一、基于数学形态学的锅炉火焰图像骨架提取(英文)(论文文献综述)
黄帅[1](2020)在《基于机器视觉的大型生活垃圾焚烧过程诊断方法研究》文中提出我国城市生活垃圾年清运量和焚烧处置率逐年递增,垃圾焚烧发电项目日渐增多,大型化焚烧炉已成发展趋势。但我国垃圾组分复杂多变且随着国民经济发展,垃圾热值逐渐高于焚烧炉设计热值,导致了诸多燃烧问题。比如燃烧恶化导致污染物原始生成浓度剧增、垃圾焚烧不彻底、炉渣热灼减率偏高等。目前炉内燃烧监测诊断主要通过热电偶等测温装置进行,监测系统覆盖范围窄且参数的测量具有滞后性,对焚烧过程中出现的偏烧问题反馈不及时。因此有必要对炉内燃烧过程的诊断方法开展相应研究。本文基于750 t/d的大型生活垃圾焚烧炉排火焰图像开展了燃烧诊断方法研究,通过图像提取的特征参数对燃烧状态进行表征和评价,基于人工神经网络预测未来时刻主蒸汽温度,并实现偏烧问题诊断的快捷化、智能化。论文首先通过图像处理技术获得燃烧图像灰度均值、火焰面积率、火焰高温率、火焰前沿等关键参数,并基于上述参数和因子分析法对燃烧恶化开展综合评价。然后开发了用于偏烧状态识别的K邻近算法模型和卷积神经网络(CNN,Convolutional Neural Networks)模型,对比分析了各自的优缺点。对于CNN模型,通过K-mean聚类改变卷积层特征提取函数,既简化模型结构又提高特征提取效率。最后将燃烧图像和分布式控制系统(DCS,Distributed Control System)运行参数(温度、配风、主蒸汽参数等)结合起来开发用于预测未来时刻主蒸汽温度变化的神经网络,并发现将燃烧图像的特征信息作为神经网络输入能提高预测精度。
王建功[2](2019)在《基于数学形态学的混凝土表面麻点检测方法》文中进行了进一步梳理由于原材料、增加剂、施工工艺、外部环境等多方面的原因,混凝土表面或多或少地会产生麻面、蜂窝、孔洞、气泡、龟裂、污渍、色差等缺陷,影响硬化混凝土的外观质量。为了提高混凝土外观质量,需多次进行工艺试验,观察对比每次试验结果的缺陷改善情况,来改进施工的工艺参数。目前,在施工和试验过程中,对麻面、蜂窝、孔洞、气泡等麻点的检测主要采用的是人工观察检测法。该方法用彩笔在混凝土表面标识出麻点,对麻点气泡等缺陷进行观察、测量、统计分析。该方法存在效率低、主观性强、结果不精确等问题,还会在混凝土表面留下污渍。为了解决人工检测带来的问题,本文提出基于数学形态学的检测混凝土表面麻点的方法,可有效弥补纯人工检测的问题。该方法分为图像采集、刻度识别和麻点识别三个模块。图像采集模块是在混凝土表面竖直放置一把刻度尺,用高清数码相机拍照,获得高清图像。为了提高图像分析的效率,将彩色图像转变为灰度图像。刻度识别模块有两个功能:一是识别出刻度尺的在图像中的坐标,将刻度尺从图像中提取出来,将整幅图像分开为刻度尺和混凝土表面两个单独的部分;二是用数学形态学方法,提取出图像中的刻度线,检测出每两根刻度线间的像素数量,用频率分布直方图函数和标准差函数结合的方法剔除偏移值后求取平均值,得到单位长度内的像素数量,从而计算出单个像素的实际面积,为确定整幅图像的大小和麻点的面积提供依据。麻点识别模块是对图像中的混凝土表面麻点进行识别、统计和分析。将图像中留有刻度尺阴影的区域与未受阴影影响的区域分开,两部分采用不同的方法进行图像增加处理,分别二值化后再合并为一幅完整的图像。用数学形态学方法识别其中的麻点,用连通分量提取的方法,统计麻点的总量和单个麻点的像素数量,计算出麻点的实际面积。最终统计计算图像中面积大于1平方毫米和面积大于2平方毫米的麻点个数。本文运用Matlab编制了检测程序,对该方法进行了实验。实验共选取20幅实际图像作为输入,实际仿真得出了分析结果。实验采用形态学梯度的方法,在原图中标识出麻点的轮廓,便于人工对实验结果进行核查。经过人工核查,证实本文方法对刻度的检测准确率高,对麻点检测有较高的检出率和正确率,可以满足施工和实验中对混凝土表面麻点进行统计分析的需要。
姚龙超[3](2019)在《数字全息颗粒燃烧与液滴雾化测量方法与应用》文中指出燃料颗粒与液滴的几何参数和运动参数在燃烧和雾化中发生剧烈变化,并直接影响燃烧效率和污染物生成。固、液燃料燃烧的机理尚不完全明确,主要原因之一是缺乏对这些颗粒的定量、在线、时空分辨测量。大多数光学诊断技术只能测量单点或平面内的个别参数,例如相位多普勒分析仪(PDA)测量单点粒径与速度,粒子图像测速法(PIV)测量二维速度。数字全息技术作为一种新兴的三维成像技术,展示了对多相流中颗粒三维、多参数测量的巨大潜力。然而,数字全息仍存在一些缺陷:z轴定位精度较低;测量燃烧颗粒时易受火焰影响;无法测量雾化过程中产生液丝的三维形貌。针对以上三个问题,本文通过理论、模拟、实验结合的方法研究了数字全息燃烧和雾化测量技术,并将其成功应用于煤粉和生物质燃烧以及乙醇液滴二次雾化的三维、定量、动态测试中。为了提高数字全息颗粒测量精度,建立了平面波、球面波、含成像透镜等多种同轴数字全息图记录条件下的统一模型,以及任意球面波离轴数字全息图记录的模型,优化了光路系统的参数。然后采用基于重建图亮度和梯度的自适应阈值识别颗粒,提出颗粒边界亮度梯度方差这一定位判据,减弱了邻近颗粒的影响,实现了重叠颗粒的分离。z轴定位误差降低至30μm左右(约5个像素),约为现有水平的10%40%。为了研究和减弱火焰对燃烧颗粒测量结果的影响,建立了火焰中颗粒的全息图形成的模型。利用该模型模拟和重建了不同火焰温度分布时的颗粒全息图,发现当颗粒位于较高温度梯度区域时,同轴全息重建图发生像散、对比度下降,定位误差增大;而由于参考光没有经过火焰区域,离轴全息重建图几乎没有影响。当颗粒位于较低温度梯度区域时,同轴全息和离轴全息受火焰影响都较小。对燃烧的乙醇单液滴和液滴群的试验研究验证了理论和模拟结果,并且证明了离轴全息可以近似测量液滴周围对称火焰的温度分布。开展了射流火焰、平面火焰中燃烧的煤粉以及生物质颗粒的数字全息颗粒轨迹追踪(DHPTV)测试研究。观察到颗粒运动、旋转、破碎,挥发分析出和燃烧,碳烟聚集等现象。在脱挥发分过程中,颗粒粒径略有增大,颗粒形貌变得更加不规则。燃烧后粒径分布曲线在40μm左右处出现次峰,来自于颗粒破碎和碳烟聚集。碳烟尾迹的运动速度大于母颗粒,两者的相对速度可近似表征气固滑移速度。为了测量三维液丝,提出了一种细条状物体三维形貌和体积测量方法。该方法先从二值化图中根据连通区域的高宽比和实心度识别细条状物体,然后自动沿着骨架和边界将物体分成小段,提取每个小段的尺寸和位置,最后缝合成完整的物体。用一根已知参数的弹簧标定尺寸误差小于25μm,z轴定位误差小于200μm。利用20 kHz高速数字全息测量了2.34 mm直径乙醇液滴二次雾化过程中产生的液丝和子液滴的动态变化过程。Weber数为11时,袋状破碎初期产生大量300μm以下的小液滴,新产生的液滴粒径逐渐增大,速度逐渐减小;然后形成一个液环边界,破碎形成少量650μm和1.1 mm左右的大液滴,导致粒径呈三峰分布。Weber数增大到25时,发生多模态破碎,产生多枝状液丝。两种液丝体积都占初始体积的90%以上。
