EP4405913A1 - VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN - Google Patents

VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN

Info

Publication number
EP4405913A1
EP4405913A1 EP22789557.0A EP22789557A EP4405913A1 EP 4405913 A1 EP4405913 A1 EP 4405913A1 EP 22789557 A EP22789557 A EP 22789557A EP 4405913 A1 EP4405913 A1 EP 4405913A1
Authority
EP
European Patent Office
Prior art keywords
defects
image
coke oven
detection
chemical reaction
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.)
Pending
Application number
EP22789557.0A
Other languages
English (en)
French (fr)
Inventor
Uwe Conrads
Sophie Ruoshan Wei
David Handl
Hugo Graepel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ThyssenKrupp AG
ThyssenKrupp Industrial Solutions AG
Original Assignee
ThyssenKrupp AG
ThyssenKrupp Industrial Solutions AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from BE20215752A external-priority patent/BE1029794B1/de
Priority claimed from DE102021212110.1A external-priority patent/DE102021212110A1/de
Application filed by ThyssenKrupp AG, ThyssenKrupp Industrial Solutions AG filed Critical ThyssenKrupp AG
Publication of EP4405913A1 publication Critical patent/EP4405913A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
    • C10B45/00—Other details
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D21/0021—Devices for monitoring linings for wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/08—Testing mechanical properties
    • G01M11/081—Testing mechanical properties by using a contact-less detection method, i.e. with a camera
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0091—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by using electromagnetic excitation or detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
    • C10B29/00—Other details of coke ovens
    • C10B29/06—Preventing or repairing leakages of the brickwork
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Definitions

