基于图像技术和PCA方法的火焰监测研究

从火焰图像提取了能够反映火焰燃烧状态的7个特征量：火焰亮度、高温区域亮度、火焰面积、高温区域面积、高温面积率、火焰质心偏移距离和火焰区域的圆形度。然后，基于主元分析技术，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2个统计量之一越限，则可判定燃烧出现异常，并且将结果以SPE图、Hotelliing T^2图和主元图的形式直观地表示出来。图5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。     

基于粗糙集理论的火焰图像处理与状态识别

针对全炉膛火焰检测的主要问题,提出了一种基于粗糙集理论的火焰状态识别方法。该方法利用粗糙集理论的分类原则,得到火焰燃烧的高温区域,结合其它火焰图像的特征量,用基于粗糙集的知识决策系统建立火焰状态识别规则,构建全炉膛燃烧状态识别的基本模型,判断燃烧状态。由于决策表的简单属性表达,有利于操作人员的理解并为调整锅炉燃烧提供操作指导。现场试验表明,火焰图像的特征量与燃烧的好坏有密切关系。通过属性集的定量分类实现输出量的定性识别,系统状态识别准确可靠。     

基于改进二叉树支持向量机的内燃机故障识别

为提高内燃机在强耦合、弱信号条件下的故障诊断精度,提出一种基于改进二叉树支持向量机(SVM)的内燃机故障诊断方法.首先对样本的可分性测度进行重新定义,以此训练出的支持向量机模型更大程度上减少了样本错分的可能性,通过对仿真数据的分类识别,验证了有效性.以BF4L1011F型内燃机为诊断对象,分别提取振动信号的数据域及图像域特征,对比不同多分类算法识别结果,所提方法表现出更高的识别准确率.     

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.     

基于支持向量机理论对燃气火焰稳定性的判别

针对燃气火焰稳定性的判别,搭建相应的燃气燃烧试验台,使用FX2000光谱仪采集数字信号并使用数字信号处理的相关知识和方法,通过分析燃气火焰所产生的特定自由基辐射强度的时域与频域,从中提炼出五种特征值,综合试验结果对不同工况条件下各特征值的变化进行分析。在充分考虑各特征值的相关性之后,采用支持向量机的分类方法对火焰信号进行分类与预测,结果表明使用支持向量机原理判别火焰燃烧的稳定性具有较高准确性。     

基于K-L变换的支持向量机在汽轮机故障诊断中的应用

支持向量机应用于故障诊断是近年来研究的热点,在支持向量机算法的基础上,以汽轮机故障为例,引入了K-L变换对故障特征进行提取。结果表明,经K-L变换后的支持向量机算法能够保证故障信息的完整性,有效识别临界故障状态,提高了故障的分类精度,扩展了支持向量机的应用范畴。     

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。     

空气预热温度对生物柴油火焰特性影响研究

利用高速摄影法及数字图像处理技术得到生物柴油燃烧火焰图像,并通过Matlab软件求取火焰长度和面积,研究了空气预热温度对火焰形态、长度、面积的影响。实验中共设定了9个空气温度：20℃、80℃、140℃、220℃、290℃、350℃、400℃、450℃和500℃。结果表明：空气预热温度较低时,生物柴油火焰结构分散、主要燃烧区（火焰亮度较高区域）面积较小且连续性差;空气预热温度升高后,火焰结构更紧凑、主要燃烧区面积增大、亮度明显增加、连续性变好。各个工况下火焰长度和面积不是一个定值,而是在一定范围内剧烈地震荡,随着空气预热温度的升高,火焰平均长度和平均面积有相近的变化趋势：先明显减小,再逐渐上升。     

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。     

用剪切干涉高速摄影法测量内燃机缸内温度场的实验研究

建立了一套用于火花点火发动机缸内燃烧研究的剪切干涉及高速摄影实验装置。利用图像处理系统对拍摄到的燃烧干涉图像进行处理 ,可以定量得到燃烧过程气缸内的温度场 ,并可估算出火焰传播速度。从温度场可以看出 ,在燃烧过程中缸内大致可以分为 3个区域 ,即已燃区、未燃区和燃烧区。燃烧区的温度最高 ,温度梯度大 ;已燃区的温度次之 ,梯度较小 ;未燃区的温度最低 ,但梯度较大。在燃烧过程中 ,缸内的火焰面以近似球面向未燃区推进 ,火焰传播速度开始较小 ,随着燃烧过程的进行而迅速增大 ,达到一最大值后 ,逐渐减小 ,直至燃遍整个燃烧室。剪切量是影响缸内燃烧温度测量精度的一个重要因素 :剪切量大 ,则干涉条纹密集 ,测量精度高 ,但图像处理工作量大 ,适用于温度梯度大的温度场的测量 ;剪切量小则相反。     

