000153601 001__ 153601
000153601 005__ 20250502142058.0
000153601 037__ $$aTESIS-2025-120
000153601 041__ $$aspa
000153601 1001_ $$aCompais Serrano , Pedro Luis
000153601 24500 $$aMonitorización de la combustión de gas de alto horno con técnicas de visualización de imagen e inteligencia artificial
000153601 260__ $$aZaragoza$$bUniversidad de Zaragoza, Prensas de la Universidad$$c2025
000153601 300__ $$a120
000153601 4900_ $$aTesis de la Universidad de Zaragoza$$v2025-119$$x2254-7606
000153601 500__ $$aPresentado: 17 01 2025
000153601 502__ $$aTesis-Univ. Zaragoza, , 2025$$bZaragoza, Universidad de Zaragoza$$c2025
000153601 506__ $$aby-nc$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc/3.0/es
000153601 520__ $$aEsta 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.<br />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.<br />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.<br />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.<br />
000153601 520__ $$a<br />
000153601 521__ $$97097$$aPrograma de Doctorado en Energías Renovables y Eficiencia Energética
000153601 540__ $$9info:eu-repo/semantics/openAccess
000153601 6531_ $$atecnología energética
000153601 6531_ $$atecnología de la combustión
000153601 6531_ $$ainteligencia artificial
000153601 6531_ $$avisión artificial
000153601 691__ $$a9 12
000153601 692__ $$aDesarrollar infraestructuras resilientes, promover la industrialización inclusiva y sostenible, y fomentar la innovación. Garantizar las pautas de consumo y de producción sostenibles.
000153601 700__ $$aGil Martínez, Antonia $$edir.
000153601 700__ $$aArroyo Villanueva, Jorge $$edir.
000153601 7102_ $$aUniversidad de Zaragoza$$b
000153601 830__ $$9509
000153601 8560_ $$fcdeurop@unizar.es
000153601 8564_ $$uhttps://zaguan.unizar.es/record/153601/files/TESIS-2025-120.pdf$$zTexto completo (spa)
000153601 909CO $$ooai:zaguan.unizar.es:153601$$pdriver
000153601 909co $$ptesis
000153601 9102_ $$aIngeniería y Arquitectura$$b
000153601 980__ $$aTESIS