Realtidsmätning av slaggvolym inuti pelletsverk

Syfte och mål

Slagg är det största problemet för kontinuerlig och effektiv drift av grate-kiln verk. Slaggproblem resulterar ofta i avbrott, produktionsförluster och reparationer. Uppstart av kallt pelletsverk förbrukar stora mängder bränsle för att uppnå driftstemperatur igen. Målet med detta projekt är att utveckla en sensor baserad på stereo triangulering och maskininlärning för uppskattning av slaggets volym inuti grate-kiln verket. Med hjälp sensorns mätningar är målet att bevaka slaggtillväxten och lära sig slaggets drivande parametrar och hur slaggpåbyggnaden kan minimeras. Förväntade effekter från detta projekt är ökad förståelse för hur slagget kan bevakas, slaggets påbyggnadsmekanism, och hur slaggs påbyggnad kan minskas. Denna kunskap tros kunna leda till ökad effektivitet och minskade avbrott och produktionsbortfall för pelletsverket. I projektets initial fas görs en marknadsöversikt av tillgängliga kamerasystem för stereo triangulering med potential för anpassning och applicering för varma och dammiga miljöer. Från bilderna som tas med hjälp av systemet tränas en AI-modell för detektering av slagget, som sedan med hjälp av antingen AI eller geometri volymbestämms. Den utvecklade prototypen ska sedan användas och utvärderas som verktyg för att förhindra produktionsstop och minimera slaggpåbyggnad baserat på ny kunskap om slaggets påbyggnadsmekanism.