基于支持向量机的电站锅炉燃烧稳定性判别

以某600MW单元机组锅炉运行时的火焰信号为分析对象,利用支持向量机研究了锅炉燃烧稳定性判别问题。提取了火检信号的均值、方差、峰峰值和均匀度等4个特征量,然后比较了采用3种不同核函数的支持向量机对同一火检信号样本组的训练效果,其中模型参数通过交叉验证的方法确定。分析表明,径向基核支持向量机判别准确率最高。最后测试结果验证了支持向量机用于火焰燃烧稳定性判别,具有很好的分类和泛化能力。     

时频联合分析评判火焰燃烧稳定性的实验研究

通过改变燃气量和一级空气量完成一系列燃烧工况。采用低成本的火焰检测装置采集得到各个工况火焰辐射的脉动信息,利用快速傅里叶变换算法将获得的时域信号衍生出频域上的功率谱信号。从时域信号的周期性能和频域信号中主峰频率的波动情况提取出反应火焰脉动性能的参数:火焰强度比方差和火焰闪烁频率,通过联合分析得到其随时间和燃烧状态变化的规律,实现对燃烧稳定性能的评判。     

基于数字图像处理的锅炉火焰燃烧诊断仿真研究

利用数字图像处理技术提取了全炉膛火焰特征量，分析了火焰特征量与火焰燃烧诊断的关系，并在MATLAB下进行了仿真研究，提出了对火焰进行燃烧诊断的方法，据此判断出了炉膛火焰燃烧情况并预测了火焰的燃烧趋势。这种方法适合于中小型锅炉火焰监视，为灭火保护提供了可靠的检测信号。     

基于小波包特征熵的高速列车监测数据的特征分析

将高速列车在不同工况和速度下的监测数据进行傅里叶分析用来确定各种不同工况信号的频率范围,再对不同工况和速度下的信号进行小波包分解,并重构通频范围内前几个低频带信号,进而建立信号的小波包特征熵向量,不同频带信号的小波包特征熵变化反映了列车运行状态的改变,最后将得到的小波包特征熵向量输入支持向量机进行故障识别。仿真分析结果表明该方法对高速列车故障状态识别是有效、可行的。     

陶瓷窑炉中富氧燃烧火焰特性的试验研究

以单节辊道窑的结构形式设计物理模型进行富氧燃烧试验研究,在不同氧浓度条件下,从火焰形貌、火焰温度分布、火焰传播等方面分析富氧燃烧技术对火焰特性的影响,为窑炉设计及富氧喷枪设计与布置提供依据。研究结果表明:当氧浓度从21%增加至30%时,火焰亮度逐渐增加;火焰长度逐渐缩短并向喷枪口处收缩;最高火焰温度明显提高,且火焰最高温度出现位置向喷枪口靠近;轴向火焰温度分布趋向集中,在设计窑炉时应该注意火焰长度方向的尺寸;火焰前沿速度逐渐降低,引起温度梯度变大,火焰覆盖面积减小,需要设计可用于富氧燃烧的可调节式燃烧器,以保证在不同氧气浓度下,火焰处于稳定燃烧状态。     

RGB分量线性变换法提取脉动燃烧火焰预混锋面

针对脉动燃烧下的甲烷预混火焰,基于图像RGB彩色模型分量线性变换,提出了一种提取火焰预混锋面轮廓线的方法．该方法首先对火焰图像分割区域的RGB分量进行分析,根据三个分量的权重和差异确定特征分量;然后,通过区域选取和计算得到分割区域的特征分量值;最后,对特征分量进行线性变换,增大反差得到新的图像,在此基础上进行迭代、填充等运算,最终实现轮廓线的提取．将该方法运用到不同工况下预混火焰轮廓线的提取中,均能获得理想的效果,并与传统的灰度提取法进行了对比．结果表明,RGB分量线性变换法简单实用、效果更好．     