  • the invention relates to a method for detecting defects in the refractory lining of a coke oven.
  • Coke ovens have chambers that have a width of a few 10 cm, for example 40 to 50 cm, and a length of several meters and a height of a few meters. These chambers are operated in a temperature range of up to 1800 °C, for example.
  • the walls are made of refractory bricks. These walls can show a variety of damage over time. In the worst case, holes, cracks or gaps can lead to an undesired gas exchange between the oven chamber and heating wall, which occurs during the process, and this gas could then be released into the environment unintentionally and uncontrolled. It is important to prevent this. In addition, repairs become disproportionately more complex and expensive when the defects become larger. It is therefore expedient to identify defects at an early stage and rectify them before substances are released into the environment or the repair effort becomes disproportionately high.
  • a device for inspecting wall surfaces of coke ovens is known from EP 2 113 552 A1.
  • JP 2016 065 225 A discloses a device for automatically detecting carbon buildup in a coke oven.
  • Wall damage can only be inspected when the coke oven door is open. For operational reasons, the coke oven cannot be switched off, which means that an inspection takes place when the coke oven is hot.
  • one of the Problems with visual inspection is the temperature inside the coke oven chamber. For a person standing in front of an opening, this is already a burden. In addition, there is the burden of escaping chemical substances.
  • the tunnel-shaped character makes visual inspection difficult. A qualified inspection usually requires a great deal of experience, which in turn reduces the number of people with the necessary qualifications. If there are also travel restrictions, for example due to a pandemic, a check can be extremely difficult.
  • the object of the invention is to provide a method for the reliable and early diagnosis of defects in a refractory lining.
  • the occupational safety of the people involved should also be increased and delays in the ongoing operating process should be kept as short as possible by inspection.
  • the method according to the invention serves to detect defects in a refractory lining in a chemical reaction chamber, in particular a coke oven.
  • the method can also be applied to other chemical reaction spaces with a refractory lining. Examples include rotary kilns, steam reformers, syngas reformers, reactors, boilers, steam and exhaust gas lines, post-treatment furnaces, melting furnaces, chimneys and chimneys.
  • the method is particularly suitable for a reactor for continuous operation. After emptying and before refilling, a corresponding operation can be carried out at the operating temperature, so that it is not necessary to shut down and cool down the reactor for inspection.
  • the coke oven is particularly suitable for this process.
  • a coke oven is usually made of masonry, which can result in different types of damage than, for example, a furnace vessel with a refractory lining.
  • several coke ovens are usually set up next to each other in a battery, so that the failure and repair of one coke oven can have an immediate impact on all other coke ovens in the battery.
  • the geometry of the coke ovens is such that the individual coke oven chambers are comparatively long, high and narrow, for example, have a length of more than 10 m and a width of around half a meter. At an operating temperature in the range of 1000 °C to 2000 °C, there is a difficulty in inspection due to the geometry and the temperature load, but at the same time there is also a need for regular inspection of the system for the reasons already discussed above.
  • the method has the following steps: a) capturing at least one first image of the inside of the refractory lining, b) performing an image analysis of at least one first image to identify defects, c) outputting potential defects
  • the detection in step a) takes place from outside the chemical reaction space.
  • the detection preferably takes place through an opening, in particular through an opening which is used in regular operation, for example to introduce educt, discharge product or to bring in or discharge tools.
  • two openings are particularly relevant for the implementation of the method. Firstly, the opening through which the coke is removed from the coke oven (coke side). On the other hand, the opening through which the coke is pressed out of the coke oven (machine side).
  • the openings for supplying the educt coal, which are arranged above, are not suitable because they are not accessible during normal operation due to the coal located there. Alternatively, of course, maintenance hatches or windows can also be used. It is better, however, if openings are used which are used in regular operation anyway, as this disrupts operation less.
  • the detection in step a) can take place by taking a picture with a camera.
  • a plurality of recordings with one camera or a recording of a plurality of recordings with a plurality of cameras can also be used.
  • Will a multi- Camera system used, so these are preferably fixed to each other, for example with a tripod in a fixed spatial arrangement, whereby a superimposition of the recordings to generate an image of the chemical reaction space, in particular the coke oven, is simplified.
  • the detection in step a) can be done by taking a picture with a light field camera.
  • a light field camera also known as a plenoptic camera, has the advantage that focusing does not take place before the picture is taken, but the various focal planes can be calculated from the recorded picture.
  • rapid and consistently sharp detection can be carried out in a simple manner.
  • the detection in step a) can be done by recording with a laser scan system.
  • the surface is usually scanned line by line and column by column. Therefore, recording with such a scanning system is comparatively slow compared to a camera that records all information at the same time.
  • the size of the laser point allows more precise scanning and, if necessary, more information can be obtained.
  • step a) Capturing in step a) can take place by means of a freehand recording with a camera.
  • This has the advantage that it is comparatively simple. But the spatial arrangement is not reproducible. Therefore, in the case of freehand photography, it is advantageous to take more photographs and then stitch them together to obtain an image of the entire refractory lining.
  • the detection in step a) can take place by taking a picture with a camera which is reproducibly positioned in a predefined position in front of an opening, for example by means of a tripod.
  • This has the advantage that the spatial arrangement of the image and thus the determination of the position of defects is simplified.
  • attachment points for the tripod and positioning marks for the tripod can be arranged at the opening or in the vicinity of the opening.
  • the capturing in step a) can take place in particular with a focal length between 25 mm and 75 mm based on the 35mm format. Correspondingly shorter focal lengths result for smaller sensors, and correspondingly longer focal lengths for larger sensors.
  • a sensor with 20 to 200 megapixels is preferred as the sensor size in order to have sufficient resolution on the one hand and to limit the amount of data to be processed on the other.
  • the chemical reaction space in particular the coke oven, has two or more openings
  • recordings are preferably made of both or all of the openings.
  • the image includes at least two-dimensional information of at least one intensity distribution.
  • An image recorded using a commercially available camera has three color channels, each of which has a two-dimensional intensity distribution (brightness).
  • more than just three color channels can also be recorded, for example by additional recordings with an IR camera (usually a commercially available camera without an IR blocking filter and a VIS blocking filter instead) or a thermal imaging camera.
  • images can also be composed of individual recordings (which also represent images within the meaning of the invention). For example, by merging (stitching) a larger panorama image can be assembled from several exposures.
  • a three-dimensional image can be generated from a large number of recordings by means of photogrammetry, such an image also showing, strictly speaking, only a two-dimensional surface, but with the spatial structure in three-dimensional space.
  • recording is therefore used for an unchanged image (image from the camera, original image, non-processed image).
  • the first image in step b) can be the same as the first recording in step a) if the first recording is used unchanged as the first image.
  • the first image can be generated from the first recording, for example by combining it with other recordings.
  • the first image is equal to the first shot or the first image is generated from the first shot.
  • Carrying out an image analysis has the following sub-steps: b1) a feature map is created with a first neural network b2) the areas of potential interest in the feature map are examined with an area proposal network, with areas being identified which could contain an anomaly, with anchor boxes being generated b3) an alignment of a target area in each anchor box is performed with a second neural network in the anchor boxes, b4) the severity of each anomaly in each anchor box is analyzed with a multivariate clustering algorithm and it is recognized which anomalies are defects.
  • feature mapping instead of the term feature map, the terms feature mapping or feature tableau are also common, but in particular the English term feature map.
  • the creation of the feature map in step b1) is a selection of potentially interesting areas, for example areas selected as rectangular, within the image, which can contain “something”. No statement is made here as to whether the potentially interesting area actually contains something or what it contains. Only potentially interesting areas are selected, which are subjected to further, more detailed analysis. As a result, areas that obviously contain nothing are the first to be removed from further evaluation, thus reducing the amount of data. At the same time, the size of the potentially interesting areas in the feature map is smaller than the image itself, so that you only have to work with a significantly reduced amount of data in each potentially interesting area. The feature map therefore only contains the potentially interesting areas.
  • step b2) the potentially interesting areas of the feature map are now examined.
  • An area proposal network is used for this.
  • regions proposal network network for the proposal of regions are also common, but in particular also the English term Region Proposal Network.
  • An anchor box is an area, such as a rectangular area, that contains an anomaly. In this step, all potentially interesting areas of the feature map are sorted out, which ultimately do not contain any anomalies.
  • the alignment in the anchor boxes of a target area in each anchor box in step b3) is the selection of the pixels of the image which belong to the anomaly. This eliminates all pixels that show something else within the anchor box, i.e. in particular undamaged refractory cladding. This achieves a final focussing exclusively on the anomaly.
  • step b4) the severity of each anomaly in each anchor box is analyzed in step b4) using a multivariate clustering algorithm.
  • This also recognizes which anomalies are defects.
  • the position of the anomaly must be taken into account here.
  • An anomaly with, for example, 100 pixels in size, which is very close to the opening and thus to the camera, must of course be assessed differently in terms of severity than the same anomaly that is in the same image but at a position, for example 5 m deep inside the chemical reaction space, in particular the coke oven, and whose real size is correspondingly larger for a size of 100 pixels, for example, which is the same in the image. This would significantly increase the severity of the defect inside.
