专利名称：回转窑内冷却带熟料温度检测方法和系统的制作方法
技术领域：
本发明涉及温度检测技术，尤其涉及一种回转窑内冷却带熟料温度检测方法和系统。
背景技术：
氧化铝生产工艺根据处理矿石的特点主要分为拜耳法、烧结法和拜耳、烧结联合法。烧结法主要用于处理含硅高、铝硅比低的铝土矿。熟料烧结是使用烧结法进行氧化铝生产的关键工序，熟料烧结生产是以回转窑为中心组织的。熟料烧结过程中，回转窑内冷却带的熟料温度直接影响烧结质量的好坏。现有技术中，对回转窑内冷却带的温度检测主要采用图像识别的方法，使用摄像机采集回转窑冷却带的熟料图像，根据采集到的图像得到图像特征参数，再由人工根据图像特征参数和经验值，得到冷却带熟料的温度状态。所述温度状态指的是，例如，设定冷却带熟料温度的下限为700°C，上限为1300°C，其中每100°C分为一个温度状态，则共分为6个温度状态。现有技术对回转窑内冷却带的温度检测方法，一方面，由于工业回转窑窑内环境复杂，煤粉和烟雾干扰较大，导致采集到的熟料图像质量缺乏稳定性，对熟料的温度状态的检测结果不准确；另一方面，依靠人工经验值判断温度状态，由于人工经验不同，也会导致对熟料的温度状态的检测结果不准确，因此，现有技术对回转窑内冷却带的温度检测方法并不可靠，不能满足实际工业生产的需要。

发明内容
本发明提供一种回转窑内冷却带熟料温度检测方法和系统，以提高回转窑内冷却带温度状态检测的准确度和可靠性。本发明提供一种回转窑内冷却带熟料温度检测方法，包括采集回转窑内冷却带熟料图像，并根据所述回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数；根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数；将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。所述根据采集到的回转窑内冷却带熟料图像得到冷却带熟料图像特征参数包括对所述回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到所述冷却带熟料区域图像；从所述回转窑内冷却带熟料区域图像中提取所述冷却带熟料图像特征参数；所述根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数包括
将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为所述回转窑内热工数据；将所述冷却带熟料图像特征参数和所述回转窑内热工数据进行数据融合得到所述冷却带熟料特征参数 。所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行比较得到冷却带熟料温度状态之前，还包括根据与所述冷却带熟料特征参数对应的冷却带熟料温度状态，得到所述冷却带熟料参数模型；所述冷却带熟料参数模型为隐马尔科夫模型。所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，包括将所述冷却带熟料特征参数作为所述冷却带熟料参数模型的观测序列；采用前向-后向算法计算所述观测序列对应每一所述冷却带熟料参数模型的概率；将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为所述冷却带熟料温度状态。所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行比较，得到冷却带熟料温度状态之后，还包括将所述冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对比，更新所述冷却带熟料参数模型。本发明还提供一种回转窑内冷却带熟料温度检测系统，包括图像采集装置和工业计算机；所述图像采集装置，用于采集回转窑内冷却带熟料图像，并将所述冷却带熟料图像传送给工业计算机；所述工业计算机，用于根据采集到的回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数；根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数；将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。所述工业计算机包括图像处理单元，用于对所述回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到所述冷却带熟料图像；特征提取单元，用于从所述回转窑内冷却带熟料图像中提取所述冷却带熟料图像特征参数；将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为所述回转窑内热工数据；数据融合单元，用于将所述冷却带熟料图像特征参数和所述回转窑内热工数据进行数据融合得到所述冷却带熟料特征参数。所述工业计算机还包括特征模型单元，根据与所述冷却带熟料特征参数对应的冷却带熟料温度状态，得到所述冷却带熟料参数模型；所述冷却带熟料参数模型为隐马尔科夫模型。
所述工业计算机还包括状态检测单元，用于将所述冷却带熟料特征参数作为所述冷却带熟料参数模型的观测序列；采用前向-后向算法计算所述观测序列对应每一所述冷却带熟料参数模型的概率；将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为所述冷却带熟料温度状态。所述工业计算机还包括
