Bei einem bekannten Verfahren dieser Art werden zur Bildauswertung zunächst be- stimmte Merkmale definiert, die dem Betreiber der Anlage zur Modellierung des Prozesses vielversprechend erscheinen. Beispielsweise werden bestimmte Momente definiert und das Bildmaterial dann auf dieses-notgedrungen reduzierte-Funk- tionensystem abgebildet. Die ausgewählten Merkmale-und nur diese-werden dann untersucht und zur Schaffung eines Prozeßmodells verwendet. Möglicherweise werden dabei die im Bildmaterial vorhandenen Informationen nur teilweise extra- hiert und verwendet.

Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art zu verbessern. Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruches 1 gelöst. Weitere vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche.

Dadurch, daß bei der Bildauswertung ein Eigenwertproblem als Ansatz zugrunde gelegt wird, zumindest für den größten Teil des hochdimensionalen Bildraumes, kann in den Bildern enthaltene Information ohne nennenswerten Informationsverlust in einen niederdimensionalen Raum transformiert werden, um dann ausgewertet zu werden. Die Bilder werden dann durch charakteristische Bildmerkmale ("Eigen- flames") dargestellt, welche sich aus dem Eigenwertproblem ergeben. Die Bild- auswertung erfolgt automatisch, da der Auswertungsansatz dem System innewohnt

und nicht von Merkmalen abhängt, welche der Betreiber der Anlage auswählt.

Vorzugsweise werden singuläre Ereignisse, welche den Prozeß merklich be- einflussen können, bei der Lösung des Eigenwertproblems berücksichtigt, so daß diese in späteren Bildauswertungen schneller identifiziert werden können.

Ein typischer thermodynamischer Prozeß dient der Umsetzung von Gut, wobei mit- tels eines wenigstens eine Flamme aufweisenden Verbrennungsvorganges die nötige Temperatur erzeugt und aufrecht erhalten wird. Eine gleichzeitige Erfassung der Flamme und des Gutes im Bildmaterial, d. h. der Strahlungs-Emissionen von Flamme und Gut, hat den Vorteil, daß Informationen über die Wechselwirkungen von Flamme und Gut auf eine einzigartige Weise erhältlich sind. Es kann dann eine ganze Szenenbeschreibung der Bildauswertung unterworfen werden. Das Umfeld der Flamme wird vorzugsweise komplettiert, indem auch die Wände des Ver- brennungsraumes mit aufgenommen werden, d. h. deren Emissionen.

Im folgenden ist die Erfindung anhand dreier in der Zeichnung dargestellter Ausführungsbeispiele näher erläutert. Es zeigen Fig. 1 eine teilweise geschnitten dargestellte Prinzipskizze einer Anlage zur Her- stellung von Zement gemäß einem ersten Ausführungsbeispiel, Fig. 2 ein vereinfacht dargestelltes Kamerabild der Anlage von Fig. 1, Fig. 3 eine schematische Darstellung einer Anlage zur Müllverbrennung gemäß einem zweiten Ausführungsbeispiel, Fig. 4 eine schematische Darstellung einer Ofens einer Kraftwerksanlage gemäß einem dritten Ausführungsbeispiel im Längsschnitt, Fig. 5 ein entsprechender horizontaler Querschnitt, und

Fig. 6 eine schematische Darstellung des Bildmaterials des dritten Ausführungs- beispiels.

In allen drei Ausführungsbeispielen läuft in einer Anlage ein thermodynamischer Prozeß ab, bei dem wenigstens teilweise brennbares Gut G unter Zufuhr von Luft L einer Oxidation unterzogen wird, wobei wenigstens eine Flamme F vorhanden ist.

Der thermodynamische Prozeß soll überwacht und dann so geregelt werden, daß er einerseits eine gewisse Stabilität und andererseits eine gewisse Plastizität aufweist, d. h. sich den Gegebenheiten anpaßt, wobei gewisse Optimierungsziele bestehen.

Der Zustand in der Anlage wird beschrieben durch verschiedene Prozeßgrößen, von denen manche zugleich Stellgrößen bilden. Durch Aktionen, d. h. Änderungen von Stellgrößen, wird der Zustand in der Anlage geändert. Für die online-Überwachung und-Regelung und Vorhersagen über künftige Zustände der Anlage ist auf einer Datenverarbeitungsanlage 1 ein neuronales Netz implementiert.