  • the texture of the masonry in the image can be used to scale the size. This is particularly possible if the recordings are always made from a reproducible location and there is a first recording without defects, for example after the creation or renovation. In this way, for example, in the event of buildup, the size of the area can be easily estimated from the size of the bricks visible in the "original image".
  • the detection in step a) and the image analysis in step b) are carried out separately.
  • the image data before the analysis in particular via the Internet or a mobile phone connection to a server which is designed to carry out the image analysis in step b).
  • Other transmission methods such as satellite communication or Bluetooth, can also be used, as can transmission via USB stick or CD/DVD. To avoid transport times, digital transmission methods are preferred as far as possible.
  • the detection in step a) takes place with different focal lengths.
  • the areas close to the capture device (the camera) are recorded with a focal length between 20 mm and 50 mm in relation to the 35mm format.
  • the areas further from the detection device (the camera) are recorded with a longer focal length, for example between 75 mm and 300 mm in relation to the 35mm format.
  • shorter focal lengths result for smaller sensors, and correspondingly longer focal lengths for larger sensors.
  • the different focal lengths result in different angular resolutions, which then again lead to a comparable resolution of the refractory lining, preferably due to the different distance to the sensor.
  • the first neural network is a convolution-based neural network.
  • the common English-language term for a convolution-based neural network is convolutional neuronal network.
  • the convolution-based neural network has proven to be particularly suitable for creating the feature map due to the high level of accuracy and processing speed.
  • the first neural network is trained using a priori knowledge.
  • images are used which have been evaluated by a specialist, where defects are marked, labeled and given their severity. The larger this starting data situation is, the more reliably the first neural network can work.
  • This also applies to the second neural network and the multivariate clustering algorithm.
  • everybody with this a priori knowledge is preferred trained. This training enables the system to reliably identify and classify defects right from the start.
  • the system can also be integrated into a new or newly renovated system, for example, and the first recordings can thus be classified as free of defects. It is true that the system is then initially unable to identify defects and assess their severity. However, images in which deviations occur are then presented to an expert, for example, who then carries out the assessment. In this way, the system then learns when the first anomalies occur.
  • the disadvantage is that the system is heavily dependent on support at the beginning, but no a priori knowledge is required for this, but regular intervention by the specialist.
  • the detection in step a) takes place at the operating temperature of the chemical reaction space, in particular of the coke oven. Fluctuations are of course possible. If, for example, a coke oven is opened and the coke is ejected, ambient air naturally reaches the walls and cools them down, in contrast to the time when the coke oven is closed. However, such fluctuations occur during normal operation with each opening and are therefore understood as the operating temperature within the meaning of the invention.
  • the detection in step a) takes place in a spectral range from 350 nm to 1700 nm, preferably in a spectral range from 350 nm to 1100 nm, particularly preferably in a spectral range from 350 nm to 800 nm.
  • An Si semiconductor can preferably be used for the range from 350 nm to 1100 nm, and an InGaAs semiconductor for the range from 1100 nm to 1700 nm.
  • the detection can take place by means of a CCD sensor or a CMOS sensor. In this case, the detection does not have to take place completely over the entire spectral range and it does not have to take place in a spectrally resolved manner.
  • the maximum of the black ray is between 1200 and 1300nm.
  • a spectrally non-resolving sensor in the NIR range can have difficulties in capturing details when the dynamic range of the sensor reaches its limits.
  • the detection in step a) takes place with a multi-camera system.
  • a multi-camera system it is advantageous if the multiple cameras are in a fixed spatial relationship to one another. This can be done, for example, by mounting it on a common tripod.
  • the detection in step a) takes place with a moving image camera, for example a video camera.
  • a motion picture camera has the advantage that due to the large number of pictures, there is a good overlap between two pictures taken one after the other.
  • the film sequence consists of the recordings.
  • a first image can therefore easily be generated from such a film sequence. Since recordings that can be combined comparatively easily are created in this way, this can also be easily recorded by untrained personnel.
  • a first conversion of the recordings then takes place as soon as possible after the recording, in particular if the first image is then transmitted, for example via the Internet or a mobile network, to a server to carry out step b). A significant data reduction can be achieved in this way.
  • a large number of images are recorded in step a) and these are combined by means of photogrammetry to form a virtual image of the chemical reaction space, in particular of the coke oven.
  • a model of the chemical reaction space, in particular the coke oven can also be used for this purpose.
  • a particularly good spatial assignment of the pixels is generated, which facilitates subsequent localization, a statement of the position of the defects.
  • the virtual image created by photogrammetry is then analyzed in step b).
  • the detection in step a) takes place through at least one first opening and one second opening of the chemical Reaction space, in particular the coke oven.
  • one opening is the so-called machine side, on which the coke is pushed out of the oven by a machine.
  • the other opening is opposite the opening from which the coke exits the coke oven.
  • each image in which a specific defect cannot be clearly identified in step b4) is presented to a person skilled in the art for a decision.
  • this allows the system to continuously learn.
  • this reduces the need for manual intervention by the specialist to a minimum.
  • This step is inherently slow and limited to the availability of a skilled person.
  • the image classified by the person skilled in the art is preferably used for training the multivariate clustering algorithm.
  • a specific effect is therefore presented, for example, if it cannot be clearly assigned to a type of anomaly, for example if the probabilities for two different types are of the same order of magnitude.
  • a clear assignment can then be made.
  • a new type of defect is actually found, it can also be trained on this basis.
  • the output in step c) takes place in the case of minor defects with a prognosis as to when a serious defect is to be expected.
  • a decision can be made as to whether an immediate repair is necessary or whether it is still possible to wait until the next maintenance cycle.
  • This prognosis is all the more reliable the more regularly this method is carried out on the relevant device, so that a development over time is preferably already known, which can be used as a data basis for the prognosis.
  • the output in step c) includes the type of defect, the severity of the defect and the position of the defect. This statement can be done in tabular form, but preferably also graphically. More preferably, an output is made in such a way that the chemical reaction space, in particular the coke oven, is divided into different segments and all defects for each segment are output cumulatively. This reveals segments in which smaller defects also accumulate, indicating a potentially larger problem overall.
  • the severity of the defect is output in step c) in three to five degrees of severity. If three degrees of severity are distinguished, these can be, for example, good, moderate and critical. If five degrees of severity are distinguished, these can be, for example, good, light, moderate, critical and fatal. Critical means, for example, that an immediate repair is necessary, fatal that further operation is impossible for safety reasons.
  • the classification of the degrees of severity can, for example, also be based on a forecast of the remaining operating time, ie for example >1 year, >1 month, >1 week and ⁇ 1 week.
  • the output in step c) takes place cumulatively for all defects within the chemical reaction space, in particular the coke oven, and an evaluation is determined on the basis of all detected defects for a need for repair.
  • the outputting includes defects selected from the list of broken edge, spalling, deposit, breakthrough point, ceramic weld point, joint widening.
  • a feature map is created in step b1) on the one hand on the basis of simple structures such as color intensity, shading, geometry, corners and edges.
  • more complex features are also taken into account that can be characteristic of the respective anomalies, such as alignment, extent, or recurring patterns.
  • the method is repeated, wherein the repetition interval is selected from the group on each opening, daily, weekly, monthly, quarterly, annually.
  • the repetition interval is selected from the group on each opening, daily, weekly, monthly, quarterly, annually.
  • the image analysis in step b) takes into account other images which were previously captured from the same point in the chemical reaction space, in particular the coke oven.
  • Fig. 4 Wall with anchor boxes and analyzed anomalies
  • Fig. 7 Wall with anchor boxes and analyzed anomalies
  • Fig. 1 a perfect refractory lining without defects is shown. This picture would emerge, for example, immediately after the construction of a coke oven. This image is an example of a side wall in a coke oven, where the angle would be even steeper towards the back. For the sake of clarity, however, the angle has been selected here in such a way that the principle of the method can be seen better. For simplicity, the ceiling and floor and the opposite wall are also omitted. A real recording would create a tunnel-like impression.
  • Fig. 2 shows the same wall with first defects. In the rear area, a breakthrough is indicated schematically by the omission of four bricks, in the front area attachment to the wall in the form of a hatched circle. 3 shows the wall with the first defects after step b2). Two anchor boxes show the two regions where defects are located. After step b3) the image shown in FIG. 4 results. The second neural network detects the two defects down to the pixel, indicated by the overlying small shaded areas.
  • step b3 shows the wall with second defects. The only difference is that these are closer together. As a result, the anchor boxes are partially overlapping, as shown in FIG. Nevertheless, in step b3) the pixel-precise analysis of the defects takes place just as accurately as shown in FIG.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Organic Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Materials Engineering (AREA)
  • Electromagnetism (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zur Detektion von Defekten in einer feuerfesten Verkleidung in einem chemischen Reaktionsraum, insbesondere eines Koksofens, wobei das Verfahren die folgenden Schritte aufweist: a) Erfassen wenigstens einer ersten Aufnahme der Innenseite der feuerfesten Verkleidung, b) Durchführen einer Bildanalyse wenigstens eines ersten Bildes zur Erkennung von Defekten, c) Ausgeben potentieller Defekte.

