燃煤窯爐工況識別中的關鍵技術及其并行實現(xiàn)方法研究中文摘要

燃煤窯爐廣泛應用于發(fā)電，冶金，水泥等工業(yè)生產(chǎn)的各個領域,實現(xiàn)該類復雜系統(tǒng)的優(yōu)化控制首先需解決生產(chǎn)中各類復雜工況的識別問題。課題以工業(yè)氧化鋁回轉窯為具體對象，就其工況識別過程中的關鍵技術和并行實現(xiàn)問題展開研究。以窯前火焰紋理特征和熟料粒度特征提取為基礎，提出一種基于CUDA環(huán)境下的燃燒工況景象匹配識別方法。利用窯前熱工數(shù)據(jù)的動態(tài)趨勢特征構造觀測序列，研究建立一套多層HMM工況識別模型，將多工況分類建立在一個多層HMM模型中進行學習，并基于有向圖理論簡化模型結構，實現(xiàn)MPI環(huán)境下的并行優(yōu)化計算，從而建立一套能夠實時辨識燃煤窯爐過程工況的融合檢測系統(tǒng)。該工況識別系統(tǒng)的研究對于優(yōu)化窯前控制參數(shù)、提高煤粉燃燒檢測和控制的實時性和魯棒性，實現(xiàn)穩(wěn)定高效的窯爐過程控制具有重要意義,同時也可為其它類似復雜工業(yè)過程的檢測和控制提供寶貴的借鑒。

冶金，水泥，發(fā)電等工業(yè)生產(chǎn)中的各類窯爐每年消耗了大量煤炭資源。煤粉燃燒過程的檢測與優(yōu)化控制對于爐窯高效生產(chǎn)、減少廢氣排放，提升空氣質量具有重要促進意義。 課題組經(jīng)過4年研究實踐，以粉煤灰提取氧化鋁回轉窯為具體應用對象，針對其生產(chǎn)過程工況識別與控制中的關鍵技術問題展開研究，就燃燒工況匹配識別中的火焰圖像增強去噪，燃煤視頻特征特征提取、基于圖像與數(shù)據(jù)融合的穩(wěn)健工況識別算法等關鍵問題上取得了諸多理論成果，并將理論成果成功應用到中國大唐內蒙古再生資源分公司的粉煤灰提取氧化鋁回轉窯生產(chǎn)現(xiàn)場。首先、為解決燃煤圖像受現(xiàn)場粉塵干擾嚴重問題，基于大氣散射物理模型和暗原色先驗原理，提出結合雙區(qū)域濾波，聯(lián)合LLSURE濾波器與圖像融合的單幅圖像高效去霧算法，應用于火焰圖像去粉塵增強，同時構造了低相干性學習字典進行稀疏表示圖像去噪，為工業(yè)現(xiàn)場火焰視頻實時并行去霧增強奠定了基礎。其次、煤粉區(qū)（燃燒前端煤粉和空氣的混合區(qū)域）長度和形狀變化中具有豐富的工況感知信息，據(jù)此提出基于自適應光照補償和模糊增強的煤粉區(qū)分割方法，有效克服了窯內火焰圖像的光照不均和圖像模糊問題，可快速完整分割模糊圖像中的黑把子區(qū)域，具有較強的魯棒性，為燃燒工況景象匹配提供了可靠方法。 第三、針對工況識別中普遍存在的火焰視頻模糊，穩(wěn)健性不強問題，利用多幀火焰信息統(tǒng)計進行工況特征提取，提出燒結帶火焰的燃燒穩(wěn)定程度概念，發(fā)現(xiàn)火焰波動與燒結工況變化間的關聯(lián)關系，構造了平均豐度，短時能量和樣本熵等多個衡量穩(wěn)定程度的動態(tài)特征，結合窯前熱工數(shù)據(jù)進行工況識別，取得較好的現(xiàn)場應用效果。第四、為提高工況檢測系統(tǒng)的魯棒性，提出基于魯棒極限學習機的穩(wěn)健工況分類方法。分別利用訓練誤差分布的Parzen窗非參數(shù)估計構造ELM權矩陣和基于M估計的加權最小二乘訓練方法，有效提高了工況識別系統(tǒng)的整體穩(wěn)健性。最后，分別建立了基于CUDA平臺和Zynq-7000嵌入式系統(tǒng)的燃煤火焰視頻并行處理實驗平臺，將部分研究成果進行了硬件固化。開發(fā)了一套能夠實時辨識燃煤窯爐過程工況的融合檢測與專家控制系統(tǒng)，在大唐內蒙古再生資源開發(fā)有限公司氧化鋁廠燒成車間的回轉窯生產(chǎn)現(xiàn)場進行了投行實驗，該系統(tǒng)大幅增強了窯運行穩(wěn)定性、提升了熟料產(chǎn)量和熟料質量，表明課題研究為實現(xiàn)穩(wěn)定高效的窯爐過程控制具有重要理論價值和社會經(jīng)濟效益。

《產(chǎn)品設計中的成本工程及其關鍵技術研究》是2003年趙亮編寫的論文，由潘雙夏、馮培恩指導。

副題名

外文題名

Research on key technical problems of cost engineering faced on product design

論文作者

趙亮著

導師

潘雙夏,馮培恩指導

學科專業(yè)

機械設計與理論

學位級別

d 2003n

學位授予單位

浙江大學

學位授予時間

2003

關鍵詞

產(chǎn)品設計 機械設計 產(chǎn)品成本設計 成本工程

館藏號

TH122

唯一標識符

108.ndlc.2.1100009031010001/T3F24.002635891

館藏目錄

2004\TH122\26 2100433B

本項目研究面向并行工程的產(chǎn)品建模方法，包括研究集成的產(chǎn)品多領域模型，能夠同時支持特征設計和特征識別的庫特征表示，能夠并行建立產(chǎn)品多領域模型的混合特征建模方法，產(chǎn)品多領域模型的有效性和一致性維護方法等。本項研究對顯著提高現(xiàn)有產(chǎn)品建模技術的功能使其能夠有效地支持并行工程具有重要意義，對在我國順利實施并行工程將起到積極作用。 2100433B

隨著人類社會的視頻數(shù)據(jù)量爆炸性增長, 目前針對海量視頻數(shù)據(jù)的人臉識別存在效率低和準確率低等問題, 并行計算是海量視頻數(shù)據(jù)中高效進行人臉識別處理的可選途徑之一. 本項目面向海量視頻數(shù)據(jù)中人臉分析與識別全過程的并行化實現(xiàn), 研究人臉目標檢測和跟蹤、基于稀疏表示的人臉特征提取與識別算法, 以顯著提高海量視頻數(shù)據(jù)中的人臉識別效率. 研究內容為面向海量視頻數(shù)據(jù)的: (1)基于小容量字典學習的人臉分類算法及其并行計算; (2)基于流形的視頻人臉描述模型建立; (3)人臉目標檢測的并行AdaBoost算法; (4)基于MeanShift算法和Kalman濾波器的人臉目標跟蹤算法; (5)基于異構體系架構下的并行分塊PCA人臉特征提取算法. 本項目的研究將不僅為人臉識別算法的設計提供新的思路, 而且為人臉識別并行應用效率的提高和為大規(guī)模人群背景下的人臉分析與識別的實際應用奠定基礎.