基于支持向量机的火焰状态识别方法

电站锅炉燃烧稳定性的定量判别一直是一个难题。作者首先对火焰图像进行特征提取，提取出火焰亮度、火焰高温亮度、火焰面积、火焰高温面积、火焰高温面积率、质心偏移距离和圆形度等7个特征量。然后分别对这个特征空间和原始图像数据使用支持向量机对其进行识别分类，结果表明：两种数据结果相同．能够正确识别燃烧火焰状态．证明特征量的提取是成功的；支持向量机方法用于燃烧火焰的分类识别是可行的。图4表1参8     

基于图像处理的燃气火焰稳定性检测试验研究

基于燃气燃烧试验台,利用工业电荷耦合器件(CCD)相机获取不同工况下的扩散火焰与预混火焰图像,通过选择合适的图像处理算法获得表征火焰形状、位置和亮度等特征的6个特征量。以不同类型火焰的6个特征量数据为训练样本,通过支持向量机的分类方法对程序进行分类训练,并在燃烧试验台上进行实时监测和稳定性判断。结果表明:各类型火焰检测正确率在99%以上。     

基于火焰序列图像的煤粉燃烧稳定性判别

研究煤粉燃烧稳定性判别问题。对煤粉火焰图像进行了分析，提出了差分图像相对变化量作为特征参数来表征燃烧稳定性的方法，在此基础上提出了一种燃烧稳定性模糊判别方法。该方法将燃烧稳定性知识用语言形式描述出来，通过建立语言与特征参数之间的模糊关系，进而建立了特征参数与燃烧稳定性之间的模糊模式关系。试验表明：判别方法能有效地进行燃烧稳定性判别。这对实现燃烧状态自动监测，保障锅炉安全运行具有实际意义。图5参4     

基于RAGA-PPC模型的火焰燃烧特征量分析和稳定性预测

通过从时域和频域提取能够反映火焰稳定性的5个特征量,采用基于实数编码的加速遗传算法的投影寻踪分类模型(RAGA-PPC模型)对这5个特征量进行分析和讨论,得到能够反映高维数据结构的最佳投影方向,给出这5个特征量在评价火焰燃烧稳定性时的重要程度,并根据投影值和样本序号建立火焰燃烧稳定性评价模型,给出评价模型的函数关系式,分析了模型的误差.利用该模型对测试样本进行了预测.结果表明:强度均值这个特征量对火焰燃烧稳定性的影响贡献最小,火焰闪烁频率对火焰燃烧稳定性的影响贡献最大;该评价模型验证了经典的燃烧理论,基本能满足火焰燃烧稳定性判别的要求.     

大型风电机组电动变桨系统变桨角度故障诊断

为提高大型风电机组电动变桨系统变桨角度故障的判别准确性,结合模糊粗糙集特征量约简和基于粒子群算法优化的支持向量机进行变桨角度故障诊断分析研究。首先基于模糊粗糙集理论建立变桨系统特征参数约简的数学模型,通过对变桨相关运行数据进行约简,确定对故障诊断贡献率较高的参数;再利用实际运行数据训练经粒子群优化的支持向量机,从而获得高精度诊断模型;然后设计基于双层支持向量机的故障程度判别模型,可对故障进行进一步分类。最后通过实际运行数据对变桨角度故障进行诊断实验,实验结果表明,该诊断方法能准确快速地判别故障并可进行故障程度分类。     

基于LS-SVM的燃煤电站锅炉变工况运行负荷预测

提出了一种基于最小二乘支持向量机理论及可视化火焰检测系统的燃煤电站锅炉负荷预测的方法.利用可视化火焰检测系统对300 MW燃煤锅炉降负荷过程的燃烧火焰及温度场进行了实时测试.通过测试,利用数字图像处理技术提取了燃烧火焰图像特征参数、由双色法测温原理计算得到了其温度场,采用最小二乘支持向量机建立了锅炉负荷预测模型并进行了校验.结果表明.该预测模型泛化能力强、预测精度高,从而为把燃烧火焰图像及温度场信息作为控制信号,进而引入电站锅炉燃烧控制系统提供了技术支持.     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

基于粗糙集与支持向量机的发动机故障诊断研究

在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。     

基于集成深度玻尔兹曼机和最小二乘支持向量回归的燃烧过程NO_x预测算法

通过研究燃烧过程中的火焰自由基图像与NO_x排放之间的关系,提出了集成深度玻尔兹曼机和最小二乘支持向量回归的NO_x预测算法.首先采用深度玻尔兹曼机对4类火焰自由基图像(OH*、CN*、CH*和C*_2)进行自动图像特征学习,然后用最小二乘支持向量回归来拟合图像特征与NO_x排放量之间的关系,进而对NO_x排放量进行预测.结果表明:NO_x排放预测值与NO_x排放参考值具有一致性;与已有的基于图像的NO_x预测算法相比,所提方法在预测精度方面具有明显的优势.     

