通過前面的知識我們對催化劑網(wǎng)帶窯也有了一些基本的了解，接下來就為您介紹下催化劑網(wǎng)帶窯的燒結(jié)工況識別。
針對催化劑網(wǎng)帶窯燒結(jié)工況圖像頻域噪聲干擾的特點以及彩色圖像處理算法復(fù)雜、實時性差的問題，提出了利用頻域濾波技術(shù)與灰度變換技術(shù)相結(jié)合對燒結(jié)工況圖像進(jìn)行預(yù)處理的算法，實現(xiàn)了燒結(jié)工況圖像的去噪與灰度變換。
針對單純的基于像素灰度值的圖像分割方法難以精確分割火焰區(qū)與物料區(qū)的難題，分析了催化劑網(wǎng)帶窯燒結(jié)工況圖像火焰區(qū)與物料區(qū)在紋理特征方面的差別，提出了利用Gabor小波紋理粗糙度對基于像素灰度值的FCM聚類結(jié)果進(jìn)行去模糊化的燒結(jié)工況圖像分割算法，實現(xiàn)了圖像中火焰區(qū)與物料區(qū)的分割。根據(jù)“人工看火”經(jīng)驗描述了物料高度、閃爍頻率、整體平均灰度、火焰顏色與物料顏色五個回轉(zhuǎn)窯燒結(jié)工況圖像特征，提出了從整體圖像及分割后的圖像中提取上述特征的算法。
根據(jù)“人工看火”過程的數(shù)據(jù)融合原理，針對燒結(jié)工況圖像特征以及由燒成帶溫度、窯頭溫度、窯尾溫度以及冷卻機(jī)電流構(gòu)成的關(guān)鍵過程數(shù)據(jù)的特點，提出了包括數(shù)據(jù)濾波、同步序列化與歸一化處理的融合算法，得到了融合后的混合特征數(shù)據(jù)。將混合特征數(shù)據(jù)作為輸入，欠燒結(jié)、正燒結(jié)和過燒結(jié)三種基本燒結(jié)工況作為輸出，建立了基于準(zhǔn)正態(tài)二叉樹支持向量機(jī)的燒結(jié)工況識別模型。
以上就是今天小編為大家整理介紹的關(guān)于催化劑網(wǎng)帶窯的燒結(jié)工況識別的相關(guān)內(nèi)容，如果您還有什么疑問，歡迎來電咨詢我們的工作人員，我們會有專業(yè)人士為您講解，直到您滿意。我們竭誠期待著您的到來！
|
