close

Вход

Забыли?

вход по аккаунту

?

АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ ВРАЩАЮЩИМИСЯ ПЕЧАМИ С ПРИМЕНЕНИЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ.

код для вставкиСкачать
На правах рукописи
Юдин Дмитрий Александрович
АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ
ВРАЩАЮЩИМИСЯ ПЕЧАМИ С ПРИМЕНЕНИЕМ
ТЕХНИЧЕСКОГО ЗРЕНИЯ
Специальность 05.13.06 – «Автоматизация и управление технологическими
процессами и производствами» (строительство)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Белгород – 2014
Работа выполнена в Федеральном государственном бюджетном
образовательном учреждении высшего профессионального образования
«Белгородский
государственный
технологический
университет
имени
В.Г. Шухова» (БГТУ им. В.Г. Шухова).
Научный руководитель:
доктор технических наук, профессор,
Магергут Валерий Залманович
Официальные оппоненты:
Корсунов Николай Иванович –
доктор технических наук, профессор,
ФГАОУ ВПО «Белгородский государственный
национальный исследовательский университет»,
профессор кафедры математического и программного
обеспечения информационных систем, заслуженный
деятель науки РФ
Петросов Давид Арегович –
кандидат технических наук, доцент,
ФГБОУ ВПО «Белгородская государственная
сельскохозяйственная академия имени В.Я. Горина»,
заведующий кафедрой информатики
и информационных технологий
Ведущая организация:
Федеральное государственное бюджетное
образовательное учреждение высшего
профессионального образования «Юго-Западный
государственный университет» (г. Курск)
Защита состоится 22 мая 2014 г. в 12-30 часов на заседании
диссертационного совета Д 212.014.04 при Белгородском государственном
технологическом университете им. В.Г. Шухова по адресу:
308012, г. Белгород, ул. Костюкова, 46, БГТУ им. В.Г. Шухова, главный корпус,
ауд. 242.
С диссертацией можно ознакомиться в библиотеке Белгородского
государственного технологического университета им. В.Г. Шухова.
Автореферат разослан «___» _______ 2014 г.
Ученый секретарь
диссертационного совета
И.А. Семикопенко
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность. Вращающиеся печи широко используются в мире на самых
различных предприятиях в промышленности строительных материалов при
производстве цемента, керамзита, извести. На цементных вращающихся печах,
которые применяются на более чем 60-ти предприятиях России и стран СНГ,
оператор, как правило, осуществляет субъективное визуальное наблюдение
параметров процесса обжига, и использует их в дальнейшем для принятия решения
по управлению печью. Например, в цементных вращающихся печах, работающих
по мокрому способу производства, операторами учитываются такие параметры как
состояние материала и факела, размер гранул и величина слоя клинкера на выходе
зоны охлаждения печи, угол подъема материала, запыленность, общее состояние
зоны спекания вращающейся печи. Контроль названных параметров процесса
обжига в зонах спекания и охлаждения печи позволяет операторам управлять не
только процессами в этих зонах, но и использовать их при управлении всей
вращающейся печью.
В связи с этим актуальна задача разработки автоматизированной системы
управления вращающимися печами с применением относительно новой области
знаний – технического зрения, которая позволяет осуществлять мониторинг
параметров процессов в зонах спекания и охлаждения печи и формировать советы
по управлению печью с использованием информации о состоянии этих зон. Задача
актуальна как с точки зрения повышения качества продукции на выходе печи,
повышения ее эксплуатационного ресурса, так и в плане улучшения условий труда
оператора печи, уменьшения нагрузки на него, повышения оперативности и
качества принятия им решений по управлению печью.
Диссертационная работа выполнялась в рамках соглашения между БГТУ
им. В.Г. Шухова и ЗАО «Осколцемент» (г. Старый Оскол), гранта № А - 27/12
Программы стратегического развития БГТУ им. В.Г. Шухова на 2012-2016 г.г.
(№ 2011-ПР-146), гранта по Программе УМНИК «Разработка информационной
системы мониторинга и обеспечения оперативного управления вращающимися
печами обжига с применением устройств технического зрения» (проект № 13990).
Цель диссертационной работы – создание автоматизированной
советующей нечеткой системы управления вращающимися цементными печами
мокрого способа производства с применением технического зрения для
повышения качества и оперативности принятия управляющих решений
операторами и улучшения условий их труда.
Для достижения поставленной цели необходимо решить следующие
основные задачи:
1) анализ существующих подходов и методов оценки параметров зон
спекания и охлаждения печи, в том числе, посредством систем технического
зрения (СТЗ) и выявление определяющих параметров протекания процессов в этих
зонах;
2) разработка алгоритма сегментации изображения процесса обжига на
области: факел, материал, футеровка, горелка и корпус печи;
4
3) разработка метода оценки состояния зоны спекания вращающейся
цементной печи на основе анализа изображений и его программная реализация;
4) оценка параметров процесса обжига – угла подъема, температуры и
размера гранул клинкера на выходе печи, яркости факела и запыленности на
основе информативных признаков, получаемых в результате анализа изображений;
5) разработка базы продукционных правил для формирования советов по
управлению вращающейся цементной печью мокрого способа производства с
применением оценки состояния зоны спекания, полученной на основе анализа
изображений;
6) разработка структуры автоматизированной советующей нечеткой
системы управления вращающимися цементными печами мокрого способа
производства с применением технического зрения;
7) разработка и испытания автоматизированной советующей нечеткой
системы управления вращающимися печами с применением технического зрения,
обеспечивающей получение и обработку высококачественного изображения
процесса обжига, защиту видеосенсора от высоких температур и пыли и
интегрируемой в систему управления вращающимися цементными печами
мокрого способа производства.
Зоны спекания и охлаждения вращающейся цементной печи мокрого
способа производства – объект исследования при мониторинге (оценке
состояния) их визуальных параметров на основе технического зрения для
формирования советов по управлению этими зонами и печью в целом.
Предметом исследования является автоматизированная система
управления вращающимися цементными печами мокрого способа производства с
использованием параметров зон спекания и охлаждения, получаемых на основе
технического зрения, ее техническое, информационное, математическое и
программно-алгоритмическое обеспечение.
Научную новизну работы составляют:
- алгоритм сегментации изображения процесса обжига на области: факел,
материал, футеровка, горелка и корпус печи, осуществляемый на основе
самоорганизующейся карты Кохонена с классификацией по эталону с
предварительной оптимизацией набора текстурных характеристик;
- метод оценки состояния зоны спекания вращающейся цементной печи
на основе анализа изображений;
- качественная оценка параметров процесса обжига – угла подъема,
температуры и размера гранул клинкера на выходе печи, яркости факела и
запыленности на основе информативных признаков изображения;
- база продукционных правил советующего управления вращающейся
цементной печью мокрого способа производства, использующая оценку состояния
зоны спекания, полученную на основе анализа изображений, и информацию от
традиционных датчиков;
- структура автоматизированной советующей нечеткой системы
управления вращающимися цементными печами мокрого способа производства с
применением технического зрения.
5
Методы исследования. Для решения поставленных в работе задач
использованы методы обработки и распознавания изображений; методы
кластеризации и
классификации данных; методы теории искусственных
нейронных сетей, в частности, самоорганизующихся карт Кохонена; генетические
алгоритмы; методы статистической обработки информации; методы нечеткой
логики; методы синтеза интеллектуальных систем.
Практическая значимость работы заключается в:
- создании программно-аппаратного комплекса автоматизированной
советующей нечеткой системы управления вращающимися печами мокрого
способа производства цемента с применением технического зрения, улучшающего
