式中，f(x,y)为转化后的灰度图像在点(x,y)处的灰度值，R(x,y)，G(x,y)，B(x,y)分别表示原彩色图像在点(x,y)处的R、G、B三个通道值。2.3火焰图像噪声消除处理图像去噪是图像处理域中一个经典的问题。图像去噪过程是根据一些已知的噪声模型恢复原来的图像,是原图像某种意义下的最优估计[19]利用CCD拍摄到的回转窑火焰图像由于受到工业现场噪声、CCD图像传感器噪声、图像采集卡噪声的干扰，导致火焰图像孤立像素的离散化，这将不仅影响图像的视觉效果还会影响图像处理的所有环节和结果，所以对回转窑火焰图像进行去噪处理非常重要。去除噪声的过程称为图像的滤波，去噪过程可在图像的频率域或者空间域进行。对火焰图像而言在空间域进行滤波即可。2.3.1中值滤波法中值滤波是一种典型的非线性噪声消除法,其算法的基本思想是用数字序列一点邻域排序中值来作为该点的值[20]。中值滤波在滤除噪声的同时对图像细节信息有很好的保护,它对含有噪声的图像有比较好的去噪效果,与线性滤波相比它不会使图像产生太大的模糊,较好的保护了图像的边缘特征信息。因此中值滤波在火焰图像降噪处理方面有广泛应用。以下是中值滤波法的基本原理：二维中值滤波是利用二维窗口进行滤波，滤波窗口有奇数个像素点，其中心像素点的灰度值等于窗口各像素点排序后的中间灰度值[21],设有一组数列为,将这组数从小到大排列，得到以下序列，其中设中值为,则表示为：（2.2）根据式（2.1）的原理，设为一个含有非偶数点的二维滤波窗口,为要进行处理的图像的像素点的灰度值，将窗口中心对准该点，该点处的灰度值将由窗口覆盖的其余点进行从小到大排序后的中间值代替，经中值滤波后这个中值可表示为：（2.3）滤波窗口的形状和窗口大小可根据实际应用调整,滤波窗口常用的形状有:矩形、线形、十字形和圆形窗口,按大小分则有3x3、5x5、7x7等。其中方形和圆形用于处理有缓变和较长轮廓线的图像,十字形窗口适合处理包含有尖顶角的物体图像。目前针对中值滤波提出了很多的快速算法,虽然快速滤波算法较传统的中值滤波效率提高很多,但是滤波算法或多或少都要进行数值排序和比较,有时要进行滤波窗口的移动和数值扫描,这些都影响了算法在处理图像的速度。中值滤波法可以有效对图像中的脉冲噪声进行消除，但也并非一种完美的去噪算法，它也存在着一系列的缺点，比如标准中值滤波忽略了图像实际的观察模型，在滤波中会表现为一定盲目性；在处理高斯噪声方面，中值滤波几乎没有表现出效果；因为涉及大量排序运算,运算速度较慢,对图像的实时处理有影响等等。2.3.2均值滤波均值滤波法属于消除图像噪声的线性处理方法。其基本思想是将图像中几个像素灰度的平均值取代每个像素的灰度。计算公式为:（2.3）式中,为点中所有不包含其本身的坐标集合,为集合里坐标点的数目。均值滤波器作为比较典型的线性去除噪声的方法,因为其具有计算简单且快速的同时又能够有效地去除高斯噪声。因此适用面相对较广,是一种常用的去噪方法,很多滤波去噪方法都是在此基础上发展而来。它的缺点是严重破坏了图像边缘,使图像变得模糊。2.4火焰图像分割图像分割是指把图像按照一定要求划分为若干个区域,划分的区域供后续进行图像识别。要通过分析回转窑火焰图像来对烧成带温度进行检测,首先要做的工作就是把物料区和火焰区从图像中分割出来，由此可提取出表征火焰燃烧状态的特征量,它为回转窑燃烧工况检测提供重要基础。2.4.1图像分割对回转窑的重要性锻烧熟料工艺在工业生产过程中占有重要地位,掌握这项工艺的关键在于将回转窑内烧成带的温度控制好。烧成带作为回转窑系统中进行物理变化和化学变化的主要区域,其温度会影响到工业生产中的产量、能耗、质量等。