紫外像增强器在航空发动机燃烧诊断中的应用

航空发动机燃烧过程中,OH^(*)、NO^(*)、NH^(*)等激发态自由基伴随着紫外波段的微弱自发光,且随燃烧的进程而快速变化。紫外像增强器最高具有百万倍电子增益、纳秒量级快门,可以实现紫外波段燃烧流场瞬态结构的捕获,为定量化测量、阐释燃烧特性随多物理参数的变化规律奠定基础。本文总结紫外像增强器在航空发动机燃烧光学诊断中的应用,包括针对OH^(*)自发光进行成像的被动光学诊断技术、利用激光激发OH成像的主动光学诊断技术等。最后,结合新型航空发动机高时空分辨探测的要求,指出紫外像增强器在燃烧诊断中的发展方向。

基于自组织神经网络的燃烧诊断研究

自组织神经网络原理被尝试应用到燃烧诊断系统中．网络的输入是从稳定和非稳定燃烧工况下获取的火焰辐射信号的频谱估计值．经过自组织训练后，网络对不同燃烧工况下的输入具有明显不同的输出，通过验证证实了这种方法能对检测到的燃烧火焰信号进行有效的处理，从而获取燃烧状态稳定与否的信息．

航空发动机地面试验激光燃烧诊断技术研究进展

为了研究湍流燃烧基础问题和改进实际燃烧装置性能,基于激光的燃烧诊断技术已发展成为当前发动机湍流燃烧实验研究的主要测量工具。在已发展的激光燃烧诊断技术中,每种技术都有其局限性和适用范围,需要根据发动机模型燃烧室内部流场测量的要求和特点,选择合适的激光诊断技术。在温度测量中,相干反斯托克斯拉曼散射(CARS)技术主要用于单点温度测量,单脉冲CARS谱测温不确定度优于5%;高时空分辨温度场的测量需要采用双色平面激光诱导荧光(PLIF)测温方法,但其测温精度通常也会相应降低。在速度测量中,粒子成像测速(PIV)技术适用于低速流场速度的精细测量,羟基分子标记测速(HTV)技术适用于高温超声速甚至高超声速流场的速度测量,HTV测速不确定度可优于4%。在组分浓度测量中,主要采用自发拉曼散射(Spontaneous Raman Scattering,SRS)和PLIF技术进行主要组分和中间反应物的浓度分布测量。本文对航空发动机湍流燃烧温度、速度、组分浓度等参量的高时空分辨测量所涉及的激光燃烧诊断技术的基本原理、研究现状和发展趋势进行综述。

基于光谱分析的煤粉火焰复合判据和燃烧诊断研究

该文研究了煤粉火焰辐射光谱信号，发现在煤粉锅炉中不仅不同火焰及炉墙的黑度不同，在煤粉不同燃烧阶段还存在一些特征谱线。根据是否存在这些特征谱线，以及测得的火焰黑度和火焰的光谱辐射强度可以可靠地构造火焰是否存在的判据。在350MW 煤粉锅炉上的实测数据验证了这种复合判据的正确性。这可以给锅炉提供一种新的可靠的火检方法。作者还采用人工神经网络算法根据火焰的黑度和一定波段范围的辐射强度对煤粉火焰的燃烧状况进行诊断作了初步研究，结果表明可以对燃烧的不同状况进行诊断，将有助于优化燃烧。

煤粉锅炉火焰检测及燃烧诊断

介绍了目前锅炉火焰检测的各种方法并对其进行了比较，归纳了燃烧诊断技术的各个要点及现有的诊断方法。研究了火焰监测和燃烧诊断面临的问题以及今后的发展趋势。

基于炉内火焰图像的燃烧诊断

讨论了基于炉内辐射图像的燃烧诊断方法 ,并根据采集的单角燃烧器火焰图像 ,讨论了特征值的意义和提取方法 ;设计并训练了 Kohonen自组织神经网络和 BP神经网络分别实现燃烧状态判断和预测等燃烧诊断功能。图 8参 1

光谱法和取样分析法在燃烧诊断研究中的应用

介绍了燃烧诊断学中常用的非接触光谱诊断和取样诊断方法。光谱方法包含红外吸收光谱、紫外激光诱导荧光和非线性光谱方法(如相干反斯托克斯拉曼光谱等),可以测量燃烧体系的温度场、浓度场和速度场信息,可用于研究燃烧基元反应动力学,燃料的热解和氧化,层流火焰结构及湍流火焰的成像。而通过分子束取样的真空紫外光电离质谱检测方法可以获得更全面更灵敏的诊断信息,特别是活泼的燃烧中间体的浓度信息,为详细燃烧反应动力学模型的发展和验证提供了强有力的支持。

