张付杰[1]2003年在《烟化炉终点判断图像处理研究》文中研究指明烟化炉是冶金行业用来处理炉渣及难选矿的重要冶炼设备，长期以来对烟化炉的控制，主要依赖于人工经验的方法，这种方法有很多缺点。随着计算机技术的发展，数字图像处理技术理论的不断完善，寻求将数字图像处理的方法应用到烟化炉的终点判断上，实现烟化炉终点控制的自动化，对冶金行业来说是一个新的控制方法。终点判断的自动化是整个生产过程标准化和自动化的一个很重要的组成部分。本课题在对烟化炉工艺过程深入调查了解的基础上，并对数字图像处理深入学习的基础上，将数字图像处理技术应用到烟化炉的终点判断上。 本论文阐述了烟化炉的生产工艺，分析了烟化炉的操作过程。重点研究如何从众多图像的参数中提取能够反映终点图像的特征参数及参数值，建立识别终点图像的标准。作者在MATLAB平台上，借助于MATLAB平台中的图像处理函数，将RGB颜色空间处理法、YIQ颜色空间处理法、二值化图像处理法、灰度共生矩阵处理法、形状分析法应用到图像处理识别中，计算并获取图像在对应模式下的数据值。在研究中，作者发现如果单纯孤立地对一幅图像进行处理，试图找到一个能够识别其所在阶段的处理方法，是不可能的；烟化炉的生产工艺，决定了单纯孤立地处理一幅图像是很难将图像区分为终点和非终点的。针对这一情况，作者提出了不能孤立地处理一幅图像，而应当将图像与其所在的过程结合起来，形成某一参数稳定性的识别方法。作者首先采用RGB颜色空间处理法、YIQ颜色空间处理法、二值化图像处理法、灰度共生矩阵处理法、形状分析法对图像进行处理，处理后所得到的数据再用参数稳定性处理法处理，这样，就将图像与与其所在过程结合起来，实践证明，运用这样的处理方法所得到的识别效果较好。
张寿明[2]2009年在《基于冶炼过程及终点判断技术的烟化炉智能控制系统研究》文中认为烟化炉在我国已具有六十多年历史,至今仍应用于铅、锌、锡冶炼过程,以处理其炉渣及低品位氧化精矿。烟化炉的生产过程,多年来依靠操作工积累的经验,即操作工通过观察烟化炉叁次风口火焰,凭经验判断烟化炉炉冶炼是否处于结束(即终点)、强挥发、弱挥发,再进行相应的操作。加之生产过程非常复杂、影响因素甚多,现场环境恶劣及检测水平的限制,迄今为止,烟化炉生产尚未实现自动化及标准化操作。本文对烟化炉的发展现状、研究动态及工艺过程进行了深入的分析研究,并探讨了其热工过程及动力学过程。针对烟化炉燃烧冶炼过程滞后大、非线性、强耦合以及化学反应过程复杂、干扰因素多、难以建立数学模型等特点,提出一种模糊PID控制和专家控制相结合的策略,建立烟化炉燃烧过程的温度控制系统。既保证了较好的控制精度,又达到了快速升温和炉温的稳定,实现烟化炉作业期所需的温度。然而仅靠炉温控制无法实现烟化炉冶炼过程控制。烟化炉目前仍为间隙式冶炼过程,每一炉的来料,工艺情况差异较大,难以形成固定的控制模式,通过多年来优秀烟化炉操作工丰富经验的总结,形成了对不同的炉况和不同环境条件下的“专家”吹炼经验曲线,将专家吹炼经验、炉温、给煤量、还原情况、吹炼时段相结合,研究设计了基于专家吹炼经验、冶炼过程图像识别、冶炼终点多信息融合判断的智能综合控制系统,实现烟化炉冶炼过程控制及标准化操作,使烟化炉冶炼过程处于较佳工作状态,使锌的挥发、废渣含锌量达到较佳值。