Zusammenfassung
Heutzutage finden die aus Abfällen gewonnenen Brennstoffe eine zunehmende Verwendung bei industriellen Verbrennungsprozessen, wie beispielsweise zur Erzeugung von Wärme bei der Verbrennung in Zement-Drehrohröfen. Um eine kontrollierbare und sichere Verbrennung dieses alternativen Brennstoffs zu gewährleisten, ist eine Analyse des Flug- und Verbrennungsverhaltens unerlässlich. In diesem Beitrag stellen wir Methoden zur Analyse von Bilddaten vor, die von einer Lichtfeldkamera während der Verbrennung von den aus Abfällen gewonnenen Brennstoffen in einem Drehrohr aufgenommen wurden. Das Kamerasystem liefert 3D-Informationen sowohl zu den Brennstoffpartikeln als auch zur inneren Form des Drehrohrofens. Die Analyse beinhaltet Verfahren zur Partikeldetektion unter Verwendung von 3D-Clustering-Algorithmen und Verfahren zur Partikelverfolgung unter Verwendung von Multi-Objekt-Tracking-Algorithmen.
Abstract
Recently, refuse-derived fuel has found an increasingly wide utilization in combustion processes, such as combustion in cement rotary kilns for production of heat. To insure controllable and secure combustion of this alternative fuel an analysis of its flight- and combustion behaviour is essential. In this paper, we present methods to recognize flying particles according to images recorded by a light field camera during combustion of refuse-derived fuel in a pilot-scale plant with a rotary kiln. The camera system provides 3D information of the fuel particles as well as the kiln’s inner shape. The analysis refers to approaches of particle detection exploiting 3D-clustering algorithms and particle tracking using multi object tracking algorithms.
Funding source: Allianz Industrie Forschung
Award Identifier / Grant number: 20410N
Funding statement: Die vorliegende Arbeit wurde durch die Arbeitsgemeinschaft Industrieller Forschungsvereinigungen e. V. (AIF) unter der Nummer 20410N gefördert.
Über die Autoren
Miao Zhang studierte Fahrzeugtechnik an der Tongji Universität in China und erhielt den Bachelorabschluss dort. Von 2015 bis 2018 studierte sie Maschinenbau am Karlsruher Institut für Technologie (KIT). Seit 2019 ist sie wissenschaftliche Mitarbeiterin am Institut für Automation und angewandte Informatik des KIT in der Arbeitsgruppe „Moderne automatisierungstechnische Methoden für industrielle Prozesse“ und promoviert gleichzeitig zum Dr.-Ing. an der Fakultät für Maschinenbau des KIT. Ihre Forschungsschwerpunkte liegen im Bereich Bildverarbeitung auf Basis eines Lichtfeldkamerasystems.
Jörg Matthes studierte Mechatronik an der TU Bergakademie Freiberg und promovierte 2004 zum Dr.-Ing. an der Fakultät für Maschinenbau an der TH Karlsruhe. In 2017 verlieh ihm das Karlsruher Institut für Technologie (KIT) die Lehrbefugnis für das Fach „Maschinelles Sehen in der Automatisierungstechnik“. Seit 2000 ist er wissenschaftlicher Mitarbeiter am Institut für Automation und angewandte Informatik des KIT und leitet dort die Arbeitsgruppe „Moderne automatisierungstechnische Methoden für industrielle Prozesse“. Seine Forschungsschwerpunkte liegen im Bereich Bildverarbeitung und Prozessregelung.
Krasimir Aleksandrov studierte von 1994 bis 1999 Chemieingenieurwesen an der Universität für Chemische Technologie und Metallurgie (UCTM) in Sofia, Bulgarien. Seiner Promotion im Bereich anorganische Festkörperchemie absolvierte er an der Universität Siegen. Am Dechema Forschungsinstitut in Frankfurt am Main betreute Herr Aleksandrov als wissenschaftlicher Mitarbeiter Forschungsprojekte zur Entwicklung von neuartigen Korrosionsschutzschichten für Hochtemperaturanwendungen. Während seiner Aufenthalts an der Hochschule Karlsruhe entwickelte er Filtrationsanlagen zum Trinkwasseraufbereitung. Seit 2018 ist Herr Aleksandrov Mitarbeiter am Institut für Technische Chemie des KIT in der Arbeitsgruppe Verbrennungstechnologie. Seine Forschungsschwerpunkte liegen im Bereich der Verbrennung von Abfällen in Rost- und Drehrohrfeuerungen, sowie die Entwicklung einer Brennstoffzelle zur hoch-effizienten direkte Umwandlung von regenerativ erzeugten Kohlenstoff in elektrische Energie.
