基于支持向量机的炉膛火焰灭火判别方法研究

针对炉膛火焰图像监测系统存在的灭火判别问题,提出了一种炉膛火焰灭火判别方法。该方法通过对火焰图像的分析,提取了用于灭火判别的两个特征值,然后对这个特征空间使用支持向量机进行识别分类,结果表明特征量提取是成功的。该判别方法能够正确对火焰图像进行灭火判别,正确率很高,据此可知支持向量机方法用于灭火判别是可行的。     

炉膛燃烧稳定性的火焰图像诊断方法

通过对燃煤锅炉炉膛火焰图像辐射能信号的分析,从多幅火焰图像中综合得出反映全炉膛图像的特征量,据此可以准确地给出炉膛燃烧调整的程度,从而使燃烧便于监测与控制。图像诊断分析对锅炉燃烧状况、灭火预警,以及炉膛安全监控系统(FSSS)的分析等有显著的效果。     

基于火检信号分析的两种燃烧稳定性判断方法概述

本论文介绍了：一、通过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,提出了以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。二、提出了基于BIBO稳定性理论的新型燃煤锅炉燃烧过程稳定性评价指数CSI,该指数用稳定燃烧过程能够克服的最大燃料扰动率来定量燃烧过程动态模拟分析,试验测试结果初步验证了CSI指数的有效性。     

基于遗传支持向量机算法的燃烧状态诊断

针对支持向量机中的参数通常用交叉验证来确定的状况,提出了遗传支持向量机算法,即使用遗传算法来优化支持向量机中的参数并应用在基于火焰图像特征参数的锅炉燃烧状态诊断中.从火焰图像中提取的5个特征量作为支持向量机的输入,3种燃烧状态作为输出,选用径向基核函数,使用遗传算法得到优化参数.实验结果表明,该方法能在较大范围内准确地...     

全炉膛火焰图像特征参数提取算法

对四角切向燃烧锅炉炉膛火焰图像特征参数提取算法进行了研究。常用的特征参数包括火焰图像亮度、面积、高温面积率、质心偏移距离、圆形度等,给出了批量获取火焰图像及特征参量的程序算法,并针对圆形度计算中周长不易准确提取的问题,提出了在边界轮廓跟踪时累计奇步、偶步数量计算周长的算法,准确地计算出了高温区火焰图像的轮廓周长及圆形度,这些特征量的准确提取有利于燃烧状态的准确诊断。     

火焰燃烧的特征量提取及稳定性识别

为了有效提取火焰燃烧特征量,进而对火焰燃烧稳定性进行分析,文章通过理论分析和实验总结,首先提取了火焰强度方差及闪烁频率作为特征量,之后重点运用高阶统计量对火焰信号进行分析,提取了对火焰稳定性有较大影响的相位作为另一个新的特征量。最后考虑到各个特征量之间的相关性及量纲的影响,运用马氏距离作为判别准则,对火焰燃烧稳定性进行了有效的识别。结果表明,提取的3个特征量对火焰燃烧稳定性都有重要影响,而且运用马氏距离能够综合这3个特征量,使得从总体样本中选出的训练样本识别率达到93%,识别效果理想。     

典型炉膛火焰图像燃烧模式识别与应用

电站锅炉采用看火电视直接观察炉膛火焰图像,从火焰表面特征判断当前锅炉燃烧状态。对典型的四角切圆燃烧锅炉的火焰特征进行研究,提出若干反映实时燃烧状态的特征参数和模式识别措施,为图像处理设备从火焰图像识别火焰偏心和贴边等重要运行工况提供了定量的判别依据,并探讨了借助火焰模式识别技术进行燃烧控制的方法和设想。     

基于SIS的典型工况下火焰特征统计分析

电厂的煤粉火焰检测装置只作炉膛有火或无火判断,不仅不能对燃烧稳定程度做出定量表述。以某电厂的监控信息系统(SIS)中的历史数据库作为分析平台,对常规光学火检信号所包含的丰富信息进行深层次挖掘。首先对火检信号数据进行必要的预处理,提取出火焰信号的亮度平均值、火焰亮度方差、火焰亮度峰峰值作为火检信号时域特征量,在前人研究的基础上提出并使用“均匀度”作为火检信号频域特征量。然后分锅炉高负荷稳定、锅炉低负荷稳定、锅炉高负荷波动、锅炉低负荷波动、启磨、停磨、点火与停炉等8种典型燃烧工况对火检强度信号作了大量统计分析。结果表明这些特征量能够较准确地反映不同工况下的火焰燃烧状态,并为今后电站锅炉燃烧优化奠定了基础。     

图像火焰检测系统特点及其应用

阐述了图像火焰检测系统的组成和特点,在性能上与常规火焰检测装置进行了对比分析,表明该图像火焰检测系统能够运用计算机数字图像处理技术对燃烧器火焰图像进行分析,监测锅炉内温度场和浓度场,判断火焰燃烧状态,使运行人员直接观察到火焰图像,掌握燃烧状况,及时对燃烧进行调整,提高燃烧稳定性和燃烧效率.     

