〔摘 要〕揮發(fā)窯現(xiàn)場(chǎng)環(huán)境中存在的動(dòng)態(tài)水霧會(huì)使紅外測(cè)溫法測(cè)得窯體溫度出現(xiàn)偏差。針對(duì)揮發(fā)窯現(xiàn)場(chǎng)窯體表面動(dòng)態(tài)水霧導(dǎo)致紅外測(cè)溫結(jié)果出現(xiàn)偏差的問(wèn)題，提出了一種基于紅外圖像特征的揮發(fā)窯窯體測(cè)溫補(bǔ)償方法，完成了系統(tǒng)數(shù)據(jù)庫(kù)概要設(shè)計(jì)以及軟件功能設(shè)計(jì)。開發(fā)了氧化鋅揮發(fā)窯窯體測(cè)溫系統(tǒng)并投入運(yùn)行，實(shí)現(xiàn)了揮發(fā)窯窯體溫度的準(zhǔn)確測(cè)量。

〔關(guān)鍵詞〕揮發(fā)窯;測(cè)溫系統(tǒng);紅外圖像;測(cè)溫補(bǔ)償

中圖分類號(hào)：TH811;TP391.4 ? 文獻(xiàn)標(biāo)志碼：B? 文章編號(hào)：1004-4345（2024）03-0034-04

A Temperature Measurement System for Volatile Kiln Body Based

on Infrared Imaging Technology

LIU Xiao

（Hunan Zhuzhou Smelter Nonferrous Metals Co.， Ltd.， Hengyang， Hunan 421001， China）

Abstract? The paper puts forward a temperature compensation method for volatile kiln body based on infrared image features to address the issue of deviation in infrared temperature measurement results caused by dynamic water mist on the kiln? surface in the on-site environment of volatile kiln. Furthermore， the paper introduces the principle of temperature compensation based on infrared image feature extraction algorithm and temperature compensation algorithm， completes the preliminary design of the system database and software function design， develops the temperature measurement system for the zinc oxide volatile kiln body and put it into operation. This system can accurately and easily measure the temperature of the volatile kiln in the field， effectively ensuring the stable operation of the volatile kiln for a long term.

Keywords? volatile kiln; temperature measurement system; infrared images; temperature compensation

收稿日期：2024-01-04

基金項(xiàng)目：國(guó)家自然科學(xué)基金（項(xiàng)目編號(hào)：61860206014）

作者簡(jiǎn)介：劉驍（1983—），男，工程師，主要從事鋅冶煉過(guò)程的工藝與自動(dòng)化技術(shù)研究。

濕法煉鋅是鋅的主要生產(chǎn)工藝，通過(guò)濕法工藝生產(chǎn)的鋅在世界范圍內(nèi)占鋅冶煉總量的80%以上[1]。濕法煉鋅工藝中，鋅焙砂中性浸出后會(huì)產(chǎn)生大量的鋅浸出渣，這些鋅浸出渣是濕法冶煉過(guò)程中產(chǎn)量最大、蘊(yùn)藏金屬最豐富的固體廢物。處理鋅浸出渣的方法主要有回轉(zhuǎn)窯揮發(fā)法、熱酸浸出—沉鐵法、頂吹熔煉法及側(cè)吹熔煉法等[2]，其中回轉(zhuǎn)窯揮發(fā)法是當(dāng)前濕法煉鋅工廠回收處理鋅浸出渣的主要工藝[3]。氧化鋅揮發(fā)窯是該工藝的核心設(shè)備，主要用于回收浸出渣中的有價(jià)金屬。