Mittels wenigstens einer Kamera 3 wird der thermodynamische Prozeß bildlich erfasst. Die Kamera 3 ist so eingestellt, daß sie sowohl die Flamme F als auch das brennende Gut G aufnimmt, vorzugsweise auch die Wände 7 des Verbrennungsrau- mes mit gegebenenfalls vorhandenen Verbackungen B, also die Emissionen des ge- samten Umfelds. Das von der Kamera 3 erzeugte Bildmaterial 5 enthält also eine ganze Szenenbeschreibung, welche auch die Wechselwirkung zwischen Flamme F und Gut G erfasst. Das Bildmaterial 5 wird der Datenverarbeitungsanlage 1 zuge- führt, wobei einerseits ein Video-Livebild angezeigt wird und andererseits aus der Information im Bildmaterial 5 einige Prozeßgrößen ermittelt werden.

Um die Information im Bildmaterial 5 ohne nennenswerten Informationsverlust sinnvoll verarbeiten zu können, d. h. aufgrund der Komplexität zunächst in einen niederdimensionalen Raum transformieren zu können, wird-zumindest größtenteils - ein Eigenwertproblem als Ansatz gewählt, d. h. eine Art Hauptachsentransformati- on (Principal Component Analysis) versucht. Jedes Bild wird dann durch eine im allgemeinen kleine Menge von skalaren Eigenwerten (meist weniger als 20, bei- spielsweise acht), d. h. transformierten Koordinaten im neuen Koordinatensystem,

und vektoriellen"Eigenbilder"oder"Eigenflames", d. h. Koordinatenachsen für das neue Koordinatensystem beschrieben, wobei die eigenwertgrößten Eigenflames sys- temgemäß dominieren. Der Begriff Eigenflames ist weit auszulegen, da nicht nur die Emissionen der Flamme F, sondern auch des Gutes G einbezogen werden.

In einer klassischen Hauptachsentransformation müßten die Nullstellen des charak- teristischen Polynoms der Kovarianzmatrix berechnet werden. Um das System von orthonormalen Eigenflames zu erhalten, kann aber alternativ ein stochastisches Ap- proximationsverfahren auf einem neuronalen Netz verwendet werden, bei dem zu- nächst die Wichtungen aller Neuronen zufällig initialisiert und dann mit dem Bild- material zunächst die Wichtungen des ersten Neurons iterativ adaptiert werden, dann des zweiten Neurons etc.

Die Eigenflames ergeben sich weitgehend als kompakte Regionen, da benachbarte Pixel auch benachbarte Raumwinkel im Verbrennungsraum beobachten, deren Lichtemissionen stark korrelieren. Aus der Menge aufgenommener Bilder werden- außer einigen durchschnittlichen Helligkeitsverteilungen-auch singuläre Ereignisse als Ansatz von Eigenflames für das Eigenwertproblem ausgewählt, wie beispiels- weise eine abrupte Zufuhr von neuem Gut G.

Mit den aus dem-zumindest größtenteils gelösten-Eigenwertproblem ermittelba- ren Prozeßgrößen wird im neuronalen Netz ein Prozeßmodell geschaffen, mit dem genauere Vorhersagen gemacht werden können. Ein singuläres Ereignis wird mit diesem Ansatz rasch erkannt, so daß dann verschiedene zusätzliche Messungen gestartet werden können, um mehr Information über den aktuellen Zustand des Pro- zesses nach dem singulären Ereignis zu erhalten.

Da die Bildauswertung nicht mehr von einer festgelegten Merkmalsauswahl abhängt, sondern sich selbst passende Information aus dem Bildmaterial 5 extra- hiert, kann die Bildauswertung automatisiert werden. Zudem ist die Gefahr, daß re- levante Informationen im Bildmaterial 5 nicht beachtet werden, deutlich reduziert.

