论文部分内容阅读
我国日益严格的环境保护标准要求减少电站锅炉的燃烧污染排放，而优化锅炉炉内燃烧工况不仅是控制燃烧污染排放的有效途径，而且能减少燃料量和避免炉内爆管事故，从而能提高电站锅炉燃烧的安全性和经济性。作为燃烧优化措施，近年来，我国在燃烧器改造、冷态空气动力场数值模拟等方面做了大量工作，对电站锅炉燃烧状况的改善起到了重要作用。然而三大主机中，相对于汽机和发电机组来说，用于判断燃烧状况的炉内燃烧监测技术的研究却是一个相对薄弱的环节。因此我们今后的主要研究目的就是建立一套基于图像处理和人工智能技术的燃烧监控系统，来实现火焰可视化和燃烧智能诊断，从而为电站运行人员提供有效的运行指导信息。 本文的主要工作就是基于先进的计算机图像处理技术，探求能定量判断燃烧火焰稳定性的方法。 首先在实验台和电站锅炉上分别进行了实验研究，取得了稳定燃烧和爆燃熄火过程的火焰图像。紧接着对燃烧火焰图像进行了较为系统的特征提取。所提取的包括图像的灰度、火焰面积、高温面积率、质心坐标和圆形度等反映燃烧状态的火焰图像特征，具有较广的通用性，不受火焰着火点漂移的影响，大大简化了计算难度，能够实时在线提取特征。 其后基于图像处理技术和主元分析技术，提出一种对燃烧火焰的稳定性进行了监视和诊断的方法，采用Hotelling T~2和SPE两个统计量对每一时刻的图像数据向量进行监测，检验是否超过各自的控制限，只要这两个统计量之一越限，则可判定燃烧出现异常。实验结果表明：该种方法能够在线实时地、有效地识别、判断燃烧火焰的燃烧状态，并且将结果以SPE图、Hotelling T~2图和主元图的形式直观地表示出来，为在线燃烧监视和进一步的分析诊断奠定了基础。 此外由于PCA方法具有不能识别非线性过程等缺点，提出一种非线性PCA方法的改进，它是一基于输入型训练和BP神经网络的非线性主元PCA燃烧诊断方法。通过实验很好得定量判断了油火焰和煤粉火焰的燃烧状态。 最后为了能进一步完善整个系统，在图像处理技术方面和识别模型这两个主要研究方面都进行了进一步研究。在图像处理技术中新颖的引入了分形理论，更好的提取了火焰图像的特征区域同时寻找到了一种新的反映火焰燃烧状态的特征参量分形维数。在模式识别方面，运用EM一PCA算法处理具有缺失数据的数据空间使得结合图像信息和电厂运行参量的主元分析燃烧诊断系统成为可能。