为了实现烟化炉冶炼过程智能综合控制及标准化操作,冶炼过程和冶炼终点的判断极为重要。通过对烟化炉叁次风口火焰图象进行RGB处理、YUV处理、灰度直方图处理法、二值化图像处理、灰度共生矩阵处理等研究,发现烟化炉吹炼终点火焰特征与非终点火焰特征具有明显区别,这为烟化炉吹炼终点判断提供了新的方法和技术思路。通过对烟化炉熟练风口操作工经验收集,以及叁次风口冶炼过程火焰图像研究发现：烟化炉吹炼过程的各个阶段,其叁次风口处火焰在形态、透明度、颜色上具有不同的特征。因此采用彩色数字摄像机对烟化炉叁次风口处火焰图像进行采集,根据所采集的火焰图像的明亮度、颜色、形态,把其分为强挥发火焰、暗弱挥发火焰、亮黄火焰、暗红火焰、弱挥发火焰和亮白火焰六类。通过在RGB颜色空间、HIS彩色系统YUV色彩系统、下提取烟化炉叁次风口火焰图像色度、亮度、面积和直方图等特征,采用神经元网络识别技术,分别对上述六类火焰的图像进行识别和分类。建立了烟化炉叁次风口火焰图像特征与冶炼过程之间的映射关系。由于烟化炉冶炼过程中叁次风口处火焰会出现跳跃和闪烁,因此根据单幅火焰的图像进行分累识别就判定其所处的冶炼过程是不科学的。为此,本文提出了根据烟化炉冶炼过程信息进行其冶炼终点判断,即根据连续拍摄的40秒内20幅叁次风口处火焰图像分类结果,来判断当前烟化炉冶炼过程可能所处的冶炼阶段,再与前次判决结果进行综合,最终来判定烟化炉冶炼过程是否已到达“冶炼终点”、或是处于“还原挥发”或“温度偏底,需升温”。并开发了基于图像识别技术的烟化炉冶炼过程状态及终点判断软件系统。烟化炉冶炼挥发通常分一次挥发,二次挥发或多次挥发,而每次挥发结束时叁次风口火焰图像均与冶炼终点火焰图像相似,加之对冶炼终点影响因素多,要实现冶炼终点的准确判断,仅凭火焰图像识别判断冶炼终点必然有些不足。经过大量现场调研及现场大量历史数据分析研究,发现烟化炉的冶炼状态判别与加料量的多少、冶炼时间、给煤量、炉内的温度、叁次风口火焰的特征等有直接关系,因此,提出采用多传感器数据融合的方法来实现冶炼终点的判断,将烟化炉在线检测系统采集的炉温、给煤量、冶炼时间、加料量和图像识别系统判断的结果进行融合。在D-S证据理论融合算法基础上,给出了烟化炉冶炼终点判断D-S证据理论融合算法、并将神经网络及参数模板法、图像识别终点判断结果进行综合判决,最终实现冶炼终点判断。提高了烟化炉冶炼终点判别的准确性,并开发了烟化炉冶炼终点判断多传感器信息融合软件系统。论文所研究开发的基于冶炼过程及冶炼终点判断的烟化炉智能综合控制系统已在云南驰宏锌锗股份有限公司会泽铅厂烟化炉冶炼生产中进行了应用,取得了较大的经济效益和社会效益。
黄莉萍[3]2005年在《烟化炉冶炼终点自动判别系统的设计与实现》文中进行了进一步梳理烟化炉烟化法是利用还原挥发原理从熔融炉渣中提取铅、锌、锡以及稀有元素的一种方法。我国具有几十年历史的烟化炉烟化法,至今仍广泛应用于铅、锌、锡冶炼过程,以处理锡、铅炉渣及低品位氧化锡精矿,低品位氧化铅锌矿。然而,由于烟化炉生产过程非常复杂、影响因素甚多,加上现场环境恶劣和检测技术水平的限制,迄今为止,烟化炉生产过程尚未实现自动控制。