基于改进光流法的锅炉火焰动态特征提取与分析北大核心

锅炉燃烧过程具有连续性与随机性,火焰静态特征仅能表征燃烧过程的部分信息,无法反映燃烧随时间变化的动态过程,不利于长期监测炉内燃烧状态。针对这一问题,提出了一种基于金字塔分层改进的Lucas-Kanade光流法,提取炉内火焰动态特征,用于描述炉内燃烧过程的变化。为了验证火焰动态特征监测炉内燃烧状态的灵敏性和有效性,采用互信息法建立动态特征与锅炉负荷、NO_(x)排放量间的相关性模型。结果表明,所提动态特征能准确跟随火焰的运动轨迹,反映当前运行工况、燃烧状态的变化。采用改进后光流法提取的火焰动态特征与锅炉负荷、NO_(x)排放量间具有显著相关性,能够为锅炉燃烧状态实时监测提供一个更有效的特征。     

基于CRITIC权重法和多级模糊综合评判的燃烧状态诊断

锅炉燃烧状态是电厂各项状态评估的重要组成部分,对其进行诊断具有重要的现实意义。通过对现场历史运行数据进行相关性分析,搜寻了与锅炉燃烧状态相关性强的状态参数,如火检强度、炉膛压力、总风量等,并从中提取特征量。利用状态参数和各自的特征信息建立了基于状态参数的多级模糊综合评判模型以诊断燃烧状态,在模型建立的过程中,为了减少主观因素对评判结果的影响,使评判结果更加客观有效,引入CRITIC法计算权重。以某660MW燃煤机组为例,进行了基于状态参数的锅炉燃烧状态模糊综合评判的研究。结果表明：该方法能够对锅炉燃烧状态进行客观有效的判别。     

掺氢汽油机燃烧过程的准维模型构建

为研究不同工况下掺氢汽油机燃烧特性, 构建并验证了用于计算掺氢汽油机缸内燃烧过程的准维模型.模型基于理想气体状态方程、质量守恒方程、热力学第一定律, 建立双区热力学微分方程组, 通过湍流卷吸模型确定燃烧放热率, 通过掺氢汽油层流火焰速率关联式反映掺氢对混合气火焰特征的影响规律, 并利用MATLAB数值分析软件完成方程组的求解过程.结合内燃机台架试验, 对不同掺氢体积分数、混合气当量比、进气道压力条件下模型的准确性进行了验证.对比结果表明, 该模型能准确地反映不同运行条件下掺氢汽油机的燃烧特性.     

高温低氧气中气体燃料的火焰特性

为确定高效低污染燃烧的条件,研制了火焰特性实验装置。在此装置上研究了助燃剂预热温度及氧体积浓度对丙烷火焰特征的影响。实验中,助燃剂预热温度休范围为３８０～１００℃,氧体积浓度变化范围为２１％～２％。实验表明助燃剂温度及其含氧量对火焰特性有非常显著的影响,高温低氧条件下的火焰体积、火焰亮度与颜色、火焰形状等特性明显改变。此外,还定性地说明了高温低氧燃烧方式具有高效低污染特性。     

缸内燃烧光电测量的可视化技术

利用光纤传感器对内燃机缸内燃烧进行了探测 ,并与以往常规压力传感器的测量结果进行了比较 ,探索了将光纤传感技术应用于燃烧测量的可行性。利用光强信号可实现同步探测燃烧过程的燃烧时刻、爆震燃烧、循环稳定性、火焰传播及成分分析等多项燃烧特征。图像光纤传感器是未来普及与实现燃烧深层次研究的有效手段。燃烧可视化对燃烧过程测量具有重要意义。     

蒸发式稳定器常压和低压燃烧性能试验研究

对斯贝蒸发式稳定器模型与5种新稳定器在常压和低压下的燃烧性能进行了研究,并与V型稳定器比较,试验低压可达0.035MPa,气流最高速度可达235m／s．试验结果表明：5种新稳定器的燃烧性能好于斯贝蒸发式稳定器,所优选的稳定器比斯贝蒸发式稳定器提高了点火性能、火焰稳定性和燃烧效率,特别是在低压下,扩大了贫富油熄火边界,而V型稳定器燃烧性能最差。     

