基于Krawtchouk矩和支持向量机的火焰状态识别

监测炉膛火焰燃烧状态对防止锅炉爆管起着重要作用。为了进一步提高火焰图像特征提取的准确度和燃烧状态的识别率,文中将Krawtchouk矩引入火焰特征提取,提出了一种将Krawtchouk矩不变量与小波支持向量机相结合的火焰燃烧状态识别方法。首先计算火焰图像的Krawtchouk矩及Krawtchouk矩不变量,以此构造火焰图像的特征向量;然后根据训练样本的特征向量构造支持向量机,对火焰图像进行状态识别,并采用混沌小生境粒子群算法优化支持向量机中的核函数参数与惩罚因子,使其识别性能最优。大量实验结果表明:与基于Hu矩和支持向量机的方法、基于Zernike矩和支持向量机的方法相比,采用Krawtchouk矩不变量作为火焰图像的特征能更好地对火焰图像燃烧状态进行识别,识别率大大提高,且结果与实际情况相符。     

基于灰度熵多阈值分割和SVM的火焰图像状态识别

为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。     

基于核主元分析和邻近支持向量机的汽轮机凝汽器过程监控和故障诊断

提出了基于核主元分析(KPCA)和邻近支持向量机(PSVM)的汽轮机凝汽器过程监控和故障诊断新方法，将数据先用核主元法进行分析和处理，即通过非线性变换将样本数据从输入空间映射到高维特征空间，然后在高维特征空间中进行特征提取，若数据的Hotelling'sT2和Q统计量超过控制限，说明有故障发生，则计算样本的非线性主元得分向量，并将其作为输入值送入已训练好的邻近支持向量机进行故障类型识别。该方法可以有效地捕捉变量间的非线性关系，过程监控和故障诊断效果明显好于PCA-PSVM法。汽轮机历史故障特征数据集仿真试验证明了该方法的有效性。     

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...     

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。     

最小二乘支持向量机可视化燃烧/排放关联特性的研究

一种基于光学原理的燃烧火焰/温度场测量装置,用以获得实时的炉内燃烧信息,以便实施洁净煤燃烧技术。文中以可视化火焰检测系统对电站锅炉燃烧火焰和温度场进行监测的研究。通过测量,得到了数值化的火焰/温度场信息,对燃烧火焰的图像进行了分析,提取了不同单色波波长下的火焰图像的平均灰度、方差、熵、火焰丰度、能量、最高灰度等特征量,计算得到了温度分布。为了建立锅炉排放与火焰参数及燃烧温度的关系,利用最小二乘支持向量机原理,以火焰参数为主要判据,将得到的表征燃烧的特征量作为最小二乘支持向量机的输入,对NOx排放量进行了预估。结果表明,估计值与实测值具有一致性。     

一种用于电力变压器故障识别的理论方法研究

支持向量机方法基于小样本的统计学习理论,其本质上是个优化和分类问题。设计了一种使用遗传算法优化多分类支持向量机参数,并将参数优化后的多分类支持向量机用于电力变压器故障识别的方法。该方法对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需要的n+1个特征量,然后利用数值预处理后得到的数据样本对多分类支持向量机进行训练和识别,通过输出结果判断变压器所处的状态,以达到设备状态监测的目的。     

基于主元分析的水轮机组导轴承异常诊断方法研究

提出了一种基于主元分析(PCA)的水轮机组导轴承异常状态识别及诊断方法。该方法通过对水轮机组导轴承温度测点正常历史数据的主元分析,获得其主元空间与残差空间,并将其SPE统计和T2统计数据作为实际运行数据的阈值。在实际运行中,通过对运行数据的主元分析,计算得到SPE统计和T2统计值,如果统计量超过阈值,发出异常报警,并通过贡献图进行异常的诊断。通过实际运行数据的算例分析,表明该方法能够对水轮机组导轴承的异常准确识别与诊断。     

基于量子引力搜索算法的SVM火焰识别算法

针对复杂环境下火焰识别问题,提出一种基于量子引力搜索算法改进的支持向量机(SVM)的火焰识别算法。首先通过对火焰图像进行预处理并提取火焰的颜色、面积变化率和圆形度等火焰特征,并形成训练数据和验证数据;然后,采用量子引力搜索算法对SVM的核参数和惩罚因子进行最优搜索,并应用最优搜索得到的超参数建立SVM分类器模型,应用到最终的火焰图像识别中。     

基于火焰自由基成像和支持向量机的燃烧过程NO_x排放预测

火焰特征参数对燃烧稳定性及污染物生成具有重要影响。火焰自由基作为燃烧的中间产物,其特征在研究污染物的生成机制及其控制方面起着重要的作用。文中通过火焰自由基图像处理和火焰温度监测,并结合支持向量机的软计算法提出了一种NOx(NO和NO2)排放量的在线预测技术。该技术通过光增强成像系统采集火焰自由基OH*,CN*,CH*和C2*的数字图像,同时使用光谱仪和双色法获取火焰温度。在所得的火焰基图像中提取其特征值(自由基灰度等值线和比值),并结合火焰温度,建立基于支持向量机的软计算方法,实现了对NOx的排放预测。在燃气燃烧试验炉上的实验结果验证了基于火焰自由基图像的NOx预测排放模型的有效性。     