长期以来对烟化炉的控制主要依赖于人工经验的方法,即操作工人通过观察叁次风口处的火焰状况,凭经验推断炉内状况是否适于金属还原挥发,是否正在挥发,金属是否基本还原完毕,是否到达终点即可以结束吹炼,再进行相应的操作。这种方法对操作工人的实际经验和精神状态都有很高的要求,受主观因素影响较大。操作工人对冶炼状态及冶炼终点判断的不准确,将直接导致生产成本增加和资源能耗的浪费,不利于提高生产效率。 通过收集整理熟练叁次风口工人的操作经验,以及对烟化炉叁次风口火焰的长时间观察,作者发现,在冶炼过程的各个阶段叁次风口火焰在颜色、透明度和形态上存在一定的共性和区别与其它阶段的特征。因此,本文对各个阶段的火焰特征及其与冶炼状态之间的映射关系进行了分析研究,提出了采用计算机图像识别系统来代替人工“看火”,依据叁次风口火焰与冶炼状态之间的映射关系对烟化炉进行自动终点判别的方法,并研制开发了烟化炉冶炼终点自动判别系统。 本系统采用彩色数字摄像机进行火焰图像的采集,根据火焰的形态、颜色和明亮程度的不同,把采集到的火焰图像分为挥发、灰暗喷发、弱挥发、暗红、亮黄和刺白六种类别。系统通过在RGB、HSI、YUV叁种彩色空间下提取火焰图像的面积、亮度、色度和直方图分布等特征,运用人工神经网络识别技术,实现了对这六种火焰图像的分类识别。考虑到冶炼过程中火焰的闪烁性和跳跃性,单纯孤立地对一幅火焰图像进行识别后就推断其所在阶段是不准确、不可行的。因此,作者提出了依据过程变化信息来进行终点判决的方法,即综合考虑连续20秒内十幅图像的分类结果,根椐十幅图像中包含的图像类别情况判断当前冶炼过程可能处于哪一阶段,再与前一次输出的判决结果进行比较和统计,最终判定冶炼过程是处于“挥发”阶段,还是需要“升温”,或者是到达“终点”。 本系统采用Visual C++6.0开发了冶炼终点自动判别软件,并打包生成了安装程序,可以非常方便地在Windows操作系统下安装运行。
黄莉萍, 张寿明[4]2005年在《基于图像处理和BP网络的烟化炉终点判断法》文中认为烟化炉冶炼终点的判断长期以来主要依赖现场工人的肉眼,判断的准确性受主观因素影响较大,为此,提出了采用图像处理技术"看火",并用神经网络进行火焰识别的计算机终点判断方法。测试结果表明该方法能有效地判别出烟化炉的冶炼终点。
梁玲[5]2017年在《基于图像的烟化炉冶炼还原终点判断研究》文中认为长期以来国内外对烟化炉还原终点的判断,主要是现场工人观察,判断的准确性受主观因素影响较大。本文研究了在MATLAB平台上,借助于工具箱中的图像处理函数,对叁次风口火焰图像预处理,提取火焰特征量,进行神经网络设计与训练,最后进行仿真测试。实践中运用该方法,还原终点识别效果较好。
蒋绍坚, 夏玮, 夏明军, 廖舟, 苏佳兴[6]2016年在《基于烟气烟尘分析的烟化炉冶炼终点判断》文中研究指明烟化炉冶炼终点判断的准确性,是影响烟化炉生产成本、能耗及回收率高低的重要因素。通过生产过程中的烟气烟尘分析,寻得粉尘浓度和二氧化硫浓度在吹炼期的变化规律,提取吹炼期粉尘浓度变化曲线、二氧化硫浓度峰状曲线的特征量,分析其在冶炼终点时的特征,得到冶炼终点的判断指标,为冶炼终点的自动判别提供了新的思路。
张寿明, 张云生, 张付杰[7]2003年在《烟化炉吹炼终点判断图象处理研究》文中研究表明提出了一种通过对烟化炉叁次风口火焰图象二值化分析处理,判断烟化炉吹炼点的方法和技术思路。实验结果表明,该方法可以较好地将吹炼终点判断出来。