условия труда оператора и повышающего качество и оперативность принятия им
решений по управлению печью;
- возможности использования найденных оценок параметров процесса
обжига,
разработанной
базы
продукционных
правил
и
структуры
автоматизированной системы управления с применением технического зрения в
существующих системах управления вращающимися печами в различных отраслях
промышленности;
- использовании результатов исследований в учебном процессе.
Практическая значимость полученных результатов подтверждена двумя
свидетельствами регистрации программ для ЭВМ (№2013618121 №2012617408),
актом опытно-промышленных испытаний на ЗАО «Осколцемент» и актом
внедрения в учебный процесс кафедры «Техническая кибернетика» БГТУ
им. В.Г. Шухова.
Внедрение результатов исследований:
– созданный программно-аппаратный комплекс автоматизированной
советующей нечеткой системы управления вращающимися печами с применением
технического зрения испытан на печи №1 ЗАО «Осколцемент» и рекомендован для
внедрения, что подтверждено актом опытно-промышленных испытаний;
– разработанный метод оценки параметров процесса обжига на основе
анализа изображений и его элементы используются в учебном процессе кафедры
«Техническая кибернетика» БГТУ им. В.Г. Шухова в рамках дисциплин
«Робототехнические системы» и «Системы технического зрения», что
подтверждено актом внедрения.
На защиту выносятся положения, составляющие научную новизну работы
и программно-аппаратный комплекс автоматизированной советующей нечеткой
системы управления вращающимися цементными печами мокрого способа
производства с применением технического зрения.
Соответствие диссертации паспорту научной специальности.
Диссертационные исследования соответствуют паспорту специальности
05.13.06 – «Автоматизация и управление технологическими процессами и
производствами» (строительство) по областям исследования – пп. 2, 10 и 15.
Апробация работы. Основные положения и результаты диссертационной
работы докладывались и обсуждались на: всероссийском семинаре «Модернизация
действующего цементного производства. Особенности
проектирования и
6
реализации в современных условиях» (Санкт-Петербург, 2013); всероссийской
молодежной конференции предпринимателей и инноваторов «STARTUP
VILLAGE» (Сколково, 2013); международной научно-практической конференции
«Математические методы в технике и технологиях» – ММТТ-24 (Киев, 2011) и
ММТТ-25 (Харьков, 2012); 54-й и 55-й всероссийских научных конференциях
МФТИ «Проблемы фундаментальных и прикладных естественных и технических
наук в современном информационном обществе» (Москва, 2011 и 2012);
международной научно-практической конференции «Научные исследования,
наносистемы и ресурсосберегающие технологии в промышленности строительных
материалов» (Белгород, 2010), а также на ежегодных международных и
региональных конференциях, проводимых в г. Белгороде, и научно-практических
семинарах кафедры «Техническая кибернетика» (2010-2013 гг.).
Публикации. Основные результаты диссертации опубликованы в 16
работах, в том числе 4 статьи опубликованы в журналах, рекомендованных ВАК
РФ, 1 статья в международном журнале, индексируемом в SCOPUS, 11 статей в
сборниках трудов конференций и всероссийских журналах, получено 2
свидетельства Российской Федерации о регистрации программы для ЭВМ.
Личный вклад соискателя. Все разделы диссертационной работы
написаны лично автором. Результаты исследований получены им самостоятельно,
либо при его непосредственном участии.
Структура и объем диссертации. Диссертация состоит из введения,
четырех глав, заключения, списка использованной литературы из 132
наименований, изложенных на 169 страницах машинописного текста, включая 24
таблицы и 70 рисунков, и 5 приложений на 34 страницах.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы диссертации, сформулированы
цель и задачи исследований, отмечены научная новизна, практическая значимость
и внедрение результатов работы, сформулированы положения, которые выносятся
на защиту.
В первой главе приведен анализ современного состояния разработок в
сфере мониторинга и управления вращающимися печами на основе систем
технического зрения. Вращающиеся печи обжига и, в частности, их зоны спекания
и охлаждения рассмотрены как объект мониторинга и управления. Отмечен вклад
российских и зарубежных ученых П.В. Беседина, М.A. Вердияна, Я.Е. Гельфанда,
В.К. Классена, В.А. Кузнецова, В.Г. Лисиенко, П.А. Трубаева, В. Дуда и др. в
разработку существующих подходов к мониторингу и оперативному управлению
вращающимися печами. Показана актуальность применения технического зрения
для нахождения оценок параметров процесса обжига в зонах спекания и
охлаждения. Приведен краткий анализ истории развития систем технического
зрения на основе работ Ю.В. Визильтера, В.М. Глушкова, Н.Г. Загоруйко,
Ю.Е. Нестерихина, В.А. Сойфера, В.С. Титова, А.А. Харкевича, Р. Гонсалеса,
Ф. Розенблата, А. Розенфельда, К. Фу, Б. Хорна, Л. Шапиро и др. Обосновано
применение ПЗС-видеокамер в качестве видеосенсоров. При этом выделены
7
важные для целей управления визуальные оценки параметров процесса обжига
клинкера в зонах спекания и охлаждения вращающейся печи: температура
клинкера, яркость факела, размер гранул клинкера на выходе из печи, угол
подъема клинкера, запыленность, состояние зоны спекания. На основе работ
Ю.В. Визильтера, Ж. Затвани, К. Жоу, Т. Кохонена, В. Ли, Й. Маттхеса,
С. Хайкина, Т. Чаи, и др., произведен анализ современных методов распознавания
изображений процесса обжига в зонах спекания и охлаждения печи, применимых
для систем технического зрения, работающих в составе систем мониторинга и
управления вращающимися печами. Также рассмотрен опыт отечественных и
зарубежных компаний по разработке систем технического зрения для мониторинга
и управления вращающимися печами. На основании выводов, сделанных из
проведенного анализа, сформулированы цель и задачи исследования.
Вторая глава посвящена разработке метода оценки состояния зоны
спекания вращающейся печи на основе анализа изображений, который формально
представляет собой решение задачи построения алгоритма A: f → Y, где f –
двумерная функция яркости изображения, вычисленная на основе цветного
видеоизображения с камеры СТЗ, Y – значение оценки состояния зоны спекания
вращающейся печи (рис. 1а).
Первоначально разработан алгоритм сегментации изображения процесса
обжига (рис. 1б) на области: факел, материал, футеровка, горелка и корпус печи,
который построен на основе самоорганизующихся карт (SOM – Self-Organizing
Map) Кохонена с классификацией по эталону и включает в себя предварительную
оптимизацию набора текстурных характеристик с помощью генетического
алгоритма.
Изображение, получаемое с видеокамеры, является цветным и имеет размер
1920×1080 пикселей. Для дальнейшей обработки используется его информативная
часть, представленная в оттенках серого с помощью цветовой модели YUV и
имеющая размер 1200×900 пикселей, которая масштабируется с помощью
операции усреднения яркости до размера 480×340 и разбивается на области
размером 10×10 пикселей, что обеспечивает достаточное быстродействие при
приемлемом качестве работы алгоритмов сегментации и классификации
изображения процесса обжига, где не так значимы мелкие детали.
В результате сегментации на основе матрицы текстурных характеристик X,
которая содержит составляющие Xi = [xi1, xi2,…, xi11], где xij соответствует
текстурной характеристике с номером j из таблицы 1, формируется вектор
сегментов IC = [IC1, IC2, …, ICD]T, где ICi – номер сегмента для i-й строки матрицы X.
Он принимает целые значения от 1 до 4, что соответствует сегментам: «факел» (1),
«материал» (2), «футеровка» (3) и «корпус и горелка» (4).
Затем оценивается качество сегментации путем сравнения вектора IC с
эталонным вектором номеров IE = [IE1, IE2, …, IED]T, где IEi – эталонный номер
сегмента для вектора Xi, i=1, 2, …, D. Вектор IE задается экспертом с помощью
специальной формы ввода. Для сравнения IC с IE строится матрица U размерности
R×R, где R – количество сегментов (классов), в частности, для рассматриваемой
задачи R=4. Элементом матрицы Uij является количество пар номеров сегментов,
8
входящих в векторы IC и IE, которые равны соответственно IСn = i и IEn = j. Затем
для каждого из сегментов k вычисляется точность сегментации Pсk:
R
D
 R