王勇青[4](2017)在《转炉炼钢炉口光谱分析用于终点温度控制的研究》文中研究指明转炉炼钢是现代钢铁生产中重要方式,我国86%的钢产量出自转炉炼钢。转炉炼钢终点控制是其关键工艺之一。所谓转炉炼钢终点控制是指在炼钢过程中,准确地控制冶炼终点钢水温度和碳含量,对控制钢水质量,节能降耗,提高劳动生产率有着及其重要的意义。在转炉冶炼过程中,由于加入原材料的不稳定性和吹炼过程中复杂的化学反应,对终点碳、温度进行准确地在线检测,一直是全世界冶金行业亟待解决的难题。本文针对这一问题,基于转炉炼钢炉口的光谱辐射信息特征分析,开展转炉炼钢钢水温度在线非接触测量研究,从而实现终点温度准确的在线控制。通过对炉口 345nm到1045nm波段的光谱数据分析,炉口光谱为特征谱线叠加在连续辐射上,在可见光波段有明显的辐射能力。依据所获得的炉口辐射光谱信息,根据黑体辐射理论采用双色法、三色法(灰体模型和Hottel-Broughton模型)及多光谱分析方法分别计算了辐射的平均温度。以彩色CCD为探测器件测量了转炉口光谱辐射投影温度,并进行了伪彩色编码;对转炉口辐射光谱图像进行预处理,包括灰度增强处理、去噪处理、大津(OTSU)阈值分割等;将RGB彩色图像变换到其他彩色空间进行灰度处理;统计了转炉辐射光谱图像ROI区域内的灰度平均值,统计了图像灰度共生矩阵和灰度差分矩阵,提取出图像的角二阶矩、熵、惯性矩、相关性、逆差矩、均值等纹理特征量。统计的灰度平均值及纹理特征量都将作为建立钢水温度预测模型的输入参量。针对实际炼钢现场的各种干扰,以特征波长的强度信号、反映整体辐射强度的信号、反映冶炼时间参量的帧数序号、反映光谱辐射面强度信号的平均灰度值、以及实际炼钢现场的各种干扰,辐射图像的一些纹理特征作为网络的输入参量,首次成功设计了能够排除多种实际现场干扰的终点温度预测模型。本文测试的千余炉数据均采集于实际的转炉吹炼过程。现场试验结果表明,本文构建的终点钢水温度预测模型,完全满足了实际转炉炼钢现场要求。在国内外首次成功实现了采用转炉炼钢炉口的光谱辐射信息特征分析,进行转炉吹炼终点温度的在线实时地准确预测。对世界转炉炼钢终点控制技术的发展具有开创性的意义和广泛的应用价值。
赵文强[5](2016)在《基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制》文中认为目前,垃圾焚烧处理已成为垃圾处理的主要方式。在垃圾焚烧处理中,燃烧系统控制是整个垃圾焚烧控制的核心,而在燃烧系统控制中,重点是利用火焰燃烬点位置信息对焚烧炉的炉排速度进行控制,炉排速度的控制好坏直接决定焚烧处理的效果。现阶段,主要以工业相机、图像采集卡和工控机组成火焰燃烬点检测系统,该系统存在实时性较差、功耗大、体积大以及灵活性差等缺点。针对上述缺点,本文设计了一种基于嵌入式的垃圾焚烧炉火焰燃烬点检测器。主要完成以下工作:首先,对垃圾焚烧炉的工艺进行研究,结合现有的火焰燃烬点检测方案提出了火焰燃点检测器的设计要求。根据设计要求对检测器的硬件方案进行了论证,提出了以ARM+DSP为主体的硬件系统架构,确定了以OMAPL138处理器为核心的硬件系统方案,并分别对硬件系统的主处理器模块、图像采集模块、模拟量输出模块、液晶显示模块、存储模块、通讯模块以及电源模块进行了电路设计。此外,根据硬件平台的特点,提出了检测器的软件系统方案,选用Linux作为ARM处理器的操作系统,搭载设备驱动和应用软件;采用DSP/BIOS作为DSP处理器的操作系统,管理图像的采集和处理。其次,提出了利用火焰燃烧图像来获取火焰燃烬点位置信息的方法。研究过程中选取了不同燃烧状态下的火焰图像进行处理,以提高算法的适应性。考虑到图像在采集和传输过程中会受到噪声的干扰,分别采用了均值滤波、中值滤波对图像进行去噪处理,并对结果进行分析,确定了中值滤波做为图像的去噪方法;分别采用了双峰法、最小误差法和最大类间方差法对图像进行分割,通过对分割效果的对比,最终确定了以最大类间方差法作为图像的分割方法,从而更好的分割出图形中的火焰燃烧区域。为解决分割后图像存在突刺等缺陷问题,采用数学形态学方法对分割后的图像进行处理;以形态学处理后的图像为基础,提出了火焰燃烬点的分析方法以及火焰燃烬点位置的计算方法,并通过仿真进行了验证。最后,研究了软件系统的实现方法,并利用QT软件开发了适合嵌入式操作系统的图形用户界面,通过该界面用户可查看火焰燃烬点的检测信息、检测器的运行状态以及设置相关参数。
李鹏举[6](2016)在《基于火焰图像吹炼信息特征提取的转炉炼钢终点判定方法研究》文中研究说明钢铁行业在国民经济中占有重要地位,转炉炼钢作为最主要的生产方式在全世界范围内获得了广泛应用。转炉炼钢终点的准确判定对提高钢铁质量、降低冶炼成本和减少环境污染等都有重要意义,同时也是长久以来的难题。近年来,基于图像处理的转炉炼钢终点判定方法以其低成本和抗干扰性强等特点得到快速发展。熔池中的化学成分和温度变化会表现在炉口火焰的颜色、纹理和火焰动态变化上,准确提取吹炼过程中火焰的特征是基于火焰图像判定吹炼终点的重要内容。现有算法主要在灰度空间下对火焰的静态特征进行提取,对火焰丰富的彩色纹理特征应用不足且忽视了火焰的动态变化特征。本文旨在对火焰的彩色纹理和火焰的动态变化特征进行提取并将其应用于转炉炼钢终点的判定,主要研究内容如下:(1)提出在HSI颜色空间下应用颜色共生矩阵方法对火焰的彩色纹理进行建模,并提取熵、角度方向二阶矩和逆差矩特征作为火焰彩色纹理的表述。在此过程中对HSI颜色空间进行了非均匀量化以保证运算速度,应用高斯归一化方法对特征向量进行处理,并与现有的灰度共生矩阵和灰度差分统计等火焰纹理提取方法进行对比,表明了本文算法的有效性。(2)为了对火焰的动态变化特征进行提取,提出一种描述火焰边界动态形变过程的方法并将其应用于转炉炼钢终点的判定。首先,应用骨架方法定位了符合视觉感知的火焰中心;其次,基于此中心对火焰边界进行了极坐标建模;最后,在边界模型基础上定义了边界动态形变幅度谱的提取方法,并提取其特征作为火焰的动态变化特征。在此之前,对火焰图像和获取的火焰边界进行了一系列处理。与现有的边界差分链码曲率、圆形度和边界不变矩方法相比,证明了本文算法的有效性。(3)建立融合多火焰特征的终点判定模型。对火焰的颜色均值特征进行提取,并与火焰纹理特征、边界形变特征作为广义回归神经网络的输入。设计开发显示界面并编写回调函数实现显示功能。本文对火焰的彩色纹理和边界动态形变特征进行提取,对现有的转炉炉口火焰特征提取方法进行了补充,并将其应用于转炉炼钢终点的判定,与现有算法相比证明本文算法的有效性,为基于炉口火焰图像处理判定转炉炼钢终点的难题做了新的尝试,具有较高的现实意义和应用价值。
宋昱[7](2012)在《火焰图像处理与状态识别》文中进行了进一步梳理准确实时地监测锅炉燃烧火焰状态对于提高燃烧有效性,预防潜在危险的发生具有重要的意义。因此,对火焰图像处理与状态识别的关键技术进行研究具有重要的理论和实际意义。本文在现有成果的基础上,研究了火焰图像去噪、增强、阈值分割、边缘检测和状态识别的方法,主要工作如下:首先,研究了一种基于双树复小波变换和隐马尔可夫树(HMT)模型的锅炉煤燃烧火焰图像去噪方法。该方法利用双树复小波变换的多尺度,多方向和平移不变性的特点,将其与HMT模型相结合,从而能够准确地描述双树复小波变换域系数在相邻尺度间的相关性。通过对实验结果的定量分析可知,该方法取得了良好的去噪效果。其次,提出了基于Contourlet变换和参数对数图像处理(PLIP)模型的锅炉煤燃烧火焰图像增强方法。该方法利用Contourlet变换将火焰图像分解为低通子带和各带通方向子带,对低通子带采用PLIP Lee算法进行增强,对各带通方向子带系数采用非线性增益函数进行处理,同时利用NCPSO算法优选增强算法中的参数。实验结果表明该方法能够有效地对火焰图像进行增强。再次,实现了一种基于倒数交叉熵的锅炉煤燃烧火焰图像多阈值分割方法。首先给出了倒数交叉熵的定义,导出了最小倒数交叉熵单阈值选取公式,然后将此推广到多阈值选取,给出最小倒数交叉熵多阈值选取的改进粒子群优化算法。由实验结果可知,与基于改进粒子群优化的最大Shannon熵、灰度熵、Otsu、Shannon交叉熵等方法相比,提出的方法有明显的优势。接着,提出了一种基于各向异性数学形态学的锅炉煤燃烧火焰图像边缘检测方法。在图像的各个不同像素点上,根据各个点的方向信息构造适合的形态结构元素,并计算各个点的形态学梯度,根据形态学梯度的计算结果检测火焰图像的边缘。与现有的边缘检测方法相比,提出的方法检测出的边缘定位更加准确,边缘更加完整。最后,给出了一种基于灰度熵多阈值分割和支持向量机(SVM)的火焰图像状态识别方法。该方法对火焰图像进行基于灰度熵准则的多阈值分割,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,并采用支持向量机依据提取的特征对火焰图像进行分类。实验结果显示与采用将图像像素作为训练样本的方法相比,提出的方法分类识别正确率更高。