数字图像处理技术用于锅炉炉膛火焰检测

介绍了目前锅炉火焰检测系统的技术特性及用于火焰检测的数字图像处理技术。分析了锅炉炉膛火焰监测与图像处理系统的构成,以及目前新发展起来的根据煤粉火焰图像判断燃烧状况的计算机算法,其中基于火焰温度场的处理方法具有较完善的理论依据和很好的应用前景。     

模拟沼气预混层流燃烧特性的试验研究

在定容燃烧弹上采用高速纹影系统对模拟沼气预混层流火焰的燃烧特性进行研究。模拟沼气为甲烷含量70%～75%和二氧化碳含量25%～30%的混合气。对不同成分的模拟沼气和纯甲烷的燃烧速度及燃烧压力进行了对比分析。研究结果表明,沼气中较高含量的二氧化碳对燃烧有强烈的抑制作用,使沼气的燃烧速度与纯甲烷相比有所下降,并且随着成分中二氧化碳含量的增加,整个燃烧过程延长。     

富氧条件下乙醇喷雾燃烧特性的实验研究

利用McKenna型平面火焰燃烧器搭建乙醇喷雾燃烧实验台架,研究富氧条件下乙醇喷雾的燃烧特性.通过数字图像处理技术提取喷雾火焰特征参数和CH*自由基分布特征参数.其中,火焰特征参数包括火焰面积、火焰高度、火焰平均亮度.分析伴流气体O₂浓度、伴流气体CO₂浓度、乙醇与雾化N₂质量流量比对喷雾火焰特性及CH*自由基分布特性的影响.研究表明,在O₂浓度为21%~55%时,随着O₂浓度的增加,火焰高度和火焰面积均呈降低趋势,而火焰平均亮度呈升高趋势.通过对CH*自由基分布特性的分析发现,O₂浓度越高,燃烧反应区域的分布范围越小,反应强度越大.CO₂浓度对喷雾火焰尺寸与火焰平均亮度的影响与O₂浓度的影响相反,并且CO₂浓度对喷雾火焰平均亮度的影响明显大于其对喷雾火焰尺寸的影响.随着乙醇与雾化N₂质量流量比的增加,火焰尺寸及燃烧反应强度均呈显著升高趋势.     

液雾燃烧的热声不稳定动态特性

为了探究液雾燃烧不稳定的动态特性,在实验室尺度的3 kW液雾燃烧器上,通过测量不同当量比下燃烧室的声压和火焰热释放速率变化情况,并且使用非线性时间序列分析方法,如相空间重构和递归分析,研究热声振荡信号的特点. 当液雾燃烧器的风量从4.0 L/min逐渐增加到9.5 L/min后,燃烧室中热声振荡的动态特性不同. 当风量为4.0~5.5 L/min时,燃烧室的声压幅值为20~30 Pa;当风量为6.0 L/min时,燃烧室的声压幅值突然增大到100 Pa. 发生热声不稳定的液雾火焰将会呈湍流燃烧噪声、极限环、半稳态等非线性状态. 与此同时,风量的增加（当量比的减少）会触发液雾燃烧热声不稳定,燃烧室的湍流燃烧噪声会突变成极限环振荡.     

Identification of Driving Intention Based on EEG Signals

The driver''s intention is recognized by electroencephalogram(EEG) signals under different driving conditions to provide theoretical and practical support for the applications of automated driving. An EEG signal acquisition system is established by designing a driving simulation experiment, in which data of the driver''s EEG signals before turning left, turning right, and going straight, are collected in a specified time window. The collected EEG signals are analyzed and processed by wavelet packet transform to extract characteristic parameters. A driving intention recognition model, based on neural network, is established, and particle swarm optimization (PSO) is adopted to optimize the model parameters. The extracted characteristic parameters are inputted into the recognition model to identify driving intention before turning left, turning right, and going straight. Matlab is used to simulate and verify the established model to obtain the results of the model.The maximum recognition rate of driving intention is 92.9%. Results show that the driver''s EEG signal can be used to analyze the law of EEG signals. Furthermore, the PSO-based neural network model can be adapted to recognize driving intention.