一种红外扫描监测回转窑筒体温度的方法

摘要

本发明公开了一种红外扫描监测回转窑筒体温度的方法，通过红外辐射测温原理监测窑筒体表面温度，将窑筒体表面温度和相应的位置信号生成筒体的轴向温度分布图、二位色度展开图、周向温度分布图和三维热像图。本方法可以实现对回转窑筒体温度的实时监测，极大地减小劳动强度和生产事故，提高窑的运转率和产量、质量，降低生产成本和非计划停窑时间。

说明书

技术领域    本发明涉及一种温度监测的方法，更具体的说是一种利用红外线测温原理监测回转窑体温度的监测方法。

背景技术    在氧化铝生产过程中，最重要的工艺环节是熟料的煅烧，回转窑是该环节的核心，在实际生产中，回转窑的筒体经常受局部过热而损坏。一旦筒体局部受损，就要停车、卸料、维修、重新装料、点火、开车，生产受极大的影响。每次维修经济损失10万元以上。

因此，时刻检测筒体表面温度，根据实际温度实时调整筒口风向和燃烧条件，以避免筒体受损是十分必要的。

过去，窑体温度检测是：定时到回转窑前用手持探测器进行分段、分点测试。其劳动强度大，测试面粗，发现问题晚。

发明内容    本发明的目的是提供一种红外扫描监测回转窑筒体温度的方法，本方法通过红外辐射测温原理监测窑筒体表面温度。可以实现对回转窑筒体温度的实时监测，极大地减小劳动强度和生产事故，提高窑的运转率和产量、质量，降低生产成本和非计划停窑时间。

本发明的目的是通过下述技术方案予以实现的。

本发明一种红外扫描监测回转窑筒体温度的方法包括以下步骤：

1、一种红外扫描监测回转窑筒体温度的方法，其特征在于包括以下步骤：

(1)、通过安装在窑筒上方的红外探测器以轴向扫描方式获得旋转窑体表面温度数据，通过安装在窑筒的位置信号生成装置获得温度数据相应的位置信号；

(2)、通过和红外探测器安装在一起的微电脑系统将温度数据及相应的位置信号转化为数字形式；

(3)、将转化为数字形式后的温度数据和相应的位置信号传送到计算机系统；

(4)、计算机系统对接收到的温度数据进行预处理，方法为：在同一采样周期内用平均值法，连续采样多次取平均值；在不同的采样周期里，对相邻温度点信号进行连续多次采样，对其加权平均；

(5)、计算机系统综合预处理后的温度数据和相应的位置信号，得出温度监测结果。

本发明的方法的所述步骤(4)中，可以在同一采样周期连续采样3次取平均值；在不同的采样周期里，对相邻温度点信号进行连续7次采样，对其加权平均。

本发明的方法的所述步骤(5)中，计算机系统得出的温度监测结果可以以图表的形式显示出来。图表种类包括轴向温度分布图、二位色度展开图、周向温度分布图、三维温度分布图。

本发明的方法的所述步骤(5)中，可以对轴向温度进行动态补偿，方法为：根据扫描距离的变化采取确定性动态补偿算法，首先确定最大补偿温度和扫描最大旋转角度，然后根据最大补偿温度和扫描最大旋转角度及红外探测器到窑体表面的垂直高度计算补偿系数，最后根据红外探测器到窑体表面的垂直高度及特定点的补偿系数与扫描旋转角度计算出该点的补偿温度，然后与红外探测器测得温度值相加得到轴向温度。计算机系统得出的轴向温度分布图所采用的就是补偿后的温度。