Description

Verfahren zur automatischen Verschleißüberwachung und Anomalieerkennung von feuerfesten Auskleidungen in Koksöfen
Die Erfindung betrifft ein Verfahren zur Erkennung von Defekten in der feuerfesten Auskleidung eines Koksofens.
Koksöfen weisen Kammern auf, die eine Breite von einigen 10 cm, beispielsweise 40 bis 50 cm, und eine Länge von mehreren Metern aufweisen sowie eine Höhe von einigen Metern. Diese Kammern werden in einem Temperaturbereich von beispielsweise bis zu 1800 °C betrieben. Die Wände bestehen aus gemauerten Feuerfeststeinen. Diese Mauern können mit der Zeit eine Vielzahl an Schäden aufweisen. Im schlimmsten Fall kann es dann durch Löcher, Risse oder Spalten zu einem unerwünschten Gasaustausch zwischen Ofenkammer und Heizwand kommen, welches bei dem Prozess entsteht, und dieses Gas könnte dann ungewollt und unkontrolliert in die Umgebung abgegeben werden. Dieses gilt es zu verhindern. Hinzu kommt, dass Reparaturen ungleich aufwändiger und teurer werden, wenn die Defekte größer werden. Es ist daher zielführend Defekte frühzeitig zu erkennen und diese zu beheben, bevor Stoffe an die Umgebung abgegeben werden beziehungsweise der Reparaturaufwand unverhältnismäßig hoch wird.
Aus der EP 2 113 552 A1 ist eine Vorrichtung zur Inspektion von Wandoberflächen von Koksöfen bekannt.
Aus der JP 2016 065 225 A ist eine Vorrichtung zur automatischen Erkennung von Kohlenstoffanhaftungen in einem Koksofen bekannt.
Aus der nachveröffentlichten DE 10 2021 101 102 ist ein Fluggerät und ein Verfahren zur Inspektion von Einrichtungen von Kokereianlagen zur Detektion von Fehlerquellen bekannt.
Eine Inspektion der Wandbeschädigungen kann nur bei geöffneter Koksofentür erfolgen. Der Koksofen kann aus betrieblichen Gründen nicht abgeschaltet werden, das heisst, eine Inspektion findet im heißen Betriebszustand des Koksofens statt. Eines der Probleme bei der visuellen Inspektion ist die Temperatur im Inneren der Koksofenkammer. Für eine vor einer Öffnung stehende Person stellt dieses bereits eine Belastung dar. Hinzu kommen Belastungen durch austretende chemische Substanzen. Gleichzeitig erschwert der tunnelförmige Charakter eine visuelle Inspektion. Für eine qualifizierte Inspektion ist in der Regel sehr viel Erfahrung hierfür nötig, was wiederum die Zahl der Personen mit den nötigen Qualifikationen reduziert. Wenn dann noch Reisebeschränkungen, beispielsweise pandemiebedingt, dazukommen, kann eine Überprüfung extrem schwierig sein.
Aufgabe der Erfindung ist es, ein Verfahren zur sicheren und frühzeitigen Diagnose von Defekten in einer feuerfesten Auskleidung bereitzustellen. Ebenso soll die Arbeitssicherheit der beteiligten Personen erhöht werden und Verzögerungen des laufenden Betriebsprozesses durch Inspektion zeitlich so kurz wie möglich gehalten werden.
Gelöst wird diese Aufgabe durch das Verfahren mit den in Anspruch 1 angegebenen Merkmalen. Vorteilhafte Weiterbildungen ergeben sich aus den Unteransprüchen, der nachfolgenden Beschreibung sowie den Zeichnungen.
Das erfindungsgemäße Verfahren dient zur Detektion von Defekten in einer feuerfesten Verkleidung in einem chemischen Reaktionsraum, insbesondere eines Koksofens. Das Verfahren ist aber auch auf andere chemische Reaktionsräume mit einer feuerfesten Auskleidung anwendbar. Beispielhaft seien hier Drehrohröfen, Dampfreformer, Syngasreformer, Reaktoren, Boiler, Dampf- und Abgasleitungen, Nachbehandlungsöfen, Schmelzöfen, Kamine und Schornsteine genannt. Besonders geeignet ist das Verfahren für einen Reaktor für den kontinuierlichen Betrieb. Nach der Leerung und vor der erneuten Befüllung kann eine entsprechende Durchführung bei der Betriebstemperatur durchgeführt werden, sodass es nicht notwendig ist, den Reaktor für eine Inspektion abzuschalten und abzukühlen. Der Koksofen ist besonders für dieses Verfahren geeignet. Zum einen besteht ein Koksofen üblicherweise aus Mauerwerk, wodurch andere Schadbilder entstehen können, als beispielweise bei einem feuerfest ausgekleideten Ofengefäß. Zum anderen sind üblicherweise mehrere Koksöfen nebeneinander in einer Batterie aufgebaut, sodass der Ausfall und die Reparatur eines Koksofens eine unmittelbare Auswirkung auf alle anderen Koksöfen der Batterie haben kann. Des Weiteren ist die Geometrie der Koksöfen so, dass die einzelnen Koksofenkammern vergleichsweise lang, hoch und schmal sind, also beispielsweise eine Länge von über 10 m bei einer Breite in der Größenordnung von einem halben Meter aufweisen. Bei einer Betriebstemperatur in der Größe von 1000 °C bis zu 2000 °C ergibt sich somit eine Schwierigkeit der Inspektion aufgrund der Geometrie als auch der Temperaturbelastung, gleichzeitig besteht aus den oben bereits diskutierten Gründen aber auch die Notwendigkeit zur regelmäßigen Überprüfung der Anlage.
Das Verfahren weist die folgenden Schritte auf: a) Erfassen wenigstens einer ersten Aufnahme der Innenseite der feuerfesten Verkleidung, b) Durchführen einer Bildanalyse wenigstens eines ersten Bildes zur Erkennung von Defekten, c) Ausgeben potentieller Defekte
Das Erfassen in Schritt a) erfolgt von außerhalb des chemischen Reaktionsraumes. Bevorzugt erfolgt das Erfassen durch eine Öffnung, insbesondere durch eine Öffnung, welche im regulären Betrieb verwendet wird, beispielsweise um Edukt einzubringen, Produkt auszubringen oder um Arbeitsgeräte einzubringen oder auszubringen. Am Beispiel des Koksofens sind zwei Öffnungen besonders relevant für die Durchführung des Verfahrens. Zum einen die Öffnung, durch die der Koks aus dem Koksofen entfernt wird (Koksseite). Zum anderen die Öffnung, durch die der Koks aus dem Koksofen herausgedrückt wird (Maschinenseite). Die Öffnungen zur Zuführung des Edukts Kohle, welche oberhalb angeordnet sind, sind nicht geeignet, da diese durch die dort befindliche Kohle im Regelbetrieb nicht zugänglich sind. Alternativ können natürlich auch Wartungsluks oder Fenster verwendet werden. Besser ist jedoch, wenn Öffnungen verwendet werden, welche im Regelbetrieb sowieso genutzt werden, da hierdurch der Betrieb weniger gestört wird.
Das Erfassen in Schritt a) kann durch eine Aufnahme mit einer Kamera erfolgen. Es kann aber auch eine Mehrzahl an Aufnahmen mit einer Kamera oder eine Aufnahme einer Mehrzahl an Aufnahmen mit mehreren Kameras verwendet werden. Wird ein Mehr- Kamera-System verwendet, so sind diese bevorzugt beispielsweise mit einem Stativ in einer festen räumlichen Anordnung zueinander fixiert, wodurch eine Überlagerung der Aufnahmen zur Erzeugung eines Bildes des chemischen Reaktionsraumes, insbesondere des Koksofens, vereinfacht ist.
Das Erfassen in Schritt a) kann durch eine Aufnahme mit einer Lichtfeld-Kamera erfolgen. Eine Lichtfeld-Kamera, auch plenoptische Kamera genannt, hat den Vorteil, dass eine Fokussierung nicht vor der Aufnahme erfolgt, sondern die verschiedenen Fokusebenen aus der erfassten Aufnahme berechnet werden können. Dadurch kann gerade in chemischen Reaktionsräumen in einer großen Tiefe, wie insbesondere Koksöfen, eine schnelle und durchgehend scharfe Erfassung auf einfache Weise erfolgen.
