回轉窯是建材、冶金、化工等工業(yè)領域的大型關鍵熱工設備。窯內燒結過程復雜多變,利用窯內燃煤火焰圖像進行工況識別和判斷是后續(xù)進行穩(wěn)定控制的基礎和關鍵。目前,深度學習在語音識別、圖像處理、互聯網應用等多個領域已獲得成功應用,本文基于深層卷積神經網絡進行窯內工況的燃煤火焰圖像識別算法研究,同時將免疫遺傳算法優(yōu)化卷積網絡參數設計提高圖像識別性能,對于深度學習的工業(yè)軟測量應用具有重要意義。主要研究內容分為以下幾點:（1）研究了卷積神經網絡（CNN）架構和基礎理論。分析了卷積運算、激活函數、池化、全連接、dropout層等基本操作模塊和卷積神經網絡中反向傳播以及梯度下降等核心運算,在此基礎上給出了卷積神經網絡的基本結構以及計算流程。（2）針對窯內燃煤火焰圖像粉塵大、易受干擾等特點,選擇圖像灰度化后的中值濾波和GIF去霧對火焰圖像進行了預處理,并根據“過燒”、“正燒”以及“欠燒”三種工況狀態(tài)進行人工標定形成回轉窯燒成帶的工況識別圖像數據集。（3）分析了AlexNet、VGGNet、GoogleNet以及ResNet四種卷積神經網絡模型結構,利用上節(jié)窯內火焰圖像集基于Tensorflow仿真平臺進行了窯... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：80 頁

【學位級別】：碩士

【部分圖文】：

回轉窯燒結流程示意圖

不同卷積核處理結果

dropout前后神經網絡對于一個有N個節(jié)點的神經網絡，有了Dropout后，可以看做是2^N個模型

【參考文獻】：
期刊論文
[1]基于火焰圖像顯著區(qū)域特征學習與分類器融合的回轉窯燒結工況識別[J]. 周曉杰,蔡元強,夏克江,富月.  控制與決策. 2017(01)
[2]基于光照補償和模糊增強的煤粉區(qū)分割方法[J]. 陳華,章兢,張小剛,胡紅平.  儀器儀表學報. 2012(09)
[3]基于回轉窯圖像的熟料填充率測量[J]. 何敏,章兢,何昭暉,靖立偉.  儀器儀表學報. 2009(12)
[4]基于火焰圖像特征與BT-SVM的窯況識別方法[J]. 孫鵬,周曉杰,柴天佑.  系統仿真學報. 2009(13)
[5]基于圖像反饋的回轉窯燒結溫度智能預測控制[J]. 張小剛,陳華,章兢,劉小燕.  控制理論與應用. 2007(06)
[6]基于神經網絡的回轉窯火焰圖像分割[J]. 李樹濤,王耀南.  儀器儀表學報. 2001(01)
[7]基于多神經網絡分類器組合的火焰圖像分割[J]. 李樹濤,王耀南,毛建旭.  數據采集與處理. 2000(04)
[8]氧化鋁熟料窯燒成溫度自動控制系統[J]. 王士釗.  工業(yè)儀表與自動化裝置. 1996(05)
[9]圖象處理技術用于發(fā)光火焰溫度分布測量的研究[J]. 王補宣,李天鐸,吳占松.  工程熱物理學報. 1989(04)

博士論文
[1]水泥回轉窯燒成狀態(tài)識別與熟料質量指標軟測量的研究[D]. 李帷韜.東北大學 2012

碩士論文
[1]基于火焰圖像的回轉窯燒結過程的燃燒狀態(tài)識別方法研究[D]. 林彥君.武漢科技大學 2015
[2]回轉窯燒結帶溫度的數字圖像特征信息提取與分析[D]. 楊緒辰.哈爾濱理工大學 2015
[3]基于燒成帶圖像的回轉窯熟料燒結工況識別方法研究[D]. 吳小勛.東北大學 2014
[4]基于回轉窯數字圖像特征信息提取與窯況判別研究[D]. 丁艷軍.哈爾濱理工大學 2010
[5]光流算法及其在回轉窯窯況識別中的應用研究[D]. 魏兆一.東北大學 2005



本文編號：3047806