CN113588713A - 一种大型硫冷凝器的热成像监测方法及系统 - Google Patents
一种大型硫冷凝器的热成像监测方法及系统 Download PDFInfo
- Publication number
- CN113588713A CN113588713A CN202110639529.8A CN202110639529A CN113588713A CN 113588713 A CN113588713 A CN 113588713A CN 202110639529 A CN202110639529 A CN 202110639529A CN 113588713 A CN113588713 A CN 113588713A
- Authority
- CN
- China
- Prior art keywords
- thermal imaging
- imaging image
- sulfur condenser
- corrosion
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001931 thermography Methods 0.000 title claims abstract description 190
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 title claims abstract description 120
- 229910052717 sulfur Inorganic materials 0.000 title claims abstract description 119
- 239000011593 sulfur Substances 0.000 title claims abstract description 119
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007797 corrosion Effects 0.000 claims abstract description 142
- 238000005260 corrosion Methods 0.000 claims abstract description 142
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000012423 maintenance Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 4
- 230000009467 reduction Effects 0.000 claims description 32
- 239000002245 particle Substances 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 8
- 230000002265 prevention Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 239000005864 Sulphur Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/002—Investigating fluid-tightness of structures by using thermal means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明涉及一种大型硫冷凝器的热成像监测方法及系统，通过获取大型硫冷凝器内部管板面当前时刻的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；建立依据温阶划分的5级腐蚀风险等级模拟仿真数据库；对热成像图像进行降噪，以去除冷凝器内部环境因素对热成像图像的干扰；再进行校准得到完整的热成像图像；将易腐区域的热成像图像与模拟仿真数据库中的温度阶梯图进行对比，分析消除误差因素，确定冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻腐蚀风险等级；并根据腐蚀风险等级进行对应预警报警操作，为冷凝器安全隐患预测和停机维修提供监测数据依据。本发明可以实现硫冷凝器的有效预防性的同时，提高监测硫冷凝器的准确性。
Description
技术领域
本发明属于硫冷凝器热成像技术领域，具体涉及一种大型硫冷凝器的热成像监测方法及系统。
背景技术
硫冷凝器最为常用设备被应用于检测、监控行业。以天然气行业为例，天然气净化厂自开工以来硫冷凝器多次发生泄漏，其壳程的锅炉水进入管程，使管程内的液硫大量凝固、堵塞管箱及管束，并引发其他如克劳斯炉衬里损坏、硫冷凝器腐蚀加剧等次生问题，且换热器现场修复条件差、难度大、进度慢，严重影响了装置的安全平稳运行。
传统检测方法包括声波与声发射检测、质谱泄露检测或工艺参数法，这些方法在硫冷凝器内部出现故障后才能检测到，无法有效预防性的进行检测。
现有技术提出了利用红外热成像技术，对工艺介质泄漏的精准监测、反馈，对换热性能分析及运行状态进行检测。在检测过程中红外检测仪向硫冷凝器发射红外光采集红外图像，借助热成像检测技术来判定硫冷凝器是否发生故障。而在实际检测过程中硫冷凝器存在颗粒以及较多介质，通过红外光采集的红外图像会受到影响，降低了检测准确性。同时当硫冷凝器出现腐蚀时，腐蚀会随着时间推移逐渐增加，在未来的某个时间段会导致较大的事故，因此现有技术提出的红外热成像技术检测硫冷凝器的有效预防性以及准确性不高。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种大型硫冷凝器的热成像监测方法及系统。本发明要解决的技术问题通过以下技术方案实现：
第一方面，本发明提供的一种大型硫冷凝器的热成像监测方法包括：
获取当前时刻热红外成像仪监测硫冷凝器内部管板面的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，所述模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；所述温度阶梯图包括呈阶梯状的5个温度阶梯范围；
对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰；