本发明的方法的所述步骤(5)中，可以进行窑炉局部异常温度预报，方法为：根据窑炉工作时的温度样本提取数学特征来确定窑炉局部异常温度，具体步骤如下：

(1)、取窑炉正常工作时特征温度点构成的特征向量为标准样本向量，在线测得的特征向量为实测样本向量；

(2)、计算标准样本向量与实测样本向量的欧氏距离；

(3)、与事先确定好的聚类结果准则标准比较，得出窑炉局部异常温度预报结果。

窑炉局部异常温度预报结果可以由计算机系统生成窑炉工作状态预报图。

本发明的方法与现有技术相比，具有以下优点：

1、根据红外测温原理，利用红外探测器和计算机系统结合测量炉窑表面温度，反应快，测温准确。

2、对于轴向温度根据扫描距离的变化采取确定性动态补偿算法，可以降低粉尘和蒸汽的影响，提高测量精度。

3、采用平滑滤波算法可以克服粉尘和蒸汽对测量精度的影响。

具体实施方式    下面结合具体实施方式对本发明作进一步描述：

本发明的红外扫描监测回转窑筒体温度的方法的一个实施方式实施步骤和该步骤的功能如下：

(1)、通过安装在窑筒上方的红外探测器以轴向扫描方式获得旋转窑体表面温度数据，通过安装在窑筒的位置信号生成装置获得温度数据相应的位置信号；

(2)、通过和红外探测器安装在一起的微电脑系统将温度数据及相应的位置信号转化为数字形式；

(3)、将转化为数字形式后的温度数据和相应的位置信号传送到计算机系统；

(4)、计算机系统对接收到的温度数据进行预处理，方法为：在同一采样周期内用平均值法，连续采样3次取平均值；在不同的采样周期里，对相邻温度点信号进行连续7次采样，对其加权平均。

具体公式如下：

T₁＝[Q₆·T(k-6)+Q₅T(k-5)+Q₄T(k-4)+Q₃T(k-3)+Q₂T(k-2)+Q₁T(k-1)+Q₀T(k)]/7

其中，Q₆，Q₅，Q₄，Q₃，Q₂，Q₁，Q₀为权系数，且Q₆+Q₅+Q₄+Q₃+Q₂+Q₁+Q₀＝1，Q₆＜Q₅＜Q₄＜Q₃＜Q₂＜Q₁＜Q₀

进行这一步骤的目的是为了使监测结果更准确。因为在实际测量中，由于粉尘和蒸汽的影响，使得在某一时刻测得的温度抵于实际温度值，导致测量不准确，为克服这一现象，就要对温度采集信号数据进行预处理。

(5)、计算机系统将预处理后的温度数据和相应的位置信号生成筒体的二位色度展开图、周向温度分布图、轴向温度分布图、三维温度分布图和窑炉工作状态预报图。

其中，“二维色度展开图”将窑体表面沿轴向展开，横坐标为窑体轴向断面序号，纵坐标为周向位置。在二维色度展开图中可以用颜色变化反映窑体表面各单元由低到高的温度分布情况。二维色度展开图可以直观显示窑体表面各单元的温度情况，从而反映出窑皮的均匀程度、窑皮是否出现结块、结圈、掉砖、红窑等重要操作信息，并可以通过该图判断结块、结圈、调砖、红窑出现的大概位置和范围。

轴向温度分布图以窑体轴向的段面序号为横坐标，以温度为纵坐标，实时显示窑体各周向剖面的温度值。可以改变的窑体周向剖面，生成不同剖面的温度曲线。通过轴向温度分布图，可以看出每个段面窑体表面温度的最大值、最小值以及它们之间的差值，从而反映出窑皮的不均匀程度以及窑皮结块的位置等信息。

周向温度分布图以极坐标的形式绘出，与窑的某一段面相对应、将同一段面上各点温度绘成一条闭合曲线，可以由此曲线获知该段面位置窑皮的不均匀程度、窑皮生长与脱落情况等信息。

在上述的步骤(5)中，在生成轴向温度分布图时，根据扫描距离的变化采取确定性动态补偿算法，根据扫描距离与扫描角度之间的关系，计算出补偿温度，然后与红外探测器测得温度值相加得到轴向温度。具体计算公式如下：

设H为红外探测器到窑体表面的垂直高度，L为红外探测器的扫描距离，α为扫描角度，当高度H一定时，扫描距离L与扫描角度α之间的关系为：

扫描距离L＝H/cosα

补偿温度ΔT＝T₀(L-H)

           ＝T₀(H/cosα-H)