若烧成带温度高于熟料锻烧所要求的温度,将导致熟料过烧,容量增大、溶出率降低；反过来,若烧成带温度低于熟料锻烧所要求的温度,烧结状态不完全,并形成黄料,溶出率低。因此,控制回转窑的关键在于控制窑中烧成带的温度。回转窑的火焰图像是通过安装在窑炉头的CCD摄像机进行拍摄获得的,图像包含很多烧成带的温度变化趋势信息,而这些信息主要是通过图像中的物料区以和火焰区的灰度特征来反映。因此,如果想通过对回转窑火焰图像的分析来对烧成带温度进行有力控制,首要工作是将物料区与火焰区进行分割。而火焰图像分割效果的好坏会直接关系我们对烧成带温度的控制。2.4.2Otsu方法是一种比较常用的阈值选择方法,具有算法简单,计算速度快,适应范围广等优点,在对火焰图像进行分割时，能够实现自适应快速分割,且分割效果较好。Otsu算法的基本思想是:首先任选一个阈值把图像分割成目标和背景两个区域,然后计算两个区域出现的概率和灰度均值,再计算两个区域间的灰度方差,该方差是阈值的函数,因而得到两类间方差的最大阈值,就是需要的最佳阈值。设一幅图像的灰度范围为[0,L-1],为灰度值i的像素数,图像的像素总和为N,，灰度值为i的像素点出现的概率记为则:（2.4）显然，。用阈值K()，把图像的像素按灰度级分为背景和目标两类，分别记作区域和区域。表示灰度值的区域,表示灰度值为的区域,则图像灰度统计均值为。区域、产生的概率分别为：（2.5）（2.6）区域、产生的概率的均值分别为：（2.7）（2.8）图像总体灰度平均值为:（2.9）区域A、B的类间方差（2.10）则当K在范围取值时,当取值最大时对应的K值即为Otsu算法的最佳阈值。当然Otsu法并非十全十美，当目标物与背景灰度相差不明显时,就会出现大块黑色区域,可能会丢失整幅图像的信息,因此其应用受到限制。但相对其他分割方法比较快捷，因此本课题选择利用Otsu算法对火焰图像进行分割处理,分割出火焰区。3燃烧火焰图像静态特征提取3.1基于火焰的辐射能量的提取结合辐射测温原理,可得出火焰的辐射能量与图像的灰度成正相关，可在一定程度上反映燃烧温度的高低.在此提出将采样周期T内的火焰区平均灰度和灰度方差作为判别温度的特征量：（1）火焰区平均灰度(3.1)其中:采样图像的帧数,为时刻采样的单帧图像火焰区平均灰度，(3.2)其中为火焰区的像素个数,为火焰区单个像素的灰度值。（2）火焰区灰度方差(3.3)将一段90分钟的回转窑火焰视频，以2秒为采样周期,25帧/秒的帧率截取火焰图像，分别用MATLAB仿真，得到火焰区平均灰度在烧结温度低、正常和高三种温度条件下的概率分布图如图3所示.从图3可知,在有效灰度级50~170范围内的的概率密度分布有比较大的重合。主要是因为在火焰辐射较强的情况下,CCD摄像机会发生亮度饱和,造成温度正常和温度高两类的分布重合较大;在窑内温度逐渐升高的过程中,常出现煤粉爆燃导致的火焰变短现象使低温情况下的分布出现向右拖尾现象,导致了火焰区变亮的假象。因此基于辐射测温原理的灰度特征并不能准确的区分出烧结温度等级。图3.1Gt在3种条件下的概率密度分布3.2基于燃烧稳定程度提取煤粉火焰的温度变化与其燃烧的稳定性有密切联系[22]。根据以往在回转窑现场看火的经验,当煤粉烧结带温度达到稳定时,煤粉的火焰闪烁情况趋于平稳,火焰区面积也在正常范围内波动；然而在温度降低时,火焰闪烁变得剧烈,就会发生如图2(a)中的爆燃现象,火焰区的面积相较原图明显增大。根据这个回转窑现场工艺的特点,在此提出火焰区平均丰度与火焰短时能量这两个判断燃烧稳定程度的特征量。