对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
将完整的热成像图像与所述模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
根据所述温度阶梯范围，预测冷凝器内管板面易腐蚀区域或者腐蚀点在当前时刻的腐蚀风险等级；
其中，所述腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级；
按照所述当前时刻腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传。
可选的，所述对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰包括：
对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
可选的，所述对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像包括：
对降噪之后的热成像图像进行对比增强灰度计算；
基于所述对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
可选的，所述基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库包括：
根据温度流场分布数据建立温度阶梯图；
根据所述环境变量数据确定采样点，并在温度阶梯图中确定采样点的温度范围；
将温度阶梯图以及该温度阶梯图中的采样点的温度范围、温度流场量分布数据以及环境变量数据按照设备编号进行命名，存储至监控数据库中。
可选的，所述按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作包括：
按照当前时刻的腐蚀风险等级对应的预警等级，设置报警器的报警数据；
将所述报警数据保存至报警监测数据库。
可选的，所述生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传包括：
在所述当前时刻和/或未来的腐蚀风险等级对应的预警等级达到预设的预警等级时，生成硫冷凝器疑似泄露的监测文件；
其中，所述监测文件描述硫冷凝器在当前时刻和/或者未来腐蚀风险等级以及达到腐蚀风险等级的某一时间段；
将所述监测文件、所述当前时刻的热成像图像命名后进行本地存储，并通过有线TCP/IP通信网络上传到后台监测服务器。
可选的，所述根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级包括：
绘制采样点的温度变化曲线；
对比各个采样点的温度变化曲线，根据当前的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级。
第二方面，本发明提供的一种大型硫冷凝器的热成像监测系统，所述热成像监测系统与第三方服务器互相通信，所述热成像监测系统包括：热红外成像仪、处理单元、存储器以及通信单元；
热红外成像仪，用于监测硫冷凝器内部管板面生成热成像图像；
所述处理单元，用于，
获取硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，所述模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；所述温度阶梯图包括呈阶梯状的5个温度阶梯范围；
对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰；
对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
将完整的热成像图像与所述模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
根据所述温度阶梯范围，预测冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；
其中，所述腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级；
按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传；
所述存储器，存储模拟仿真数据库以及描述所述硫冷凝器在未来的腐蚀风险等级的监控文件；
所述通信单元，用于将所述监控文件上传至第三方服务器。
可选的，所述处理单元，具体用于：
对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
可选的，所述处理单元具体用于：
对降噪之后的热成像图像进行对比增强灰度计算；
基于所述对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
本发明涉及一种大型硫冷凝器的热成像监测方法，获取当前时刻热红外成像仪监测硫冷凝器内部管板面的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；基于温度流场分布数据和环境变量数据，建立模拟仿真数据库；对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰；对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；将完整的热成像图像与模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；根据温度阶梯范围，确定冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；根据当前时刻的腐蚀风险等级，预测冷凝器在未来某一时间段的腐蚀风险等级；按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；生成描述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传。本发明可以实现自动对比、识别和预警，减少后期对热成像图像的人工识别和分类，可以进行自动检测、提前预测、实时报警，实现硫冷凝器的有效预防性的同时提高监测硫冷凝器的准确性。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明提供的一种大型硫冷凝器的热成像监测方法的流程示意图；