1, если ( I E n  i)  ( I C n  j ),
Pc k  U kk  U ki  U ik  U kk  , U ij   I (n, i, j ), I (n, i, j )  
i 1
 i 1

n 1
0, если иначе.


Средняя точность сегментации Pс изображения определяется как Pc 
R
P
ck
R.
k 1
Начало
Получение (захват) изображения f
Начало
Алгоритм сегментации с получением вектора номеров сегментов IС для
областей изображения f с матрицей текстурных характеристик X на основе
обученной самоорганизующейся карты
Требуется настройка
алгоритма сегментации?
Требуется обучение
классификатора?
Нет
Да
Ввод набора текстурных характеристик С, размера
области разбиения
Нет
Да
Загрузка из базы данных Q пар величин (П, Y) с пометкой «Обучен», где П –
вектор информативных признаков, Y – оценка состояния зоны спекания
Применение метода экстремального обучения (ELM) для переобучения
классификатора-трехслойной нейронной сети на основе Q примеров (П, Y)
Выбор изображения f, соответствующего одному из
четырех кластеров яркости
Задание эталонной сегментации IE полученного
изображения f с помощью формы ввода
Разбиение изображения на области и вычисление
матрицы текстурных характеристик X
Построение координатной сетки для изображения процесса обжига f
Вычисление вектора информативных признаков П на основе изображения f,
матрицы текстурных характеристик X и вектора сегментов IC с учетом
координатной сетки
Нахождение оценки Y состояния зоны спекания вращающейся печи на основе
классификации вектора признаков П с помощью трехслойной нейронной сети,
обученной методом ELM.
Построение самоорганизующейся карты Кохонена из 8х8
нейронов на основе матрицы X и ее классификация на
четыре сегмента: факел, материал, футеровка, корпус и
горелка, с получением вектора IС с помощью эталонной
сегментации IE с вычислением точности сегментации Pc
Требуется
оптимизация набора текстурных
характеристик?
Нет
Да
Сохранение оценки Y, вектора признаков П и изображения f в базу данных
Задание оператором вращающейся печи эталонной оценки состояния зоны
спекания Y *с помощью формы ввода
Оценка Y
не совпадает с оценкой оператора Y *
и требуется переобучение
классификатора?
Нет
Оптимизация набора текстурных характеристик С,
входящих в матрицу X, обеспечивающая наивысшую
точность сегментации Pc на основе генетического
алгоритма
Сохранение наилучшего набора текстурных
характеристик Сопт
Ввод изображения f
Да
Сохранение оценки Y *, вектора признаков П и изображения f в базу данных с
пометкой «обучен»
Применение метода экстремального обучения (ELM) для переобучения
классификатора-трехслойной нейронной сети на основе не более Q последних
примеров (П, Y) с пометкой «обучен»
Нет
Остановить оценку?
Разбиение изображения на области и вычисление матрицы
текстурных характеристик X, входящих в набор Сопт
Получение вектора номеров сегментов IС для областей
изображения f с матрицей текстурных характеристик X на
основе обученной самоорганизующейся карты
Конец
Да
Конец
а)
б)
Рис. 1. Блок-схемы: а – алгоритма оценки состояния зоны спекания вращающейся
печи на основе анализа изображений, б – алгоритма сегментации изображения
9
Таблица 1
Анализируемые текстурные характеристики областей изображения
1. Энергия:
i 0
 (i  j  2 ) P
3
j 0
i 0
5. Однородность:
d
ij
i 0
j 0
7. Инерция:
i 0
1

