一种窑炉内衬健康状况诊断方法与流程

本发明涉及冶金，尤其涉及一种窑炉内衬健康状况诊断方法。

背景技术：

1、工业窑炉（水泥回转窑、石灰窑、冶金窑等）的内衬耐火材料在长期高温、化学侵蚀及机械应力耦合作用下逐渐蚀损、减薄甚至脱落。内衬失效导致窑壳表面温度异常升高，引发“红窑”事故，迫使非计划停窑，造成重大经济损失与安全隐患。因此，实现窑炉内衬健康状态的连续监测与早期预警，是保障窑炉长周期安全稳定运行的迫切需求。

2、现有监测技术主要包括三类。其一，人工手持式红外点温巡检，巡检人员定期使用测温枪对窑壳表面抽查测温。该方法效率低下、覆盖范围有限，无法获取整个窑体的温度场全貌，两次巡检间隔内的温度突变难以捕捉，早期局部损伤极易漏检。其二，依赖经验的定性视觉判断，操作人员通过观察窑壳颜色变化（如“发红”）进行判断。但可见“发红”已是内衬严重损坏的后期表现，判断标准主观模糊，无法实现早期预警。其三，预埋式热电偶监测，在特定深度布置有限数量的测温点。该方法空间分辨率极低，无法反映内衬整体状态，且传感器在高温腐蚀环境中寿命短、维护成本高。

3、上述技术普遍存在共性缺陷：从离散“点”测量到连续“场”分布的维度缺失，从静态抽检到动态在线的时序缺失，从表象温度到内衬厚度反演的机理缺失，从故障报警到趋势预警的功能缺失。现有技术无法实现对窑炉内衬健康状态的全面、连续、在线诊断。

技术实现思路

1、本发明的目的在于提供一种窑炉内衬健康状况诊断方法。

2、实现本发明目的的技术方案是：一种窑炉内衬健康状况诊断方法，包括以下步骤：

3、s1.人为划定区域和设置阈值，其中，所述阈值包括绝对温度阈值、温度梯度阈值、局部异常区域面积阈值和温度升高速率阈值；

4、s2.通过红外热像仪，获取整个窑炉外壳表面温度分布的二维展开温度场云图；

5、s3.基于二维展开温度场云图，对窑炉外壳表面温度进行处理，处理步骤包括：

6、s3.1.通过区域识别算法识别局部异常区域，定位特定区域，所述特定区域包括人为划定区域、以及通过区域识别算法识别的局部异常区域；

7、s3.2.获取整个窑炉及特定区域的绝对温度，所述绝对温度包括最高温度和平均温度；将获取的绝对温度与绝对温度阈值进行比较，分析窑炉外壳的温度异常程度及风险等级；

8、s3.3.计算窑炉轴向和周向的温度梯度，通过温度梯度阈值比较，分析区域边界清晰度情况；

9、s3.4.跟踪特定区域的绝对温度在单位时间内的温度升高速率；

10、s4.结合步骤s3中各处理分析情况，对窑炉内衬健康状况进行综合性诊断，并对各诊断结果作出相应的警报，具体为：

11、s4.1.当依步骤s3.2，分析窑炉外壳的温度异常程度及风险等级达到风险级别的最高等级时，诊断窑炉当前处于高度危险状态；

12、s4.2.当步骤s3.1识别到局部异常区域；且依步骤s3.3，分析识别到的局部异常区域的边界清晰度高，有明显边界；且依步骤s3.2，分析窑炉外壳的温度异常程度及风险等级虽然未达到风险级别的最高等级，但分析判断局部异常区域内的绝对温度大于正常生产时的绝对温度阈值，或将步骤s3.4跟踪的温度升高速率与温度升高速率阈值比较，分析特定区域内的温度升高速率大时，诊断窑炉内衬局部疑似脱落；

13、s4.3.当步骤s3.1识别到局部异常区域；且通过局部异常区域面积阈值比较，判断该识别到的局部异常区域面积大；且依步骤s3.4，分析判断该大面积的局部异常区域的温度升高速率基本恒定，温度均匀升高，则诊断窑炉内衬均匀蚀损减薄；

