数字图像处理技术在烧结点火炉自动控制中的应用

论文摘要

目前国内外的冶金行业烧结机点火炉控制技术主要是点火温度和点火强度两种控制方式。这两种方式均无法对点火火焰状态进行判断,从而在各种异常情况下无法对点火系统的稳定性和安全性提供保证。文章阐述了如何利用网络平台,并通过PLC计算机控制技术和网络摄像机等硬件设备与视频监控软件相结合,完全实现烧结点火炉自动控制系统。基于火焰检测技术的烧结点火炉自动控制系统,不仅可以稳定点火炉膛温度,改善烧结混合料表面点燃情况,而且还可以提高煤气利用率和使用的安全性,从而提高烧结矿产量和质量。主要完成了下述研究和开发工作:1、用点火图像控制系统取代传统的火焰监测系统,即由火焰图像传感器获得烧结点火炉点火火嘴图像信号。2、阐述获取的点火火焰图像的数字化采集原理,介绍烧结点火数字图像处理系统的构成。3、通过对点火图像不同燃烧状态的R、G、B色度值特征进行分析,利用图像灰度阈值分割算法,实现对烧结点火炉火焰图像燃烧状态判定。4、介绍RBF神经网络及发展历史,并利用该网络进一步提高对烧结点火火焰图像燃烧状态判定。5、在实现烧结点火火焰图像处理控制系统后,如何调整烧结点火炉各项工艺操作参数,以建立新的点火炉工艺管理操作制度。6、利用计算机网络控制技术,将点火图像处理控制系统与点火炉温度控制系统有机结合起来,实现烧结点火模型全自动控制。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景和意义
• 1.1.1 研究背景
• 1.1.2 研究现状
• 1.1.3 研究难点
• 1.2 点火燃烧状态评估
• 1.3 研究重点与论文组织
• 第2章 火焰图像数字化
• 2.1 数字图像处理概述
• 2.2 数字图像采集
• 2.2.1 数字图像采集原理
• 2.2.2 计算机数字处理系统
• 2.3 火焰图像的数字化
• 2.4 小结
• 第3章 火焰图像检测
• 3.1 系统控制原理
• 3.2 火焰图像检测系统结构
• 3.2.1 系统结构
• 3.2.2 系统功能
• 3.3 火焰检测算法
• 3.3.1 图像幅值特征
• 3.3.2 点火炉图像特征分析
• 3.3.3 图像特征提取
• 3.4 小结
• 第4章 RBF 神经网络的应用
• 4.1 人工神经网络的发展历史
• 4.2 RBF 神经网络概述
• 4.3 RBF 神经网络在点火炉的应用
• 4.4 小结
• 第5章 烧结点火炉工艺制度的改善
• 5.1 烧结原理
• 5.2 烧结机的点火炉作用
• 5.3 点火参数控制
• 5.3.1 点火温度
• 5.3.2 点火时间
• 5.3.3 点火热量
• 5.3.4 点火深度
• 5.4 点火操作
• 5.4.1 点火前要做好的准备工作
• 5.4.2 点火程序
• 5.5 烧结点火温度与火焰长度的调节与控制
• 5.6 点火设备
• 5.7 点火模型的建立
• 5.7.1 点火温度的煤气和空气比例等级控制
• 5.7.2 点火温度控制
• 5.8 小结
• 第6章 烧结点火模型的实现
• 6.1 点火炉自动控制网络
• 6.1.1 工业以太网
• 6.1.2 总线型网络拓扑结构
• 6.2 点火炉自动控制系统网络硬件配置
• 6.3 点火模型控制全自动实现
• 6.3.1 温度模型控制和图像处理控制关系
• 6.3.2 PID 控制器
• 6.3.3 PID 控制器的输入输出关系
• 6.3.4 PID 参数的调整方法
• 6.4 点火炉自动控制上位机操作
• 6.5 系统功能
• 6.5.1 点火炉温度信号的采集与处理
• 6.5.2 点火炉温度自动控制
• 6.6 温度模型系统特点
• 6.6.1 故障检测
• 6.6.2 电源可靠性
• 6.6.3 友好界面
• 6.7 小结
• 第7章 总结与展望
• 7.1 总结
• 7.2展望
• 参考文献
• 致谢
• 在校期间发表的学术论文及研究成果