Das Erfassen in Schritt a) kann durch eine Aufnahme mit einem Laser-Scan-System erfolgen. Hierbei wird die Oberfläche üblicherweise zeilenweise und spaltenwiese abgetastet. Daher ist die Erfassung mit einem solchen Scan-System vergleichsweise langsam gegenüber einer Kamera, welche gleichzeitig alle Informationen erfasst. Dafür kann durch die Größe des Laserpunktes eine genauere Abtastung erfolgen und so gegebenenfalls mehr Informationen gewonnen werden.
Das Erfassen in Schritt a) kann durch eine freihändige Aufnahme mit einer Kamera erfolgen. Dieses hat den Vorteil, dass es vergleichsweise einfach ist. Dafür ist die räumliche Anordnung nicht reproduzierbar. Daher ist es im Falle freihändiger Aufnahmen vorteilhaft, mehr Aufnahmen zu machen und diese anschließend zusammenzufügen, um ein Bild von der gesamten feuerfesten Verkleidung zu erhalten.
Das Erfassen in Schritt a) kann durch eine Aufnahme mit einer Kamera erfolgen, welche beispielsweise mittels eines Stativs in eine vordefinierte Position vor einer Öffnung reproduzierbar positioniert ist. Dieses hat den Vorteil, dass die räumliche Anordnung des Bildes und damit die Positionsbestimmung von Defekten vereinfacht ist. Hierfür können an der Öffnung oder in der Nähe der Öffnung Befestigungspunkte für das Stativ und Aufstellmarken für das Stativ angeordnet sein. Das Erfassen in Schritt a) kann insbesondere mit einer Brennweite zwischen 25 mm und 75 mm bezogen auf das Kleinbildformat erfolgen. Für kleinere Sensoren ergeben sich entsprechend kürzere Brennweiten, für größere Sensoren entsprechend längere. Als Sensorgröße wird ein Sensor mit 20 bis 200 Megapixel bevorzugt, um zum einen ausreichend Auflösung zu haben und zum anderen die zu bearbeitende Datenmenge zu begrenzen.
Hat der chemische Reaktionsraum, insbesondere der Koksofen, zwei oder mehr Öffnungen, so werden Aufnahmen vorzugsweise von beiden oder allen Öffnungen gemacht.
Bild umfasst im Sinne der Erfindung eine wenigstens zweidimensionale Information wenigstens einer Intensitätsverteilung. Ein Bild, welches mittels einer handelsüblichen Kamera aufgenommen wurde, weist drei Farbkanäle auf, welche jeweils eine zweidimensionale Intensitätsverteilung (Helligkeit) aufweist. Um den Informationsbereich zu erweitern, können auch mehr als nur drei Farbkanäle erfasst werden, beispielsweise durch zusätzliche Aufnahmen mit einer IR-Kamera (meist handelsübliche Kamera ohne IR-Sperrfilter und dafür einem VIS-Sperrfilter) oder einer Wärmebildkamera erfasst werden. Bilder können aber auch aus einzelnen Aufnahmen (welche auch Bilder im Sinne der Erfindung darstellen) zusammengesetzt sein. Beispielsweise kann durch Zusammensetzen (Stitchen) ein größeres Panoramabild aus mehreren Aufnahmen zusammengesetzt werden. Ebenso kann beispielsweise aus einer Vielzahl an Aufnahmen mittels Photogrammetrie ein dreidimensionales Bild erzeugt werden, wobei ein solches Bild genau genommen auch nur eine zweidimensionale Fläche, aber eben mit der räumlichen Struktur im dreidimensionalen Raum, zeigt. Der Begriff Aufnahme wird im Sinne der Erfindung daher für ein unverändertes Bild (Bild aus der Kamera, Originalbild, nicht prozessiertes Bild) verwendet.
Somit kann das erste Bild in Schritt b) gleich der ersten Aufnahme in Schritt a) sein, wenn die erste Aufnahme unverändert als erstes Bild verwendet wird. Alternativ kann das erste Bild aus der ersten Aufnahme erzeugt werden, beispielsweise durch die Kombination mit weiteren Aufnahmen. Somit ist das erste Bild gleich der ersten Aufnahme oder das erste Bild wird aus der ersten Aufnahme erzeugt. Das Durchführen einer Bildanalyse erfolgt mit Hilfe eines selbstlernenden Algorithmus. Das Durchführen einer Bildanalyse weist die folgenden Teilschritte auf: b1 ) mit einem ersten neuronalen Netzwerk eine Merkmalskarte erstellt wird b2) die in der Merkmalskarte potentiell interessanten Bereiche mit einem Gebietsvorschlagsnetzwerk untersucht werden, wobei Bereiche identifiziert werden, welche eine Anomalie enthalten könnten, wobei Ankerboxen erzeugt werden, b3) mit einem zweiten neuronalen Netzwerk in den Ankerboxen eine Ausrichtung eines Zielbereichs in jeder Ankerbox durchgeführt wird, b4) mit einem multivarianten Clustering-Algorithmus die Schwere jeder Anomalie in jeder Ankerbox analysiert wird und erkannt wird, welche Anomalien Defekte sind.
Anstelle des Begriffs Merkmalskarte sind auch die Begriffe Merkmalsabbildung oder Merkmal-Tableau geläufig, insbesondere aber auch der englische Begriff Feature Map.
Das Erstellen der Merkmalskarte in Schritt b1 ) ist in sehr einfachen Worten ausgedrückt eine Auswahl von potentiell interessanten Bereichen, beispielsweise von rechteckig gewählten Bereichen, innerhalb des Bildes, welche „etwas“ enthalten können. Hierbei wird noch keine Aussage darüber getroffen, ob der potentiell interessante Bereich tatsächlich etwas enthält oder was er enthält. Es werden lediglich potentiell interessante Bereiche ausgewählt, welche der weiteren, genaueren Analyse unterzogen werden. Dadurch werden insbesondere Bereiche, welche offensichtlich nichts enthalten, als erste aus der weiteren Auswertung entfernt und so die Datenmenge reduziert. Gleichzeitig ist die Größe der potentiell interessanten Bereiche in der Merkmalskarte kleiner als das Bild selbst, sodass in jedem potentiell interessanten Bereich ebenfalls nur mit einer deutlich reduzierten Datenmenge gearbeitet werden muss. Die Merkmalskarte enthält also nur die potentiell interessanten Bereiche.
In Schritt b2) werden nun die potentiell interessanten Bereiche der Merkmalskarte untersucht. Hierfür wird ein Gebietsvorschlagsnetzwerk verwendet. Anstelle des Begriffes Gebietsvorschlagsnetzwerk sind auch Regions-Vorschlagnetzwerk, Netzwerk zum Vorschlag von Regionen geläufig, insbesondere aber auch der englische Begriff Region Proposal Network. Eine Ankerbox ist ein Bereich, beispielsweise ein rechteckiger Bereich, welcher eine Anomalie enthält. Damit werden in diesem Schritt alle potentiell interessanten Bereiche der Merkmalskarte aussortiert, welche letztendlich doch keine Anomalie enthalten.
Die mit einem zweiten neuronalen Netzwerk durchgeführte Ausrichtung in den Ankerboxen eines Zielbereichs in jeder Ankerbox in Schritt b3) ist vereinfacht ausgedrückt die Auswahl der Pixel des Bildes, welche zur Anomalie gehören. Damit entfallen alle Pixel, die innerhalb der Ankerbox etwas anderes, also insbesondere unbeschädigte feuerfeste Verkleidung, zeigen. Hierdurch wird eine abschließende Fokussierung ausschließlich auf die Anomalie erreicht.
Nachdem so die Anomalien eindeutig abgegrenzt sind, wird in Schritt b4) mit einem multivarianten Clustering-Algorithmus die Schwere jeder Anomalie in jeder Ankerbox analysiert. Hierdurch wird auch erkannt, welche Anomalien Defekte sind. Hierbei ist die Position der Anomalie zu berücksichtigen. Eine Anomalie mit beispielsweise 100 Pixel Größe, welche sich sehr nahe an der Öffnung und damit an der Kamera befindet ist natürlich hinsichtlich der Schwere anders zu beurteilen, wie die gleiche Anomalie, welche sich in dem gleichen Bild, aber an einer Position, beispielsweise 5 m tief im Inneren des chemischen Reaktionsraumes, insbesondere des Koksofens, befindet und deren reale Größe bei einer im Bild gleichen Größe von beispielsweise 100 Pixeln entsprechend größer ist. Hierdurch wäre die Schwere des Defekts im Inneren deutlich größer.
Bei einer feuerfesten Verkleidung in Form eines Mauerwerks kann beispielsweise die Struktur des Mauerwerks im Bild dazu verwendet werden, die Größe zu skalieren. Dieses ist besonders gut möglich, wenn die Aufnahmen immer von einem reproduzierbaren Standort gemacht werden und es eine erste Aufnahme ohne Defekte, beispielsweise nach der Erstellung oder Sanierung gibt. Hierdurch kann beispielsweise bei Anhaftungen die Größe der Fläche durch die im „Originalbild“ sichtbaren Mauersteine größenmäßig einfach abgeschätzt werden.
In einer weiteren Ausführungsform der Erfindung werden das Erfassen in Schritt a) und die Bildanalyse in Schritt b) getrennt durchgeführt. Insbesondere werden die Bilddaten vor der Analyse insbesondere über das Internet oder eine Mobilfunkverbindung auf einen Server übertragen, welcher zur Durchführung der Bildanalyse in Schritt b) ausgebildet ist. Andere Übertragungswege, beispielsweise per Satellitenkommunikation oder Bluethooth können ebenfalls zum Einsatz kommen, ebenso die Übertragung per USB-Stick oder CD/DVD. Zur Vermeidung von Transportzeiten sind digitale Übertragungsmethoden bevorzugt, soweit möglich.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) mit unterschiedlichen Brennweiten. Beispielweise werden die nahe an dem Erfassungsgerät (der Kamera) gelegenen Bereiche mit einer Brennweite zwischen 20 mm und 50 mm bezogen auf das Kleinbildformat aufgenommen. Die weiter von dem Erfassungsgerät (der Kamera) gelegenen Bereiche werden mit einer längeren Brennweite, beispielsweise zwischen 75 mm und 300 mm bezogen auf das Kleinbildformat aufgenommen. Für kleinere Sensoren ergeben sich entsprechend kürzere Brennweiten, für größere Sensoren entsprechend längere. Durch die unterschiedlichen Brennweiten ergeben sich unterschiedliche Winkelauflösungen, die vorzugsweise durch die unterschiedliche Entfernung zum Sensor dann wieder zu einer vergleichbaren Auflösung der feuerfesten Verkleidung führen.
In einer weiteren Ausführungsform der Erfindung ist das erste neuronale Netzwerk ein faltungsbasiertes neuronales Netzwerk. Der geläufige englischsprachige Terminus für ein faltungsbasiertes neuronales Netzwerk ist Convolutional neuronal network. Verglichen mit herkömmlichen neuronalen Netwerken hat sich das faltungsbasierte neuronale Netzwerk für die Erstellung der Merkmalskarte aufgrund der hohen Genauigkeit und Verarbeitungsgeschwindigkeit als besonders geeignet herausgestellt.
In einer weiteren Ausführungsform der Erfindung ist das erste neuronale Netzwerk mittels Apriori-Wissen trainiert. Hierzu werden Bilder verwendet, welche von einem Fachmann bewertet wurden, wo Defekte markiert, bezeichnet und mit Schwere angegeben sind. Je größer diese Ausgangsdatenlage ist, um so zuverlässiger kann das erste neuronale Netzwerk arbeiten. Dieses gilt auch für das zweite neuronale Netzwerk und den multivarianten Clustering-Algorithmus. Bevorzugt werden alle mit diesem Apriori-Wissen trainiert. Durch dieses Training kann das System von Anfang an Defekte zuverlässig identifizieren und klassifizieren.
Alternativ kann das System auch beispielsweise in eine neue oder frisch sanierte Anlage integriert werden und die ersten Aufnahmen können somit als ohne Defekt klassifiziert werden. Zwar ist das System dann am Anfang nicht in der Lage Defekte zu erkennen und der Schwere nach zu beurteilen. Bilder aber, bei denen Abweichungen auftreten, werden dann beispielsweise einem Fachmann vorgelegt, der dann die Bewertung vornimmt. Auf diese Weise lernt dann das System mit dem Auftreten der ersten Anomalien. Nachteilig ist, dass das System am Anfang stark auf Unterstützung angewiesen ist, dafür ist jedoch kein Apriori-Wissen nötig, dafür der regelmäßige Eingriff des Fachmanns.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) bei der Betriebstemperatur des chemischen Reaktionsraums, insbesondere des Koksofens. Hierbei sind Schwankungen natürlich möglich. Wird beispielsweise ein Koksofen geöffnet und der Koks ausgestoßen, so kommt natürlich Umgebungsluft an die Wände und kühlt diese im Gegensatz zu der Zeit, in welcher der Koksofen geschlossen ist, ab. Derartige Schwankungen treten aber im normalen Betrieb bei jedem Öffnen auf und werden daher im Sinne der Erfindung als Betriebstemperatur verstanden.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) in einem Spektralbereich von 350 nm bis 1700 nm, bevorzugt in einem Spektralbereich von 350 nm bis 1 100 nm, besonders bevorzugt in einem Spektralbereich von 350 nm bis 800 nm, erfolgt. Für den Bereich von 350 nm bis 1100 nm kann bevorzugt ein Si- Halbleiter verwendet werden, für den Bereich 1 100 nm bis 1700 nm ein InGaAs- Halbleiter. Beispielsweise und bevorzugt kann das Erfassen mittels eines CCD Sensors oder eines CMOS Sensors erfolgen. Hierbei muss das Erfassen nicht vollständig über den gesamten Spektralbereich erfolgen und es muss nicht spektral aufgelöst erfolgen. Es kann als reines Schwarz-Weiß-Bild erfasst werden. Bevorzugt wird jedoch eine Erfassung wie in handelsüblichen Kamerasystemen in den drei Grundfarben mit überlappenden Empfindlichkeitsbereichen und damit vollständig über das sichtbare Spektrum durchgeführt. Erschwerend kommt jedoch hinzu, dass beispielsweise bei einer Temperatur um 2000 °C das Maximum des Schwarzen Strahles zwischen 1200 und 1300 nm liegt. Gerade ein spektral nicht auflösender Sensor im NIR Bereich kann dadurch gegebenenfalls Schwierigkeiten haben, Details noch zu erfassen, wenn der Dynamikumfang des Sensors an seine Grenzen stößt.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) mit einem Mehr-Kamera-System. Wie bereits weiter oben ausgeführt ist es vorteilhaft, wenn die mehreren Kameras in einer festen räumlichen Beziehung zueinanderstehen. Dieses kann beispielsweise durch eine Montage auf ein gemeinsames Stativ erfolgen.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) mit einer Bewegtbildkamera, zum Beispiel einer Videokamera. Durch die Verwendung einer Bewegtbildkamera hat den Vorteil, dass durch die Vielzahl an Bildern eine gute Überlappung zwischen jeweils zwei nacheinander aufgenommenen Bildern besteht. In diesem Fall besteht die Filmsequenz aus den Aufnahmen. Daher kann aus solchem Filmsequenz leicht ein erstes Bild erzeugt werden. Da so leicht vergleichsweise gut zu kombinierbare Aufnahmen entstehen, kann dieses auch leicht von nicht trainierten Personal erfasst werden. Vorteilhafterweise erfolgt eine erste Umwandlung der Aufnahmen dann möglichst unmittelbar nach der Aufnahme, insbesondere, wenn anschließend das erste Bild beispielsweise über Internet oder ein Mobilfunknetz auf einen Server zur Durchführung des Schritts b) übertragen wird. Hierdurch kann eine deutliche Datenreduktion erreicht werden.
In einer weiteren Ausführungsform der Erfindung wird in Schritt a) eine Vielzahl an Bilder erfasst und diese werden mittels Photogrammetrie zu einem virtuellen Abbild des chemischen Reaktionsraums, insbesondere des Koksofens, zusammengesetzt. Zusätzlich zu den Aufnahmen kann hierfür auch ein Modell des chemischen Reaktionsraums, insbesondere des Koksofens, verwendet werden. Hierdurch wird eine besonders gute räumliche Zuordnung der Pixel erzeugt, wodurch eine anschließende Lokalisierung, eine Positionsangabe der Defekte erleichtert wird. Das mittels Photogrammetrie erstellte virtuelle Abbild wird dann in Schritt b) analysiert.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erfassen in Schritt a) durch wenigstens eine erste Öffnung und eine zweite Öffnung des chemischen Reaktionsraums, insbesondere des Koksofens. Im Falles des Koksofens ist eine Öffnung die sogenannte Maschinenseite, auf welcher maschineller der Koks aus dem Ofen gedrückt wird. Die andere Öffnung ist dieser gegenüberliegend die Öffnung, aus der der Koks aus dem Koksofen austritt. Durch die Erfassung von beiden Seiten wird die Distanz zwischen Kamera und Defekt gerade für den Inneren Bereich auf maximal die halbe Länge begrenzt, was bei der tunnelartigen Geometrie der Koksöfen sinnvoll ist.
In einer weiteren Ausführungsform der Erfindung wird jedes Bild, bei dem in Schritt b4) nicht eindeutig ein bestimmter Defekt identifiziert werden kann einem Fachmann zur Entscheidung vorgelegt. Hierdurch kann zum einen das System kontinuierlich weiter lernen. Zum anderen wird dadurch der Bedarf man manuellem Eingriff durch den Fachmann auf ein Minimum reduziert. Dieser Schritt ist naturgemäß langsam und auf die Verfügbarkeit eines Fachmanns limitiert. Entsprechend wird bevorzugt das durch den Fachmann klassifizierte Bild zum Training des multivarianten Clustering-Algorithmus verwendet. Üblicherweise können durch das Apriori-Wissen nur die trainierten Anomalien erkannt werden. Daher wird ein bestimmter Effekt beispielsweise vorgelegt, wenn nicht eindeutig dieser zu einer Art von Anomalie zugeordnet werden kann, beispielsweise wenn die Wahrscheinlichkeit für zwei verschiedene Arten in der gleichen Größenordnung liegen. Durch den Rückgriff auf den Fachmann kann dann eine eindeutige Zuordnung erfolgen. Falls jedoch tatsächlich ein neuer Defekttyp damit gefunden wird, kann dieser auf dieser Grundlage auch eintrainiert werden.
In einer weiteren Ausführungsform der Erfindung erfolgt das Ausgeben in Schritt c) bei geringfügigen Defekten mit einer Prognose, wann mit einem schweren Defekt zu rechnen ist. Hierdurch kann insbesondere eine Entscheidung getroffen werden, ob eine unverzügliche Reparatur notwendig ist oder ob ein Abwarten bis zum nächsten Wartungszyklus noch möglich ist. Diese Prognose ist umso zuverlässiger, je regelmäßiger dieses Verfahren an der betreffenden Vorrichtung vorgenommen wird, sodass vorzugsweise bereits eine zeitliche Entwicklung bekannt ist, die als Datengrundlage für die Prognose verwendet werden kann.
In einer weiteren Ausführungsform der Erfindung umfasst das Ausgeben in Schritt c) die Art des Defekts, die Schwere des Defekts und die Position des Defekts. Diese Angabe kann tabellarisch, bevorzugt aber auch grafisch erfolgen. Weiter bevorzugt erfolgt eine Ausgabe in der Art, dass der chemische Reaktionsraum, insbesondere der Koksofen, in verschiedene Segmente eingeteilt wird, und alle Defekt für jedes Segment kumuliert ausgegeben werden. Hierdurch treten Segmente hervor, in denen sich auch kleinere Defekte häufen und so auf ein insgesamt möglicherweise größeres Problem hindeuten.
In einer weiteren Ausführungsform der Erfindung erfolgt das Ausgeben der Schwere des Defekts in Schritt c) in drei bis fünf Schweregraden. Werden drei Schweregrade unterschieden, können diese beispielsweise gut, moderat und kritisch sein. Werden fünf Schweregrade unterschieden, können diese beispielsweise gut, leicht, moderat, kritisch und fatal sein. Kritisch bedeutet beispielsweise, dass eine unverzügliche Reparatur notwendig ist, fatal, dass ein Weiterbetrieb aus Sicherheitsgründen ausgeschlossen ist. Die Klassifizierung der Schweregrade kann aber beispielsweise auch über eine Prognose der verbleibenden Betriebszeit sein, also beispielsweise > 1 Jahr, > 1 Monat, > 1 Woche und < 1 Woche.
In einer weiteren Ausführungsform der Erfindung erfolgt das Ausgeben in Schritt c) kumulativ für alle Defekte innerhalb des chemischen Reaktionsraums, insbesondere des Koksofens, und eine Bewertung wird auf der Basis aller erkannten Defekte für einen Reparaturbedarf ermittelt.
In einer weiteren Ausführungsform der Erfindung umfasst das Ausgeben Defekte ausgewählt aus der Liste Abbruchkante, Abplatzung, Ablagerung, Durchbruchstelle, keramische Schweißstelle, Fugenaufweitung.
In einer weiteren Ausführungsform der Erfindung erfolgt das Erstellen einer Merkmalskarte in Schritt b1 ) zum einen auf der Basis von einfachen Strukturen, wie etwa Farbintensität, Schattierung, Geometrie, Ecken und Kanten. Zum anderen werden auch komplexere Merkmalen berücksichtigt, die für die jeweiligen Anomalien charakteristisch sein können, wie etwa Ausrichtung, Ausdehnung, oder wiederkehrende Muster.
In einer weiteren Ausführungsform der Erfindung wird das Verfahren wiederholt, wobei das Wiederholungsintervall ausgewählt ist aus der Gruppe bei jedem Öffnen, täglich, wöchentlich, monatlich, quartärlich, jährlich. Durch eine kontinuierliche Überprüfung sind zum einen Veränderungen leichter zu finden, zum anderen kann eine Prognose für die verbleibende restliche Betriebszeit fundierter abgegeben werden, je kürzer das Intervall ist.
In einer weiteren Ausführungsform der Erfindung berücksichtigt die Bildanalyse in Schritt b) weitere Bilder, welche bereits früher von der gleichen Stelle des chemischen Reaktionsraums, insbesondere des Koksofens, erfasst wurden.
Nachfolgend ist das erfindungsgemäße Verfahren anhand eines in den Zeichnungen dargestellten Ausführungsbeispiels näher erläutert.
Fig. 1 Wand
Fig. 2 Wand mit ersten Defekten
Fig. 3 Wand mit ersten Defekten und Ankerboxen
Fig. 4 Wand mit Ankerboxen und analysierten Anomalien
Fig. 5 Wand mit zweiten Defekten
Fig. 6 Wand mit zweiten Defekten und Ankerboxen
Fig. 7 Wand mit Ankerboxen und analysierten Anomalien
Zur Vereinfachung wird in den Figuren ein Stück Mauerwerk als Ausschnitt einer feuerfesten Verkleidung dargestellt. Defekte sind zur Verdeutlichung bereits sehr groß dargestellt. Die Figuren sind daher nur skizzenhaft und schematisch zu verstehen.
In Fig. 1 ist eine perfekte feuerfeste Verkleidung ohne Defekte gezeigt. Dieses Bild würde sich beispielsweise unmittelbar nach dem Bau eines Koksofens ergeben. Dieses Bild steht beispielhaft für eine Seitenwand in einem Koksofen, wobei der Winkel noch steiler nach hinten wäre. Zur Verdeutlichung ist der Winkel hier jedoch so gewählt, dass das Prinzip des Verfahrens besser zu erkennen ist. Zur Vereinfachung sind auch Decke und Boden sowie die gegenüberliegende Wand weggelassen. Eine reale Aufnahme würde einen tunnelförmigen Eindruck erzeugen. Fig. 2 zeigt die gleiche Wand mit ersten Defekten. Im hinteren Bereich ist ein Durchbruch durch Weglassung von vier Ziegelsteinen schematisch angedeutet, im vorderen Bereich eine Anhaftung an der Wand in Form eines schraffierten Kreises. In Fig. 3 ist die Wand mit den ersten Defekten nach Schritt b2) gezeigt. Zwei Ankerboxen zeigen die beiden Regionen, in denen sich Defekte befinden. Nach Schritt b3) ergibt sich das in Fig. 4 gezeigte Bild. Durch das zweite neuronale Netzwerk werden die beiden Defekte pixelgenau erkannt, angedeutet durch die darüber liegenden klein-schraffierten Flächen.
Fig. 5 zeigt die Wand mit zweiten Defekten. Der einzige Unterschied ist, dass diese näher zusammenliegen. Dadurch sind die Ankerboxen, wie in Fig. 6 dargestellt, partiell überlappend. Dennoch erfolgt in Schritt b3) genauso akkurat die pixelgenaue Analyse der Defekte, wie in Fig. 7 gezeigt.

