[发明专利]一种具有仿反馈调节机制的回转窑烧成状态识别方法

摘要

本发明公开了一种具有仿反馈调节机制的回转窑烧成状态识别方法，其特征包括：第一阶段是提取火焰图像的认知特征，建立样本的完备认知特征空间；第二个阶段是基于信息粒度建立约简认知特征空间；第三个阶段是采用集成RVFL分类器设计认知系统；第四个阶段是认知结果可靠性评估，根据评估结果自由调节信息粒度，重新激活第二至第四个阶段，更新约简认知特征空间，多次反馈认知。本发明能够仿人工自由调节完备认知特征等级进行多级反馈认知，显著提高认知精度和可靠性，从而真正实现“机器看火”取代“人工看火”，为实现回转窑熟料质量指标的闭环控制奠定基础。

主权项

1.一种具有仿反馈调节机制的回转窑烧成状态识别方法，其特征在于按如下步骤进行：步骤1、对运行状态下的回转窑进行拍摄，获得回转窑烧成状态视频，从所述回转窑烧成状态视频中选出v幅正常状态火焰图像，记为NI、v幅低温状态火焰图像，记为LI和v幅高温状态火焰图像，记为HI；由所述v幅正常状态火焰图像NI、v幅低温状态火焰图像LI和v幅高温状态火焰图像HI组成3v幅训练火焰图像集合TI，并有TI＝{I1,I2,…,Iτ,…,I3v}；Iτ表示第τ幅训练火焰图像；1≤τ≤3v；步骤2、认知特征提取步骤2.1、采用多变量图像分析法对所述第τ幅训练火焰图像Iτ进行处理，获得第τ幅训练火焰图像Iτ的d1维色彩系数f1,τ；步骤2.2、采用主成份分析法对所述第τ幅训练火焰图像Iτ进行处理，获得第τ幅训练火焰图像Iτ的d2维全局形态系数f2,τ；步骤2.3、采用视觉单词本结合潜在语义分析法对所述第τ幅训练火焰图像Iτ进行处理，获得第τ幅训练火焰图像Iτ的d3维全局形态系数f3,τ；步骤2.4、对所述第τ幅训练火焰图像Iτ的d1维色彩系数f1,τ、d2维全局形态系数f2,τ和d3维全局形态系数f3,τ进行合并，获得d＝d1+d2+d3维系数C′τ，并对所述系数C′τ进行归一化处理，获得所述第τ幅训练火焰图像Iτ的训练认知特征向量Cτ；从而获得3v幅训练火焰图像的训练认知特征向量集合，记为C＝{C1,C2,…,Cτ,…,C3v}；步骤3、认知系统设计步骤3.1、定义变量w；并初始化w＝1、初始化信息粒度δw＝1；步骤3.2、在第w次反馈识别中，基于信息粒度δw，采用粗糙集理论将所述训练认知特征向量集合C进行约简处理，获得第w次约简的训练认知特征向量集合Bw；步骤3.3、第w次约简的训练认知特征向量集合Bw作为集成RVFL分类器的输入并进行训练，得到第w次认知过程的最优集成RVFL分类器和训练认知结果；步骤4、从在线实时采集的回转窑烧成状态视频中获取一幅待识别火焰图像P作为测试图像；步骤5、认知结果的评估步骤5.1、按照步骤2对所述待识别火焰图像P进行认知特征提取，获得所述待识别火焰图像P的d维测试认知特征向量FB；步骤5.2、在第w次反馈识别中，基于信息粒度δw，采用粗糙集理论将所述d维测试认知特征向量FB进行约简处理，获得第w次约简的测试认知特征向量FBw；步骤5.3、利用所述第w次认知过程的最优集成RVFL分类器对所述待识别火焰图像P进行分类认知，得到第w次认知过程的测试认知结果DLw；步骤5.4、根据所述第w次认知过程的测试认知结果DLw，建立第w次误差信息系统SRw，并对第w次认知过程的测试认知结果进行可靠性评估，若满足可靠性阈值，则将第w次认知过程的测试认知结果DLw作为所述待识别火焰图像P的最终认知结果；否则，将w+1赋值给w；并返回步骤3.2执行；所述步骤5.4中的第w次误差信息系统SRw是利用式(1)进行建立：式(1)中，Il表示第l类训练火焰图像个数；l∈{1,2,3}分别表示第1类正常状态火焰图像、第2类低温状态火焰图像和第3类高温状态火焰图像；并有：式(2)中，表示第w次测试认知特征向量FB_w与第l类训练火焰图像的特征差矩阵，B_q,w表示第l类训练火焰图像中第q个训练火焰图像的第w次约简的训练认知特征向量；1≤q≤I_l；步骤6、根据所述最终认知结果判定所述待识别火焰图像P的烧成状态是否为正常状态火焰图像，若是，则维持当前烧成状态；并返回步骤4，获取另一幅待识别火焰图像作为测试图像；否则，对当前烧成状态进行报警提示后，再返回步骤4执行。