秦成立 崔海波

（中國(guó)核電工程有限公司鄭州分公司，河南 鄭州 450000）

熟料燒結(jié)回轉(zhuǎn)窯主要是由窯頭、冷卻帶、燒成帶、預(yù)熱分解帶、烘干帶、窯尾六個(gè)部分組成的，各個(gè)組成部分的溫度對(duì)整個(gè)回轉(zhuǎn)窯的生產(chǎn)都會(huì)產(chǎn)生很大的影響的，在六個(gè)組成部分中燒成帶的溫度對(duì)整個(gè)的回轉(zhuǎn)窯生產(chǎn)的磚成品有影響是最為明顯的。鑒于整個(gè)回轉(zhuǎn)窯不斷處于運(yùn)行生產(chǎn)的狀態(tài)中，而且燒成帶這部分的溫度是非常高的，測(cè)量溫度是非常困難的?，F(xiàn)在都是人工根據(jù)自身的經(jīng)驗(yàn)來(lái)對(duì)燒成帶的溫度進(jìn)行估測(cè)但是這種方法對(duì)人性的依賴太大，并且估測(cè)數(shù)據(jù)不準(zhǔn)確。因此將SVR方法應(yīng)用于回轉(zhuǎn)窯燒成帶溫度軟測(cè)量中代替人工經(jīng)驗(yàn)測(cè)量測(cè)得的燒成帶溫度將更加精準(zhǔn)。

1 SVR支持向量機(jī)原理

SVR支持向量機(jī)是在SVM的基礎(chǔ)上進(jìn)行演變過(guò)來(lái)的，在很多學(xué)者認(rèn)為這是一個(gè)有效的回歸方法主要是解決非線性的問(wèn)題。SVR模型主要是解決二次規(guī)劃的問(wèn)題，其主要的數(shù)學(xué)原理如下：

a =（a1，a2，a3，......ai）

根據(jù)此拉格朗日公式，得出相應(yīng)的參變量方程為

Q（a）=ai aj yiyj

此函數(shù)為拉格朗日對(duì)偶函數(shù)，次函數(shù)的約束公式為：

ai yi = 0，ai>=0，i=1，2，，3......j

支持向量對(duì)應(yīng)的數(shù)據(jù)點(diǎn)用來(lái)決定決策函數(shù)，一般來(lái)講，ε值越大，支持向量的數(shù)量就越少，結(jié)果就表現(xiàn)的越是稀疏。但是要注意的是，隨著ε的增大訓(xùn)練數(shù)據(jù)的逼近精度則隨之降低。因此合理選取ε值，決定了平衡數(shù)據(jù)結(jié)果的稀疏性和數(shù)據(jù)的精確度。約束條件公式為SVR的輸入空間構(gòu)建了決策平面；除了約束條件公式外，核函數(shù)對(duì)SVR支持向量的選擇同樣至關(guān)重要。核參數(shù)決定了高維特征空間的結(jié)構(gòu)以及最后結(jié)果的復(fù)雜度，因此要慎重的選擇正確的核參數(shù)。

SVR的泛化性能，不僅在理論研究過(guò)程中，在實(shí)際的工業(yè)應(yīng)用中也表現(xiàn)出優(yōu)越的性能。SVR可以解決很多非線性問(wèn)題；其結(jié)果值取最優(yōu)且唯一，不可能產(chǎn)生局部極值。在各行業(yè)中已經(jīng)廣泛采用支持向量的方法，并且基于此方法延伸出來(lái)適合各行業(yè)的各種技術(shù)，基于SVR的回轉(zhuǎn)窯燒成帶溫度軟測(cè)量方法便是一種新的測(cè)量方法。

2 基于SVR的回轉(zhuǎn)窯燒成帶溫度軟測(cè)量方法

根據(jù)上述SVR的測(cè)量原理，在回轉(zhuǎn)窯燒成帶溫度測(cè)量過(guò)程中將這種方法應(yīng)用到溫度的測(cè)量中進(jìn)行實(shí)踐，證實(shí)此方法是可行有效的。利用SVR方法進(jìn)行溫度軟測(cè)量的主要途徑是通過(guò)圖像采集現(xiàn)場(chǎng)實(shí)時(shí)畫面，然后對(duì)現(xiàn)場(chǎng)畫面進(jìn)行后臺(tái)圖像分割和特征提取，依據(jù)提取的不同溫度圖譜特征，確定對(duì)應(yīng)的溫度值。

2.1 圖像的采集

圖像采集主要是分為以下幾個(gè)步驟來(lái)進(jìn)行開展的：

①首先主要是使用CCD攝像機(jī)進(jìn)行拍攝整個(gè)燒結(jié)的過(guò)程，CCD攝像機(jī)是安裝在回轉(zhuǎn)窯的窯頭看火位置，這樣能夠全方位的拍攝整個(gè)燒結(jié)磚形成的過(guò)程。

