基于SVR的回轉窯燒成帶溫度軟測量方法的研究

秦成立　崔海波

摘 要：本文介紹了SVR支持向量機原理，以及基于SVR的回轉窯燒成帶溫度軟測量方法并進行了實際驗證，充分說明SVR方法的優勢，以供同行參考。

關鍵詞：SVR；回轉窯；燒成帶；溫度軟測量；方法

中圖分類號：TQ172 文獻標識碼：A

熟料燒結回轉窯主要是由窯頭、冷卻帶、燒成帶、預熱分解帶、烘干帶、窯尾六個部分組成的，各個組成部分的溫度對整個回轉窯的生產都會產生很大的影響的，在六個組成部分中燒成帶的溫度對整個的回轉窯生產的磚成品有影響是最為明顯的。鑒于整個回轉窯不斷處于運行生產的狀態中，而且燒成帶這部分的溫度是非常高的，測量溫度是非常困難的。現在都是人工根據自身的經驗來對燒成帶的溫度進行估測但是這種方法對人性的依賴太大，并且估測數據不準確。因此將SVR方法應用于回轉窯燒成帶溫度軟測量中代替人工經驗測量測得的燒成帶溫度將更加精準。

1 SVR支持向量機原理

SVR支持向量機是在SVM的基礎上進行演變過來的，在很多學者認為這是一個有效的回歸方法主要是解決非線性的問題。SVR模型主要是解決二次規劃的問題，其主要的數學原理如下：

a =（a1，a2，a3，......ai）

根據此拉格朗日公式，得出相應的參變量方程為

Q（a）=ai aj yiyj

此函數為拉格朗日對偶函數，次函數的約束公式為：

ai yi = 0，ai>=0，i=1，2，，3......j

支持向量對應的數據點用來決定決策函數，一般來講，ε值越大，支持向量的數量就越少，結果就表現的越是稀疏。但是要注意的是，隨著ε的增大訓練數據的逼近精度則隨之降低。因此合理選取ε值，決定了平衡數據結果的稀疏性和數據的精確度。約束條件公式為SVR的輸入空間構建了決策平面；除了約束條件公式外，核函數對SVR支持向量的選擇同樣至關重要。核參數決定了高維特征空間的結構以及最后結果的復雜度，因此要慎重的選擇正確的核參數。

SVR的泛化性能，不僅在理論研究過程中，在實際的工業應用中也表現出優越的性能。SVR可以解決很多非線性問題；其結果值取最優且唯一，不可能產生局部極值。在各行業中已經廣泛采用支持向量的方法，并且基于此方法延伸出來適合各行業的各種技術，基于SVR的回轉窯燒成帶溫度軟測量方法便是一種新的測量方法。

2 基于SVR的回轉窯燒成帶溫度軟測量方法

根據上述SVR的測量原理，在回轉窯燒成帶溫度測量過程中將這種方法應用到溫度的測量中進行實踐，證實此方法是可行有效的。利用SVR方法進行溫度軟測量的主要途徑是通過圖像采集現場實時畫面，然后對現場畫面進行后臺圖像分割和特征提取，依據提取的不同溫度圖譜特征，確定對應的溫度值。

2.1 圖像的采集

圖像采集主要是分為以下幾個步驟來進行開展的：

①首先主要是使用CCD攝像機進行拍攝整個燒結的過程，CCD攝像機是安裝在回轉窯的窯頭看火位置，這樣能夠全方位的拍攝整個燒結磚形成的過程。

②CCD攝像機拍攝的視頻傳動到相關視頻分配器上的媒介是同軸電纜。

③視頻分配器接受到視頻信息后進行整理然后發送到計算機圖像采集卡處。

④計算機圖像采集卡將視頻進行處理和轉化，使用計算機進行處理后就能夠對回轉窯燒成帶的溫度進行估計。

2.2 圖像分割與特征提取

圖像分割與特征提取主要包括以下幾個步驟：

①首先是對采集的圖像進行處理，要使用灰度圖像進項研究。

②利用 Roberts 邊緣檢測、二值化、膨脹方法檢測圖像噪聲，并根據均值濾波、中值濾波、直方圖均衡化方法進行平滑化處理。

③對處理過的灰度圖像進行分割，主要是采用雙快讀行進的方法，主要是將火焰區和物料去分割出來。

④將分割結果對應到原始彩色圖像，提取圖像總體平均灰度、物料區域 R 分量平均值，火焰區域 R 分量與 G 分量的平均值特征。

⑤由④提取的特征和由比色測溫儀測得的該圖像對應的燒成帶溫度組成實驗數據集。

⑥定義灰度不在[0，255]間與溫度為 0 的數據為灰色數據，除去、灰色數據。

⑦將所有的數據進行進行分類，主要是分為訓練集、測試集、預測集。

⑧為了避免較大數量范圍數據支配較小數量范圍數據，進行標準化處理。

2.3特征分析及數據處理

通過獲取的圖像特征，來計算變量值和均值之間的差值。通過標準化值與0的比較來進行來判斷此差值的處于的間隔中，如果是等于0表示此差值和均值是相等的，如果是大于0則表示此差值大于均值，小于0則反之。然后根據圖像特征與預估溫度之間的對應關系獲取溫度值。

3 結果驗證

利用上述的方法對回轉窯的燒成帶的溫度進行測量計算，將溫度實際測量的結果與利用SVR方法測量的結果進行比較，均方差為0.053，因此證明基于SVR的回轉窯燒成帶溫度測量方法是可行有效的。

采用上述的這種基于SVR的回轉窯燒成帶溫度軟測量方法，可以減少人工使用傳統的看火對燒成帶溫度進行人工估計的方法更加的精確，對溫度的測量更加的精準。

結語

本文提出了一種基于 SVR 的回轉窯燒成帶溫度軟測量的新方法，并提出了通過前向滑動平均對溫度進行濾波來提高擬合度。通過大量實驗驗證了基于SVR的回轉要燒成帶溫度測量方法得到的燒成帶溫度軟測量結果與實測值的擬合度達到 0.927、均方誤差為 0.053，驗證了本文方法的有效性。

參考文獻

[1]袁平，毛志忠，王福利.基于多支持向量機的軟測量模型[J].系統仿真學報，2006（06）.

[2]章立新，王少林，茅忠明，伍貽文.水泥回轉窯溫度檢測與圖像處理系統的研究與開發[J].儀器儀表學報，2002（S3）.