           ＝T₀H(1-cosα)/cosα

其中：

$>>>T>0>>=>>>\Delta >>T>max>>>>cos>\alpha >>max>>>>H>>(>1>->cos>>\alpha >max>>)>>>>>s>$

轴向温度T＝T₁+ΔT

其中：  T₀----温度补偿系数，

T₁——红外测温传感器测得温度值。

ΔT_max，α_max分别为最大补偿温度和最大旋转角度。

在上述的步骤(5)中，根据窑炉工作时的温度样本提取数学特征来确定窑炉局部异常温度，具体步骤如下：

(1)、取窑炉正常工作时特征温度点构成的特征向量为标准样本向量，在线测得的特征向量为实测样本向量；

(2)、计算标准样本向量与实测样本向量的欧氏距离；

(3)、与事先确定好的聚类结果准则标准比较，得出窑炉局部异常温度预报结果。

具体计算过程如下：

欧氏距离的表达式：

$>>>\delta >E>>>(>>X>b>>,>>X>c>>)>>=>[>>\Sigma >j>d>>>>(>>x>bj>>->>x>cj>>)>>2>>>]>>1>/>2>>>=>[>>>(>>x>b>>->>x>c>>)>>T>>>(>>x>b>>->>x>c>>)>>>]>>1>/>2>>>>s>$

两个样本之间的差异跟类间离散度Sj和类内离散度Sn都有关。

即 $>>j>=>tr>>(sup>>s>n>>->1>sup>>>s>j>>)>>>s>$

根据专家经验，窑炉的各种异常状态(如窑皮是否出现红窑、结块、掉砖、结圈等重要信息)都可以通过实测向量反映出来，即直接影响到欧氏距离的大小，如果能在线算得欧氏距离δ_E(X_b，X_c)，依据事先确定好的聚类结果准则标准，就可以得到模糊预报结果。可以采用基于误差平方和准则基础上的C-均值算法：

设Ni是第i聚类Ti中的样本数目，mi是这些样本的均值

即 $>>>m>i>>=>>1>>N>i>>>>\Sigma >>y>\in >>T>i>>>>y>>s>$

把Ti中的各样本y与均值m_i间的误差平方和对所有类相加后为

$>>>J>e>>=>>\Sigma >>i>=>1>>c>>>\Sigma >>y>\in >>T>i>>>>>>|>|>y>->>m>i>>|>|>>2>>>s>$

Je是误差平方和聚类准则，它度量了用C个聚类中心m₁，m₂，……，mc代表C个样本子集T1，T2，……，Tc时所产生的总的误差平方。使Je极小的聚类是误差平方和准则下的最优结果。为了要得到这些结果。本发明采用的方法是首先选择样本点。选定样本点后，将数据标准化，用Yij表示标准化后第I个样本的第J个坐标。

令： $>>SUM>>(>i>)>>=>>\Sigma >>j>=>1>>d>>>y>ij>>>s>$

MA＝maxSUM(i)

MI＝minSUM(i)

若欲将样本划分为C类，则对每个i计算：

$>>>>>(>C>->1>)>>[>SUM>>(>i>)>>->MI>]>>>MA>->MI>>>+>1>>s>对其取整后如等于K，则将Yi归入第K类。$

C均值算法可概括如下：

(1)、选择把N个样本分成C个聚类的初始划分，计算每个聚类的均值m₁，m₂……m_c和Je。

(2)、选择一个被选样本Y，Y∈T_i；

(3)、若Ni＝1，则转(2)，否则继续；

(4)、计算

(6)、对于所有的j，若ρ_k≤ρ_j，则把Y从Ti移到Tk中。

(7)、重新计算m_i和m_k的值，并修改Je；

(8)、若连续叠带N次，Je不改变则停止，否则转到(2)经过上述叠带计算，最终得到测试样本所处的类别，发出相应的预告。对炉窑工作状态的预报形式采用相平面图的方式，取温度测试特征向量与温度样本特征向量之间的欧氏距离δ_E(X_b，X_c)为横坐标，欧氏距离δ_E(X_b，X_c)的变化率(X_b，X_c)为纵坐标，生成窑炉工作状态预报图。