生產(chǎn)過(guò)程中，揮發(fā)窯高溫反應(yīng)帶內(nèi)部反應(yīng)氛圍決定了浸出渣中有價(jià)金屬回收率的高低[4]，但窯內(nèi)溫度過(guò)高，會(huì)燒壞耐火磚并損壞窯皮，縮短密體壽命。因此，掌握窯內(nèi)溫度是保障窯體平穩(wěn)運(yùn)行的關(guān)鍵。然而，揮發(fā)窯內(nèi)部空間高度密閉且窯身旋轉(zhuǎn)，窯內(nèi)環(huán)境惡劣，目前難以實(shí)時(shí)監(jiān)測(cè)窯內(nèi)溫度[5]。根據(jù)傳熱學(xué)理論，當(dāng)窯內(nèi)燃燒情況發(fā)生變化時(shí)，窯皮表面溫度也會(huì)相應(yīng)波動(dòng)，即揮發(fā)窯窯皮表面溫度能夠在一定程度上反映窯內(nèi)的燃燒情況。根據(jù)窯皮的溫度，可對(duì)窯體進(jìn)行相應(yīng)的噴水降溫，以適當(dāng)降低窯襯溫度，防止窯體因熱膨脹損壞，保障窯體安全、平穩(wěn)運(yùn)行，從而延長(zhǎng)窯體壽命。由此可見(jiàn)，準(zhǔn)確測(cè)量窯體表面溫度是保證揮發(fā)窯長(zhǎng)周期安全生產(chǎn)的必要手段。

1?? 研究背景

紅外成像技術(shù)是測(cè)量窯體表面溫度的一種有效方法。然而，由于生產(chǎn)環(huán)境惡劣，特別是氧化鋅揮發(fā)窯周圍存在大量動(dòng)態(tài)水霧，導(dǎo)致紅外熱像測(cè)溫的精度受到了極大影響。因此，為了實(shí)現(xiàn)對(duì)揮發(fā)窯運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，有必要對(duì)測(cè)量結(jié)果進(jìn)行補(bǔ)償，以獲得真實(shí)準(zhǔn)確的溫度。目前，已有部分學(xué)者開展了針對(duì)水霧干擾的紅外測(cè)溫補(bǔ)償方法研究。劉玉英等[6-7]基于輻射換熱理論建立了水霧影響下輻射測(cè)溫問(wèn)題的數(shù)學(xué)模型，研究了水霧對(duì)紅外熱像儀測(cè)溫的影響。劉凱迪等[8]提出了一種基于Mie散射理論的校正方法，通過(guò)建立水霧狀態(tài)模型分析紅外輻射的衰減情況，獲得校正因子對(duì)紅外測(cè)溫進(jìn)行實(shí)時(shí)溫度校正。杜京義等[9]提出了一種基于修正系數(shù)和BP神經(jīng)網(wǎng)絡(luò)消除水霧對(duì)紅外測(cè)溫影響的方法，有效去除水霧對(duì)鑄坯表面測(cè)溫的影響。譚鍇等[10]通過(guò)實(shí)驗(yàn)裝置測(cè)量水霧厚度、鑄坯實(shí)際溫度、水量等信息，得出了根據(jù)雙色輻射測(cè)溫值計(jì)算鑄坯表面實(shí)際溫度的模型。然而，由于窯體內(nèi)襯承受著化學(xué)腐蝕、熔渣浸蝕和物料磨損，不同位置的內(nèi)襯厚薄不一，這也導(dǎo)致窯皮表面溫度不一致。在這種情況下，給窯皮淋水降溫而產(chǎn)生的水霧也呈現(xiàn)動(dòng)態(tài)特征，使溫度補(bǔ)償非常困難。上述研究從不同方面討論了消除水霧對(duì)紅外測(cè)溫影響的方法，但研究結(jié)果只能針對(duì)靜態(tài)水霧進(jìn)行測(cè)溫補(bǔ)償或是對(duì)實(shí)驗(yàn)裝置存在一定的要求，難以在揮發(fā)窯的運(yùn)行狀態(tài)下進(jìn)行應(yīng)用。

為此，本文結(jié)合揮發(fā)窯的實(shí)際運(yùn)行情況和環(huán)境特點(diǎn)，搭建基于紅外熱像儀的氧化鋅揮發(fā)窯窯體測(cè)溫系統(tǒng)。該系統(tǒng)可以實(shí)時(shí)監(jiān)控?fù)]發(fā)窯的工作情況，提出了基于紅外圖像特征的窯體測(cè)溫補(bǔ)償算法，通過(guò)紅外測(cè)溫補(bǔ)償算法實(shí)現(xiàn)對(duì)窯體溫度的準(zhǔn)確測(cè)量，為現(xiàn)場(chǎng)工作人員提供可靠的窯體溫度參考信息。