(i  j ) P
i 0
(i   i )( j   j ) Pijd
 i j
j 0
,
где μi и μj - соответственно
математическое ожидание строк и
столбцов матрицы смежности Pd,
σi и σj – их среднеквадратические
отклонения.
6. Энтропия
K 1 K 1
 P
d
ij
d
ij
i 0
8. Контраст:
K 1 K 1
d
ij
j 0
ln(Pijd )
j 0
9. Максимальная вероятность:
i  j Pijd
max Pijd
i, j
j 0
11. Вариация:
N 1 N 1
 f (i, j) ,
i 0
i 0
j 0
10. Интенсивность:
1
N2

,
 1  i  j P
 (ij) P

j 0
K 1 K 1
K 1 K 1
2
d
ij
μ - математическое
ожидание элементов
матрицы смежности Pd
4. Автокорреляция:
K 1 K 1
K 1 K 1
K 1 K 1
d 2
ij
где K – количество градаций
яркости изображения, Pd – матрица
смежности, d – расстояние между
точками при подсчете матрицы
смежности
i 0
3. Корреляция:
2. Тень:
 P  ,
K 1 K 1

1
 g  2

N
g 0 
K 1
j 0
N 1 N 1

 f (i, j) C ( g ) ,
i 0
j 0
где f(i, j) – яркость пикселя в точке
(i, j) скользящего окна размером где С(g) – количество пикселей с яркостью g, является
характеристикой, вычисляемой на основе гистограммы
N×N, момент первого порядка
Заранее неизвестно, какие из отобранных 11 текстурных характеристик,
лучше всего отражают текстурные особенности изображения процесса обжига.
Необходимо найти такой набор текстурных характеристик, который обеспечивает
максимум точности сегментации Pс. Такая задача решена в виде оптимизационной
с критерием: I  Pc  max 1 N 11 , где С – маска (вектор) C = [c0, c1, …, cM, … c11],
C
C1
X XC
cM = {1,0}, определяющая набор текстурных характеристик в строках матрицы X,
XС – матрица текстурных характеристик, в которую входят только характеристики,
соответствующие единичным элементам маски C, NC1 – количество единичных
элементов вектора С. Полный перебор всех комбинаций неэффективен и
ресурсоемок. Поэтому применен метод направленного поиска оптимального
набора текстурных характеристик – генетический алгоритм, который использует
элитный отбор особей-масок C, предусматривающей сохранение «наилучшей»
особи (обеспечивающей максимальную точность сегментации Pc) в популяции. В
итоге была получена комбинация четырех признаков: Сопт = [0,0,0,1,1,0,0,0,0,1,1] –
автокорреляция, однородность, интенсивность, вариация.
Матрица текстурных характеристик X, полученная с учетом найденной
маски Сопт, поступает на вход самоорганизующейся карты Кохонена, содержащей
64 нейрона. Получаемая сегментация изображения процесса обжига с помощью
метода самоорганизующейся карты SOM с классификацией по эталону, приведена
10
на рис. 2. Разработанный алгоритм обеспечивает большую точность нахождения
сегментов по сравнению с другими рассмотренными методами: k-средних и
методом построения SOM с кластеризацией методом k-средних (см. табл. 2).
3
3
3
2
4
3
4
1
3
4
1
2
4
3
а)
б)
в)
Рис. 2. Результат сегментации изображения процесса обжига методом SOM c
классификацией по эталону: а) исходное изображение, б) сегментация
(1 – факел, 2 – материал, 3 – футеровка, 4 –корпус и горелка), в) эталон.
Таблица 2
Сравнение точности сегментации изображения различными методами
Метод SOM c
классификацией
по эталону
Методом SOM c
кластеризацией
методом k-средних
Метод kсредних
Средняя точность сегментации, %
73,0±7,1
56,6±11,7
51,0±19,7
Среднее время выполнения
сегментации Tо, мс
286±44
296±56
17±2
Параметр
Для повышения точности сегментации сформированы четыре эталона
изображений, соответствующие кластерам средней яркости. Доверительные
интервалы точности сегментации и времени обучения вычислялись с применением
критерия Стьюдента при количестве степеней свободы, равном 3 (объем выборки
равен 4, что соответствует количеству эталонных изображений), и коэффициенте
надежности доверительного интервала, равном 0,90.
На основе полученного вектора сегментов IC и исходного изображения
вычисляется вектор информативных признаков П = [П(1), П(2), …, П(12)], который
имеет двенадцать составляющих: углы верхней и нижней границы сегмента
«материал» (П(1) и П(2)); средняя (П(3)), минимальная (П(4)) и максимальная (П(5))
яркости пикселей в области материала в печи, косвенно характеризующие
качественное значение его температуры; признак размера гранул клинкера (П(6));
среднеквадратическое отклонение яркости пикселей всего изображения от средней
яркости (П(7)); эквивалентный диаметр сегмента «факел» (П(8)); средняя яркость
всего изображения (П(9)); величины среднеквадратического отклонения
гистограммы яркости пикселей сегментов факела, материала и футеровки от
среднего значения (П(10) – П(12)). Для нахождения некоторых элементов вектора
информативных признаков П на изображении процесса обжига строится
вспомогательная сетка, которая показывает поперечные сечения по длине печи.
Сетка строится с допущением о перпендикулярности оси вращения печи и
плоскости светочувствительной матрицы видеосенсора. С помощью сетки
11
установлено, что при рассматриваемом расположении камеры и разных условиях
видимости в печи, максимальное расстояние, на котором можно различить
процессы в печи, варьируется от 9 до 20 м.
На основе вычисленного вектора информативных признаков Пj, j = 1, 2, …,
101 проведены выбор, обучение и тестирование классификатора оценок состояния
зоны спекания вращающейся печи Yj, j = 1, 2 ,…, 101, сформированных
операторами вращающихся печей ЗАО «Осколцемент» по 101-му изображению
процесса обжига. Обучение производилось на основе выборки из 50 изображений,