刘辉[8](2012)在《转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究》文中指出转炉吹炼数据预测能够有效地对终点进行判断控制。随着数字图像处理技术的快速发展,利用火焰图像得到吹炼数据的方法被许多学者所关注。吹炼过程中,熔池内的温度变化,碳、磷等化学元素的氧化速度变化,必然会从火焰上表现出来,形成炉口火焰的颜色、亮度、形状、长度等特征的变化。构建适当的特征描述子,准确表达火焰特征值随温度、碳、磷变化的特点,是基于火焰图像分析的转炉吹炼数据预测的关键所在。火焰的燃烧过程快速动态变化,具有短暂的稳态瞬间;边界线的变化既表现在其外形轮廓的宏观形态方面,又体现在小尺度范围内有意义的拐点变化;火焰的纹理是一种非周期的自然纹理,表现为随机微纹理的特点,这些都成为提取火焰图像特征值的难点。本文旨在对解决这一难点问题展开较为深入的研究,并提出一些新的方法和改进,论文的主要内容如下:1、火焰图像在采集过程中,光路上的烟尘及杂质可能影响火焰图像的清晰度,研究基于数学形态学的彩色火焰图像预处理方法。在分析二值形态学和灰度形态学图像处理算法和原理的基础上,将灰度矢量形态学图像处理推广至彩色矢量形态学处理,提出了基于均匀空间色差度量的矢量形态学图像处理方法。根据在均匀的Lab色彩空间中,颜色之间视觉上的差距与颜色坐标上的欧几里得距离成正比的特点,将量化后的色差大小作矢量排序的准则,然后利用四元数法建立彩色图像模型和形态学结构元素模型,在此基础上定义新的彩色形态学腐蚀、膨胀、开、闭运算子,利用定义的形态学图像处理方法对彩色测试图像作去除椒盐噪声,边界提取等预处理,并与已有方法进行图像处理效果的对比,表明本文方法能较好地提取边界和去除椒盐噪声。2、对彩色火焰图像做分割处理和色度信息提取。分别利用色彩相似度系数评定方法和欧几里得距离判定的方法分割火焰和背景,并对其性能进行评价。在彩色火焰分割的基础上,统计火焰色彩的三阶矩特征,利用广义回归神经网络(generalized regression neural network,GRNN)建立基于色彩信息的吹炼预报模型,并与色彩均值方法识别结果作比较,分析比较证明火焰三阶矩特征具有较好的运行速度和预测精度,可以作为彩色火焰色度信息的特征值。3、为了准确表达火焰边界弯曲复杂程度,描述熔池内碳的氧化速率。定义一种差分链码曲率计算方法,能准确表达火焰边界的弯曲度,同时为了消除边界小尺度拐角对曲率计算精度的影响,提出采用多边形重建的方法对火焰边界进行重构,在保证火焰外形轮廓的同时,能有效去除干扰拐点。提取转炉火焰在不同吹炼时期的边界复杂度特征,用广义回归神经网络建立基于火焰边界复杂度的吹炼数据预报模型,对比线不变矩、圆形度边界描述方法,分析和对比证明本文方法的有效性,可用于提取火焰边界复杂度特征值。4、为了表达火焰纹理粗糙度,用于描述熔池内杂质的氧化速率及燃烧的状态,提出了基于灰度差分统计的纹理复杂度描述方法,给出一种适用于随机微纹理处理的差分统计策略。在此基础上,建立灰度差分直方图,计算其特征值,由于熵值代表了复杂度的概念,符合本文应用的场合,利用广义回归神经网络建立基于纹理复杂度熵值特征的转炉吹炼数据预报模型,对比Laws纹理、灰度共生矩阵方法的预测结果,分析和对比本文方法的有效性,可用于提取火焰纹理复杂度。5、设计基于图像识别的转炉吹炼数据预测系统,包括硬件结构和软件功能。设计了系统的硬件组成、结构。利用MATLAB GUIDE可视化操作平台设计操作界面,编写回调函数火焰图像读取、分割预处理、色度特征提取、边界弯曲复杂度特征提取、纹理粗糙复杂度特征提取,利用广义回归神经网络建立多图像特征和转炉吹炼数据之间关系的预测模型。提出一种对跳变数据的修正方法,能有效提高识别率,与BP网络进行结果对比,证明本文方法的有效性及可行性。转炉吹炼过程中,炉口火焰图像快速多变、各种自然特征呈现复杂变化,本文旨在通过研究适合火焰图像处理的特征提取方法和理论,建立起火焰图像特征与转炉吹炼数据之间的关系模型,能够达到对实际吹炼过程中的数据实时预测,进而对转炉终点进行有效控制。
陈荣保[9](2010)在《基于视觉融合的监控机理及其在锅炉燃烧中的应用研究》文中指出电力系统是国家建设的保障体系,在以可持续发展的各项发电技术中,煤电充当着发电行业的主要角色。燃煤发电技术从能耗角度分析,低能耗零排放和等量煤耗下的高发电效率,使亚临界机组不断地被超临界机组和超超临界机组所替代。但从发电工艺角度分析,都是燃煤发电。燃煤发电包括了给粉环节、燃烧环节、发电环节和辅助环节,整个发电过程是一个大容量、大滞后、非线性的理化特性型工艺参数的多能量转换过程,由电厂分散控制系统(DCS)实时过程监控。电厂DCS在电厂生产中发挥着重要作用,是电厂生产普遍选用的监控系统。但在DCS对电厂的监控过程中,控制策略的依据并非来自于发电过程中最重要的工艺对象——炉膛火焰,而是间接测量与之相关的延伸参数,如主汽温度、主汽压力等。事实上,炉膛火焰关联着所有工艺参数,关联着发电过程的各个环节和生产的安全、稳定和可靠。针对炉膛火焰的研究及其对炉膛火焰的燃烧监控,涉及到热动力学、燃烧学、图型学、信号处理、控制科学与技术等多学科领域,而且对发电本身也具有直接正向效应。对大型燃煤锅炉而言,炉内悬浮燃烧状态的火焰,是一种非常复杂的悬浮燃烧,它的工况是不稳定的。锅炉燃烧的安全性取决于火焰燃烧的稳定性,如果燃烧不稳定,炉内温度场不均匀,容易出现重大事故。因此开展炉膛火焰的研究具有重要的学术意义和显着的应用价值。炉膛火焰的信号获取是基于CCD传感器的二维视频信号,本文在了解和掌握图像处理方法,分析炉膛火焰的基本信息和图像预处理算法的基础上,运用图像处理技术对炉膛火焰展开全面的特性研究,并基于研究结果探索了对炉膛火焰的诊断技术和实时监控方法,具体开展了以下研究工作:(1)分析炉膛火焰图像的噪声和抑制技术,采取算术平均滤波和中值滤波算法有效实现图像去噪;研究了炉膛火焰图像的灰度特征、温度特征和相关的煤粉特性;全面研究炉膛火焰的温度和温度场测量技术,提出了基于景深温度场的误差修正方法;划分了火焰特征区域,确定了区域边缘特征及其特征区域所呈现的各个图型特征,全面研究了基于炉膛火焰特征的主要诊断技术,通过对比分析得出特征区温差、火焰平均温度、高温面积率、高温区圆度率和火焰质心偏移率等的实时数值有助于炉膛火焰的监控。(2)研究了火焰探测技术及其控制。全面研究炉膛火焰的图像处理算法,为控制策略提供有效的、准确的特征数值;研究了炉膛火焰燃烧控制的策略方法,包括控制对象模型识别、控制策略及其实现,提出了将基于二维图像的火焰特征、聚类特征和基于时基的火焰探测器燃烧状态进行融合,以此共同决策炉膛火焰的实时控制方法。(3)总结了炉膛火焰图像的操作、预处理、转换、处理技术、特征计算、策略研究和温度—色彩变换、伪彩色显示技术等,设计了炉膛火焰图像信息平台。基于图像采集和图像处理、计算、判断和控制,研制了实时监控DCS和底层的炉膛火焰测控基站,能完成无线图像传送功能并确保传送的实时性。采用本文技术构成的DCS能满足基于炉膛火焰的实时控制需求,使电厂生产更加安全、稳定和可靠。
