基于圖像分析的催化劑結焦量測量.pdf

1、在催化過程中，實現(xiàn)對多相流反應器的自動控制是連續(xù)生產的重大問題。為了保證反應選擇性和反應效率，需要對催化劑的活性狀態(tài)進行有效檢測和測量。通常情況下導致催化劑失活的主要原因是催化劑結焦，比如甲醇制汽油(MTG)、甲醇制烯烴(MTO)、催化裂解(FCC)及天然氣制烯烴(GTO)等反應過程。催化劑的結焦會直接降低催化劑的活性和選擇性，影響產物產量、反應停留時間、以及再生器的溫度等。因此，催化劑的結焦量是衡量催化劑性質和催化劑壽命的重要指標。在

2、連續(xù)生產過程中，實現(xiàn)對催化結焦量的實時測量和狀態(tài)分析就顯得十分重要。
　　考慮到現(xiàn)有技術的局限性，本文提出了一種新型的基于圖像分析的催化劑結焦量測量方法。實驗部分使用一套基于平板掃描儀和遮光罩的圖像采集系統(tǒng)獲取結焦催化劑圖像。然后通過一系列圖像預處理操作，包括去噪處理，大津法閾值分割和膨脹操作等，分割出結焦催化劑顆粒的區(qū)域。經(jīng)過預處理后，對分割區(qū)域進行圖像分析得知圖像灰度層的特征信息最為有效。由此，從分割區(qū)域中提取出十一個顏色特征

3、和六個基于灰度共現(xiàn)矩陣的紋理特征。采用測試法進行了特征選擇，最終分析得到十二個有效特征和兩個最優(yōu)特征組合，F(xiàn)1和F2。
　　然后分別以F1和F2作為特征集，使用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(PSO-BP)和支持向量機算法(SVM)建立催化劑結焦量預測模型。比較這兩種算法的預測效果，發(fā)現(xiàn)PSO-BP算法預測結果更佳。其預測結果的均方根誤差RMSE均小于0.021，預測模型的相關系數(shù)R2高于78.71％。結果表明基于PSO-BP算法建