2?? 基于紅外圖像特征的測(cè)溫補(bǔ)償方法

當(dāng)紅外熱像儀成像光路中存在動(dòng)態(tài)水霧時(shí)，水霧顆粒大小，也會(huì)對(duì)紅外圖像上的溫度分布產(chǎn)生影響?；诖耍疚奶岢隽艘环N基于紅外圖像特征的窯體測(cè)溫補(bǔ)償方法，通過(guò)提取紅外熱像中的圖像信息，用定量的方式識(shí)別動(dòng)態(tài)水霧對(duì)測(cè)溫結(jié)果的影響，從而進(jìn)行恰當(dāng)?shù)臏囟妊a(bǔ)償。

2.1? 紅外圖像特征提取算法

紅外圖像的顏色在不同水霧影響下存在較大的差異，溫度數(shù)據(jù)的變化也會(huì)導(dǎo)致圖像的紋理特征發(fā)生變化。因此，本文選擇提取紅外圖像的顏色特征和紋理特征進(jìn)行分析，并將其應(yīng)用于測(cè)溫補(bǔ)償中。

顏色矩是一種簡(jiǎn)單有效的顏色特征表示方法，它通過(guò)對(duì)圖像中像素顏色值的統(tǒng)計(jì)分析，得到可以有效地表達(dá)圖像的顏色信息[11]。顏色矩通常包括3個(gè)一階矩、3個(gè)二階矩和3個(gè)三階矩，分別代表了圖像在RGB顏色空間中的平均值、方差和偏度。由于顏色信息主要分布于低階矩中，因此一階矩、二階矩和三階矩足以表達(dá)圖像的顏色分布。當(dāng)圖像中顏色發(fā)生變化時(shí)，顏色矩變化如下：

式中：μi表示一階矩;σi表示二階矩;si表示三階矩;pi，j表示圖像第j個(gè)像素的第i個(gè)顏色分量;N表示圖像中的像素個(gè)數(shù)。

紋理特征則通過(guò)灰度共生矩陣（Gray-level Co-occurrence Matrix，以下簡(jiǎn)稱“GLCM”）獲得。GLCM通過(guò)計(jì)算圖像中一定距離和一定方向的兩點(diǎn)灰度間的相關(guān)性，來(lái)反映圖像在方向、間隔、變化幅度及快慢上的綜合信息[12]。GLCM可以計(jì)算出多種紋理特征，如對(duì)比度、相關(guān)性、能量、熵等。本文主要提取能量（ASM）、對(duì)比度（CON）、熵（ENT）、逆方差（IDM）和相關(guān)性（CORR）5個(gè)參數(shù)在4個(gè)方向上的均值用于建立測(cè)溫補(bǔ)償模型，其表達(dá)式如下所示：

式中：P（i，j）表示從灰度為i的像素點(diǎn)出發(fā)到另一像素點(diǎn)灰度為j的概率。

2.2? 測(cè)溫補(bǔ)償算法

本文選取訓(xùn)練集數(shù)據(jù)中的測(cè)量溫度和提取到的共14個(gè)圖像特征作為自變量，測(cè)量溫度與真實(shí)溫度的溫差作為因變量，建立溫度誤差的梯度提升樹（Gradient Boosting Decision Tree，以下簡(jiǎn)稱GBDT）[13]預(yù)測(cè)模型，對(duì)窯體溫度進(jìn)行補(bǔ)償。GBDT是一種集成學(xué)習(xí)算法，它通過(guò)將多個(gè)決策樹集成起來(lái)，逐步提高模型的預(yù)測(cè)準(zhǔn)確性， 通過(guò)不斷迭代來(lái)提高集成模型的總體性能。在GBDT中，每一棵決策樹都被看作是一個(gè)弱分類器，它們依次被訓(xùn)練和集成。與其他Boosting算法不同的是，GBDT采用殘差學(xué)習(xí)的思想，即每一棵新樹的目標(biāo)是糾正前面所有樹的誤差。

在現(xiàn)場(chǎng)，依靠人工使用手持式紅外熱像儀就近測(cè)量窯體的溫度，并相應(yīng)記錄紅外熱像儀的數(shù)據(jù)。所獲得的真實(shí)溫度和測(cè)量溫度組成數(shù)據(jù)集，按照7∶3的比例分為訓(xùn)練集和測(cè)試集。先使用訓(xùn)練集對(duì)GBDT預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)累加生成最終的強(qiáng)學(xué)習(xí)器，完成揮發(fā)窯窯體測(cè)溫溫度誤差模型訓(xùn)練。在訓(xùn)練完成后，使用測(cè)試集，采用均方根誤差（RMSE）、平均百分比誤差（MAPE）以及決定系數(shù)（R2）對(duì)模型的補(bǔ)償性能進(jìn)行評(píng)估。

經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，窯體測(cè)量溫度與真實(shí)溫度相近，且它們的溫度變化趨勢(shì)基本相同，這驗(yàn)證了模型的有效性。將模型輸出補(bǔ)償量與測(cè)量溫度相加，就可以獲得補(bǔ)償后的窯皮溫度。

3?? 系統(tǒng)軟件設(shè)計(jì)與實(shí)現(xiàn)

基于紅外圖像特征的窯體測(cè)溫補(bǔ)償方法能夠有效地克服高溫動(dòng)態(tài)水霧對(duì)測(cè)溫精度的影響。在該方法基礎(chǔ)上，本文進(jìn)行窯體測(cè)溫系統(tǒng)的設(shè)計(jì)。

3.1? 軟件架構(gòu)設(shè)計(jì)

目前，軟件架構(gòu)設(shè)計(jì)在向模塊化、平臺(tái)化和標(biāo)準(zhǔn)化方向發(fā)展。本次氧化鋅揮發(fā)窯窯體測(cè)溫系統(tǒng)的設(shè)計(jì)按照實(shí)現(xiàn)的不同功能，主要分為數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、數(shù)據(jù)存儲(chǔ)系統(tǒng)以及數(shù)據(jù)顯示系統(tǒng)。軟件系統(tǒng)的整體架構(gòu)具體如圖 1 所示。

首先，數(shù)據(jù)采集系統(tǒng)與紅外熱像儀進(jìn)行連接，根據(jù)通信協(xié)議獲得紅外數(shù)據(jù)（如紅外視頻、紅外圖像等）并將其傳輸至計(jì)算機(jī)，保存在數(shù)據(jù)存儲(chǔ)系統(tǒng)。紅外熱圖則經(jīng)過(guò)測(cè)溫預(yù)處理、溫度補(bǔ)償算法等數(shù)據(jù)處理后獲得精準(zhǔn)的溫度數(shù)據(jù)，分別輸送到數(shù)據(jù)顯示界面和數(shù)據(jù)存儲(chǔ)系統(tǒng)。

3.2 系統(tǒng)功能設(shè)計(jì)

系統(tǒng)軟件設(shè)計(jì)采用模塊化設(shè)計(jì)思想， 根據(jù)揮發(fā)窯的實(shí)際需求設(shè)計(jì)了揮發(fā)窯運(yùn)行監(jiān)控主界面、資源管理、數(shù)據(jù)查看、錄像回放以及系統(tǒng)設(shè)置等模塊。每個(gè)模塊下又分設(shè)多個(gè)子模塊。通過(guò)這些子模塊可以實(shí)現(xiàn)揮發(fā)窯實(shí)時(shí)運(yùn)行狀況查看、歷史數(shù)據(jù)查詢與分析、參數(shù)設(shè)置等功能。設(shè)計(jì)的系統(tǒng)功能結(jié)構(gòu)圖具體如圖2所示。

圖2? 系統(tǒng)功能結(jié)構(gòu)