张欣[10](2009)在《火电厂煤粉锅炉燃烧状态智能监测与评判研究》文中进行了进一步梳理由于现代热力发电设备向着大容量和高参数的方向发展,机组设备越来越复杂,对生产过程的控制品质要求越来越高。火电厂煤粉锅炉燃烧状态的监测与评判,对于保障生产的安全性、经济性和环保性是非常有意义的。将人工智能算法引入锅炉燃烧状态监测与评判,可以提高监测与判别的准确性、实时性,能为机组运行的自动控制提供可靠依据。目前火电厂煤粉锅炉燃烧状态监测以火焰图像为主要对象,从火焰图像处理、火焰图像状态评判和火焰燃烧过程状态建模的研究状况来看,人工智能的研究与应用具有积极的意义,为锅炉火焰燃烧状态监测和评判开辟了智能化的新思路。本文在研究一些热门人工智能算法和分析煤粉锅炉的工作原理及影响锅炉燃烧状态的因素的基础上,开展了以下三个方面的研究工作:①应用智能算法实现火焰图像的预处理和特征提取;②利用火焰图像和智能算法评判锅炉燃烧状态;③利用智能算法建立基于火焰图像序列的锅炉燃烧状态识别模型。本文提出了自适应投票法快速中值滤波(AVMF)算法用于图像滤波。本文详细介绍了煤粉锅炉火焰燃烧状态监测系统的构成和火焰图像采集的原理。分析了火焰图像的噪声产生机理及常用噪声去除方法。AVMF算法结合了自适应判断噪声点技术和投票法滤波算法,与现有其它中值滤波改进方法比较,既具有极高的处理速度,又能较好地保留图像细节。本文提出将遗传算法和混合高斯马尔可夫随机模型用于火焰图像的分割。由于煤粉火焰图像的大噪声和边缘模糊的特点,采用传统的基于灰度梯度的图像分割方法不能取得满意的效果。将遗传算法应用于火焰图像区域的分割和合并。实验结果表明该方法较之传统方法具有更理想的分割效果。基于图像数据的局部相关性,马尔可夫随机过程理论用一个二维随机场模型来描述图像。它用条件概率描述图像的数据分布,用高斯分布特性描述单个像素及其邻域关系。实验结果表明利用混合高斯马尔可夫随机模型能够分割噪声图像。本文提出将隐马尔可夫随机模型(HMM)用于基于火焰图像的燃烧状态识别。在研究了煤粉燃烧机理的基础上,提出了火焰图像中反映燃烧特性的特征参数及其计算方法。根据火焰燃烧的随机性特点,率先建立了基于火焰图像的锅炉燃烧状态识别HMM。实验结果表明该方法能够获得较满意的识别效果。本文提出了将交互式学习神经网络用于基于火焰图像的燃烧状态识别。利用球面邻域理论构建神经网络,使用交互式学习技术降低网络构建的复杂度,提高模型识别精度。实验结果表明该技术的能够获得更好的识别效果。本文提出了将光滑支持向量回归(SSVR)算法应用于火焰图像序列预测。仿真结果表明该方法具有一定的预测效果。根据火焰图像具有异常噪声的特点,本文率先提出了变ε光滑支持向量回归(AεSSVR)算法,并用于火焰图像序列分析。仿真结果表明AεSSVR能有效避免异常噪声带来的虚报警。本文提出了将隐马尔可夫模型应用于基于火焰图像序列的燃烧状态建模。利用隐马尔可夫模型对于随机过程的强大模式分类能力及其与传统方法相比具备的独特的自适应特性,本文率先建立了基于火焰图像序列的锅炉燃烧状态的一维隐马尔可夫模型和伪二维隐马尔可夫模型。通过与神经网络的对比,仿真结果表明伪二维隐马尔可夫模型具有更高的识别精度。本文的主要理论创新点:(1)提出了自适应投票法快速中值滤波算法并用于火焰图像滤波;(2)提出了变ε光滑支持向量回归算法并用于火焰图像序列分析。本文的主要应用创新点:(1)将遗传算法和混合高斯马尔可夫随机模型用于火焰图像的分割;(2)将交互式学习神经网络用于基于火焰图像的燃烧状态识别;(3)将隐马尔可夫模型用于基于火焰图像的燃烧状态识别;(4)将光滑支持向量回归算法用于火焰图像序列预测;(5)将隐马尔可夫模型用于基于火焰图像序列的燃烧状态建模。
二、基于数学形态学的锅炉火焰图像骨架提取(英文)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数学形态学的锅炉火焰图像骨架提取(英文)(论文提纲范文)
(1)基于机器视觉的大型生活垃圾焚烧过程诊断方法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 我国生活垃圾处置现状 |
1.2 城市生活垃圾炉排炉焚烧技术 |
1.3 生活垃圾燃烧优化研究现状 |
1.4 本文主要工作及研究内容 |
2 燃烧特征参数提取及燃烧状态诊断 |
2.1 引言 |
2.2 可视化燃烧监测系统 |
2.3 燃烧特征参数提取 |
2.4 基于特征参数的燃烧状态诊断 |
2.5 本章小结 |
3 基于燃烧图像的炉内偏烧状态识别 |
3.1 引言 |
3.2 偏烧图像的采集和分类 |
3.3 基于KNN算法的炉内偏烧状态识别 |
3.4 基于卷积神经网络的炉内偏烧状态识别 |
3.4.1 卷积神经网络原理 |
3.4.2 K-mean聚类算法 |
3.4.3 K-mean实现卷积层无监督特征提取 |
3.4.4 图像数据预处理 |
3.4.5 模型训练及结果分析 |
3.5 本章小结 |
4 主蒸汽温度的预测 |
4.1 引言 |
4.2 燃烧图像对于主蒸汽温度预测的影响 |
4.2.1 基于图像直方图反向投影的火焰分割提取 |
4.2.2 燃烧图像与主蒸汽温度的相关性分析 |
4.3 人工神经网络预测主蒸汽温度 |
4.3.1 数据采集及预处理 |
4.3.2 DCS数据训练预测主蒸汽温度的神经网络 |
4.3.3 DCS数据耦合燃烧图像训练预测主蒸汽温度的神经网络 |
4.4 本章小结 |
5 结论 |
5.1 全文总结 |
5.2 本文创新点 |
5.3 研究展望 |
参考文献 |
(2)基于数学形态学的混凝土表面麻点检测方法(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.3 本文研究的主要内容及框架 |
第二章 形态学图像处理基本理论 |
2.1 数学形态学简介 |
2.2 二值图像形态学 |
2.2.1 二值图像中的基本形态学的运算 |
2.2.2 二值图像形态学的组合运算及应用 |
2.3 灰度图像的形态学处理 |
2.4 模糊数学形态学 |
2.5 本章小结 |
第三章 混凝土表面麻点检测方法的设计 |
3.1 算法流程设计 |
3.2 图像采集及预处理 |
3.2.1 图像采集 |
3.2.2 图像预处理 |
3.2.3 空间域图像增强 |
3.3 刻度识别 |
3.3.1 刻度尺识别 |
3.3.2 刻度线识别 |
3.3.3 刻度数值统计 |
3.3.4 计算单个像素面积 |
3.4 麻点识别 |
3.4.1 图像处理 |
3.4.2 麻点统计 |
3.5 本章小结 |
第四章 麻点检测方法的实现与结果分析 |
4.1 刻度识别 |
4.1.1 图像采集及预处理 |
4.1.2 识别刻度尺 |
4.1.3 识别刻度线 |
4.1.4 计算单位长度内像素个数 |
4.2 麻点识别 |
4.2.1 图像增强 |
4.2.2 灰度阈值变换 |
4.2.3 提取连通分量 |
4.3 实验结果分析 |
4.3.1 刻度识别的结果分析 |
4.3.2 麻点识别结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 进一步的研究工作 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(3)数字全息颗粒燃烧与液滴雾化测量方法与应用(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的背景 |
