IR termografi av overflater ved ekstreme temperaturer

Mange industrielle prosesser kan fortsatt ikke gjennomføres med optimal nøyaktighet fordi det ikke finnes nøyaktige nok online sanntids målinger som kan muliggjøre effektiv prosesskontroll. Dette gjelder spesielt høy-temperaturprosesser karakteristiske for metallurgisk industri, men også flere andre bransjer. I dag gjøres målinger ved ekstreme temperaturer gjerne bare periodevis og manuelt, i nærheten av prosessen, noe som presenterer en HMS-utfordring. Kommersielt tilgjengelige IR kamera opererer gjerne ved lange bølgelengder og innebærer kostbart utstyr med skreddersydd, dyr optikk. Under bruk i reelle prosessomgivelser genererer slikt utstyr ofte falske alarmer pga ukjente endringer i overflatens strålingsevne eller varierende siktforhold. Dersom vi lykkes med videre forskning og utvikling av skreddersydde målesystemer som genererer store mengder høykvalitetsdata og pålitelig estimerer de ønskede prosessparametre i sann tid vil disse kunne brukes for utvikling av digitale tvillinger som kan oppdateres dynamisk som et viktig skritt på veien til vellykket digitalisering av metallurgisk industri.

Hovedmålet med forprosjektet var å finne ut om multispektrale kamera som opererer ved VIS/NIR bølgelengder kan gi tilstrekkelig datagrunnlag som kan muliggjøre pålitelig og nøyaktig termografi av overflater med varierende strålingsevne ved temperaturer høyere enn 1800 °C. Forprosjektmålene er nådd i sin helhet gjennom flere tester gjennomført i tett samarbeid med Elkem Technology. Forprosjektet har demonstrert at multispektrale kamera gir tilstrekkelig datagrunnlag og identifisert flere praktiske utfordringer, nøyaktighets- og oppløsningskrav for utvalgte caser, minimalt antall bølgelengder som målingen må gjøres ved, samt hvilke algoritmer og modeller som er best egnet for å omforme rådata til ønsket informasjon. Det er identifisert kunnskaps gap som må adresseres gjennom påfølgende hovedprosjekt.

For diffusreflekterende overflater varierer ikke overflatens strålingsevne med bølgelengde. Når målingen gjøres i varme omgivelser oppstår det imidlertid temperaturgradienter som krever videre optisk modellering for å bestemme hvordan disse påvirker temperaturmålingen. Også i tilfelle smeltet metall gir multispektrale kamera tilstrekkelig datagrunnlag for å muliggjøre pålitelig og nøyaktig termografi. Imidlertid er strålingsevnen til smeltet metall veldig lavt og avhengig av både bølgelengde, overflatens kjemiske sammensetning, fysiske egenskaper og turbulens. Det kreves optisk modellering for å bestemme hvordan målingen påvirkes av andre høytemperaturoverflater i nærheten. For å kunne på en pålitelig måte omgjøre datagrunnlaget til nøyaktig og pålitelig informasjon må dataene kombineres med ekspert kunnskap innen strålingstermometri. Dette kan gjøres på en effektiv måte ved å benytte seg av kunnskaps-baserte algoritmer. Disse algoritmene danner grunnlag for etablering av såkalte ekspertsystemer som var en av de første vellykkede former av kunstig intelligens software.