Compais Serrano , Pedro Luis
Gil Martínez, Antonia (dir.) ; Arroyo Villanueva, Jorge (dir.)
Universidad de Zaragoza,
2025
Resumen: Esta tesis doctoral tiene como objetivo la monitorización de la combustión de gas de alto horno a partir del desarrollo de un sistema de visión, basado en el procesamiento imágenes en color con técnicas de inteligencia artificial. Esta alternativa avanzada de diagnóstico de la combustión tiene un alto potencial para incrementar la precisión y rapidez de los sensores convencionales de temperatura y gases de combustión; una mejora de especial interés para la combustión de gas de alto horno y su mayor sensibilidad ante perturbaciones de operación. Con el desarrollo del sistema de visión se busca promover el consumo de gas de alto horno, incrementando la valorización de esta corriente residual generada en grandes cantidades durante la producción del acero, reduciendo así el consumo de combustibles fósiles e incrementando la descarbonización y sostenibilidad de los procesos siderúrgicos.
El trabajo de investigación incluye varias aportaciones alineadas con el objetivo de la tesis, descritas a continuación. Se ha analizado el estado del arte para la monitorización visual de llamas, incluyendo la extracción de características de imagen y su modelado con técnicas de aprendizaje automático. Se han realizado tres campañas experimentales centradas en la mezcla de combustible óptima para la valorización del gas de alto horno, adquiriendo imágenes de llama con distinta composición de combustible y relación aire-combustible, en escala de laboratorio y semiindustrial. Las imágenes se han procesado para extraer variables numéricas y entrenar modelos con técnicas de aprendizaje automático en la predicción del exceso de aire en la combustión.
A partir del trabajo realizado, se extraen varios resultados principales. En primer lugar, se ha conseguido la combustión en laboratorio de mezclas de gases con diferencias significativas en su poder calorífico, utilizando una única configuración de quemador, al igual que en condiciones industriales. En segundo lugar, tanto para la escala de laboratorio como para la semiindustrial, se ha confirmado la relación del exceso de aire de la combustión con al menos 51 características extraídas de imágenes de color. Por último, con las técnicas de modelado empleadas se ha conseguido predecir correctamente el exceso de aire para más del 95 % de las imágenes en la mayoría de las condiciones, obteniendo una precisión del 79 % en el peor escenario. El procesamiento definido en esta tesis ha permitido detectar pequeñas variaciones en la combustión y en las imágenes, alcanzando una precisión superior a la de trabajos previos e incluso a la del ojo humano.
Esta tesis ha propuesto, estudiado y validado un sistema de visión para la monitorización de la combustión de gas de alto horno. Para completar su madurez tecnológica y alcanzar su implementación final en la industria, esta tesis propone la adaptación de su procesamiento de imágenes para la supervisión individual de varios quemadores con una única cámara.
Resumen (otro idioma):
El trabajo de investigación incluye varias aportaciones alineadas con el objetivo de la tesis, descritas a continuación. Se ha analizado el estado del arte para la monitorización visual de llamas, incluyendo la extracción de características de imagen y su modelado con técnicas de aprendizaje automático. Se han realizado tres campañas experimentales centradas en la mezcla de combustible óptima para la valorización del gas de alto horno, adquiriendo imágenes de llama con distinta composición de combustible y relación aire-combustible, en escala de laboratorio y semiindustrial. Las imágenes se han procesado para extraer variables numéricas y entrenar modelos con técnicas de aprendizaje automático en la predicción del exceso de aire en la combustión.
A partir del trabajo realizado, se extraen varios resultados principales. En primer lugar, se ha conseguido la combustión en laboratorio de mezclas de gases con diferencias significativas en su poder calorífico, utilizando una única configuración de quemador, al igual que en condiciones industriales. En segundo lugar, tanto para la escala de laboratorio como para la semiindustrial, se ha confirmado la relación del exceso de aire de la combustión con al menos 51 características extraídas de imágenes de color. Por último, con las técnicas de modelado empleadas se ha conseguido predecir correctamente el exceso de aire para más del 95 % de las imágenes en la mayoría de las condiciones, obteniendo una precisión del 79 % en el peor escenario. El procesamiento definido en esta tesis ha permitido detectar pequeñas variaciones en la combustión y en las imágenes, alcanzando una precisión superior a la de trabajos previos e incluso a la del ojo humano.
Esta tesis ha propuesto, estudiado y validado un sistema de visión para la monitorización de la combustión de gas de alto horno. Para completar su madurez tecnológica y alcanzar su implementación final en la industria, esta tesis propone la adaptación de su procesamiento de imágenes para la supervisión individual de varios quemadores con una única cámara.
Resumen (otro idioma):
Pal. clave: tecnología energética ; tecnología de la combustión ; inteligencia artificial ; visión artificial
Titulación: Programa de Doctorado en Energías Renovables y Eficiencia Energética
Plan(es): Plan 509
Área de conocimiento: Ingeniería y Arquitectura
Nota: Presentado: 17 01 2025
Nota: Tesis-Univ. Zaragoza, , 2025
Aportación del TFG/M a la Sostenibilidad: Desarrollar infraestructuras resilientes, promover la industrialización inclusiva y sostenible, y fomentar la innovación. Garantizar las pautas de consumo y de producción sostenibles.
Enlace permanente:
Visitas y descargas
Registro creado el 2025-05-02, última modificación el 2025-05-02