тестирование на основе 3-х выборок по 17 изображений.
Осуществлено сравнение точности оценки состояния зоны спекания на
обучающей и тестовой выборке с помощью классификаторов, построенных на
основе метода экстремального обучения (ELM – Extreme Learning Machine),
радиально-базисной (RBF – Radial Basis Function) нейронной сети, метода опорных
векторов (SVM – Support Vector Machine), метода обратного распространения
ошибки (BP – Back Propagation) для трехслойной нейронной сети с одним скрытым
слоем. Метод экстремального обучения дает лучшую точность классификации на
обучающей и тестовой выборках – соответственно 96,7±1,9% и 94,1±9,9%.
Затраты времени на работу метода оценки состояния зоны спекания
составляют около 360±12 мс. Такой результат удовлетворяет требованию по
распознаванию изображений процесса обжига в зонах спекания и охлаждения
вращающейся цементной печи в режиме реального времени.
В третьей главе рассмотрено применение нечеткой логики для
мониторинга и управления вращающейся печью на основе параметров,
полученных при анализе изображений.
Разработан блок мониторинга, который на основе нечетких функций
принадлежности пяти информативных признаков П’ = [П(1), П(3), П(6), П(7), П(10)],
формирует вектор качественных оценок L = [L1, L2, L3, L4, L5] пяти параметров
процесса обжига: угла подъема клинкера (L1), температуры клинкера (L2), размера
гранул клинкера на выходе печи (L3), яркости факела (L4) и запыленности (L5).
Показана возможность его использования для целей контроля при построении
системы нечеткого советующего управления вращающейся печью, а также при
разработке структуры автоматизированной советующей нечеткой системы
управления вращающимися печами с применением технического зрения.
Нечеткие термы информативных признаков найдены методом построения
функций принадлежности лингвистических термов на основании статистических
данных (рис. 4), при этом использовалось 101 изображение процесса обжига.
При заданных значениях вектора информативных признаков П’ = [П(1),
П , П(6), П(7), П(10)], для каждого из этих признаков вычисляются значения
функций принадлежности нечетких термов Lij, i = 1, 2, …, 5. Среди них
находится терм Lij с наибольшей величиной функции принадлежности,
соответствующее ему значение Li и будет являться качественной оценкой i-го
параметра процесса обжига.
Например, если для исследуемого изображения процесса обжига признак
П(1) (угол верхней границы сегмента «материал» α 1) принял значение 74,625
(3)
12
градуса, то значения функций принадлежности оценки угла подъема составляют:
L13 = 0,91 – для терма «норма», L14 = 0,20 – для терма «больше нормы», L12 = 0,04 –
для терма «меньше нормы» и L11 = 0 – для терма «существенно меньше нормы»
(для рассмотренного примера суммы значений всех функций принадлежности не
равны единице, это вызвано особенностями рассмотренного набора
экспериментальных данных). Таким образом, значение качественной оценки
параметра «Угол подъема клинкера» будет составлять L1 = 2 («норма»).
Рис. 4. Функции принадлежности информативных признаков изображения
На основании трудов по теоретическим основам и практическим
приложениям нечеткой логики Гостева В.И., Дли М.И., Круглова В.В., Леоненкова
А.В., Штовба С.Д., Л. Заде, А. Пегата и др., а также формализации опыта
операторов вращающихся печей разработан нечеткий блок советующего
управления, содержащий базу правил, построенную на основе оценки состояния
зоны спекания. Он реализует управление вращающейся цементной печью мокрого
способа производства, выведенной на регламентный (нормальный) режим работы.
При этом рассмотрены отклонения от нормы трех входных
лингвистических переменных, образующих входной вектор G = [Y, Tоб, DTог]:
оценки состояния зоны спекания Y (усл. ед.), полученной с помощью
предложенного в разделе 2.4 метода, периода одного оборота печи Tоб (с/об),
относительного изменения температуры отходящих газов DTог (%).
Выходные лингвистические переменные блока советующего управления
записываются в виде вектора E = [DQт, DTоб, QШ, DZод, DPпк, MC], элементы которого
13
представляют собой советы по управлению печью: DQт – относительное изменение
расхода топлива (%), DTоб – изменение режима вращения печи (усл. ед.), QШ –
расход подаваемого в печь шлама (сырья) (м3/час), ΔZод – изменение величины
открытия шибера вентилятора общего дутья (%), ΔPпк – изменение разрежения
отходящих газов в пылеосадительной камере (мм. вод. ст.), MC – режим подачи
(ступенчатый или импульсный) управляющего воздействия (изменения расхода
топлива и расхода шлама) (усл. ед.).
В качестве метода нечеткого вывода при работе с базой правил
советующего управления Б применен алгоритм нечеткого вывода Мамдани, вид
функций принадлежности нечетких лингвистических переменных принят в виде
трапеций (в частном случае, треугольников). Такой выбор эффективен с точки
зрения простоты и быстродействия при работе в составе системы
автоматизированной советующей системы управления, функционирующей в
реальном времени.
Для базы советующего управления Б совместно с операторами печей
ЗАО «Осколцемент» составлены 72 продукционных правила управления печью с
применением оценки состояния зоны спекания.
База правил советующего управления Б представляет собой множество
правил нечетких продукций, каждое i-е правило (i = 1, 2,…, 72) в общем виде