亚/超临界环境下燃料的喷雾燃烧特性研究

采用高温高压定容燃烧弹系统对亚/超临界环境下燃料在纯氧中的喷射燃烧现象进行试验研究,通过高速相机和阴影法进行燃烧图像信息的采集,研究在相同的超临界温度下,正己烷和乙醚两种燃料喷射燃烧火焰特性随环境压力和喷油脉宽的改变而呈现的差异性。试验结果表明:在亚临界压力下,两种燃料在不同喷油脉宽下的燃烧时间均随着环境压力的升高而升高,火焰发展后期基本保持较为稳定的形态和亮度,符合传统的喷射燃烧过程。正己烷在临界压力点下火焰长度最短,形态较为规则;超临界压力下,火焰形态有稳定趋势但仍有轻微波动,且火焰长度略短于亚临界;喷油脉宽改变时,燃烧时间在临界压力附近呈现出不同的趋势。乙醚的燃烧时间随压力的升高而增大,在临界压力处达到最大值,后随着压力的继续升高而下降,不同压力条件下火焰形态略有差别。燃烧现象存在差异性主要是由于亚/超临界坏境下燃料的物性参数和破碎蒸发机理不同。     

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。     

基于炉膛火焰图像的燃煤机组负荷预测

为了准确地进行燃煤机组负荷预测,引入支持向量机（SVM）方法建立了锅炉炉膛多层火焰图像与机组负荷之间的复杂关系模型.将该方法应用于某660 MW燃煤锅炉机组中,用训练后的SVM模型进行负荷预测,并与BP神经网络模型预测结果进行比较.结果表明：采用SVM方法预测机组负荷,模型能够辨识出火焰辐射图像与机组负荷之间的复杂关系,实现对负荷的准确预测;SVM模型预测精度比BP网络模型高,SVM模型具有预测精度高、泛化能力强等优点,且模型训练时间较短.     

基于数据挖掘的黄河中游典型流域次洪最大含沙量预报

黄河中游黄土高原地区经常发生区域性暴雨,容易形成涨落迅猛、峰型尖瘦的高含沙洪水过程,次洪沙峰量级预报的准确度对汛期调水调沙工程调度,特别是对高含沙量洪水事件十分重要.针对黄河中游水沙预报难度大、精度偏低的现状,采用随机森林和支持向量机两种数据挖掘方法,开展秃尾河和湫水河两个流域的次洪最大含沙量的预报预警研究.结果 表明...     

A corrected hybrid approach for wind speed prediction in Hexi Corridor of China

Wind energy has been well recognized as a renewable resource in electricity generation, which is environmentally friendly, socially beneficial and economically competitive. For proper and efficient evaluation of wind energy, a hybrid Seasonal Auto-Regression Integrated Moving Average and Least Square Support Vector Machine (SARIMA-LSSVM) model is significantly developed to predict the mean monthly wind speed in Hexi Corridor. The design concept of combining the Seasonal Auto-Regression Integrated Moving Average (SARIMA) method with the Least Square Support Vector Machine (LSSVM) algorithm shows more powerful forecasting capacity for monthly wind speed prediction at wind parks, when compared with the single Auto-Regression Integrated Moving Average (ARIMA), SARIMA, LSSVM models and the hybrid Auto-Regression Integrated Moving Average and Support Vector Machine (ARIMA-SVM) model. To verify the developed approach, the monthly data from January 2001 to December 2006 in Mazong Mountain and Jiuquan are used for model construction and model testing. The simulation and hypothesis test results show that the developed method is simple and quite efficient.     

用光导纤维多色法对柴油机燃烧室内火焰温度与碳粒生成的研究

本文介绍了作者研制的分叉光导纤维４色法测量装置和采用它对直喷式４１３５型柴油机燃烧室内火焰温度和碳烟浓度测量的结果。以双色法为基础的４色法，通过数学方法可优化试验结果，减小测量误差。测量结果表明：在燃烧过程中，碳粒生成时间落后于温度上升时间，持续高温产生碳粒高浓度，后燃烧使碳粒浓度增加。随着负荷的增加，燃烧火焰温度及碳粒浓度增加，它们持续的时间也延长。燃烧终了破粒浓度和排气烟度增大。在喷注区会产生很高的碳粒质量浓度值，稀混合气区火焰温度上升较早。过后燃烧或供油提前角减小，使燃烧终了碳粒浓度增大。     

基于蚁群优化的最小二乘支持向量机风速预测模型研究

基于最小二乘支持向量机理论,建立风速预测模型。同时,由于最小二乘支持向量机参数选取尚无有效方法,该文尝试采用蚁群算法理论来进行参数优化选择。选取某风场前四天的实测风速(采样间隔30min),应用所建立的风速预测模型,来预测第五天的48个风速值,其预测的平均绝对百分比误差仅为9.53%,预测效果较理想,验证了应用蚁群优化算法理论与最小二乘支持向量机理论进行风速预测的可行性,可为风电场规划选址和风力发电功率预测等提供理论支持。