图2是本发明提供的热成像图像降噪校正处理前后的对比图；
图3是本发明提供的热成像监测方法的过程示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
如图1所示，本发明提供的一种大型硫冷凝器的热成像监测方法包括：
S1，获取当前时刻热红外成像仪监测硫冷凝器内部管板面的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
S2，基于温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；温度阶梯图包括呈阶梯状的5个温度阶梯范围；
可以理解，如果使用红外热像技术检测设备的损坏程度，故障也大多是热状态的异常，通常由内部结构的热异常状态传导至设备表面导致温度分布异常，即设备温度变化是一个故障特征状态，因此，通过检测设备表面的温度就可以分析出设备内部发热额的状态及变化，如材料的热阻、内壁的环境温度、设备的结构等。由于设备的故障等级与温度正相关，可以对其进行分等级处理，从70～420℃分为轻度、中下、中等、中上、严重5个范围。
S3，对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰；
可以理解，在热成像仪检测硫冷凝器的过程中，由于硫冷凝器内存在颗粒物以及水蒸气等介质会导致成像效果受到干扰，使得热成像图像存在较多噪声，降低成像质量。
S4，对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
可以理解，由于热成像图像受到介质遮挡，会使得热成像图像中部分区域特征缺失，这些缺失使得热成像图像的局部特征缺失。通过连续帧的帧间预测以及帧内预测可以重构热成像图像中缺失的部分，得到完整的热成像图像。
参考图2，图2中a为校正前的热成像图像，b为校正后的热成像图像。
S5，将完整的热成像图像与模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
S6，根据温度阶梯范围，确定冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；
其中，腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
S7，根据当前时刻的腐蚀风险等级，预测冷凝器在未来某一时间段的腐蚀风险等级；
S8，按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
可以理解，一般来说，设备在70℃以下不需要经过维修，只需定时保养；当设备高于70℃且低于160℃时，设备短期内还可以运行，但是需要加强对其进行温度检测，并描绘成图记录阈值；当设备已经有色漆脱落或者形变等情况时，表明此时仪器已经有较为严重的故障，不能再使用，若检测温度已达到200℃以上，则需要采取大面积的维修措施。因此本步骤可以依据上述原理对冷凝器的腐蚀风险等级进行预测，完成有效性的预防。
S9，生成描述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传。
虽然大部分石化设备已经形成了流程的自动化，但是对于长期密封运作的硫冷凝器来说，内部遭受到石化原料长期的侵蚀作用，如果没有通过仪器检测，加之平常无法对其进行观察，久而久之腐蚀程度越来越严重，一旦外泄，会导致整个流程的崩盘，造成非常严重的安全事故。传统的设备腐蚀检测利用气体或者超声波进行，但是液体腐蚀无法利用仪器进行，并且人工检测则容易发生事故，所以，利用红外成像技术对硫冷凝器的腐蚀程度进行检测，并且可以更加高效、安全。
如图3所示，热红外成像仪对大型硫冷凝器内部管板面进行监测识别，并采集管板面热成像图像数据。本发明依次对热成像图像进行2.1图像增强技术、2.2利用了NL-means非局部均值算法和BM3D算法对热成像图像进行了去噪、2.3非均匀行线性校正以及2.4对比增强灰度计算，之后得到校准之后的热成像图像。根据温度场分布以及环境变量建立硫冷凝器实际运行的泄漏状态缺陷的模拟仿真数据库，泄露状态缺陷表示硫冷凝器出现腐蚀泄露。将校准之后的热成像图像与模拟仿真数据库中的数据进行比对分析，依据数据库对比结果预测硫冷凝器内换热器内部管板面腐蚀风险等级；依据腐蚀风险等级预测结果对报警器进行预警设置；并预测未来某一时间段的腐蚀风险等级，对将疑似泄露的监测文件通过有线TCP/IP通信网络将文件命名后上传到后台监测服务器并存储。
本发明涉及一种大型硫冷凝器的热成像监测方法，获取当前时刻热红外成像仪监测硫冷凝器内部管板面的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；基于温度流场分布数据和环境变量数据，建立模拟仿真数据库；对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰；对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；将完整的热成像图像与模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；根据温度阶梯范围，确定冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；根据当前时刻的腐蚀风险等级，预测冷凝器在未来某一时间段的腐蚀风险等级；按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；生成描述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传。本发明可以实现自动对比、识别和预警，减少后期对热成像图像的人工识别和分类，可以进行自动检测、提前预测、实时报警，实现硫冷凝器的有效预防性的同时提高监测硫冷凝器的准确性。
作为本发明一种可选的实施方式，对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰包括：
步骤一：对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
步骤二：使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