图像火焰检测系统特点及其应用

阐述了图像火焰检测系统的组成和特点,在性能上与常规火焰检测装置进行了对比分析,表明该图像火焰检测系统能够运用计算机数字图像处理技术对燃烧器火焰图像进行分析,监测锅炉内温度场和浓度场,判断火焰燃烧状态,使运行人员直接观察到火焰图像,掌握燃烧状况,及时对燃烧进行调整,提高燃烧稳定性和燃烧效率。     

基于BP网络的旋流燃烧器火焰燃烧状态识别

通过对所采集的电站锅炉旋流燃烧器火焰图像与直流燃烧器火焰图像的对比分析,在原有直流燃烧器火焰图像判据的基础上,讨论了旋流燃烧器火焰图像特征量的提取与特征区的选定,运用现代人工神经BP网络智能理论,设计并训练了BP网络实现旋流燃烧器燃烧状态实时判断的功能。通过实验证明在旋流燃烧器火焰图像上提取的特征量和燃烧状态之间存在映射关系,通过所建立的BP网络模型可以对旋流燃烧器的火焰燃烧状态进行实时判断。     

ABB智能火焰检测系统应用介绍

介绍了ABB智能火焰检测系统在国华粤电台山发电有限公司的应用,该系统在安装、调试阶段运行情况艮好,但是在机组投产后出现火焰检测值偏小、火检信号逐渐减弱等现象。经分析,产生上述问题的主要原因是炉膛燃烧方式与火检探头安装方式不匹配,最后提出了相应的改进措施,以保证机组的安全稳定运行。     

基于神经网络的交互式炉膛火焰图像识别

炉膛火焰燃烧状态监测的关键技术之一是炉膛火焰图像的分类和识别。由于炉膛火焰燃烧过程的复杂性，使得准确反映炉膛火焰燃烧状态的火焰图像特征参数难以确定，在用神经网络训练方法构造分类器时，神经网络的收敛速度和识别的准确性不能同时满足实际要求。文中提出了交互式火焰图像识别方法,改善神经网络的分类识别性能。在神经网络的构造过程中，将人对神经网络分类器构造结果的评价信息反馈给网络，使其根据反馈信息进一步修正分类器。由于将人工的修正信息引入到分类器构造中，加快了神经网络的收敛速度，提高了神经网络识别的准确性。对4 000幅火焰图像的实验显示了此方法的有效性。     

炉膛火焰温度场图象处理试验研究

借助于计算机图象获取、处理技术，本文提出了一种简单有效的全炉膛火焰二维温度场分布计测方法。以辐射定律为基础对这种方法的基本原理和特点进行了介绍。然后，对一台试验炉的燃烧火焰进行了实验测定，对所摄图象进行了滤波等必要的处理，最后显示了火焰的温度场，以及对燃烧火焰的初步诊断结果。可望将此方法应用于电站锅炉的燃烧监测与管理系统中。     

PCA和SVM在火焰监测中的应用研究

通过对火焰图像进行分析,提取火焰亮度、火焰面积、质心偏移距离和圆形度等7个特征量.然后基于主元分析技术,提出一种对燃烧火焰稳定性进行监视和诊断的方法,采用Hotelling T2和Q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,只要这两个统计量之一越限,则可判定燃烧出现异常.实验结果表明:该方法能够在线实时地、有效地识别、判断火焰的燃烧状态,并且将结果以Q图、Hotelling T2图和主元图的形式直观地表示出来;该文同时应用支持向量机方法分别对特征向量和原始图像数据进行识别分类,结果表明基于主元分析原理和支持向量机方法所得到的结果是一致的.     

600MW墙式切圆燃烧炉内动力特性数值研究

对辽宁某电厂600MW超超临界墙式切圆燃烧锅炉的炉内动力特性进行数值研究,分析炉内切圆直径大小和炉膛内部流动特性,并将模拟结果与该锅炉冷态试验时测得的数据进行比较。模拟分析得出炉内流场充满度较高,炉膛四角卷吸高温烟气到火焰要部有利于稳定燃烧。燃烧区域的中心形成旋转上升的气流,射流未出现刷墙现象,与冷态实验结果吻合。由于射流刚性较强,旋转上升的气流在到达炉膛出口时仍存在较大的残余旋转,使得炉膛出口存在速度差。该模拟结果能够真实地反映出炉内流动特性,可为该类型锅炉的设计改造提供参考数据。     

基于火焰图像的燃烧稳定性诊断和分析

通过采集某200 MW燃煤机组火焰图像获得炉膛中的辐射能,建立其与机组功率之间的动态和静态模型,以进行燃烧监测与控制,同时进行稳定性的分析。     

模糊免疫网络算法在数字图像火焰监测中的应用

提出了一种基于模糊免疫网络算法对火焰数字图像进行分类的研究方法。该算法由2部分构成：免疫网络算法与模糊聚类算法。模糊免疫网络算法是非监督学习算法，它不需要了解类别的先验知识，能够随着燃烧状况的变化实现动态聚类，同时该算法克服了传统模糊聚类算法须事先确定聚类数的缺陷。利用现场所获得的火焰图像，运用数字图像处理技术提取其特征量，对其进行分类研究，通过观察火焰图像类别的变化来判断燃烧状态是否发生变化。试验结果证明了该方法能有效地判断燃烧状态的改变。