短时能量是语音信号中衡量语音信号强弱和变化快慢的一个重要参数[23],图3.2火焰爆燃现象（1）火焰区平均丰度。将第t时刻、第T帧图像的火焰区平均丰度Mt作为判断燃烧稳定程度的特征量,定义如下：(3.4)其中,是第帧采样图像的火焰区丰度值,定义为分割后火焰区像素总和与整幅图像像素总和的比值：(3.5)其中,H是像素值为1(即火焰区)的点的数目,I是整幅图像的像素数数。Mt描述了t时刻中值滤波之后的火焰区面积。因此当火焰出现剧烈闪烁时,Mt的值将变大。火焰短时能量本文基于语音信号检测方法,通过对采样信号进行加窗处理,在窗宽为N时,将视频段中的火焰区丰度短时能量值作为衡量火焰稳定程度的特征量。在t时刻,火焰区短时能量Et的定义如下:(6)其中，Mi为i时刻时火焰的区平均丰度，Et表示在t时刻窗宽为N时，Mi的短时能量。为窗函数。当我们取矩形窗时，(7)如果在求和窗宽里爆燃帧数越多，Et就会越大，火焰闪烁就会越剧烈，并且火焰燃烧稳定性越低。相反，若在求和窗宽里爆燃帧数越少，Et就会越小，火焰闪烁比较缓慢，而火焰燃烧稳定性越高。在此采用与上节相同的一段火焰视频火进行研究，由下图中火焰短时能量Et在烧结温度偏低、正常、和高的三种温度下的概率分布图，用P(Et)表示。由图可知,Et在三种概率密度函数的峰值相差较大,可通过此特征量较好地区分不同的烧结温度.图3.3Et在3种条件下的概率分布4实验研究4.1火焰图像处理从模糊的回转窑视频中按5帧/秒进行单帧采样,将提取的单帧RGB图像通过灰度转换为256级的灰度图,然后用中值滤波法去除单帧图像上孤立噪声点的干扰。图4.1-4.4为基于MATLAB仿真实现的从原始视频图像帧经过预处理后分割出火焰区的过程。图4.1火焰原图图4.2火焰灰度图图4.3中值滤波后的灰度图采用Otsu单阈值法，基于火焰灰度图自动寻找使火焰区和背景间灰度方差距离最大的分割阈值，分割出火焰区。图4.4火焰区分割4.2火焰图像序列动态特征的描述然后根据3.1和3.2节内容计算火焰视频的统计特征，按式(1)，式(3)，式(4)分别计算出平均灰度Gt、灰度方差、平均丰度Mt这三个特征量，统计时间窗T为10帧,然后按式(7)计算出火焰短时能量Et,窗宽N为250。将上述4个特征量作为当前采样时刻t的一组特征数据。基于两种温度变化条件下分别从两段时长为20分钟的训练视频中计算出上述4个特征数据，并构成火焰图像动态特征的波形图，如图所示。图4.5火焰图像序列动态特征曲线4.3实验结果分析根据图4.5进行实验结果分析，可以看到第一行的回转窑内温度逐渐降低,而第二行的回转窑温度是逐渐升高的。通过观察这四个特征数据的动态曲线，在回转窑温度发生变化时,火焰平均灰度值和火焰平均丰度值均没有出现明显的变化。而火焰灰度方差在回转窑温度下降时特征曲线除了出现一个波峰外没有其他明显的动态特征。根据火焰平均丰度定义的短时能量能体现出明显的趋势,窑内温度下降时，火焰短时能量有明显上升趋势；窑内温度上升时，火焰短时能量有明显的下降趋势。这说明火焰短时能量具有比较强的温度区分度，当回转窑内温度降低时,火焰变得不稳定的同时爆燃现象增多,火焰短时能量升高；当回转窑温度升高时，火焰逐渐趋于稳定，爆燃现象减少，火焰短时能量会降低。因此，火焰短时能量与回转窑温度成负相关关系，火焰短时能量动态特征曲线可作为燃烧工况检测的一个重要依据。实验也表明也了本文提出的通过视频段内各帧图像提取的火焰静态特征量构成的时间序列能够有效检测燃烧工况，对于实现回转窑过程产品质量指标的控制具有较为重要的实用价值,对于适应波动的边界条件,提高复杂工业过程的关键工艺环节的检测与识别能力提供了一种可行有效的解决思路。