张寿明, 张云生, 张付杰[8]2004年在《烟化炉吹炼终点火焰图像特征研究》文中研究表明通过对烟化炉叁次风口火焰图像的处理,发现烟化炉吹炼终点火焰特征与非终点火焰特征具有明显区别,这为化炉吹炼终点判断提供了新的方法和技术思路。
张寿明, 张云生, 张付杰[9]2003年在《烟化炉吹炼终点判断图象处理研究》文中进行了进一步梳理提出了一种通过对烟化炉叁次风口火焰图象二值化分析处理 ,判断烟化炉吹炼点的方法和技术思路。实验结果表明 ,该方法可以较好地将吹炼终点判断出来。
师帅[10]2005年在《基于数据融合技术的烟化炉冶炼终点判断研究》文中指出烟化炉是冶金行业用来处理炉渣(如铜渣、铅锌渣、锡渣等)及难选矿的重要冶炼设备。现行的人工经验操作方法,工人的劳动强度大,工作环境恶劣,产品回收率低且能耗高,并且在终点判断上,因受主观影响较大,不能保证产品质量的稳定性。因此有必要将操作人员的丰富经验和计算机控制技术相结合,形成标准化、智能化的操作过程,以提高生产效率,降低工人的劳动强度。 要实现冶炼终点的计算机判断,靠单一传感器得到的单一信息判断起来必然不足,而且,经过多次现场调研,烟化炉的冶炼状态判别与加冷料量、冶炼时间、给煤量、炉内的温度、叁次风口火焰的特征等有直接关系,因此,本文采用多传感器数据融合的方法来实现冶炼终点的判断。 数据融合的算法有许多种,根据不同的实际情况需采用不同的融合算法。鉴于烟化炉冶炼过程是一个复杂的工艺过程,不能建立一个精确的数学关系式。由此,本文采用BP神经网络作为系统的融合算法。 本文主要是对融合系统的仿真研究,经过多次反复的神经网络训练,得出融合系统采用的神经网络结构和训练算法,融合结果比较满意,最后,提出了数据融合系统的初步设计。
参考文献：
[1]. 烟化炉终点判断图像处理研究[D]. 张付杰. 昆明理工大学. 2003
[2]. 基于冶炼过程及终点判断技术的烟化炉智能控制系统研究[D]. 张寿明. 昆明理工大学. 2009
[3]. 烟化炉冶炼终点自动判别系统的设计与实现[D]. 黄莉萍. 昆明理工大学. 2005
[4]. 基于图像处理和BP网络的烟化炉终点判断法[J]. 黄莉萍, 张寿明. 有色金属(冶炼部分). 2005
[5]. 基于图像的烟化炉冶炼还原终点判断研究[J]. 梁玲. 中国有色冶金. 2017
[6]. 基于烟气烟尘分析的烟化炉冶炼终点判断[J]. 蒋绍坚, 夏玮, 夏明军, 廖舟, 苏佳兴. 工业炉. 2016
[7]. 烟化炉吹炼终点判断图象处理研究[C]. 张寿明, 张云生, 张付杰. 首届全国有色金属自动化技术与应用学术年会论文集. 2003
[8]. 烟化炉吹炼终点火焰图像特征研究[J]. 张寿明, 张云生, 张付杰. 有色金属(冶炼部分). 2004
[9]. 烟化炉吹炼终点判断图象处理研究[J]. 张寿明, 张云生, 张付杰. 有色冶金设计与研究. 2003
[10]. 基于数据融合技术的烟化炉冶炼终点判断研究[D]. 师帅. 昆明理工大学. 2005
标签：计算机软件及计算机应用论文; 烟化炉论文; 数字图像处理论文; 色彩空间论文; 共生矩阵论文;