1.2 燃料颗粒光学诊断现状 |
1.2.1 固体颗粒燃烧测量现状 |
1.2.2 雾化液滴测量现状 |
1.3 颗粒全息研究现状 |
1.3.1 颗粒全息的应用背景 |
1.3.2 数字全息测量方法的进展 |
1.4 本文研究思路与主要内容 |
第2章 颗粒全息原理及记录参数优化 |
2.1 颗粒全息的基本原理 |
2.1.1 衍射计算方法 |
2.1.2 颗粒全息图形成与重建 |
2.2 同轴数字全息记录系统的优化 |
2.2.1 采样条件与最佳纪录距离 |
2.2.2 有效数值孔径、分辨率与景深 |
2.2.3 数字全息的无量纲分析 |
2.3 球面参考波与含成像透镜的全息结构 |
2.3.1 球面波全息及其等效的平面波表述 |
2.3.2 含成像透镜全息及其等效的无透镜表述 |
2.4 全息图模拟与重建的数值计算 |
2.4.1 衍射数值计算的采样条件 |
2.4.2 采样窗口的设计 |
2.4.3 窗口对重建的影响 |
2.5 本章小结 |
第3章 数字全息图中颗粒识别与定位 |
3.1 全息图预处理 |
3.1.1 静态噪声去除 |
3.1.2 动态噪声去除 |
3.2 颗粒识别 |
3.2.1 景深扩展 |
3.2.2 颗粒识别方法 |
3.2.3 颗粒识别效果 |
3.3 颗粒z轴定位 |
3.3.1 ETV聚焦判据 |
3.3.2 ETV聚焦曲线的特点 |
3.4 识别率与测量误差 |
3.5 重叠颗粒与虚假颗粒处理 |
3.5.1 重叠颗粒分离 |
3.5.2 虚假颗粒去除 |
3.6 本章小结 |
第4章 液丝三维形貌测量与颗粒表面重建方法 |
4.1 细条状物体的三维结构测量 |
4.1.1 自动算法与精度标定 |
4.1.2 液丝三维形貌测量 |
4.2 后向散射全息物体表面重建 |
4.2.1 后向散射离轴全息结构 |
4.2.2 最佳记录条件 |
4.3 后向散射颗粒全息的模拟与实验 |
4.3.1 后向散射数字全息模拟研究 |
4.3.2 后向散射数字全息试验研究 |
4.4 本章小结 |
第5章 燃烧颗粒的测量方法 |
5.1 燃烧颗粒全息图模型与模拟 |
5.1.1 全息图形成模型 |
5.1.2 对称火焰折射率与温度测量 |
5.1.3 模拟研究 |
5.2 燃烧颗粒测量试验研究 |
5.2.1 试验方案 |
5.2.2 试验结果及分析 |
5.3 本章小结 |
第6章 煤粉和生物质燃烧的数字全息测试研究 |
6.1 试验系统 |
6.1.1 颗粒燃烧系统 |
6.1.2 数字全息光路系统 |
6.1.3 燃料颗粒特性 |
6.2 射流火焰中煤粉的测量 |
6.2.1 火焰与颗粒的直接观察 |
6.2.2 颗粒粒径与速度 |
6.3 平面火焰燃烧器中煤粉的测量 |
6.3.1 颗粒与挥发分的动态变化 |
6.3.2 颗粒粒径分布的演变 |
6.3.3 颗粒与挥发分的速度分析 |
6.4 平面火焰燃烧器中竹粉的测量 |
6.5 全息高温探针的设计与测试 |
6.5.1 全息高温探针的设计 |
6.5.2 全息高温探针的测试 |
6.6 本章小结 |
第7章 液滴二次雾化的数字全息测试研究 |
7.1 二次雾化试验系统 |
7.1.1 液滴破碎装置 |
7.1.2 高速全息系统 |
7.1.3 试验参数 |
7.2 液滴破碎三维动态测量结果 |
7.2.1 袋状破碎子液滴的粒径分析 |
7.2.2 袋状破碎子液滴的速度分析 |
7.2.3 速度与粒径之间的关系 |
7.3 液丝三维结构的演变 |
7.3.1 液环的三维动态变化 |
7.3.2 多枝结构液丝的三维动态变化 |
7.4 本章小结 |
第8章 全文总结与展望 |
8.1 全文总结 |
8.2 创新点 |
8.3 工作展望 |
参考文献 |
作者简历 |
(4)转炉炼钢炉口光谱分析用于终点温度控制的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 转炉炼钢终点控制技术发展与研究现状 |
1.2.1 转炉炼钢的终点碳含量控制方法 |
1.2.2 转炉炼钢的终点温度控制方法 |
1.3 本文主要研究内容 |
2 炉口辐射信息理论基础及其光谱特性分析 |
2.1 理论基础 |
2.1.1 系统设计的辐射理论及基本参量 |
2.1.2 朗伯(Lambert)漫辐射体及黑体辐射定律 |
2.1.3 转炉口光谱辐射特性 |
2.2 转炉口辐射光谱特性分析 |
2.2.1 炉口辐射单帧光谱特性 |
2.2.2 炉口光辐射闪烁特性分析及光谱数据处理 |
2.2.3 单帧光谱数据基线的提取 |
2.3 本章小结 |
3 转炉口辐射测温技术研究 |
3.1 表观温度与真实温度的关系 |
3.1.1 亮度温度 |
3.1.2 全辐射温度 |
3.1.3 颜色温度 |
3.2 有效波长 |
3.2.1 有效波长的意义 |
3.2.2 极限有效波长 |
3.3 多波长分析方法测量转炉口辐射温度 |
3.3.1 炉口辐射的非灰理论 |
3.3.2 基于双色法的CCD测温法 |
3.3.3 三色CCD测温法 |
3.3.4 多光谱用于辐射温度的测量 |
3.4 LabView平台下多波长辐射测温(MWTM)软件设计 |
3.4.1 软件各部分功能综述 |
3.4.2 软件MWTM中的计算方法和程序界面 |
3.5 现场试验结果分析 |
3.6 本章小结 |
4 转炉口光辐射投影温度场测量及纹理特征量提取 |
4.1 转炉口辐射图像的预处理 |
4.1.1 多帧转炉辐射图像加权平均 |
4.1.2 转炉辐射图像去噪处理 |
4.1.3 转炉口辐射图像的分割 |
4.2 转炉口光辐射投影温度场检测 |
4.3 转炉口辐射特征参量的提取 |
4.3.1 转炉辐射图像RGB到HSI、HSL、HSV色彩空间信息提取 |
4.3.2 转炉口辐射图像纹理特征提取 |
4.4 本章小结 |
5 基于小波神经网络(WNN)的转炉炼钢终点温度控制 |
5.1 小波神经网络(Wavelet Neural Network,WNN) |
5.1.1 小波变换及其滤波性质 |
5.1.2 人工神经网络(ANN) |
5.2 基于S型函数和Morlet小波函数的BP神经网络(SMNN) |
5.2.1 S型函数和Morlet函数 |
5.2.2 SMNN网络神经元的构成 |
5.2.3 SMNN网络神经元数目的确定 |
5.2.4 SMNN网络的学习规则 |
5.2.5 反馈型神经元的拓扑结构及其权值修正量 |
5.3 SMNN在转炉终点钢水温度控制中的应用 |
5.3.1 输入参量的选择和归一化 |
5.3.2 SMNN网络训练目标值的确定 |
5.3.3 SMNN网络的预测结果和分析 |
5.4 数据挖掘在转炉冶炼终点时刻钢水温度校正中的应用 |
5.4.1 数据预处理 |
5.4.2 级数型多项式数学模型的建立 |
5.4.3 BP网络数学模型 |
5.5 测试结果分析 |
5.6 本章小结 |
6 转炉炼钢炉口辐射综合系统设计 |
6.1 望远光学系统设计 |
6.2 小视场光学探测器件 |
6.3 炉口辐射视频探测系统 |
6.4 本章小结 |
7 全文总结、创新点及工作展望 |
7.1 论文总结 |
7.2 论文创新点 |
7.3 展望 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间发表的论文和出版着作情况 |
以论文研究内容申请的专利(指导老师为申请人) |
攻读博士学位期间参加的科学研究情况 |