14、s4.4.当步骤s3.4分析特定区域的温度升高速率连续超过安全级别的温度升高速率阈值时，诊断窑炉特定区域内衬恶化加速。

15、进一步地，所述绝对温度阈值为梯度阈值。

16、进一步地，所述绝对温度阈值为动态阈值；动态阈值的设置方法为，训练输入为运行负荷、输出为绝对温度阈值的模型，工作过程中利用训练的模型实时输出绝对温度阈值。所述绝对温度阈值可人为设置，使用时系统实时自动查表获取；也可模型计算输出。相比前者，后者灵活性更高，输出精度也更高。所述模型可以为线性模型，也可以为支持向量回归或神经网络算法等非线性模型。

17、进一步地，步骤s2中，获取整个窑炉外壳表面温度分布的二维展开温度场云图的方法为，所述红外热像仪安装在轨道上，沿窑炉的轴线方向对旋转中的窑炉外壳进行连续扫描，获取一系列部分重叠的局域热像图；通过图像配准与拼接算法，将获取的局域热像图合成为完整的、反映整个窑炉外壳表面温度分布的二维展开温度场云图。通过所述红外热像仪的移动扫描，以及后序的图像拼接技术，不仅可实现实时监测，且监测过程中无需停窑，保障了生产的连续性，单台设备实现旋转窑炉的全景、实时、高精度温度监测，兼顾检测完整性与经济性。

18、进一步地，所述图像配准与拼接算法包括特征点检测算法、随机样本一致算法和图像融合算法。

19、进一步地，步骤s3.1中，所述区域识别算法为聚类算法或图像分割算法。

20、进一步地，步骤s3.1为，通过区域识别算法识别局部异常区域，定位特定区域，所述特定区域包括人为划定区域、以及通过区域识别算法识别的局部异常区域；计算窑炉温度分布的方差和偏度，分析温度全局分布情况。除了通过区域识别算法定位局部异常特征外，还可计算窑炉温度分布的方差和偏度，分析温度全局分布情况。局部异常区域分布特征和全局分布特征相结合，相互补充，既掌握窑炉整体热状态，又精准锁定具体异常位置，形成点面协同的温度异常检测机制，为后续预警和调控提供全面的数据支撑。

21、进一步地，人为划定区域包括窑炉的轴向分区、窑轮带和托轮支撑所在区域。

22、进一步地，还包括步骤s5.结果可视化与定位，具体为：

23、s5.1.显示窑炉二维展开温度场云图；

24、s5.2.在二维展开温度场云图上高亮标注局部异常区域，并显示局部异常区域的绝对温度、面积、温度升高速率；

25、s5.3.将局部异常区域在二维展开温度场云图上的位置映射到窑炉的实际位置，输出窑炉上局部异常区域的精确定位；

26、s5.4.输出诊断报告，所述诊断报告包括健康状态等级、维护建议的相应信息。该设置，可让结果更直观、清晰。

27、本发明窑炉内衬健康状况诊断方法，利用红外热像仪，采集窑炉的二维展开温度场云图，实现了对窑炉内衬健康状况的全覆盖、无死角监测，彻底避免了人工巡检的漏检问题。且监测过程中，不仅提取了绝对温度，分析了绝对温度特征，实现了基于绝对温度特征对窑炉内衬进行的诊断。更是计算了窑炉的温度梯度特征；识别局部异常区域，获取窑炉的窑炉温度分布特征；以及计算温度升高速率，跟踪历史温度变化趋势的持续跟踪。通过窑炉温度分布特征，对局部异常区域进行定位，同时结合获取的温度梯度特征、历史温度变化趋势和绝对温度信息，从空间维度和历史维度上，对局部异常区域的形态、形成原因、以及未来趋势进行全方位、精细化分析，区分不同类型的缺陷，实现对窑炉内衬的精准化诊断，之后通过二维展开温度场云图与三维窑炉的映射，能够精确定位故障点，指导精准维修。另外，通过分析温度梯度和温度升高速率反应的温度变化趋势，能够在局部温度尚未达到绝对温度报警值之前，就识别出内衬的早期劣化迹象，为计划性维修留出充足时间，展现出超强的早期预警能力。