基于SVM的对冲燃煤锅炉NOx排放特性

提出了一种基于支持向量机理论在燃煤锅炉NOx排放预测的方法．对某台300 MW旋流对冲燃煤电站锅炉进行了多工况热态试验,考虑温度对NOx生成的影响,利用火焰诊断系统对炉膛温度场进行了测量．应用支持向量机理论建立了NOx排放特性模型并进行了校验．通过同神经网络模型比较,证实了该模型泛化能力强、预测精度高的优点．该模型可为电厂锅炉通过燃烧调整降低NOx排放提供参考．     

基于支持向量机的煤灰结渣特性判别

在研究燃煤煤灰成分与其结渣特性之间关系的基础上,提出了基于支持向量机算法的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量,煤灰结渣特性作为输出量,并用离子群优化算法对支持向量机参数进行优化。最后用实测数据对模型进行校验,结果表明,基于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。支持向量机判别速度快,准确率高,有利于提高动力配煤经济性以及锅炉运行安全性。     

基于经验模态分解与多步预测的最小二乘支持向量机的风速预测

由于风速信号是非线性、非稳定性的动态信号,用传统预测方法难以达到满意效果。为提高预测精度,提出了基于经验模态分解与多步预测的最小二乘支持向量机相结合的方法,对风速时间序列进行建模预测,即首先对风速动态信号进行经验模式分解,将原信号分解为若干个不同特征尺度(频率)的本征模态函数,然后对不同频带的平稳IMF分量分别建立多步预测的最小二乘支持向量机模型,将各分量的预测值等权求和得到最终预测值。实例分析结果表明,与单一的最小二乘支持向量机预测方法相比,经验模态分解与多步预测的最小二乘支持向量机相结合的风速预测方法误差小,可应用于风速预测中。     

模糊支持向量机在轴系振动故障诊断中的应用

机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息.     

一种基于主成分分析与支持向量机的风电齿轮箱故障诊断方法

为解决风电齿轮箱状态监测数据样本量较少,特征指标间存在相互干扰且具有非线性难以分类等问题,本文提出了一种基于主成分分析结合支持向量机的风电齿轮箱故障诊断方法。首先,采用主成分分析法（PCA）对原始数据进行降维,做出第1,2主成分二维图及前3个主成分三维图,表明PCA对监测状态数据具有一定的分类效果。其次,提取累计贡献率80%以上的前5个主成分作为数据集。最后,采用支持向量机（SVM）比较4种不同核函数的诊断准确度,并加入噪声验证。分析结果表明：径向基核函数构建的支持向量机总体分类精度达到97%,准确率最高;在含噪的情况下,线性核函数与径向基核函数分类精度达到94%;与MLP神经网络进行对比发现,支持向量机更适应小样本分析且测试精度较高。实例分析表明,主成分分析结合支持向量机有较好的分类效果,适用于风电齿轮箱故障诊断的工程应用。     

基于GA优化支持向量机的变压器故障诊断

针对变压器故障诊断中出现的多故障分类问题,为提高支持向量机的多故障分类的准确率,利用遗传算法(GA)对支持向量机的相关参数进行了优化。将利用遗传算法优化的支持向量机(GA-SVM)应用于变压器故障诊断中,并与利用粒子群算法优化的支持向量机(PSO-SVM)的识别结果进行比较。对比试验结果可以看出,GA-SVM算法能够更为有效地选择支持向量机的相关参数,在很大程度上提高了变压器多故障分类的准确性。     

一种识别气液两相流流型的新方法

根据图像灰度直方图统计特征,提出了一种基于图像处理和改进支持向量机相结合的气液两相流流型识别的新方法.该方法是应用高速摄像机在气液两相流试验台上获取7种典型流型的图像,经过图像处理,对图像进行灰度直方图统计特征提取构成特征矢量,作为流型样本对改进支持向量机进行训练与识别.实验结果表明:图像灰度直方图特征可以很好地反映各流型之间的差异;改进的支持向量机与原始的支持向量机相比分类性能好,运算时间短,网络识别率高达99.04%,为流型在线识别提供一种新的有效方法.     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

采用支持向量机方法建立350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

生物燃气及生物燃气掺氢燃烧特性的实验研究

为了获得生物燃气及生物燃气掺氢的燃烧特性,文章通过高速纹影系统在定容燃烧弹中研究了CH_4/CO_2在不同CO_2比例、不同当量比、不同初始压力以及不同掺氢比下的层流燃烧特性。研究结果表明:生物燃气的层流燃烧速度随着CO_2掺混比例的增大而降低,随着初始压力的升高而降低;生物燃气掺氢后的层流燃烧速度随着掺氢比的增大而增大;对于生物燃气及生物燃气掺氢而言,火焰的稳定性随着初始压力及掺氢比的增大而降低,随着当量比增大而增大,生物燃气中CO_2的比例对火焰稳定性的影响不大。     

生物质燃气预混层流燃烧特性的实验研究

在密闭燃烧容器中对常温、常压环境下的生物质燃气预混层流燃烧特性进行了实验研究,研究了不同燃气组分、不同当量比对生物质燃气预混层流火焰传播速度、火焰表面拉伸率和层流燃烧速度的影响规律。研究结果表明:发酵法制取的生物质燃气中甲烷含量越高,其层流火焰传播速度就越快;相同尺寸的火焰锋面上拉伸率越大,层流燃烧速度则越快;随着当量比的增大,层流火焰传播速度、层流燃烧速度呈现出先增大后减小的趋势。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

本文采用支持向量机方法建立了350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。