附录A 三波长法计算的随时间变化的42炉辐射温度 |
附录B 波长589nm随时间变化的强度信号及其小波滤波信号 |
附录C 不同帧数辐射图像RGB、灰度、高斯及自适应高斯低通滤波 |
附录D 第7炉不同帧数辐射温度投影图 |
附录E 第15炉不同帧数辐射温度投影图 |
附录F 第39炉不同帧数辐射温度投影图 |
附录G 辐射图像灰度共生矩阵纹理特征量计算程序 |
附录H 辐射图像灰度差分矩阵纹理特征量计算程序 |
附录I 转炉炼钢辐射视频分析系统界面图 |
附录J 转炉炼钢辐射视频分析系统后面板程序框图 |
(5)基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 嵌入式技术概述 |
1.3 火焰图像检测的研究现状 |
1.4 研究目标和主要内容 |
1.5 本章小结 |
第2章 火焰燃烬点检测器的系统方案设计 |
2.1 垃圾焚烧炉的工艺流程和控制要求 |
2.1.1 垃圾焚烧炉的工艺 |
2.1.2 垃圾焚烧炉的控制要求 |
2.2 检测器的设计要求 |
2.3 检测器硬件方案设计 |
2.3.1 方案的选择与比较 |
2.3.2 方案的整体架构 |
2.4 检测器软件方案设计 |
2.4.1 操作系统的选择 |
2.4.2 软件系统的架构 |
2.5 本章小结 |
第3章 检测器的硬件系统设计 |
3.1 主处理器模块设计 |
3.1.1 主处理器介绍 |
3.1.2 最小系统设计 |
3.2 图像采集模块设计 |
3.2.1 视频解码电路设计 |
3.2.2 数据缓存器模块设计 |
3.3 模拟量输出模块设计 |
3.4 存储模块设计 |
3.4.1 DDR2存储器电路设计 |
3.4.2 NAND FLASH电路设计 |
3.4.3 SD卡接口电路设计 |
3.5 液晶显示模块设计 |
3.6 通讯模块设计 |
3.6.1 USB接口电路设计 |
3.6.2 RS485接口电路设计 |
3.6.3 以太网接口电路设计 |
3.7 电源模块设计 |
3.8 本章小结 |
第4章 垃圾焚烧炉火焰图像的处理和分析 |
4.1 火焰图像的灰度处理 |
4.2 火焰图像的噪声抑制 |
4.2.1 均值滤波 |
4.2.2 中值滤波 |
4.3 火焰图像的分割 |
4.3.1 双峰法 |
4.3.2 最小误差法 |
4.3.3 最大类间方差法 |
4.4 火焰图像的形态学处理 |
4.4.1 数学形态学概述 |
4.4.2 膨胀和腐蚀 |
4.4.3 开运算和闭运算 |
4.5 火焰燃烬点的分析 |
4.6 本章小结 |
第5章 检测器的软件系统设计 |
5.1 操作系统的实现 |
5.1.1 Linux系统的实现 |
5.1.2 DSP/BIOS系统的实现 |
5.2 应用软件设计 |
5.2.1 应用软件的开发环境 |
5.2.2 应用软件的开发流程 |
5.2.3 应用软件的实现 |
5.3 本章小结 |
总结与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(6)基于火焰图像吹炼信息特征提取的转炉炼钢终点判定方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 背景与研究意义 |
1.2 转炉炼钢工艺过程 |
1.3 终点判定方法研究现状 |
1.3.1 人工经验及取样法 |
1.3.2 静态模型控制法 |
1.3.3 动态模型控制法 |
1.3.4 炉口火焰图像分析法 |
1.4 本文研究内容及章节安排 |
第二章 火焰彩色纹理特征提取及终点判定测试 |
2.1 炉口火焰图像彩色纹理分析 |
2.2 基于颜色共生矩阵的火焰纹理特征提取 |
2.2.1 颜色共生矩阵 |
2.2.2 火焰图像预处理 |
2.2.3 纹理特征提取 |
2.3 基于纹理特征的转炉炼钢终点判定实验设计 |
2.3.1 实验数据 |
2.3.2 终点判定模型 |
2.3.3 实验流程 |
2.4 实验结果及分析 |
2.4.1 实验结果与对比 |
2.4.2 结果分析 |
2.5 本章小结 |
第三章 火焰边界动态特征提取及终点判定测试 |
3.1 吹炼数据与火焰动态形变的关系描述 |
3.2 火焰边界获取及处理 |
3.2.1 图像分割 |
3.2.2 火焰边界提取 |
3.2.3 火焰边界单连通化 |
3.2.4 火焰边界多边形近似 |
3.3 炉口火焰边界动态形变特征表示与描述 |
3.3.1 火焰区域中心描述 |
3.3.2 火焰边界建模 |
3.3.3 火焰边界动态形变幅度谱提取 |
3.3.4 火焰边界动态形变特征提取 |
3.4 基于边界动态变化特征的转炉炼钢终点判定实验设计 |
3.4.1 实验数据 |
3.4.2 识别模型 |
3.4.3 实验过程 |
3.5 实验结果及分析 |
3.5.1 实验结果及对比 |
3.5.2 实验结果分析 |
3.6 本章小结 |
第四章 融合多特征的吹炼终点判定实验 |
4.1 图像预处理及特征提取 |
4.1.1 火焰图像预处理 |
4.1.2 火焰图像颜色特征提取 |
4.2 融合多特征的终点判定实验 |
4.2.1 基于GRNN的终点判定模型 |
4.2.2 实验流程及结果 |
4.3 GUI设计 |
4.3.1 控件布局与数据结构设计 |
4.3.2 编写回调函数 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录A:攻读硕士学位期间学术论文发表成果 |
附录B:攻读硕士学位期间参与的基金项目 |
(7)火焰图像处理与状态识别(论文提纲范文)
摘要 |
ABSTRACT |
图表清单 |
注释表 |
英文缩略词表 |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 课题的国内外研究现状 |
1.2.1 火焰监测系统研究现状 |
1.2.2 火焰图像处理方法研究现状 |
1.2.3 火焰图像状态识别研究现状 |
1.3 本文的章节安排和主要创新点 |
1.3.1 本文的章节安排 |
1.3.2 本文的主要创新点 |
第二章 基于双树复小波域 HMT 模型的锅炉煤燃烧火焰图像去噪 |
2.1 引言 |
2.2 双树复小波变换(DT-CWT) |
2.3 双树复小波域隐马尔可夫树模型 |
2.3.1 基于高斯混合模型的双树复小波系数建模 |
2.3.2 基于隐马尔可夫树模型的尺度间系数关联建模 |
2.3.3 基于 EM 的 HMT 模型参数估计 |
2.3.4 双树复小波系数的贝叶斯估计 |
2.3.5 算法实现 |
2.4 实验结果与分析 |
2.4.1 去噪性能的量化评估 |
2.4.2 实验结果及分析 |
2.5 本章小结 |
第三章 基于 Contourlet 变换和 PLIP 模型的锅炉煤燃烧火焰图像增强 |
3.1 引言 |
3.2 Contourlet 变换 |
3.3 参数对数图像处理 |
3.3.1 PLIP 模型 |
3.3.2 PLIP Lee 算法(Lee Algorithm, LA) |
3.4 基于 Contourlet 变换和 NCPSO 的增强方法 |
3.4.1 NCPSO |
3.4.2 低通子带系数和带通方向子带系数的自适应调整 |
3.4.3 图像质量评价准则和适应度函数 |
3.4.4 增强算法步骤 |
3.5 实验结果与分析 |
3.6 本章小结 |
第四章 基于倒数交叉熵的锅炉煤燃烧火焰图像多阈值分割 |
4.1 引言 |
4.2 现有的 Shannon 交叉熵单阈值选取方法 |
4.3 倒数交叉熵的定义及其单阈值选取 |