1）揮發(fā)窯運(yùn)行監(jiān)控主界面。系統(tǒng)主界面是整個(gè)系統(tǒng)的核心部分，主要負(fù)責(zé)顯示兩座揮發(fā)窯目前的運(yùn)行狀況，包括揮發(fā)窯實(shí)時(shí)監(jiān)控、窯體溫度實(shí)時(shí)顯示、窯體關(guān)鍵區(qū)域溫度變化曲線、實(shí)時(shí)報(bào)警信息等。此外，主界面還會(huì)顯示當(dāng)前系統(tǒng)的運(yùn)行狀態(tài)。系統(tǒng)主界面如圖3所示。

2）系統(tǒng)設(shè)置界面。在此界面下主要實(shí)現(xiàn)各個(gè)參數(shù)的查詢、修改功能。操作人員可以對(duì)系統(tǒng)報(bào)警類型、數(shù)據(jù)保存、當(dāng)前天氣信息、視頻保存間隔、數(shù)據(jù)存儲(chǔ)有效日期、數(shù)據(jù)存儲(chǔ)路徑等參數(shù)進(jìn)行設(shè)置，從而實(shí)現(xiàn)系統(tǒng)功能的靈活操作性。

此外，系統(tǒng)還設(shè)置了資源管理、數(shù)據(jù)查看、錄像回放等界面。工藝管理人員可以進(jìn)行窯皮溫度數(shù)據(jù)查詢和分析，及時(shí)了解揮發(fā)窯的運(yùn)行情況，為揮發(fā)窯的工藝優(yōu)化決策提供支撐。

3.3? 系統(tǒng)現(xiàn)場(chǎng)應(yīng)用效果

基于上述溫度補(bǔ)償技術(shù)和軟件架構(gòu)設(shè)計(jì)，開發(fā)了揮發(fā)窯窯體測(cè)溫系統(tǒng)軟件，在生產(chǎn)現(xiàn)場(chǎng)投入運(yùn)行，并在現(xiàn)場(chǎng)對(duì)測(cè)溫系統(tǒng)進(jìn)行跟蹤測(cè)試。測(cè)試結(jié)果顯示，經(jīng)過(guò)補(bǔ)償后，淋水區(qū)窯體測(cè)量溫度與真實(shí)溫度相近，且它們的溫度變化趨勢(shì)基本相同。這表明本文所提出的補(bǔ)償方法可以有效地消除水霧對(duì)淋水區(qū)窯體測(cè)溫的影響。

該揮發(fā)窯體測(cè)溫系統(tǒng)軟件自投運(yùn)以來(lái)，運(yùn)行穩(wěn)定，應(yīng)用效果良好，具體表現(xiàn)在以下兩方面。

1）窯體測(cè)溫精度高。該系統(tǒng)可以精準(zhǔn)地測(cè)量出窯體表面真實(shí)的溫度，而不受到窯體表面水霧的影響，且對(duì)于大雨、大霧等惡劣天氣有一定的抗干擾性。在現(xiàn)場(chǎng)應(yīng)用中，所測(cè)量的溫度與真實(shí)溫度之間的誤差基本小于±10 ℃，測(cè)溫精準(zhǔn)性得到了驗(yàn)證，滿足現(xiàn)場(chǎng)對(duì)窯體測(cè)溫的工藝要求。

2）操作簡(jiǎn)便。該系統(tǒng)操作簡(jiǎn)單明了，揮發(fā)窯的運(yùn)行信息集中顯示在主界面上，工作人員僅需按照系統(tǒng)提示進(jìn)行操作，即可實(shí)現(xiàn)歷史數(shù)據(jù)查看、錄像回放、數(shù)據(jù)統(tǒng)計(jì)分析、系統(tǒng)設(shè)置、實(shí)時(shí)溫度曲線查看等功能，減輕了操窯人員的勞動(dòng)強(qiáng)度。

4?? 結(jié)語(yǔ)