выражено следующим образом:
ЕСЛИ G1 = a1i И G2 = a2i И … И Gm = ami, ТО E1 = d1i И E2 = d2i» И … И El = dli.
Здесь m = 3 – количество подусловий в правиле, l = 6 – количество
заключений, aji – терм j-й входной нечеткой переменной для i-го правила, dji – терм
j-й выходной нечеткой переменной для i-го правила. Все правила объединены
операциями логического «ИЛИ» с единичными весовыми коэффициентами.
Приведем пример одно из правил советующего управления:
ЕСЛИ Y=NB И Tоб=Z И DTог=Z, ТО DQт= NM И DTоб= PB И QШ=NB И ΔZод=
NB И ΔPпк= NB И МС= Z.
Оно может быть интерпретировано на естественном языке следующим
образом: Если оценка состояния зоны спекания Y – «сильно ослаблена (брак)» (NB
– Negative Big) и период одного оборота печи Tоб – «норма (полный ход)» (Z –
Zero) и относительное изменение температуры отходящих газов DTог – «нет
изменений (норма)» (Z), то относительное изменение расхода топлива DQт –
«сильное уменьшение» (NM – Negative Medium) и изменение режима вращения
печи DTоб – «установить период оборота печи намного больше нормы (тихий ход)»
(PB–Positive Big) и расход шлама QШ – «установить намного меньше нормы» (NB)
и изменение величины открытия шибера вентилятора общего дутья ΔZод –
«сильное уменьшение» (NB) и изменение разрежения отходящих газов в
пылеосадительной камере ΔPпк – «сильное уменьшение» (NB) и режим подачи
управляющего воздействия (расхода топлива и шлама) МС – «ступенчатое» (Z).
На основе разработанного блока советующего управления предложена
структура нечеткой системы управления вращающейся цементной печью мокрого
способа производства, применимая как самостоятельно, так и в составе
существующих систем управления вращающимися печами.
14
В четвертой главе описана разработанная автоматизированная советующая
нечеткая система управления вращающейся цементной печью мокрого способа
производства с применением технического зрения. Структура системы предложена
и реализована как программно-аппаратный комплекс (см. рис. 5), содержащий две
подсистемы: подсистему технического зрения и подсистему нечеткого вывода.
Датчики
технологических
величин
Термокожух
OТВ
Рабочая станция
Шкаф управления
HD-SDI-HDMI
преобразователь и плата
видеозахвата
HD-SDI-камера
OЗСО
f
Система
защиты камеры
от пыли и
высоких
температур
Модуль
локального
контроля
Программное обеспечение,
реализующее блок анализа
изображений
Y, П
База данных
Подсистема технического зрения
Y, П’
Оператор
Подсистема нечеткого вывода
U
П’
Блок мониторинга
Y
GДТВ
L
Вращающаяся
цементная
печь
O
E
G
Блок советующего управления
GДТВ
EС
Существующая система советующего управления
Рис. 5. Структура автоматизированной советующей нечеткой системы управления
вращающимися печами с применением технического зрения
Разработан аппаратный комплекс подсистемы технического зрения,
содержащий в себе систему защиты видеокамеры от пыли и высоких температур,
систему захвата и анализа изображений (см. рис. 6а). Анализ работы аппаратного
комплекса подсистемы показал эффективность его применения в промышленных
условиях: при температуре в месте установки свыше +260°С и высокой
запыленности температура видеокамеры в процессе работы кожуха не превышает
+20°С; обеспечен захват изображения процесса обжига высокого качества с
разрешением 1920×1080 с частотой кадров 1/25 с.
Разработан программный комплекс подсистемы технического зрения
(программа для ЭВМ №2013618121). С применением локальной базы данных
осуществлена программная реализация модуля оператора (рис. 6б), модуля
настройки алгоритма распознавания изображений, модуля работы с архивом,
модуля настроек программы.
Разработанная подсистема нечеткого вывода включает в себя блок
мониторинга, формирующий вектор оценок параметров процесса обжига L и блок
15
советующего управления, построенный на основе базы правил Б. Осуществлена
программная реализация подсистемы нечеткого вывода. Программа не имеет
графического интерфейса и обеспечивает преобразование входного вектора
вещественных переменных G в выходной вектор вещественных переменных E.
Результаты работы программы соответствуют сформированной базе нечетких
правил советующего управления Б, согласуются с экспертными мнениями
операторов печи, и показывают применимость разработанного модуля для работы
в составе автоматизированной системы управления вращающейся цементной
печью мокрого способа производства.
Разработанная подсистема нечеткого вывода дополняет существующую
систему нечеткого вывода для вращающейся печи обжига, как в плане новых
используемых входных и выходных переменных, так и в плане базы
продукционных правил Б, основанных на оценке состояния зоны спекания Y.
Величина Y и вектор информативных признаков П, формируемые подсистемой
технического зрения, выходной вектор L блока мониторинга и выходной вектор E
блока советующего управления разработанной подсистемы нечеткого вывода
поступают оператору вращающейся печи, который задает управляющие
воздействия (вектор U) на вращающуюся цементную печь, имеющей вектор
состояния О.
Результаты
испытаний
программно-аппаратного
комплекса
автоматизированной системы на вращающейся печи №1 ЗАО «Осколцемент»
показавшие его пригодность для работы в реальном масштабе времени,
подтверждены актом опытно-промышленных испытаний.
а)
б)
Рис. 6. Программно-аппаратный комплекс системы мониторинга и оперативного