Hans-Joachim Gehrmann studierte von 1988 bis 1995 zunächst Maschinenwesen und Verfahrenstechnik an den Universitäten in Stuttgart und Clausthal, bevor er im Rahmen seiner Anstellung am Clausthaler Umwelttechnik Institut GmbH (CUTEC) seine Promotion zum Thema „Pyrolyse von Abfällen in Drehrohrsystemen“ abschloss. Herr Gehrmann war als externer Doktorand an der Bauhaus-Universität in Weimar am Lehrstuhl „Verfahren und Umwelt“ von Prof. Beckmann eingeschrieben. Am CUTEC-Institut betreute Herr Gehrmann als wissenschaftlicher Mitarbeiter Projekte zur anwendungsnahen Forschung mit Industriepartnern zu thermochemischen Prozessen der Pyrolyse, Vergasung und Verbrennung für Biomassen und Abfälle. Nach Abschluss der Promotion wechselte er 2006 in das Forschungszentrum Karlsruhe (jetzt KIT) als Gruppenleiter und ist für die wissenschaftlichen Fragestellungen zu Themen der Verbrennung von Abfällen in Rost- und Drehrohrfeuerungen verantwortlich. Zusammen mit der Firma Gore wurde beispielsweise eine Studie zum Verbleib fluorhaltiger Stoffe bei der Verbrennung durchgeführt. Mit Übernahme der Abteilungsleitung 2018 erweiterte er sein Arbeitsgebiet um die Partikeltechnologie, aktuelle Forschungsvorhaben befassen sich u. a. mit der Charakterisierung von Carbonfasern aus dem Rückbau von Windenergieanlagen.
Markus Vogelbacher studierte Maschinenbau am Karlsruher Institut für Technologie (KIT) und promovierte 2018 zum Dr.-Ing. an der Fakultät für Maschinenbau des KIT. Für seine Dissertation erhielt er den NAMUR Award 2018. Seit 2015 ist er wissenschaftlicher Mitarbeiter am Institut für Automation und angewandte Informatik des KIT in der Arbeitsgruppe „Moderne automatisierungstechnische Methoden für industrielle Prozesse“. Seine Forschungsschwerpunkte liegen im Bereich Bildverarbeitung und maschinelle Lernverfahren.
Literatur
1. D.-G. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision 60 (2004), 91–110.10.1023/B:VISI.0000029664.99615.94Search in Google Scholar
2. J. M. Newby, A. M. Schaefer, P. T. Lee, M. G. Forest and S. K. Lai: Convolutional neural networks automate detection for tracking of submicron-scale particles in 2D and 3D, Proceedings of the National Academy of Sciences 115 (2018), 9026–9031.10.1073/pnas.1804420115Search in Google Scholar PubMed PubMed Central
3. M. Ester, J. Sander, H.-P. Kriegel and X. Xu, DBSCAN REVISITED, Revisited: why and how you should (still) use DBSCAN, ACM Transactions on Database Systems 42 (2017), Article 19.10.1145/3068335Search in Google Scholar
4. J. Matthes, J. Hock, P. Waibel, A. Scherrmann, H.-J. Gehrmann and H. Keller, A high-speed camera based approach for the on-line analysis of particles in multi-fuel burner flames, Experimental Thermal and Fluid Science 73 (2016), 10–17.10.1016/j.expthermflusci.2015.08.017Search in Google Scholar
5. Y. Xuan, J. Pei and Y. Wanhai: Firing particle flow detection and tracking in sequence images, in: Proceedings of the 3rd World Congress on Intelligent Control and Automation, Hefei, 26 June–2 July, 2000, pp. 2666–2670.Search in Google Scholar
6. Y.-G. Guezennec, R.-S. Brodkey, N. Trigui and J.-C. Kent, Algorithmsfor fully automated three-dimensional particle tracking velocimetry, Experiments in Fluids 17 (1994), 209–219.10.1007/BF00203039Search in Google Scholar
7. K. Ohmi, S. Tuladhar and J. Hao: Light field camera based particle tracking velocimetry, in: 18th International Symposium on the Application of Laser and Imaging Techniques to Fluid Mechanics, Lisbon, 4–7 July, 2016.Search in Google Scholar
8. N. Jolibois, K. Aleksandrov, M. Hauser, D. Stapf, H. Seifert, J. Matthes, P. Waibel, M. Vogelbacher, H.-B. Keller and H.-J. Gehrmann: Analysis of Oscillating Combustion for NOx-Reduction in Pulverized Fuel Boilers, Inventions 6 (2021).10.3390/inventions6010009Search in Google Scholar
9. C. Perwaß and L. Wietzke, Single lens 3D-camera with extended depth-of-field.Search in Google Scholar
10. C. Heinze, S. Spyropoulos, S. Hussmann and L. Wietzke, Automated robust metric calibration algorithm for 3D camera systems.Search in Google Scholar
11. N. Otsu: A threshold selection method from gray-level histograms, IEEE Trans. Sys. Man. Cyber. 9(1): 62–66, 1979.10.1109/TSMC.1979.4310076Search in Google Scholar
12. D.-G. Lowe: Object Recognition from Local Scale-Invariant Features, in: ICCV ‘99 Proceedings of the International Conference on Computer Vision, Kerkyra, Corfu, 20–25 September, 1999, pp. 1150–1157.10.1109/ICCV.1999.790410Search in Google Scholar
13. P. H. S. Torr and A. Zisserman, MLESAC: A New Robust Estimator with Application to Estimating Image Geometry, Computer Vision and Image Understanding 78 (2000), 138–156.10.1006/cviu.1999.0832Search in Google Scholar
14. P. Konstantinova, A. Udvarev and T. Semerdjiev: A Study of a Target Tracking Algorithm Using Global Nearest NeighborApproach, in: International Conference on Computer Systems and Technologies – CompSysTech’2003, Sofia, 19–20 June, 2003.10.1145/973620.973668Search in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston
