[发明专利]一种乙烯裂解炉炉管红外智能分析系统

权利要求书

1.一种乙烯裂解炉炉管红外智能分析系统，其特征在于，包括依次连接的：图像采集模块(1)、温度监测模块(2)、结焦诊断模块(3)与健康管理模块(4)；其中：

所述的图像采集模块(1)利用红外热成像在线监测系统获取裂解炉炉管及燃烧器的红外图像，建立裂解炉炉管红外图像数据库；

所述的温度监测模块(2)采用红外图像处理与识别方法，从处理后的乙烯裂解炉炉管的红外图像中提取并记录乙烯裂解炉炉管外表面温度；

所述的结焦诊断模块(3)结合人工智能与数据挖掘的技术，建立乙烯裂解炉炉管结焦程度诊断与预测模型，实现对结焦异常状况的提前预警与针对性跟踪；

所述的健康管理模块(4)对乙烯裂解炉炉管结焦程度诊断与预测模型得到的结果进行炉管的健康评估，并提供维修决策支持。

2.根据权利要求1所述的一种乙烯裂解炉炉管红外智能分析系统，其特征在于，所述的图像采集模块(1)利用红外热成像在线监测系统获取裂解炉炉管及燃烧器的红外图像，建立裂解炉炉管红外图像数据库，包括：

(1.1)通过红外热成像设备实时采集不同视角下多根乙烯裂解炉炉管的红外图像，连续监测炉管表面温度的变化和分布信息；

(1.2)对乙烯裂解炉炉管的红外图像进行预处理，包括采用图像增强算法提升图像对比度，去除噪声，提取细节信息，提高图像清晰度；

(1.3)根据处理得到的不同视角下乙烯裂解炉炉管的红外图像建立裂解炉炉管红外图像故障数据库，用于后续炉管的温度监测、结焦诊断与健康管理。

3.根据权利要求1所述的一种乙烯裂解炉炉管红外智能分析系统，其特征在于，所述的温度监测模块(2)采用红外图像处理与识别方法，从处理后的乙烯裂解炉炉管的红外图像中提取并记录乙烯裂解炉炉管外表面温度，包括：

(2.1)利用图像分割的算法对裂解炉炉管外形进行辨认，结合摄像头的空间分布对不同视角下多根炉管进行定位和识别；

(2.2)分别对每根炉管在不同视角下的红外图像进行加权平均处理，减少火焰或热流对炉管红外图像的影响，更准确地表现炉管温度；

(2.2)将红外图像中的灰度值映射为实际表面温度，在空间维度上得到炉管温度分布图，便于实时查询任意点处炉管表面温度；在时间维度上得到炉管任一区域的表面温度时间序列，方便查看温度变化情况，直观地掌握所关注位置处的炉管实际运行状态。

4.根据权利要求1所述的一种乙烯裂解炉炉管红外智能分析系统，其特征在于，所述的结焦诊断模块(3)结合人工智能与数据挖掘的技术，建立乙烯裂解炉炉管结焦程度诊断与预测模型，实现对结焦异常状况的提前预警与针对性跟踪，包括：

(3.1)对炉管表面温度数据进行时间序列分解，

采用STL分解法处理时间序列分解，具体是，基于鲁棒性局部加权回归的方法将时间序列分解成趋势项、周期项和残差项，用来衡量时间序列中的趋势项和周期项的强度；其中，鲁棒性局部加权回归方法的局部加权回归过程和鲁棒性过程分别在STL分解的内部循环和外部循环中嵌套实现；内循环中通过去趋势项得到周期项，去周期得到趋势项的循环过程，在达到收敛后得到经过局部加权回归进行平滑后的趋势项与周期项；外循环计算更新序列中各样本点的鲁棒权重值，对应内循环中进行局部加权回归时，邻域权重需要乘以鲁棒权重值；

(3.2)对炉管结焦程度进行诊断与预测，包括：

(3.2.1)将炉管的结焦程度划分为正常、轻度结焦、中度结焦和严重结焦四个等级；

(3.2.2)将炉管表面温度的时间序列数据，随机划分70％的数据作为训练集，30％的数据作为测试集；采用Adam优化方法通过训练集训练长短期记忆神经网络，并在测试集上进行测试验证训练后的长短期记忆神经网络的性能；

(3.2.3)利用训练好的长短期记忆神经网络实现对裂解炉炉管运行周期内的结焦程度的诊断，并制出结焦程度关于时间变化的曲线，预测炉管结焦程度发展趋势。