论文部分内容阅读
在含有颗粒污染物的工业废气排放过程中,袋式除尘器是常用的除尘设备。袋式除尘器内滤袋在使用一段时间后会出现破损,必须及时识别并定位出破损滤袋,否则会导致粉尘颗粒穿透滤袋外壁,排放到空气中,造成空气污染。目前传统的识别定位方法存在明显不足,运行成本高,识别定位时间长,操作复杂,且无法实现对滤袋进行实时在线监测与定位。基于相位敏感光时域反射计(Phase-sensitive Optical Time Domain Reflectometer,Φ-OTDR)的分布式光纤振动传感系统由于其检测精度高、传感距离长、空间分辨率高,可以对入侵振动事件进行实时在线定位监测等特点,在许多复杂的工程应用场景中有着广泛的应用。本文采用Φ-OTDR分布式光纤传感振动系统对袋式除尘器内破损滤袋进行实时监测定位与识别,具体展开了以下几个方面的研究工作:首先,对Φ-OTDR传感技术涉及到的理论知识做了详细的介绍。集成了一个Φ-OTDR分布式光纤振动传感系统,并对系统的技术参数做了简要的介绍。其次对传输光纤在袋式除尘器滤袋内的敷设方式进行了设计。本文通过将传感光纤分为若干等份,在光纤弯曲度保持在合理区间条件下,每等份中取一部分进行对折并固定。将对折的这段光纤悬挂在滤袋内部,剩下的光纤预留,以保证滤袋定位程序在对每个滤袋进行扫描定位时,滤袋内部光纤的某个位置点可以足够对该滤袋进行定位。再次,在实验平台上,对袋式除尘器滤袋内光纤振动信号进行了特征分析。本文从时域、频域和时频域三个方面对振动信号进行了特征分析。每种分析方法均采用了不同的特征分析算法,且详细比较了袋式除尘器箱体内好袋和破袋振动信号之间的特征差异。然后,在外场袋式除尘器平台上,对袋式除尘器箱体内好袋和不同类型的破袋内振动信号特征进行了提取和识别。根据国家的粉尘排放环保要求,人工制造了不同类型的破损滤袋并应用于实验。采用基于小波包分解(Wavelet Packet Decomposition,WPD)法对振动信号样本进行分解,计算出能量谱和能量熵。提取部分子频带的能量幅值与能量熵一起构成特征参量,并采用反向传播(Back Propagation,BP)神经网络算法对不同类型的滤袋进行识别。结果表明BP神经网络分类器可以有效的对不同类型的滤袋进行分类识别,识别率达到90%以上,且识别稳定性较好。最后还分析了训练样本数对识别结果的影响。最后,在外场袋式除尘器平台上,根据工程应用的实际要求,设计了滤袋破损检测定位与识别程序流程,改进了滤袋信号的特征提取算法和分类器的样本训练和识别方式。采用能量熵和相关系数构成特征参量,并采用某一类型的滤袋信号特征参量作为训练样本,然后运用训练后的分类器识别其他不同类型的滤袋,结果显示该方法可以很好的对不同类型的滤袋进行识别分类,识别率达到90%以上,且具有很好的识别稳定性,实现了对袋式除尘器破损滤袋的实时定位与识别。该方法具有很好的工程应用价值。