②CCD攝像機(jī)拍攝的視頻傳動(dòng)到相關(guān)視頻分配器上的媒介是同軸電纜。

③視頻分配器接受到視頻信息后進(jìn)行整理然后發(fā)送到計(jì)算機(jī)圖像采集卡處。

④計(jì)算機(jī)圖像采集卡將視頻進(jìn)行處理和轉(zhuǎn)化，使用計(jì)算機(jī)進(jìn)行處理后就能夠?qū)剞D(zhuǎn)窯燒成帶的溫度進(jìn)行估計(jì)。

2.2 圖像分割與特征提取

圖像分割與特征提取主要包括以下幾個(gè)步驟：

①首先是對(duì)采集的圖像進(jìn)行處理，要使用灰度圖像進(jìn)項(xiàng)研究。

②利用 Roberts 邊緣檢測(cè)、二值化、膨脹方法檢測(cè)圖像噪聲，并根據(jù)均值濾波、中值濾波、直方圖均衡化方法進(jìn)行平滑化處理。

③對(duì)處理過(guò)的灰度圖像進(jìn)行分割，主要是采用雙快讀行進(jìn)的方法，主要是將火焰區(qū)和物料去分割出來(lái)。

④將分割結(jié)果對(duì)應(yīng)到原始彩色圖像，提取圖像總體平均灰度、物料區(qū)域 R 分量平均值，火焰區(qū)域 R 分量與 G 分量的平均值特征。

⑤由④提取的特征和由比色測(cè)溫儀測(cè)得的該圖像對(duì)應(yīng)的燒成帶溫度組成實(shí)驗(yàn)數(shù)據(jù)集。

⑥定義灰度不在[0，255]間與溫度為 0 的數(shù)據(jù)為灰色數(shù)據(jù)，除去、灰色數(shù)據(jù)。

⑦將所有的數(shù)據(jù)進(jìn)行進(jìn)行分類，主要是分為訓(xùn)練集、測(cè)試集、預(yù)測(cè)集。

⑧為了避免較大數(shù)量范圍數(shù)據(jù)支配較小數(shù)量范圍數(shù)據(jù)，進(jìn)行標(biāo)準(zhǔn)化處理。

2.3 特征分析及數(shù)據(jù)處理

通過(guò)獲取的圖像特征，來(lái)計(jì)算變量值和均值之間的差值。通過(guò)標(biāo)準(zhǔn)化值與0的比較來(lái)進(jìn)行來(lái)判斷此差值的處于的間隔中，如果是等于0表示此差值和均值是相等的，如果是大于0則表示此差值大于均值，小于0則反之。然后根據(jù)圖像特征與預(yù)估溫度之間的對(duì)應(yīng)關(guān)系獲取溫度值。

3 結(jié)果驗(yàn)證

利用上述的方法對(duì)回轉(zhuǎn)窯的燒成帶的溫度進(jìn)行測(cè)量計(jì)算，將溫度實(shí)際測(cè)量的結(jié)果與利用SVR方法測(cè)量的結(jié)果進(jìn)行比較，均方差為0.053，因此證明基于SVR的回轉(zhuǎn)窯燒成帶溫度測(cè)量方法是可行有效的。

采用上述的這種基于SVR的回轉(zhuǎn)窯燒成帶溫度軟測(cè)量方法，可以減少人工使用傳統(tǒng)的看火對(duì)燒成帶溫度進(jìn)行人工估計(jì)的方法更加的精確，對(duì)溫度的測(cè)量更加的精準(zhǔn)。

結(jié)語(yǔ)

本文提出了一種基于 SVR 的回轉(zhuǎn)窯燒成帶溫度軟測(cè)量的新方法，并提出了通過(guò)前向滑動(dòng)平均對(duì)溫度進(jìn)行濾波來(lái)提高擬合度。通過(guò)大量實(shí)驗(yàn)驗(yàn)證了基于SVR的回轉(zhuǎn)要燒成帶溫度測(cè)量方法得到的燒成帶溫度軟測(cè)量結(jié)果與實(shí)測(cè)值的擬合度達(dá)到0.927、均方誤差為 0.053，驗(yàn)證了本文方法的有效性。

[1]袁平，毛志忠，王福利.基于多支持向量機(jī)的軟測(cè)量模型[J].系統(tǒng)仿真學(xué)報(bào)，2006（06）.

[2]章立新，王少林，茅忠明，伍貽文.水泥回轉(zhuǎn)窯溫度檢測(cè)與圖像處理系統(tǒng)的研究與開發(fā)[J].儀器儀表學(xué)報(bào)，2002（S3）.