作为本发明一种可选的实施方式，对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像包括：
对降噪之后的热成像图像进行对比增强灰度计算；
基于对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
作为本发明一种可选的实施方式，基于温度流场分布数据和环境变量数据，建立模拟仿真数据库包括：
根据温度流场分布数据建立温度阶梯图；
根据环境变量数据确定采样点，并在温度阶梯图中确定采样点的温度范围；
将温度阶梯图以及该温度阶梯图中的采样点的温度范围、温度流场量分布数据以及环境变量数据按照设备编号进行命名，存储至监控数据库中。
作为本发明一种可选的实施方式，按照腐蚀风险等级对应的预警等级进行预警操作包括：
按照当前时刻的腐蚀风险等级对应的预警等级，设置报警器的报警数据；
将报警数据保存至报警监测数据库。
作为本发明一种可选的实施方式，生成描述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传包括：
在当前时刻和/或未来的腐蚀风险等级对应的预警等级达到预设的预警等级时，生成硫冷凝器疑似泄露的监测文件；
其中，监测文件描述硫冷凝器在当前时刻和/或者未来腐蚀风险等级以及达到腐蚀风险等级的某一时间段；
将监测文件、当前时刻的热成像图像命名后进行本地存储，并通过有线TCP/IP通信网络上传到后台监测服务器。
作为本发明一种可选的实施方式，根据当前时刻的腐蚀风险等级，预测冷凝器在未来某一时间段的腐蚀风险等级包括：
绘制采样点的温度变化曲线；
对比各个采样点的温度变化曲线，根据当前的腐蚀风险等级，预测硫冷凝器在未来某一时间段的腐蚀风险等级。
实施例二
本发明提供的一种大型硫冷凝器的热成像监测系统，热成像监测系统与第三方服务器互相通信，热成像监测系统包括：热红外成像仪、处理单元、存储器以及通信单元；
热红外成像仪，用于监测硫冷凝器内部管板面生成热成像图像；
处理单元，用于，
获取硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
基于温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；温度阶梯图包括呈阶梯状的5个温度阶梯范围；
对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰；
对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
将完整的热成像图像与模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
根据温度阶梯范围，预测冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；
其中，腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
根据当前时刻的腐蚀风险等级，预测冷凝器在未来某一时间段的腐蚀风险等级；
按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
生成描述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传；
存储器，存储模拟仿真数据库以及描述硫冷凝器在未来的腐蚀风险等级的监控文件；
通信单元，用于将监控文件上传至第三方服务器。
作为本发明一种可选的实施方式，处理单元，具体用于：
对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
作为本发明一种可选的实施方式，处理单元具体用于：
对降噪之后的热成像图像进行对比增强灰度计算；
基于对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式，这里将它们都统称为“模块”或“系统”。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种大型硫冷凝器的热成像监测方法，其特征在于，包括：
获取当前时刻热红外成像仪监测硫冷凝器内部管板面的热成像图像以及硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，所述模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；所述温度阶梯图包括呈阶梯状的5个温度阶梯范围；
对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰；
对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
将完整的热成像图像与所述模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
根据所述温度阶梯范围，预测冷凝器内管板面易腐蚀区域或者腐蚀点在当前时刻的腐蚀风险等级；
其中，所述腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级；
按照所述当前时刻腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传。
2.根据权利要求1所述的热成像监测方法，其特征在于，所述对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰包括：
对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
3.根据权利要求1所述的热成像监测方法，其特征在于，所述对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像包括：
对降噪之后的热成像图像进行对比增强灰度计算；
基于所述对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
4.根据权利要求1所述的热成像监测方法，其特征在于，所述基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库包括：
根据温度流场分布数据建立温度阶梯图；