4.4 基于改进粒子群优化的倒数交叉熵多阈值选取 |
4.4.1 倒数交叉熵多阈值选取公式 |
4.4.2 倒数交叉熵多阈值选取的改进粒子群优化算法 |
4.5 算法实现 |
4.6 实验结果与分析 |
4.7 本章小结 |
第五章 基于各向异性数学形态学的火焰图像边缘检测 |
5.1 引言 |
5.2 图像初步方向信息的计算 |
5.2.1 图像平均平方梯度向量(ASGV)的计算 |
5.2.2 图像平均梯度向量(AGV)的计算 |
5.3 图像平均梯度向量场(AGVF)的计算 |
5.3.1 AGVF 的变分形式 |
5.3.2 数值求解 |
5.4 各向异性数学形态学的构造和形态学梯度的计算 |
5.5 算法实现 |
5.6 实验结果与分析 |
5.7 本章小结 |
第六章 基于灰度熵多阈值分割和 SVM 的火焰图像状态识别 |
6.1 引言 |
6.2 基于灰度熵和改进粒子群优化的火焰图像多阈值分割 |
6.2.1 灰度熵的定义及其单阈值选取 |
6.2.2 灰度熵多阈值选取 |
6.2.3 灰度熵多阈值选取的改进粒子群优化算法 |
6.3 基于多阈值分割的火焰图像特征提取 |
6.4 基于改进粒子群优化的支持向量机算法 |
6.5 算法实现 |
6.6 实验结果与分析 |
6.7 本章小结 |
第七章 总结和展望 |
7.1 本文的主要工作 |
7.2 下一步的研究工作 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(8)转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究(论文提纲范文)
摘要 |
Abstract |
目录 |
插图清单 |
表格清单 |
符号表 |
第一章 绪论 |
1.1 课题背景与意义 |
1.2 转炉炼钢工艺过程 |
1.3 转炉炼钢吹炼数据预测方法 |
1.3.1 人工经验及取样法 |
1.3.2 副枪及炉气分析法 |
1.3.3 其它数据预测方法 |
1.4 数据预测中的火焰图像识别问题 |
1.4.1 基于彩色形态学的图像预处理 |
1.4.2 火焰图像特征提取 |
1.4.3 吹炼数据预测模型 |
1.5 本文的研究内容 |
第二章 均匀空间色差度量的矢量形态学火焰图像处理 |
2.1 二值数学形态学 |
2.1.1 基本运算子 |
2.1.2 二值形态学边界提取 |
2.2 灰度形态学图像处理 |
2.2.1 灰度形态学基本运算子 |
2.2.2 灰度形态学图像平滑处理 |
2.3 均匀空间彩色矢量形态学火焰图像处理 |
2.3.1 色彩矢量排序问题的讨论 |
2.3.2 基于均匀Lab色彩空间的矢量排序研究 |
2.3.3 定义基于矢量排序的彩色形态学 |
2.3.4 实验对比与分析 |
2.4 本章小结 |
第三章 火焰彩色图像分割与颜色特征提取 |
3.1 转炉火焰的图像分割 |
3.1.1 火焰图像的相似度度量分割 |
3.1.2 欧几里得距离颜色相似度度量分割 |
3.2 转炉火焰颜色特征提取 |
3.2.1 吹炼过程中元素与火焰颜色变化关系 |
3.2.2 颜色三阶矩特征提取 |
3.2.3 建立基于色度信息的吹炼数据预报模型 |
3.2.4 实验数据的选取 |
3.2.5 实验对比与分析 |
3.3 本章小结 |
第四章 火焰边界特征提取的差分链码曲率方法 |
4.1 吹炼过程中元素与火焰边界特征关系 |
4.2 形状特征提取与分析 |
4.3 边界的链码表示与描述 |
4.4 定义差分链码曲率 |
4.4.1 链码曲率 |
4.4.2 火焰边界差分链码曲率 |
4.4.3 火焰边界提取及单连通化 |
4.4.4 火焰边界的近似多边形重建 |
4.5 建模与实验分析 |
4.6 本章小结 |
第五章 火焰图像纹理特征提取的灰度差分统计方法 |
5.1 吹炼过程中元素与火焰纹理变化关系 |
5.2 随机微纹理特征提取 |
5.2.1 Laws纹理能量测量法 |
5.2.2 灰度共生矩阵纹理分析法 |
5.3 灰度差分统计火焰纹理特征 |
5.3.1 建立火焰纹理灰度差分统计策略 |
5.3.2 火焰纹理图像的特征计算 |
5.4 建模与实验分析 |
5.4.1 基于边界弯曲度的吹炼数据模型 |
5.4.2 实验结果 |
5.4.3 结果分析 |
5.5 本章小结 |
第六章 综合预测模型及系统设计 |
6.1 建立综合预测模型 |
6.1.1 图像预处理及特征提取 |
6.1.2 建立GRNN图像识别模型 |
6.2 系统软件设计 |
6.2.1 设计GUI对象布局与数据结构 |
6.2.2 编写回调函数 |
6.3 系统硬件配置 |
6.4 识别结果对比与分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 主要创新点 |
7.3 未来的工作展望 |
致谢 |
参考文献 |
附录 在读期间发表的论文及参与的科研项目 |
(9)基于视觉融合的监控机理及其在锅炉燃烧中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 燃煤电厂锅炉控制系统综述 |
1.1.1 火力发电技术 |
1.1.2 燃煤发电的建设和发展 |
1.1.3 电厂锅炉控制系统现状 |
1.2 视频图像及其应用现状 |
1.3 电站锅炉炉膛火焰的研究 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 电厂仿真技术研究现状 |
1.4 电厂控制系统现状及其存在问题 |
1.5 本文研究目标、内容、来源及其意义 |
1.5.1 研究目标 |
1.5.2 研究内容 |
1.5.3 研究来源 |
1.5.4 研究意义 |
1.6 本文的主要创新点 |
第2章 炉膛火焰图像采集及预处理技术研究 |
2.1 引言 |
2.2 炉膛火焰图像采集技术 |
2.2.1 成像技术简介 |
2.2.2 炉膛火焰图像采集系统 |
2.3 炉膛火焰图像预处理技术 |
2.3.1 数字图像处理技术 |
2.3.2 炉膛火焰图像预处理技术 |
2.4 炉膛火焰图像信息研究 |
2.5 本章小结 |
第3章 电厂煤粉锅炉燃烧火焰的特征参数研究 |
3.1 引言 |
3.2 炉膛火焰温度与煤粉特性 |
3.3 炉膛火焰图像的灰度特征 |
3.4 炉膛火焰的温度测量技术 |
3.4.1 基于燃烧反应热力学的燃烧热分析 |
3.4.2 基于黑体及其辐射理论的炉膛火焰温度计算 |
3.4.3 基于高温热电偶的温度计算 |
3.4.4 基于色/亮温度理论的温度计算 |
3.4.5 基于三色法的温度场计算和再现 |
3.4.6 炉膛温度测量技术比较 |
3.5 炉膛火焰图像的温度场测量技术 |
3.5.1 三基色辐射测量模型的建立 |
3.5.2 发射率模型的确定 |
3.5.3 火焰温度场的简化算法 |
3.5.4 火焰温度的修正 |
3.5.5 温度场分布 |
3.5.6 伪彩色处理 |
3.6 炉膛火焰图像的燃烧特征 |
3.6.1 炉膛火焰图像的燃烧特征区域分析 |
3.6.2 炉膛火焰图像的边缘特征 |
3.6.3 炉膛火焰图像的特征分析 |
3.6.4 炉膛火焰图像的燃烧特征 |
3.7 本章小结 |
第4章 基于炉膛火焰图像的诊断技术研究 |
4.1 引言 |
4.2 炉膛火焰特征区域 |
4.2.1 炉膛火焰边缘特征研究 |
4.2.2 火焰特征区划分 |
4.3 基于炉膛火焰图像特征的诊断技术 |
4.3.1 特征区判据 |
4.3.2 平均温度判据 |
4.3.3 平均亮度判据 |