揮發(fā)窯窯體溫度是揮發(fā)窯操窯的一個(gè)重要依據(jù)，紅外測(cè)溫憑借其非接觸、高效、準(zhǔn)確的特點(diǎn)成為冶金爐窯測(cè)溫的重要手段。本文針對(duì)揮發(fā)窯窯體紅外測(cè)溫時(shí)動(dòng)態(tài)水霧引起的測(cè)溫誤差問(wèn)題，提出了一種基于紅外圖像特征的溫度誤差梯度提升樹補(bǔ)償方法，開發(fā)了基于這種方法的氧化鋅揮發(fā)窯窯體測(cè)溫系統(tǒng)，并成功投入現(xiàn)場(chǎng)運(yùn)行。該系統(tǒng)的應(yīng)用效果表明基于紅外圖像特征的揮發(fā)窯窯體測(cè)溫補(bǔ)償方法能實(shí)現(xiàn)對(duì)揮發(fā)窯窯體溫度的準(zhǔn)確測(cè)量，系統(tǒng)軟件的設(shè)計(jì)操作簡(jiǎn)便，提高了揮發(fā)窯現(xiàn)場(chǎng)工作效率和管理水平;同時(shí)，還能幫助工藝管理人員及時(shí)了解窯體損壞情況及耐火磚和燃料燒結(jié)的實(shí)際狀態(tài)，確保揮發(fā)窯長(zhǎng)周期穩(wěn)定運(yùn)行。

參考文獻(xiàn)

[1] 李吉寧.濕法煉鋅中浸出渣處理技術(shù)探究[J].世界有色金屬，2020（2）：10.

[2] MATTHES， J. WAIBEL， P. KELLER HB. A new infrared camera-based technology for the optimization of the waelz process for zinc recycling[J]. Minerals Engineering， 2011， 24（8）： 944-949.

[3] 易佞純，桂衛(wèi)華，梁驍俊，等.揮發(fā)窯鼓風(fēng)管的關(guān)鍵點(diǎn)識(shí)別及其擺放位置監(jiān)測(cè)[J].控制理論與應(yīng)用，2024，41（1）：172-182.

[4] 張李敏， 王云燕， 劉衛(wèi)平， 等. 鋅浸渣和鋅焙砂銅粉還原浸出工藝研究[J]. 過(guò)程工程學(xué)報(bào)， 2024， 24（5）： 558-565.

[5] TANG Fengrun，F(xiàn)ENG Zhenxiang，LI Yonggang， et al. A constrained multi-objective deep reinforcement learning approach for temper-ature field optimization of zinc oxide rotary volatile kiln[J]. Advanced Engineering Informatics， 2023， 58：102197.

[6] 劉玉英， 張欣欣. 基于輻射換熱理論研究水霧對(duì)紅外輻射測(cè)溫儀的影響[J]. 紅外技術(shù)， 2008， 30（10）： 602-606.

[7] 劉玉英， 張欣欣， 黃志偉. 水霧遮蔽表面輻射測(cè)溫問(wèn)題的實(shí)驗(yàn)研究[J]. 工業(yè)加熱， 2008， 37（5）： 16-18.

[8] 劉凱迪， 吳海濱， 陳新兵， 等. 基于Mie 散射理論水霧介質(zhì)紅外輻射衰減的校正研究[J]. 大氣與環(huán)境光學(xué)學(xué)報(bào)， 2022， 17（4）： 476-484.

[9] 杜京義， 施衛(wèi)， 李琦， 等. 一種消除鑄坯表面水霧氣對(duì)紅外測(cè)溫影響的方法[J]. 重型機(jī)械， 1999 （2）： 6-8.

[10] 譚鍇， 趙晶軍， 龍木軍， 等. 水霧對(duì)高溫鑄坯表面輻射測(cè)溫影響的實(shí)驗(yàn)研究[J]. 連鑄， 2019， 44 （1）： 35-39.

[11] LATIF A， RASHEED A， SAJID U， et al. Content-based image retrieval and feature extraction： a comprehensive review[J]. Mathematical Problems in Engineering， 2019， 2019（4）： 9658350.

[12] SOH L K， TSATSOULIS C. Texture analysis of sar sea ice imagery using gray level co-occurrence matrices[J].IEEE Trans-actions on Geoscience Remote Sensing， 1999， 37（2）： 780-795.

[13] FRIEDMAN J H. Stochastic gradient boosting[J]. Computational Statistics Data Analysis， 2002， 38（4）： 367-378.