根据所述环境变量数据确定采样点，并在温度阶梯图中确定采样点的温度范围；
将温度阶梯图以及该温度阶梯图中的采样点的温度范围、温度流场量分布数据以及环境变量数据按照设备编号进行命名，存储至监控数据库中。
5.根据权利要求1所述的热成像监测方法，其特征在于，所述按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作包括：
按照当前时刻的腐蚀风险等级对应的预警等级，设置报警器的报警数据；
将所述报警数据保存至报警监测数据库。
6.根据权利要求1所述的热成像监测方法，其特征在于，所述生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传包括：
在所述当前时刻和/或未来的腐蚀风险等级对应的预警等级达到预设的预警等级时，生成硫冷凝器疑似泄露的监测文件；
其中，所述监测文件描述硫冷凝器在当前时刻和/或者未来腐蚀风险等级以及达到腐蚀风险等级的某一时间段；
将所述监测文件、所述当前时刻的热成像图像命名后进行本地存储，并通过有线TCP/IP通信网络上传到后台监测服务器。
7.根据权利要求1所述的热成像监测方法，其特征在于，所述根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级包括：
绘制采样点的温度变化曲线；
对比各个采样点的温度变化曲线，根据当前的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级。
8.一种大型硫冷凝器的热成像监测系统，其特征在于，所述热成像监测系统与第三方服务器互相通信，所述热成像监测系统包括：热红外成像仪、处理单元、存储器以及通信单元；
热红外成像仪，用于监测硫冷凝器内部管板面生成热成像图像；
所述处理单元，用于，
获取硫冷凝器实际运行的温度流场分布数据和环境变量数据；
其中，环境变量包括：颗粒浓度、压力、真空度以及缺陷变量；
基于所述温度流场分布数据和环境变量数据，建立模拟仿真数据库；
其中，所述模拟仿真数据库包括：温度阶梯图、该温度阶梯图中的采样点的温度范围以及依据温度阶梯图划分的5级腐蚀风险等级；所述温度阶梯图包括呈阶梯状的5个温度阶梯范围；
对当前时刻的热成像图像进行图像降噪，以去除硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰；
对降噪之后的热成像图像的进行校准，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像；
将完整的热成像图像与所述模拟仿真数据库中的温度阶梯图进行对比，确定完整的热成像图像所处的温度阶梯范围；
根据所述温度阶梯范围，预测冷凝器内管板面易腐蚀区域或者腐蚀点当前时刻的腐蚀风险等级；
其中，所述腐蚀风险等级包括：轻度腐蚀、中下度腐蚀、中等腐蚀、中上度腐蚀以及严重腐蚀；
根据当前时刻的腐蚀风险等级，预测所述硫冷凝器在未来某一时间段的腐蚀风险等级；
按照当前时刻的腐蚀风险等级对应的预警等级进行预警操作以提醒维修人员进行实时观察以及检修；
生成描述所述硫冷凝器在当前时刻以及未来的腐蚀风险等级的监控文件上传；
所述存储器，存储模拟仿真数据库以及描述所述硫冷凝器在未来的腐蚀风险等级的监控文件；
所述通信单元，用于将所述监控文件上传至第三方服务器。
9.根据权利要求8所述的热成像监测系统，其特征在于，所述处理单元，具体用于：
对当前时刻的热成像图像进行图像增强，以去除热成像图像中的冗余信息，获得增强之后的热成像图像；
使用NL-means非局部均值算法和BM3D算法对增强之后的热成像图像进行去噪，去除因硫冷凝器内部颗粒物以及水蒸气对所述热成像图像的干扰，提高热成像图像的信噪比突出热成像图像的期望特征。
10.根据权利要求8所述的热成像监测系统，其特征在于，所述处理单元具体用于：
对降噪之后的热成像图像进行对比增强灰度计算；
基于所述对比增强灰度计算结果，对降噪后的热成像图像进行非均匀行线性校正，以还原因硫冷凝器内部介质干扰造成热成像图像的局部特征缺失的部分图像，得到完整的热成像图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110639529.8A CN113588713B (zh) | 2021-06-08 | 2021-06-08 | 一种大型硫冷凝器的热成像监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110639529.8A CN113588713B (zh) | 2021-06-08 | 2021-06-08 | 一种大型硫冷凝器的热成像监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113588713A true CN113588713A (zh) | 2021-11-02 |
| CN113588713B CN113588713B (zh) | 2022-08-05 |
Family
ID=78243590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110639529.8A Active CN113588713B (zh) | 2021-06-08 | 2021-06-08 | 一种大型硫冷凝器的热成像监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113588713B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117849907A (zh) * | 2024-03-07 | 2024-04-09 | 江苏省气象台 | 基于多源数据的气象灾害靶向预警方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011191082A (ja) * | 2010-03-12 | 2011-09-29 | Jfe Steel Corp | 鋼材の腐食診断方法 |
| US20130176418A1 (en) * | 2012-01-10 | 2013-07-11 | Achalesh Kumar Pandey | Continuous infrared thermography monitoring and life management system for heat recovery steam generators |