4.3.4 高温面积率判据 |
4.3.5 高温圆度判据 |
4.3.6 高温区质心偏移距离判据 |
4.3.7 其他特征 |
4.4 火焰图像特征融合分析及关联度研究 |
4.5 本章小结 |
第5章 基于炉膛火焰图像的控制算法及策略研究 |
5.1 引言 |
5.2 炉膛火焰燃烧控制策略 |
5.2.1 控制对象模型分析 |
5.2.2 控制策略要求 |
5.2.3 控制方案 |
5.2.4 基于学习功能的炉膛火焰检测与监控方法 |
5.2.5 基于 Kohonen 神经网络的实时燃烧特征向量诊断方法 |
5.2.6 控制策略实现 |
5.3 本章小结 |
第6章 基于视频信息的电厂锅炉 DCS 系统研制 |
6.1 视频监控系统简介 |
6.2 具有视频图像的 DCS 架构设计 |
6.3 多种网络及总线下的图像传送实时性分析 |
6.3.1 多种网络及总线分析 |
6.3.2 实时性与图像压缩研究 |
6.3.3 硬件压缩技术 |
6.4 基于图像数字信号处理的电厂测控基站研制 |
6.5 基于MMS/SMS 数据格式 |
6.6 本章小结 |
第7章 炉膛火焰图像信息处理平台的研发 |
7.1 引言 |
7.2 炉膛火焰图像信息平台常规功能设计 |
7.3 炉膛火焰图像信息平台图像处理功能设计 |
7.3.1 基本图像变换 |
7.3.2 颜色处理 |
7.3.3 基本图像处理 |
7.3.4 火焰图像处理 |
7.3.5 信息平台的新增功能 |
7.3.6 离线实验研究 |
7.4 本章小结 |
第8章 总结与展望 |
8.1 研究总结 |
8.2 未来研究展望 |
参考文献 |
攻读博士学位期间完成的相关研究工作 |
1、发表的学术论文 |
2、完成的科研项目 |
3、出版的专业手册 |
致谢 |
(10)火电厂煤粉锅炉燃烧状态智能监测与评判研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 本课题的研究意义 |
1.1.1 安全性意义 |
1.1.2 经济性意义 |
1.1.3 环保意义 |
1.2 国内外的研究背景 |
1.2.1 火焰检测技术的发展历程 |
1.2.1.1 传统的火焰检测技术 |
1.2.1.2 火焰监视工业电视 |
1.2.1.3 火焰图像识别技术 |
1.2.2 火焰检测分类 |
1.2.2.1 按检测方式分类 |
1.2.2.2 按检测形式分类 |
1.2.2.3 按检测系统结构分类 |
1.2.3 基于火焰图像的燃烧状态监测研究现状 |
1.2.4 火焰燃烧状态监测中人工智能算法的应用研究现状 |
1.2.5 研究与应用中存在的问题 |
1.3 本文的研究内容与目标 |
第二章 锅炉火焰图像处理技术 |
2.1 引言 |
2.2 火焰图像采集系统的构成 |
2.2.1 光学传像装置 |
2.2.2 CCD 摄像机 |
2.2.3 视频采集卡 |
2.3 火焰图像采集原理 |
2.3.1 图像原理 |
2.3.2 数字图像处理系统 |
2.4 火焰图像预处理 |
2.4.1 图像噪声分析 |
2.4.2 图像噪声处理 |
2.4.3 自适应投票法快速中值滤波(AVMF) |
2.4.3.1 投票算法 |
2.4.3.2 自适应滤波算法 |
2.4.3.3 自适应投票算法及测试 |
2.4.4 图像的增强处理 |
2.5 火焰图像的特征提取 |
2.5.1 灰度阈值法分割图像 |
2.5.2 用边缘检测算子分割图像 |
2.5.3 用遗传算法分割图像 |
2.5.3.1 遗传算法 |
2.5.3.2 遗传算法用于分类学习 |
2.5.3.3 基于遗传算法的火焰图像分割研究 |
2.5.4 用混合高斯马尔可夫随机模型分割图像 |
2.5.4.1 马尔可夫链 |
2.5.4.2 马尔可夫随机场模型 |
2.5.4.3 混合高斯马尔可夫随机模型 |
2.5.4.4 平均域退火算法 |
2.5.4.5 仿真实验 |
2.6 本章总结 |
第三章 基于火焰图像的锅炉燃烧状态识别研究 |
3.1 引言 |
3.2 火焰燃烧状态 |
3.2.1 燃烧状态的定义 |
3.2.2 火焰图像的特征值 |
3.2.3 人工智能算法应用与分析 |
3.3 基于隐马尔可夫模型的燃烧状态识别 |
3.3.1 隐马尔可夫随机模型 |
3.3.2 火焰图像分类识别模型 |
3.3.3 仿真实验 |
3.4 基于交互式学习神经网络的燃烧状态识别 |
3.4.1 BP 神经网络的原理 |
3.4.2 基于 BP 神经网络的燃烧状态识别 |
3.4.3 交互式学习神经网络 |
3.4.4 性能评价 |
3.5 本章小结 |
第四章 基于火焰图像序列的锅炉燃烧状态智能监测研究 |
4.1 引言 |
4.2 锅炉燃烧影响因素的评估 |
4.2.1 燃烧影响因素 |
4.2.2 燃烧影响因素评估 |
4.2.3 火焰图像的评估作用 |
4.3 锅炉燃烧状态监测研究分析 |
4.4 变ε光滑支持向量回归(AεSSVR)与火焰图像序列分析 |
4.4.1 统计学习理论 |
4.4.2 支持向量机 |
4.4.3 光滑支持向量回归与火焰图像序列预测 |
4.4.3.1 支持向量回归 |
4.4.3.2 光滑支持向量回归 |
4.4.3.3 SSVR 模型的输入输出与仿真 |
4.4.4 AεSSVR 与火焰图像序列分析研究 |
4.4.4.1 AεSSVR 原理 |
4.4.4.2 AεSSVR 仿真实验 |
4.5 基于隐马尔可夫模型的燃烧状态智能监测研究 |
4.5.1 隐马尔可夫模型概述 |
4.5.2 拓扑结构与状态集 |
4.5.2.1 二状态马尔可夫链 |
4.5.2.2 三状态马尔可夫链 |
4.5.2.3 多状态马尔可夫链 |
4.5.3 观测值 |
4.5.4 一维隐马尔可夫模型 |
4.5.4.1 一维模型建立 |
4.5.4.2 一维模型仿真测试 |
4.5.5 伪二维隐马尔可夫模型 |
4.5.5.1 二维模型建立 |
4.5.5.2 二维模型仿真测试 |
4.6 本章总结 |
第五章 全文总结 |
5.1 本文的主要工作和创新点 |
5.2 本课题今后的研究展望 |
致谢 |
参考文献 |
个人简历、 在学期间参加的科研工作及学术论文发表 |
四、基于数学形态学的锅炉火焰图像骨架提取(英文)(论文参考文献)
- [1]基于机器视觉的大型生活垃圾焚烧过程诊断方法研究[D]. 黄帅. 浙江大学, 2020(07)
- [2]基于数学形态学的混凝土表面麻点检测方法[D]. 王建功. 河北大学, 2019(04)
- [3]数字全息颗粒燃烧与液滴雾化测量方法与应用[D]. 姚龙超. 浙江大学, 2019(04)
- [4]转炉炼钢炉口光谱分析用于终点温度控制的研究[D]. 王勇青. 南京理工大学, 2017(07)
- [5]基于嵌入式的垃圾焚烧炉火焰燃烬点检测器的研制[D]. 赵文强. 青岛科技大学, 2016(08)
- [6]基于火焰图像吹炼信息特征提取的转炉炼钢终点判定方法研究[D]. 李鹏举. 昆明理工大学, 2016(02)
- [7]火焰图像处理与状态识别[D]. 宋昱. 南京航空航天大学, 2012(02)
- [8]转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究[D]. 刘辉. 昆明理工大学, 2012(10)
- [9]基于视觉融合的监控机理及其在锅炉燃烧中的应用研究[D]. 陈荣保. 上海大学, 2010(01)
- [10]火电厂煤粉锅炉燃烧状态智能监测与评判研究[D]. 张欣. 华北电力大学(河北), 2009(11)