状态更新单元，用于将所述冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对比，更新所述冷却带熟料参数模型。本发明提供的回转窑内冷却带熟料温度检测方法和系统，通过回转窑内热工数据和冷却带图像特征参数的融合，降低了由于回转窑内环境复杂，煤粉和烟雾干扰对图像质量影响，提高了对回转窑内冷却带温度状态的检测准确度；通过将冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，避免了人工带来的误差，提高了对回转窑内冷却带温度状态检测的可靠性。


图I为本发明提供的回转窑内冷却带熟料温度检测方法实施例一的流程图；图2为本发明提供的回转窑内冷却带熟料温度检测方法实施例二的流程图；图3为本发明提供的回转窑内冷却带熟料温度检测系统实施例一的结构示意图；图4为本发明提供的回转窑内冷却带熟料温度检测系统实施例二的结构示意图。
具体实施例方式图I为本发明提供的回转窑内冷却带熟料温度检测方法实施例一的流程图，如图I所示，本实施例的方法可以包括步骤S101，采集回转窑内冷却带熟料图像，并根据回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数。具体地，本实施例为了检测回转窑内冷却带熟料温度，首先使用图像采集装置采集回转窑内冷却带熟料图像，例如可以使用回转窑内窥式看火摄像机拍摄回转窑内冷却带的图像。然后将拍摄到的图像中的某一帧作为该时刻回转窑内冷却带熟料图像，采用图像处理技术对该帧图像进行处理，得到所需的冷却带熟料图像特征参数。所述冷却带熟料图像特征参数可以包括熟料亮度、颗粒形状、物料高度、黑影面积等参数信息。步骤S102，根据冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数。具体地，本实施例为了检测回转窑内冷却带熟料温度，还需要获取回转窑内热工数据，并使用回转窑内热工数据和步骤SlOl中获取的冷却带熟料图像特征参数，共同得到表征回转窑内冷却带熟料全部特性的冷却带熟料特征参数。由于回转窑内环境复杂，煤粉和烟雾的干扰较大，因此只使用冷却带熟料图像特征参数或回转窑能热工数据可能不能准确地得到回转窑内冷却带熟料温度，因此将回转窑内热工数据和冷却带熟料图像特征参数共同作为冷却带熟料特征参数来对冷却带熟料温度状态进行判断，从而可以更加准确地对冷却带熟料温度进行判断。
需要说明的是，本实施例中对上述获取冷却带熟料图像特征参数和回转窑内热工数据的步骤执行顺序不做限定，上述两个步骤还可以是同步执行的，但获取的冷却带熟料图像特征参数和回转窑内热工数据需要为同一时刻的。步骤S103，将冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。具体地，得到冷却带熟料特征参数后，将该特征参数与冷却带熟料参数模型进行相似性对比，得出与该特征参数相似性最高的冷却带熟料参数模型，该模型所对应的冷却带熟料温度状态即为该时刻回转窑内冷却带熟料温度状态。本实施例中，所述冷却带熟料温度状态可以为设回转窑内冷却带熟料温度最高为700°C，最高为1300°C，每100°C分为一个状态，如700°C 800°C第一状态，801°C 900°C为第二状态，依次类推共6个状态。上述步骤S103中获得回转窑内冷却带熟料温度状态后，可以将该状态输出给回转窑自动控制系统或操作人员。实际工业应用中，由于矿石状态的差异或者由于对最终产品需求的不 同，可能需要使回转窑内冷却带的温度处于不同的温度状态。因此，获得回转窑内冷却带熟料温度状态后，若温度状态不是所需状态，回转窑自动控制系统或操作人员可以根据实际需求，对回转窑工作状态进行改变，使回转窑冷却带温度处于所需温度状态，完成闭环的控制过程，从而使烧结出的氧化铝产品满足实际需求。本实施例的回转窑内冷却带熟料温度检测方法，通过回转窑内热工数据和冷却带图像特征参数的融合，降低了由于回转窑内环境复杂，煤粉和烟雾干扰对图像质量影响，提高了对回转窑内冷却带温度状态的检测准确度；通过将冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，避免了人工带来的误差，提高了对回转窑内冷却带温度状态检测的可靠性。进一步地，上述步骤SlOl中，根据回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数具体可以包括对回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到冷却带熟料区域图像；从回转窑内冷却带熟料区域图像中提取冷却带熟料图像特征参数。具体地，对回转窑内冷却带熟料图像进行的处理过程为图像采集装置采集到的熟料图像信号经信号放大器放大后，通过预处理，对其进行(I)图像冻结，即利用图像采集卡中驱动程序提供的函数，连续采集氧化铝火焰视频中的某帧图像；(2)烟雾滤波，采用中值滤波器对熟料图像信号进行预处理，消除现场烟雾对图像的影响，具体操作中可以采用5个点的滑动窗口，将窗口中各灰度值的中值来代替窗口的中心点灰度值；(3)图像灰度拉伸，对烟雾滤波处理后的熟料图像进行线性灰度拉伸，突出熟料轮廓，提高熟料图像的对比度；(4)图像分割,采用FCM (Fuzzy C_means,模糊C均值)图像分割方法,在计算机内将RGB (Red Green Blue，红绿蓝三色信号)数据分割成4个区域(黑把子区域，火圈区域，熟料区域，窑壁区域)，分割出冷却带熟料区域图像。从冷却带熟料区域图像中提取冷却带熟料特征参数。采用上述方法对获取的冷却带熟料图像进行处理，得到冷却带熟料区域图像，并从冷却带熟料区域图像中提取冷却带熟料特征参数，可以提高提取的冷却带熟料特征参数的准确性。进一步地，上述步骤S102中，根据冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数可以包括将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为回转窑内热工数据；将冷却带熟料图像特征参数和回转窑内热工数据进行数据融合得到冷却带熟料特征参数。具体地，回转窑内热工数据可以包括窑头温度、窑尾温度、主机电流、窑头负压、冷却带熟料温度等参数。其中窑头温度、窑尾温度、冷却带熟料温度可以通过安装在窑内的光纤比色测温仪检测得到，主机电流可以在回转窑主机的电流表读取，窑头负压可以通过安装在窑头的压力传感器检测得到。由于窑内环境复杂，因此通过光纤比色测温仪测得的冷却带熟料温度不准确，因此将上述热工数据与冷却带熟料图像特征参数进行数据融合，共同作为冷却带熟料特征参数来对冷却带熟料温度进行判断，从而可以更加准确地对冷却带熟料温度进行判断。图2为本发明提供的回转窑内冷却带熟料温度检测方法实施例二的流程图，如图2所示，本实施例的方法可以包括
步骤S201，采集回转窑内冷却带熟料图像，并根据回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数。步骤S202，根据冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数。步骤S203，根据与所述冷却带熟料特征参数对应的冷却带熟料温度状态，得到所述冷却带熟料参数模型。具体地，在根据冷却带熟料特征参数和冷却带熟料参数模型对冷却带熟料温度状态进行判断之前，首先需要建立冷却带熟料参数模型，本实施例的熟料参数模型采用HMM(Hidden Markov models,隐马尔科夫模型)。HMM的应用分为两个阶段进行，即学习阶段和推理阶段。学习阶段是由观测到的一组包含辨识结果的样本出发，找到HMM的参数来确定具体模型结构。推理阶段是在给定一组观测样本和HMM的情况下，计算观测样本在各个HMM下的输出概率，最高的即为辨识结果。本实施例中，建立冷却带熟料参数模型的过程即为HMM的学习阶段，在窑内状态稳定的情况下，通过安装在窑内的光纤比色测温仪能得到较为准确的冷却带熟料温度数据，将其作为HMM的辨识结果，并获取该时刻的冷却带熟料参数作为HMM的观测样本，进行HMM的学习；或者可以由经验丰富的看火工人对冷却带熟料图像特征参数和回转窑内热工数据进行判断，得到温度状态判断结果，将其作为HMM的辨识结果，并获取该时刻的冷却带熟料参数作为HMM的观测样本，进行HMM的学习。为了利用HMM进行模式识别，首先将熟料温度的下限值设定为700°C，上限值设定为1300°C，并将700°C 800°C划分为状态1，801°C 900°C划分为状态2，901°C 1000°C划分为状态3，1001 °C 1100°C划分为状态4，1101 °C 1200°C划分为状态5，1201 °C 1300°C划分为状态6。共计6个状态。HMM可以用五元组λ=(Μ，Ν, π , A, B)来表示,或简写为λ=(π，Α，Β)。各个参数的意义如下N为状态数目，本实施例中熟料温度划分的6个状态，即Ν={1，2，3，4，5，6}。M为观测值数，本实施例中提取特征后的观测值，即Μ={1，2，3，4}。31为初始状态的概率分布，本实施例中最开始时分布在6个状态上的概率。A与时间无关的状态转移矩阵。即是从一个状态转移到另一个状态的概率。
B为给定状态下，观测值概念矩阵。即是在某种状态下，出现某个观测值的概率。HMM的学习阶段具体步骤可以为(I)通过光纤比色测温仪或经验丰富的看火工人得到准确的温度状态判断结果，并对该时刻的回转窑内冷却带图像进行处理。(2)提取冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料参数模型，作为HMM的观测序列。(3)利用前向-后向算法计算观测值序列的概率P (O I λ )。(4)利用Baum — Welch算法中的评估公式来对参数π、A、B进行评估。(5)重新利用前向一后向算法计算此时的观测值序列的概率八如果
Ρ(0 1)-Ρ(0μ><Δ, Δ为一个给定的较小值，学习结束，否则转到第(4)步。在进行HMM学习的时候会遇到算术下溢和零概率问题。为了解决算术下溢问题在计算中采用对数计算将乘法运算变为加法运算。为了解决零概率问题可以采用阈值限定的方法。阈值限定是指当重估出来的某个参数小于事先约定的阈值时，则将其强制设定为该阈值，并对所有相关的参数进行比例调节，以满足约束条件。最后学习得到6个状态对应的6 个 ΗΜΜ。步骤S204，将冷却带熟料特征参数作为冷却带熟料参数模型的观测序列。具体地，得到冷却带参数模型后，就可以对冷却带熟料温度进行检测，即进行HMM的推理阶段。也就是将冷却带熟料特征参数作为冷却带熟料参数模型的观测序列，来检测出回转窑冷却带的熟料温度状态。首先提取冷却带熟料特征参数并将其作为冷却带熟料参数模型的观测序列，然后读取训练好的6个ΗΜΜ。步骤S205，采用前向-后向算法计算所述观测序列对应每一冷却带熟料参数模型的概率。具体地，采用前向-后向算法计算上述观测序列对应6个HMM中每一 HMM的概率。步骤S206，将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为本次冷却带熟料温度状态的检测结果。具体地，计算出观测序列对应的6个HMM的概率后，概率最大的HMM对应的温度状态即为本次检测时回转窑内冷却带熟料温度状态的检测结果。本实施例的回转窑内冷却带熟料温度检测方法，通过采用隐马尔科夫模型建立回转窑冷却带熟料温度状态模型，并根据冷却带熟料特征参数得到回转窑冷却带熟料温度状态，提供了一种准确、可靠的回转窑内冷却带温度状态检测方法。进一步地，上述方法实施例二中，步骤S206获得冷却带熟料温度状态的检测结果后，还可以将该冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对比，更新冷却带熟料参数模型。具体地，当回转窑内状态稳定时，通过安装在窑内的光纤比色测温仪能得到较为准确的冷却带熟料温度数据，因此，当获得冷却带熟料温度状态的检测结果后，若与回转窑内状态稳定时，光纤比色测温仪检测到的冷却带熟料温度数据对应的状态不同，则根据本次检测的数据更新冷却带熟料参数模型。从而可以进一步提高回转窑内冷却带熟料温度状态检测的准确度。
图3为本发明提供的回转窑内冷却带熟料温度检测系统实施例一的结构示意图，如图3所示，本实施例的系统可以包括图像采集装置31和工业计算机32。图像采集装置31，用于采集回转窑内冷却带熟料图像，并将冷却带熟料图像传送给工业计算机32。具体地，图像采集装置31可以为回转窑内窥式看火镜摄像机等用于拍摄回转窑内情况的工业摄像机，通过同轴电缆将拍摄到的图像传送至工业计算机32。进一步地，本实施例的图像采集装置31还可以通过同轴电缆将另一路信号传送至监视器，供操作人员直接观测回转窑内图像。工业计算机32，用于根据采集到的回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数；根据冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数；将冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。
具体地，工业计算机32用于执行图I所示的方法实施例的各步骤。本实施例的回转窑内冷却带熟料温度检测系统用于执行图I所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。图4为本发明提供的回转窑内冷却带熟料温度检测系统实施例二的结构示意图，如图4所示，本实施例的系统在图3所示系统的基础上，工业计算机32可以包括图像处理单元41，用于对回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到冷却带熟料图像。具体地，图像处理单元41可以包括图像采集卡以及安装在工业计算机中的图像处理软件，通过图像采集卡将图像采集装置31采集到的图像转换为数字信号，并用通过图像处理软件将图像处理为所需的冷却带熟料图像。特征提取单元42，用于从回转窑内冷却带熟料图像中提取冷却带熟料图像特征参数；将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为回转窑内热工数据。数据融合单元43，用于将所述冷却带熟料图像特征参数和所述回转窑内热工数据进行数据融合得到所述冷却带熟料特征参数。特征模型单元44，用于根据冷却带熟料特征参数对应的冷却带熟料温度状态，得到冷却带熟料参数模型；所述冷却带熟料参数模型为隐马尔科夫模型。状态检测单元45，用于将冷却带熟料特征参数作为冷却带熟料参数模型的观测序列；采用前向-后向算法计算观测序列对应每一所述冷却带熟料参数模型的概率；将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为所述冷却带熟料温度状态。状态更新单元46，用于将冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对比，更新冷却带熟料参数模型。本实施例的回转窑内冷却带熟料温度检测系统，通过回转窑内热工数据和冷却带图像特征参数的融合，降低了由于回转窑内环境复杂，煤粉和烟雾干扰对图像质量影响，提高了对回转窑内冷却带温度状态的检测准确度；通过将冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，避免了人工带来的误差，同样提高了对回转窑内冷却带温度状态检测的可靠性。
最后应 说明的是以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
权利要求
