回转窑广泛应用于冶金、水泥和化工等领域,用于对物料进行物理或者化学处理。回转窑熟料烧结过程中窑体不停旋转,窑内要进行复杂的燃烧、烟气和物料的对流换热等过程,与熟料质量指标有关的关键工艺参数难以在线测量,导致目前回转窑熟料烧结工况识别仍然处于“人工看火”的阶段。而人工操作方式易受主观因素影响,会出现产品质量低、设备运转率差以及高能耗等问题。熟料烧成带火焰视频图像中包含大量的温度场信息和熟料烧结信息,这为研究基于烧成带火焰图像的回转窑熟料烧成状态识别提供了可能。但是受到窑体旋转和粉尘烟雾的干扰,得到的烧成带火焰图像质量不高,各区域存在较强耦合,基于静态图像方法难以获取具有区分性和鲁棒性的特征。烧成带火焰视频序列中包含了熟料烧结状态的更多信息,因此,综合利用图像处理和机器学习最新研究成果,研究基于熟料烧成带火焰视频图像的回转窑熟料烧结工况识别方法,具有重要意义。针对回转窑熟料烧结工况识别存在的问题,本文依托国家自然科学基金面上项目“基于图像与过程数据融合的回转窑产品质量参数预报建模”,以氧化铝回转窑为研究对象,开展了基于烧成带火焰视频图像处理与机器学习的熟料烧成状态识别的研究。主要工作如下:1.现有的基于图像的回转窑熟料烧结工况识别工作较多采用监督或无监督的图像特征提取方法。监督的图像特征提取方法要求输入数据都是有标签的,而对大量数据进行标记非常耗时耗力。无监督算法主要用来学习高维数据中的低维结构,挖掘低维特征,而学得的特征类区分性较低。针对这些问题,本文提出一种基于半监督独立成分分析(SS-RICA)的火焰视频图像特征提取方法,利用重构独立成分分析在感兴趣区域上提取具有统计独立性的特征,结合基于图嵌入框架的边界判别分析方法增强学得特征的可分性。分别在10%、30%、70%比例有标记样本集上与PCA、MFA、RICA特征提取算法进行对比实验,采用线性支持向量机分类器进行模型评估。实验结果表明,SS-RICA特征提取方法训练和测试样本集均取得了最高的识别精度。2.回转窑烧成带火焰视频包含了更多的熟料烧结信息,本文提出了一种基于烧成带火焰视频图像的连续隐马尔可夫模型(cHMM)回转窑熟料烧结工况识别方法。针对三种烧结工况下的火焰视频图像数据,采用高斯混合模型(GMM)来估计观测序列,Baum-Welch算法学习出三种工况下的HMM模型结构λ1,λ2,λ3,根据贝叶斯决策规则建立最终的模式分类器。在10%、30%、70%比例有标签样本集上采用HMM分类器和非线性SVM分类器进行了实验,在训练和测试样本集中HMM分类器均得到了较高的识别精度。3.为对本文提出的算法进行实验验证,以及探索将实验室研究成果向工业成果转化,本文设计和开发了回转窑熟料烧结工况识别实验系统。实验系统采用浏览器/服务器模式,前端浏览器界面以HTML、PHP和Javascript作为开发语言,后台算法采用MATLAB软件编译的可执行文件来实现。分别设计了系统介绍功能、模型离线训练功能和模型在线应用功能。其中,模型离线训练部分设计了训练数据选取和模型参数输入功能,实现了数据预处理、特征提取模型训练、分类器训练以及结果展示这四个主要功能模块。模型在线应用部分利用离线训练获得的模型来对输入数据实时识别烧结工况。实验系统的开发为将实验室环境下的研究成果向工业产品的转化提供一个思路。