Die gleichzeitige Berücksichtigung von Emissionen des Gutes G im Bildmaterial 5

liefert Informationen, die mit ihrer Wechselwirkung zur Flamme F auf keine andere Weise erhält ist. Durch den gewählten Ansatz mit Bildmaterial 5 von unterschiedli- chen Zeitpunkten berücksichtigt das Eigenwertproblem zeitliche Entwicklungen.

Das erste Ausführungsbeispiel betrifft einen Drehrohrofen 11 zur Zementherstel- lung, der in an sich bekannter Weise betrieben wird. Die Kamera 3 ist in den Innen- raum des Drehrohrofens 11 gerichtet und nimmt das Bild der Flamme F eines Brennes 13, das in Umsetzung befindliche Gut G sowie die Wände 7 mit Verba- ckungen B auf. Die Datenverarbeitungsanlage 1 unterzieht das Bildmaterial 5 der Kamera 3 dem beschriebenen Eigenwertansatz. Das neuronale Netz erhält außer den komprimierten Daten noch Informationen über die Massenströme der über verschie- dene Wege zugeführten Luft L, des Brennstoffs und des Gutes G. Das Opti- mierungsziel ist zum einen ein hoher FCAO-Wert des entstehenden Klinkers K, wobei dieser FCAO-Wert nicht nur durch den Zustand im Drehrohrofen 11, sondern auch durch die Umstände auf der Abkühlstrecke 15 bestimmt wird. Zum anderen soll die Mischung des Brennstoffs so eingestellt werden, daß möglichst viel Sekun- därbrennstoff, d. h. Abfälle, verbraucht wird. Schließlich sollen noch die Verba- ckungen B der Wände 7 des Drehrohrofens 11 gering gehalten werden.

Das zweite Ausführungsbeispiel betrifft einen Müllverbrennungsofen 21. Auch hier nimmt die Kamera 3, vorzugsweise mehrere Kameras, das Bild von Flamme F und Gut G gemeinsam als Szene auf. In einer Spezialausführung zur Sondermüllver- brennung werden in gewissen Abständen Müllbehälter 23 mit Sondermüll in den Müllverbrennungsofen 21 geworfen, Das Aufplatzen eines solchen Müllbehälters 23 aufgrund der hohen Temperatur ist ein singuläres Ereignis, daß mit dem erfindungs- gemäßen Eigenwertansatz rasch erkannt wird. Es können dann verschiedene zusätz- liche Messungen gestartet werden können, wie beispielsweise eine Probenentnahme, um mehr Information über den aktuellen Zustand des Prozesses nach diesem singu- lären Ereignis zu erhalten. Vorzugsweise wird mit dem Öffnen der Klappe zum Ein- werfen des Müllbehälters 23 eine Highspeedkamera gestartet, die kurz vor und nach dem singulären Ereignis zusätzliches, zeitlich dichteres Bildmaterial 5 liefert.

Das dritte Ausführungsbeispiel betrifft eine Kraftwerksanlage, bei der einem Ofen 31 außer der Luft L noch Brennmaterial 33, beispielsweise gemahlene Kohle, über die Ecken des Ofens 31 durch Doppelpfeile angedeutet zugeführt wird. Innerhalb des Ofens 31 bildet sich eine riesige, rotierende Flamme F aus. Mehrere Kameras 3 sind beispielsweise in drei verschiedenen Höhen auf jeder Seite des Ofens 31 ange- ordnet. Jede Kamera 3 nimmt die Flamme F sowie den Zufuhrbereich des Brennma- terials 33 in einer Szene auf, da insbesondere der Eintritt des Brennmaterials 33 in die Flamme F interessante Informationen liefert, weil in der Regel beim Brennmate- rial 33-im Gegensatz zur Luft L-nur der Gesamtmassenstrom aus der Kohlemüh- le und nicht die Teilströme der einzelnen Zufuhrbereiche gemessen werden kann.

Das Bildmaterial 5 weist die zu einem x'-y'-Momentanbild zusammengefassten zweidimensionalen x-y-Einzelbilder der Kameras 3 zu verschiedenen Zeitpunkten t auf, also ein dreidimensionales Feld. Das Bildmaterial 5, das also-wie auch in den anderen Ausführungsbeispielen-quasi dreidimensional ist, wird dem be- schriebenen Eigenwertansatz unterzogen.