управления вращающимися печами на основе технического зрения: a) термокожух
с жидкостным и воздушным охлаждением для защиты видеокамеры; б) экранная
форма модуля оператора.
Применение разработанной системы устраняет необходимость для
оператора осуществлять непосредственное визуальное наблюдение за процессом
обжига в печи во вредных для организма человека условиях окружающей среды,
что улучшает условия труда, снижает нагрузку на оператора, повышает
16
оперативность принятия управляющих решений в среднем на 12%, повышает
качество принятия оператором управляющих решений.
В приложениях к диссертации приведены акт опытно-промышленных
испытаний системы на заводе ЗАО «Осколцемент», акт внедрения результатов
исследований в учебный процесс, копии свидетельств о государственной
регистрации программ для ЭВМ, а также фрагменты листингов программ.
ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ
1. Проведен анализ существующих подходов и методов оценки параметров
зон спекания и охлаждения печи, в том числе, посредством систем технического
зрения и выявлены определяющие параметры протекания процессов в этих зонах.
2. Разработан метод оценки состояния зоны спекания вращающейся печи
на основе анализа изображений, содержащий алгоритм сегментации изображения
процесса обжига, осуществляемый на основе самоорганизующейся карты
Кохонена с классификацией по эталону и метода экстремального обучения для
нахождения оценок состояния зоны спекания по информативным признакам
изображения. Разработаны и зарегистрированы реализующие метод программы
для ЭВМ (№2013618121 и №2012617408), работающие в реальном времени и
обеспечивающие сегментацию изображения на области «факел», «материал»,
«футеровка» и «корпус и горелка» со средней точностью 73±7,12%, а также
нахождение оценки состояния зоны спекания с точностью 96,7±1,9% на
обучающей и 94,1±9,9% на тестовой выборках.
3. На основе анализа изображений осуществлена качественная оценка пяти
параметров процесса обжига: угла подъема клинкера, температуры клинкера,
размера гранул клинкера на выходе печи, яркости факела и запыленности.
4. Разработана лингвистически полная непротиворечивая нечеткая база
правил советующего управления вращающейся цементной печью мокрого способа
производства, содержащая 72 продукционных правила. С помощью неѐ на основе
найденной оценки состояния зоны спекания Y, периода одного оборота печи Tоб и
относительного изменения температуры отходящих газов DTог формируются
советы по управлению печью: по изменению расходов топлива, шлама, воздуха
общего дутья, изменению режима вращения печи, разрежения отходящих газов в
пылеосадительной камере. Разработанная нечеткая база правил позволяет
операторам печи реализовать управление печью, направленное на поддержание в
норме названных трех величин Y, Tоб и DTог.
5. Разработана структура автоматизированной советующей нечеткой
системы управления вращающимися цементными печами мокрого способа
производства с применением технического зрения, содержащая подсистемы
технического зрения и нечеткого вывода.
6. Разработана автоматизированная советующая нечеткая система
управления вращающейся цементной печью с применением технического зрения,
обеспечивающая получение и обработку высококачественного изображения
процесса обжига и защиту видеосенсора от температур свыше +260°С и пыли,
повышающая оперативность принятия решений по управлению печью в среднем
17
на 12%, улучшающая условия труда и снижающая нагрузку операторов печи, а
также интегрируемая в существующую информационную систему управления.
7. На вращающейся печи №1 ЗАО «Осколцемент» проведены опытнопромышленные испытания разработанной автоматизированной системы,
показавшие еѐ эффективность при работе в промышленных условиях. Получен акт
опытно-промышленных испытаний.
8. Элементы метода оценки состояния зоны спекания вращающейся печи
на основе анализа изображений внедрены в учебный процесс на кафедре
«Техническая кибернетика» БГТУ им. В.Г. Шухова.
9. Найденные оценки параметров процесса обжига, разработанная база
продукционных правил и структура автоматизированной системы управления с
применением технического зрения могут быть применены в системах управления
вращающимися печами в различных отраслях промышленности: при производстве
керамзита, извести, в цветной металлургии и др., в том числе, существующих.
ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
Публикации в изданиях, рекомендованных ВАК РФ
1. Юдин, Д.А. Программный комплекс системы технического зрения для
оценки состояния процесса обжига / Д.А. Юдин, В.З. Магергут // Программные
продукты и системы. – №2. – Тверь: ЗАО НИИ «Центрпрограммсистем», 2013. –
С. 257-262.
2. Юдин, Д.А. Сегментация изображений процесса обжига с применением
текстурного анализа на основе самоорганизующихся карт / Д.А. Юдин,
В.З. Магергут // Информационные технологии. – №4. – М.: Изд-во «Новые
технологии», 2013. – С. 65-70.
3. Юдин, Д.А. Применение метода экстремального обучения нейронной
сети для классификации областей изображения / Д.А. Юдин, В.З. Магергут //
Научные ведомости БелГУ. Серия: История. Политология. Экономика.
Информатика. – № 26/1. – Белгород: НИУ «БелГУ», 2013. – C. 95-103.
4. Бажанов, А.Г. Интеллектуальные подходы к созданию советующей
системы управления вращающейся цементной печью обжига клинкера /