基于炉内火焰图像的燃烧诊断方法研究

针对现今电厂采用的锅炉燃烧监控系统所采集的火焰动态图像,提出了一种利于辅助分析的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提出了分析火焰稳定性判别的三个特征量,根据现场图像信号作出数据提取,并对提取结果进行了数据分析。提出一种燃烧稳定性判别方法,该方法利用以上三个特征量作为BP神经网络输入参数,得到输出确定为火焰稳定性系数,然后用模糊判别给出准确的燃烧稳定性综合评估。此方法利用了动态图像的差分特性,动态地分析燃烧过程中火焰锋面变化的状况,为现场锅炉监控人员提供了一种燃烧状态监测方法,方便了现场运行人员及时快捷地对现场状况做出准确迅速的判断和操作。通过对现场图像的人工分析和此方法判别结果比对,证明此方法具有很强的辅助分析功能。     

基于特征提取的面向边缘数据中心的窃电监测

随着电网信息物理系统的发展,一部分数据处理功能逐渐下沉到靠近终端用户的边缘层。为了给后续分析提供可靠的数据源,及时发现异常用电行为,窃电监测是边缘数据中心重要功能之一。文中提出一种针对边缘数据中心的窃电监测方法,该方法利用深度卷积生成对抗网络(DCGAN)鉴别器提取得到的特征,在边缘数据中心对二范数线性支持向量机(L2SVM)进行训练。实验结果证实,DCGAN具有较好的收敛性能,鉴别器提取得到的正常与窃电行为用电特征具有明显划分,且比基于主成分分析(PCA)特征提取方法更加有效,此外,与基于径向基核函数的支持向量机(SVM)反窃电方法相比,所提方法准确度更好且计算复杂度低,适合边缘数据中心部署。     

分形理论在火焰稳定性诊断中的应用

该文将分形理论运用于火焰稳定性的研究，提出一种基于分形特征的图像分割方法，把火焰从背景中分离出来。此方法适应性比较好，并具有良好的抗噪性能。同时通过实验表明，除了传统常用的反映火焰燃烧状态的特征参量外，分形维数也可作为一个反映火焰稳定性的图像指标，运用到火焰稳定性诊断中去。     

基于Bi-LSTM和支持向量机的风机叶片短期覆冰状态预测模型

风机叶片覆冰灾害严重危害风电场安全经济运行,对风机叶片覆冰状态的预测是预防覆冰灾害的有效手段。针对传统覆冰状态预测方法精度较差问题,基于风电场SCADA监测数据,提出一种基于Bi-LSTM和SVM的风机叶片短期覆冰状态预测模型。首先,采用PCA对风机叶片覆冰状态监测特征指标进行降维,筛选可以反映风机叶片覆冰状态的特征指标;其次,基于大量历史数据,对Bi-LSTM和SVM模型进行训练,训练结果表明模型有较好精确度;最后,将多组实际数据集输入Bi-LSTM预测模型,预测输出值输入SVM模型,对风机叶片是否会出现覆冰故障进行判别。结果表明,所提方法可准确实现叶片覆冰状态预测,准确率可达95%。     

基于PCA和SVM的模拟电路故障诊断

针对电路故障诊断中存在的样本要求高、推广能力弱、特征提取难等问题,提出了一种基于主成分分析(PCA)与支持向量机(SVM)相结合的模拟电路故障诊断方法.通过对电路输出响应的采样信号进行PCA处理,提取故障特征的主要成分,然后利用多类SVM对各种状态下的故障模式进行分类决策,实现被测电路的故障诊断.实验结果表明:该方法能够实现电路故障的快速检测与故障元件的准确定位,具有速度快、精度高、鲁棒性好的特点.     

一种提取说话人特征的新方法

抽取最佳鉴别特征是说话人辨认中的重要一步.本文在使用美尔倒谱系数(MFCC)及一阶差分组成的特征参数的基础上利用主分量分析(PCA)和线性判决分析(LDA)结合的提取方法,构造了一种新的特征参数.这种新的参数具有最佳鉴别特性,然后用支持向量机(SVM)对提取的特征分类辨认.实验结果表明该方法能更好地识别说话人,有更好的识别能力.     

基于最小二乘支持向量机的系统边际电价预测

系统边际电价是电力工业改革的关键因素之一,是电力市场的杠杆和核心内容。为克服神经网络预测法易陷入局部极小,隐层数不易确定,训练速度慢等问题,提出一种基于相似搜索和最小二乘支持向量机的系统边际电价预测方法,该方法对相似搜索得到的相似日的负荷—电价数据用最小二乘支持向量机建立电价预测模型,同时利用网格搜索和交叉验证自动选取最小二乘支持向量机相关参数。用美国加州电力市场的真实数据做实例验证结果表明该方法可有效提高预测精度。     

一种基于K-L变换和支持向量机的图像分割算法

提出了一种基于K-L变换和支持向量机结合的图像分割算法,该算法把轴承中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,先利用可K-l变换对图像进行降维处理,然后用支持向量机方法对两类不同的样本采样学习,最后进行分类判断。实验结果表明,该算法能够较好地实现图像的分割,有着深入研究的价值。     

基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法

研究电站锅炉炉膛灰污监测问题,提出了基于声学测温和最小二乘支持向量机的电站锅炉炉膛灰污监测方法。该方法采用声学测温装置获得实际运行状态下锅炉炉膛出口烟温,用最小二乘支持向量机获得实际运行状态下锅炉炉膛清洁时的潜在炉膛出口烟温,运用上述两参数定义灰污特征参数来表征锅炉炉膛整体灰污状况。建立了监测模型,从电厂采集数据对模型进行了训练和验证,并对获得的灰污特征参数进行了分析,结果表明:基于声学测温和最小二乘支持向量机的锅炉炉膛灰污监测方法可以较准确地实现电站锅炉炉膛的灰污监测,为炉膛的吹灰优化打下了良好的基础。