5总结回转窑燃烧的基本要求是建立和保持稳定的燃烧工况，燃烧工况是否稳定,是提升生产效率、节约成本并促进锅炉安全运行的前提条件。在实际的回转窑工业现场，仅靠操作员对窑炉中煤粉燃烧的表面特征观察很难对燃烧工况进行准确、客观的评价。本文采用理论分析与仿真实验相结合的方法研究了基于图像序列动态特征的燃烧工况检测法，阐述了数字图像处理的相关理论，讨论了火焰图像静态特征与燃烧温度的关系，并通过仿真实验验证其有效性和准确性。通过分析实验结果来对煤粉燃烧工况进行检测。在此过程中，本文的研究成果和贡献主要包括以下几点：（1）提出了火焰图像预处理方法，有效解决了火焰彩色图像数据量大、时效性差等问题。（2）提出了火焰图静态像特征提取算法,提取出可以反映火焰燃烧温度的静态特征。（3）近年来基于辐射测温原理，利用火焰图像进行燃烧温度检测应用广泛，而本文采取的是研究较少的基于火焰图像序列动态特征进行燃烧工况检测的方法。由于时间、经验等因素的制约，本文工作也存在一些不足之处和需要改进的方面：由于实验条件的限制，没有能进行从工业现场提取火焰图像，因而影响到对各种标定方法的客观判断。进一步深入研究火焰辐射特性，完善火焰温度测量原理，以便更有针对性的设计。本文只是初步分析了火焰图像序列动态特征与燃烧工况间的关系。要对燃烧工况进行更准确的检测,需要进一步结合燃烧图像表面其它的视觉特征,综合研究这些视觉特征与燃烧工况间的关系。基于数字图像处理、模式识别等技术的火焰温度测量和燃烧工况检测是一种富有挑战的新兴技术，也是燃烧领域的一个新的研究方向，虽然现在关于这种方法的研究还不多，但在计算机技术和数学方法的不断进步下，这种技术一定会逐渐成熟并得到更多的突破和发展。致谢光阴似箭，四年大学求学生涯匆匆而逝。回首这几年的学习和生活,在学习上困惑过，也在人生道路上迷茫过，然而到今日一切都已尘埃落定，正值此论文完成之际，我在此向所有关心、帮助过我的老师、同学、亲人、朋友表示最诚挚的感谢与最美好的祝愿。本论文是在张小刚老师的悉心指导下完成的，从毕业设计题目的选择到论文的写作，张老师都给予了我很大的帮助，在我遇到难以解决的问题时，是张老师耐心为我答疑解惑，在撰写论文过程中，张老师也给我提供了很多建设性意见。张老师严谨求实、精益求精的科研态度深深影响着我，令我肃然起敬！在此我向敬爱的张老师表达我诚挚的感谢，感谢您的支持与鼓励！当然我还要感谢在撰写论文过程中一直帮助和支持我的同学，没有他们的支持和帮助，我的一些难题也不能及时的化解，感谢他们对我的帮助！最后,我要感谢我的父母，在这里求学的四年里和过去的二十二年,他们对我的关心和爱护让我能无忧无虑的长大,是他们一直以来的支持不断鼓舞着我跨过艰难险阻，一路勇往直前！没有他们，也就没有我的今天，谢谢你们，你们辛苦了，在未来的日子里我一定好好报答你们！蒙佩荞5月25日参考文献[1]甄成刚,基于图像处理技术的炉膛火焰检测方法研究[D].保定:华北电力大学,2004[2]卫成业,王飞，等．运用彩色CCD测量火焰温度场的校正算法[J]．中国电机工程学报，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]王补宣,李天锋,吴占松.图像处理技术用于发光火焰温度分布测量的研究[J],工程热物理学报,1989,10(4):446-448[6]余岳峰,赵铁城,徐伟勇.煤粉燃烧火焰的三色法温度测量[J],上海交通学学报,2000,34(9):1257-1260[7]Jiann-DerLee,Yu-LinHiao.