А.Г. Бажанов, А.С. Копылов, В.А. Порхало, Д.А. Юдин, Е.Б. Кариков,
В.Г. Рубанов, В.З. Магергут // Цемент и его применение. – №3 – СПб.: Журнал
«Цемент», 2013. – С. 77-80.
Публикации в международных журналах, индексируемых в SCOPUS
5. Yudin, D.A. Machine vision system for assessment of firing process
parameters in rotary kiln/ D.A. Yudin, V.Z. Magergut, E.P. Dobrinskiy // World Applied
Sciences Journal. – 24 (11). – 2013. – P. 1460–1466.
Статьи и материалы конференций
6. Магергут, В.З., Интеллектуальная советующая система управления
цементными вращающимися печами с применением технического зрения /
В.З. Магергут, Д.А. Юдин, А.Г. Бажанов, В.А. Порхало, А.С. Копылов,
А.А. Степовой, Р.А. Ващенко // Мир цемента. – №2. – 2013. – С. 51-59.
18
7. Проценко, В.В. Применение генетического алгоритма при разработке
программного модуля многопараметрической оптимизации [электронный ресурс] /
В.В. Проценко, Д.А. Юдин // Международная научно-техническая конференция
молодых ученых БГТУ им. В.Г. Шухова. – Белгород, 2013. – 6с.
8. Шаповалов, А.В. Применение метода SURF для идентификации объекта
по шаблону в системе распознавания изображений [электронный ресурс] /
А.В. Шаповалов, А.А. Шевкунов, В.В. Проценко, Д.А. Юдин // Международная
научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. –
Белгород, 2013. – 5с.
9. Юдин, Д.А. Распознавание изображений с применением нейронных
сетей в задачах мониторинга процессов / Д.А. Юдин // Сб. трудов молодых ученых
и специалистов Белгородской области / Белгород: Константа, 2012. – С. 93-97.
10. Юдин, Д.А. Распознавание изображений процесса обжига с
использованием нейросетевых методов / Д.А. Юдин, В.З. Магергут // Труды 55-й
науч. конф. МФТИ «Проблемы фундаментальных и прикладных естественных и
технических наук в современном информационном обществе». Управление и
прикладная математика. – Том 1. – М.: МФТИ, 2012. – С. 107-108.
11. Юдин, Д.А. Применение текстурного анализа для сегментации
видеоизображений процесса обжига / Д.А. Юдин, В.З. Магергут // Математические
методы в технике и технологиях – ММТТ-25 [текст] сб. трудов XXV Междунар.
науч. конф.: в 10 т. Т. 4. Секции 6, 7, 13 / под общ. ред. А.А. Большакова. –
Волгоград: Волгогр. гос. техн. ун-т, 2012; Харьков: Национ. техн. ун-т «ХПИ»,
2012. – С. 59-63.
12. Юдин,
Д.А.
Применение
математического
аппарата
самоорганизующихся карт при разработке системы технического зрения для
вращающихся печей / Д.А. Юдин, В.З. Магергут // Труды 54-й науч. конф. МФТИ
«Проблемы фундаментальных и прикладных естественных и технических наук в
современном информационном обществе». Управление и прикладная математика.
Том 2. – М.: МФТИ, 2011. – С. 93-94.
13. Юдин, Д.А. Применение методов распознавания изображений в системе
мониторинга вращающейся керамзитовой печи / Д.А. Юдин, В.З. Магергут //
Инновационные материалы и технологии: сб. докл. Междунар. науч.-практ. конф.,
Белгород 11-12 окт. 2011 г. / Белгор. гос. технол. ун-т. – Белгород: Изд-во БГТУ,
2011. – Ч. 2. – С. 203-207.
14. Юдин, Д.А. Использование системы технического зрения для
управления вращающейся цементной печью / Д.А. Юдин // Сб. докл.номинантов,
допущенных к отбору на участие в конкурсе БГТУ им. В.Г.Шухова по программе
«Участник молодежного научно-инновационного конкурса» (УМНИК) / под общ.
ред. В.Г. Рубанова. – Белгород: Изд-во БГТУ им. В.Г.Шухова, 2010. – С. 32-38.
15. Юдин, Д.А. Разработка интеллектуальной системы технического зрения
для мониторинга состояния и управления вращающейся печью обжига клинкера
[электронный ресурс] / Д.А. Юдин // Международная научно-техническая
конференция молодых ученых БГТУ им.В.Г.Шухова. – Белгород, 2010. – 6 c.
19
16. Юдин, Д.А. Интеллектуальная система мониторинга и оперативного
управления вращающимися печами обжига с применением технического зрения /
Д.А. Юдин // Научные исследования, наносистемы и ресурсосберегающие
технологии в промышленности строительных материалов: сб. докл. междунар.
науч.-практ. конф., Белгород, 5-8 окт. 2010г. / Белгор. гос. технол. ун-т. – Белгород:
Изд-во БГТУ, 2010 г. – Ч.3. – С. 320-324.
Полученные объекты интеллектуальной собственности
17. Свидетельство 2013618121 Российской Федерации о гос. регистрации
программы для ЭВМ. CVMonitor – Программа распознавания изображений для
оценки параметров процесса обжига во вращающейся печи/ Д.А. Юдин,
В.З. Магергут; заявитель и правообладатель ФГБОУ ВПО «Белгородский
государственный технологический университет им. В.Г. Шухова». – №2013615988,
заявл. 12.07.2013; опубл. 30.08.2013.
18. Свидетельство 2012617408 Российской Федерации о гос. регистрации
программы для ЭВМ. Программа для сегментации изображений процесса обжига с
применением текстурного анализа / Д.А. Юдин, В.З. Магергут; заявитель и
правообладатель ФГБОУ ВПО «Белгородский государственный технологический
университет им. В.Г. Шухова». – №2012615494, заявл. 03.07.2012; опубл.
17.08.2012.
Подписано в печать 17.03.2014
Формат 60х84/16.
Авт. л. 1 Тираж 100 экз. Заказ № 62
Отпечатано в Белгородском государственном технологическом
университете им. В.Г. Шухова,
308012, г. Белгород, ул. Костюкова, 46
Документ
Категория
Без категории
Просмотров
16
Размер файла
855 Кб
Теги
зрения, вращающимися, система, автоматизированной, применению, техническое, управления, печами
1/--страниц
Пожаловаться на содержимое документа