| CN103217221A (zh) * | 2013-03-22 | 2013-07-24 | 北京航空航天大学 | 一种基于图像拼接的空冷凝汽器散热面温度场测量方法 |
-
2021
- 2021-06-08 CN CN202110639529.8A patent/CN113588713B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011191082A (ja) * | 2010-03-12 | 2011-09-29 | Jfe Steel Corp | 鋼材の腐食診断方法 |
| US20130176418A1 (en) * | 2012-01-10 | 2013-07-11 | Achalesh Kumar Pandey | Continuous infrared thermography monitoring and life management system for heat recovery steam generators |
| CN103217221A (zh) * | 2013-03-22 | 2013-07-24 | 北京航空航天大学 | 一种基于图像拼接的空冷凝汽器散热面温度场测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| YANPENG CAO等: "Effective Strip Noise Removal for Low-textured", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 * |
| 汪伟: "红外光谱热成像检测技术在大型硫磺料仓中的应用研究", 《科技风》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117849907A (zh) * | 2024-03-07 | 2024-04-09 | 江苏省气象台 | 基于多源数据的气象灾害靶向预警方法及系统 |
| CN117849907B (zh) * | 2024-03-07 | 2024-05-24 | 江苏省气象台 | 基于多源数据的气象灾害靶向预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113588713B (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| US6973396B1 (en) | Method for developing a unified quality assessment and providing an automated fault diagnostic tool for turbine machine systems and the like | |
| KR100426227B1 (ko) | 피검사체동정(同定)방법,장치및시스템 | |
| US10539380B2 (en) | Method and system for thermographic analysis | |
| CN109469896B (zh) | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 | |
| CN112799898B (zh) | 基于分布式故障检测的互联系统故障节点定位方法及系统 | |
| CN113588713B (zh) | 一种大型硫冷凝器的热成像监测方法及系统 | |
| CN117235672B (zh) | 一种基于多源数据的综合管廊故障诊断方法及装置 | |
| CN115440400A (zh) | 一种核电站反应堆压力容器的监测方法及系统 | |
| CN113450519A (zh) | 一种基于多维度的现场设备泄漏监测系统及其监测方法 | |
| CN112085398A (zh) | 保温层下腐蚀风险评估方法和保温层下腐蚀检测方法 | |
| CN117741517A (zh) | 基于人工智能的电容器设备在线监测方法及系统 | |
| CN116989844A (zh) | 一种电缆井监测系统以及电缆井监测方法 | |
| CN115931409A (zh) | 一种加热系统故障预警方法及系统 | |
| CN115982578A (zh) | 故障定位方法、装置、电子设备及存储介质 | |
| CN114723139A (zh) | 基于gis的数字管网控制系统 | |
| CN108627242B (zh) | 基于盲源分离单边检测法的环冷机漏风率检测方法 | |
| KR102517036B1 (ko) | 증기 발생기 전열관 검사 장치 및 방법 | |
| CN116862089B (zh) | 一种食品生产厂房内排气路径规划系统 | |
| CN115934719A (zh) | 一种连多硫酸应力腐蚀开裂的预警方法 | |
| CN114526865A (zh) | 一种阀门内漏监测诊断方法 | |
| CN117330137A (zh) | 一种变压器巡检图像智能识别和故障检测方法及系统 | |
| CN118258626A (zh) | 空冷凝汽器的运行状况检测方法、装置及电子设备 | |
| CN117607635A (zh) | 一种高压电缆附件潜伏性放电隐患检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Yilun Inventor after: Li Jianbin Inventor after: Yan Yuan Inventor after: Chen Shaofan Inventor after: Fan Mingfu Inventor before: Liu Yilun Inventor before: Li Jianbin Inventor before: Yan Yuan Inventor before: He Feihong Inventor before: Chen Shaofan Inventor before: Fan Mingfu |
|
| CB03 | Change of inventor or designer information |