1.一种回转窑内冷却带熟料温度检测方法，其特征在于，包括 采集回转窑内冷却带熟料图像，并根据所述回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数； 根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数； 将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。
2.根据权利要求I所述的方法，其特征在于，所述根据采集到的回转窑内冷却带熟料图像得到冷却带熟料图像特征参数包括 对所述回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到所述冷却带熟料区域图像； 从所述回转窑内冷却带熟料区域图像中提取所述冷却带熟料图像特征参数； 所述根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数包括 将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为所述回转窑内热工数据； 将所述冷却带熟料图像特征参数和所述回转窑内热工数据进行数据融合得到所述冷却带熟料特征参数。
3.根据权利要求I或2所述的方法，其特征在于，所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行比较得到冷却带熟料温度状态之前，还包括 根据与所述冷却带熟料特征参数对应的冷却带熟料温度状态，得到所述冷却带熟料参数模型； 所述冷却带熟料参数模型为隐马尔科夫模型。
4.根据权利要求3所述的方法，其特征在于，所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，包括 将所述冷却带熟料特征参数作为所述冷却带熟料参数模型的观测序列； 采用前向-后向算法计算所述观测序列对应每一所述冷却带熟料参数模型的概率； 将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为所述冷却带熟料温度状态。
5.根据权利要求4所述的方法，其特征在于，所述将所述冷却带熟料特征参数与冷却带熟料参数模型进行比较，得到冷却带熟料温度状态之后，还包括 将所述冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对比，更新所述冷却带熟料参数模型。
6.一种回转窑内冷却带熟料温度检测系统，其特征在于，包括图像采集装置和工业计算机； 所述图像采集装置，用于采集回转窑内冷却带熟料图像，并将所述冷却带熟料图像传送给工业计算机； 所述工业计算机，用于根据采集到的回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数；根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数；将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。
7.根据权利要求6所述的系统，其特征在于，所述工业计算机包括 图像处理单元，用于对所述回转窑内冷却带熟料图像依次进行图像冻结、烟雾滤波、图像灰度拉伸、图像分割处理，得到所述冷却带熟料图像； 特征提取单元，用于从所述回转窑内冷却带熟料图像中提取所述冷却带熟料图像特征参数；将冷却带熟料温度、窑头温度、窑尾温度、主机电流、窑头负压作为所述回转窑内热工数据； 数据融合单元，用于将所述冷却带熟料图像特征参数和所述回转窑内热工数据进行数据融合得到所述冷却带熟料特征参数。
8.根据权利要求6或7所述的系统，其特征在于，所述工业计算机还包括 特征模型单元，根据与所述冷却带熟料特征参数对应的冷却带熟料温度状态，得到所述冷却带熟料参数模型； 所述冷却带熟料参数模型为隐马尔科夫模型。
9.根据权利要求8所述的系统，其特征在于，所述工业计算机还包括 状态检测单元，用于将所述冷却带熟料特征参数作为所述冷却带熟料参数模型的观测序列；采用前向-后向算法计算所述观测序列对应每一所述冷却带熟料参数模型的概率；将计算出的概率最大的冷却带熟料参数模型对应的冷却带熟料温度状态作为所述冷却带熟料温度状态。
10.根据权利要求9所述的系统，其特征在于，所述工业计算机还包括 状态更新单元，用于将所述冷却带熟料温度状态与窑内稳定时检测的熟料温度进行对t匕，更新所述冷却带熟料参数模型。
全文摘要
本发明提供一种回转窑内冷却带熟料温度检测方法和系统。一种方法包括采集回转窑内冷却带熟料图像，并根据所述回转窑内冷却带熟料图像，得到冷却带熟料图像特征参数；根据所述冷却带熟料图像特征参数和回转窑内热工数据，得到冷却带熟料特征参数；将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比，得到冷却带熟料温度状态。本发明提供的回转窑内冷却带熟料温度检测方法和系统，通过将回转窑内热工数据和图像特征参数进行融合，并与冷却带熟料参数模型进行比较，能够提高回转窑内冷却带温度状态检测的准确度和可靠性。
文档编号G01K13/00GK102928118SQ20121046249
公开日2013年2月13日 申请日期2012年11月16日 优先权日2012年11月16日
发明者孙俊民, 王文儒, 刘鑫平, 张生, 李国胜, 韩黎明, 刘爱民, 陈华, 张小刚, 陈鸡平 申请人:大唐国际发电股份有限公司, 湖南大学