Claims

Patentansprüche
1 . Verfahren zur Detektion von Defekten in einer feuerfesten Verkleidung in einem chemischen Reaktionsraum, insbesondere eines Koksofens, wobei das Verfahren die folgenden Schritte aufweist: a) Erfassen wenigstens einer ersten Aufnahme der Innenseite der feuerfesten Verkleidung, b) Durchführen einer Bildanalyse wenigstens eines ersten Bildes zur Erkennung von Defekten, c) Ausgeben potentieller Defekte, wobei das Erfassen in Schritt a) von außerhalb des chemischen Reaktionsraumes erfolgt wobei das Durchführen einer Bildanalyse mit Hilfe eines selbstlernenden Algorithmus erfolgt, wobei das Durchführen einer Bildanalyse die folgenden Teilschritte aufweist: b1 ) mit einem ersten neuronalen Netzwerk eine Merkmalskarte erstellt wird b2) die in der Merkmalskarte potentiell interessanten Bereiche mit einem Gebietsvorschlagsnetzwerk untersucht werden, wobei Bereiche identifiziert werden, welche eine Anomalie enthalten könnten, wobei Ankerboxen erzeugt werden, b3) mit einem zweiten neuronalen Netzwerk in den Ankerboxen eine Ausrichtung eines Zielbereichs in jeder Ankerbox durchgeführt wird, b-4) mit einem multivarianten Clustering-Algorithmus die Schwere jeder Anomalie in jeder Ankerbox analysiert wird und erkannt wird, welche Anomalien Defekte sind.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das erste neuronale Netzwerk ein faltungsbasiertes neuronales Netzwerk ist.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das erste neuronale Netzwerk mittels Apriori-Wissen trainiert ist. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen in Schritt a) bei der Betriebstemperatur des chemischen Reaktionsraums, insbesondere des Koksofens, erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen in Schritt a) in einem Spektralbereich von 350 nm bis 1700 nm, bevorzugt in einem Spektralbereich von 350 nm bis 1100 nm, erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen in Schritt a) mit einem Mehr-Kamera-System erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen in Schritt a) mit einer Bewegtbildkamera erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass in Schritt a) eine Vielzahl an Aufnahmen erfasst wird und diese mittels Photogrammetrie zu einem virtuellen Abbild des chemischen Reaktionsraums, insbesondere des Koksofens, zusammengesetzt werden, wobei das mittels Photogrammetrie erstellte virtuelle Abbild in Schritt b) analysiert wird. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen in Schritt a) durch wenigstens eine erste Öffnung und eine zweite Öffnung des chemischen Reaktionsraums, insbesondere des Koksofens, erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass jedes Bild, bei dem in Schritt b4) nicht eindeutig ein bestimmter Defekt identifiziert werden kann einem Fachmann zur Entscheidung vorgelegt wird. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass das durch den Fachmann klassifizierte Bild zum Training des multivarianten Clustering- Algorithmus verwendet wird. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben in Schritt c) bei geringfügigen Defekten mit einer Prognose erfolgt, wann mit einem schweren Defekt zu rechnen ist. 17 Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben in Schritt c) die Art des Defekts, die Schwere des Defekts und die Position des Defekts umfasst. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben der Schwere des Defekts in Schritt c) in drei bis fünf Schweregraden erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben in Schritt c) kumulativ für alle Defekte innerhalb des chemischen Reaktionsraums, insbesondere des Koksofens, erfolgt und eine Bewertung auf der Basis aller erkannten Defekte für einen Reparaturbedarf ermittelt wird. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben Defekte umfasst ausgewählt aus der Liste Abbruchkante, Abplatzung, Ablagerung, Durchbruchstelle, keramische Schweißstelle. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Erstellen einer Merkmalskarte in Schritt b1 ) auf der Basis von Farbintensität, Schattierung und Geometrie erfolgt. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren wiederholt wird, wobei das Wiederholungsintervall ausgewählt ist aus der Gruppe bei jedem Öffnen, täglich, wöchentlich, monatlich, quartärlich, jährlich. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Bildanalyse in Schritt b) weitere Bilder berücksichtig, welche bereits früher von der gleichen Stelle des chemischen Reaktionsraums, insbesondere des Koksofens, erfasst wurden.
EP22789557.0A 2021-09-24 2022-09-20 VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN Pending EP4405913A1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
BE20215752A BE1029794B1 (de) 2021-09-24 2021-09-24 Verfahren zur automatischen Verschleißüberwachung und Anomalieerkennung von feuerfesten Auskleidungen in Koksöfen
DE102021210691 2021-09-24
DE102021212110.1A DE102021212110A1 (de) 2021-09-24 2021-10-27 Verfahren zur automatischen Verschleißüberwachung und Anomalieerkennung von feuerfesten Auskleidungen in Koksöfen
PCT/EP2022/076084 WO2023046674A1 (de) 2021-09-24 2022-09-20 VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN

Publications (1)

Publication Number Publication Date
EP4405913A1 true EP4405913A1 (de) 2024-07-31

Family

ID=83691392

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22789557.0A Pending EP4405913A1 (de) 2021-09-24 2022-09-20 VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN

Country Status (2)

Country Link
EP (1) EP4405913A1 (de)
WO (1) WO2023046674A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121280443B (zh) * 2025-12-09 2026-03-27 宝鸡市力合金属复合材料股份有限公司 一种基于热成像的炉衬热震损伤检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311777B2 (en) 2007-02-22 2012-11-13 Nippon Steel Corporation Coke oven wall surface evaluation apparatus, coke oven wall surface repair supporting apparatus, coke oven wall surface evaluation method, coke oven wall surface repair supporting method and computer program
JP6544161B2 (ja) 2014-09-16 2019-07-17 日本製鉄株式会社 コークス炉の炭化室の炉壁表面状態判定装置、コークス炉の炭化室の炉壁表面状態判定方法、及びプログラム
DE102021101102A1 (de) 2021-01-20 2022-07-21 Thyssenkrupp Ag Fluggerät und Verfahren zur Inspektion von Einrichtungen von Kokereianlagen zur De-tektion von Fehlerquellen

Also Published As

Publication number Publication date
WO2023046674A1 (de) 2023-03-30

Similar Documents

Publication Publication Date Title
DE4410603C1 (de) Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen
EP3095591B1 (de) Verfahren und vorrichtung zum zumindest bereichsweisen ermitteln einer kontur wenigstens einer generativ hergestellten bauteilschicht
DE102015212837A1 (de) Verfahren zur Überwachung eines Prozesses zur pulverbettbasierten additiven Herstellung eines Bauteils und Anlage, die für ein solches Verfahren geeignet ist
DE102013110898C5 (de) Verfahren zur Verbesserung der Aussagekraft thermografisch erhobener Daten zum Zustand von Rotorblättern an Windkraftanlagen in Betrieb
WO2015197038A1 (de) Verfahren und vorrichtung zur qualitätssicherung mindestens eines bauteils während dessen herstellung durch generatives fertigungsverfahren
DE112018005479T5 (de) Ofenzustandsgrösse-schatzvorrichtung, schätzmodellerzeugungs-vorrichtung, und programm und verfahren dafür
Mirbod et al. Industrial parts change recognition model using machine vision, image processing in the framework of industrial information integration
DE112014003206B4 (de) System und Verfahren zur glasfaserbasierten Bilderfassung mit Eignung für den Einsatz in Turbinenmotoren
EP1364164B1 (de) Messvorrichtung, insbesondere zur flammenbeobachtung während eines verbrennungsprozesses
DE102014108789A1 (de) Mehrstufiges Verfahren zur Untersuchung von Oberflächen sowie entsprechende Vorrichtung
DE102022112524A1 (de) Analysevorrichtung zur Zustandsüberwachung eines Schutzglases einer Fertigungsanlage und Fertigungsanlage für ein additives Fertigungsverfahren
EP4405913A1 (de) VERFAHREN ZUR AUTOMATISCHEN VERSCHLEIßÜBERWACHUNG UND ANOMALIEERKENNUNG VON FEUERFESTEN AUSKLEIDUNGEN IN KOKSÖFEN
DE102010032241A1 (de) Verfahren und Vorrichtung zum Erkennen von Oberflächenfehlern
EP3911944B1 (de) Verfahren und vorrichtung zur boroskopinspektion
EP1979875A2 (de) Verfahren und system zur optischen inspektion einer periodischen struktur
BE1029794B1 (de) Verfahren zur automatischen Verschleißüberwachung und Anomalieerkennung von feuerfesten Auskleidungen in Koksöfen
EP3210002B1 (de) Verfahren und vorrichtung zur überprüfung des transmissionsgrads eines flachglas-substrats
EP1712898A1 (de) Verfahren zur Inspektion eines Wafers
DE102009049201A1 (de) Bildsensor und Betriebsverfahren
DE102021212110A1 (de) Verfahren zur automatischen Verschleißüberwachung und Anomalieerkennung von feuerfesten Auskleidungen in Koksöfen
DE112017007862B4 (de) Ladungsträgerstrahlvorrichtung
DE102013020705A1 (de) Verfahren und Vorrichtung zur Untersuchung einer Maske
EP4141344B1 (de) Verfahren zur inspektion und überwachung eines heizgerätes, unter verwendung eines sensorisch erzeugten abbildes
WO2010006895A1 (de) Betriebsverfahren für eine ein metallband bearbeitende bearbeitungseinrichtung und anlage zum bearbeiten eines metallbandes
DE102021131832A1 (de) Vorrichtung zum Detektieren eines Gases oder eines mehrkomponentigen Gasgemisches

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20240424

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)