论文部分内容阅读
当前工业锅炉的装机容量和控制复杂度都在不断地增加,这就给锅炉的安全经济运行提出了更高的要求,而基于火焰图像的锅炉燃烧状态实时监测,克服了传统火焰监测存在的检测实时性差、功能单一、可靠性不高、识别率低等不足,对于提升工业锅炉的控制品质和保障锅炉生产的安全,燃烧的经济性和环保性有重要意义。目前的工业锅炉监控系统多用火焰图像进行实时监视,没有考虑火焰本身的燃烧特征信息,因此本课题基于火焰图像进行锅炉燃烧状态的智能监控研究,通过引入人工智能算法实现了锅炉燃烧状态的实时、准确和智能化监测。本课题以提高火焰图像处理的准确度和算法处理速度,提升工业锅炉控制的品质为目的,以工业锅炉中最复杂的煤粉锅炉为研究对象,研究的内容对于燃油和燃气工业锅炉同样有意义,主要进行了以下几个方面内容的研究。(1)本课题提出了基于单燃烧器的火焰监测和全炉膛火焰监视于一体的火焰图像采集系统,并对火焰采集的硬件和采集可靠性进行了改进。提出了基于HSI彩色空间的火焰图像处理系统,分析了火焰图像的去噪声、图像增强、火焰分割和伪彩色处理算法。在火焰图像噪声处理方面提出了基于邻域相关的快速自适应中值滤波算法,该算法在有效降噪的同时能够很好的保留火焰图像的边缘细节信息,在火焰图像分割方面提出了基于最大类间方差算法的火焰图像粗分割,以及基于C-V主动轮廓模型算法的火焰图像细分割,通过实验实现了对火焰图像的快速准确分割。(2)本课题首先分析了表征火焰燃烧状态的特征量,提出了火焰图像特征量提取的算法,在对特征量相关性和诊断可靠性分析的基础上选择提取了六个特征量数据。应用BP神经网络模型构建了本课题的锅炉燃烧状态诊断模型,并利用提取的多幅火焰图像的六组特征量数据进行验证实验,仿真结果表明本文的算法具有较高的识别精度。(3)本课题基于LavVIEW软件平台设计了锅炉燃烧状态智能监控用户软件,实现了锅炉智能监控、燃烧诊断监测、锅炉参量设定以及燃烧参量实时显示等功能,最后对采集的火焰图像特征数据进行了仿真实验。