CARS技术及其在火炸药燃烧诊断中的应用

介绍了推进剂燃烧火焰的特点和CARS(CoherentAnti StokesRamanScattering)检测技术在推进剂燃烧诊断 (温度、浓度和燃烧机理研究 )中的应用。根据研究结果 ,论述了CARS技术在推进剂燃烧诊断应用中的几个关键问题 :准确度。

基于图像处理的燃烧诊断和温度场测量系统在300MW电站锅炉上的应用

电站锅炉的火焰检测和诊断技术对于锅炉的安全运行具有至关重要的意义 ,因此建立了一套基于图像处理的燃烧诊断和温度场测量系统。系统安装在 30 0MW电站锅炉的BC层燃烧器 ,主要完成图像显示、历史记录、动态趋势预测和温度场计算等功能。提出了综合运用辐射传热、光学、计算机层析成像 (CT)和计算机图像处理等多种技术的截面温度场计算方法。

激光感生击穿光谱技术在燃烧诊断中的应用

简述了激光感生击穿光谱(LIBS)技术的研究基础,包括实验台架、光谱定性定量分析方法,详细介绍了所进行的LIBS技术在燃烧诊断中的应用研究工作,利用LIBS技术对飞灰中的碳含量和燃煤特性及成分进行了分析.结果表明,采用LIBS测得的飞灰含碳量与传统的重量燃烧法测得的飞灰含碳量结果吻合较好;煤化程度不同的煤呈现出不同的等离子体时间谱,在相同实验条件下,煤化程度越高的煤种其等离子体温度越高;利用LIBS技术测得的燃煤成分含量与传统测量方法得到的结果吻合亦较好.该研究证实了激光感生击穿光谱技术在燃烧诊断中应用的可行性,为后续的燃烧诊断研究和试验工作奠定了基础.

基于频谱分析和自组织神经网络的火焰燃烧诊断研究

通过对实验室煤粉燃烧炉实验数据的采集与分析,介绍了一种基于FFT变换处理与自组织神经网络状态识别相结合的燃烧诊断方法。首先,通过光电传感器获得一系列以一定的频率、在某个均值左右上下波动的火焰强度值。然后,利用FFT程序将获得的时域信号转换成频域上的功率谱信号。因为在稳定和不稳定的燃烧状态下,转换后得到的低频分量有明显的区别,所以把每个功率谱中前30个低频分量取出,将其作为神经网络的训练输入。通过自组织训练,神经网络将得到对应于稳定和不稳定燃烧状态火焰信号的不同输出区域。经过验证,这种方法能非常有效地识别燃烧火焰状态的稳定与否,在信号采样频率的选择,神经网络算法的改进等方面作了有意义的探索。

基于燃烧特征量和模糊C均值聚类的燃烧诊断

以某电厂350 MW燃油锅炉燃烧数据为基础,提出了一种基于燃烧特征量和模糊C均值聚类的燃烧诊断方法.采用时、频域统计分析和信息熵分析技术提取锅炉火检信号中反映燃烧状况的统计特征量和信息熵特征量,再利用模糊C均值聚类算法对这些燃烧特征量进行聚类分析,得到的聚类中心可以作为燃烧状态判别的标准模式,通过计算待诊断样本对标准模式的隶属度实现燃烧诊断.在燃烧诊断的基础上,根据模糊隶属度的思想提出了一种模糊燃烧指数,可以实现对燃烧状态的定量监测.研究表明,该方法能够对燃烧状态进行有效监测和定量表征,为进一步实现燃烧调整和控制提供依据.

电站锅炉神经网络燃烧诊断系统应用研究

先进的燃烧诊断技术可以有效地提高电站锅炉运行的经济性和安全性。本文通过对炉膛火焰的图像采集 ,利用计算机数字图像处理技术及人工神经网络模型分析方法 ,开发了永安火电厂 5号炉的火焰图像燃烧诊断系统。该系统为运行人员提供了有意义的定量化特征参数 ,并对燃烧状况辩识的机理进行了富有成效的探索 。

激光燃烧诊断技术及应用研究进展

介绍了用于燃烧场温度、组分、火焰构造和流场速度等参数测量的相干反斯托克斯喇曼散射、自发振动喇曼散射、激光诱导荧光和OH示踪测速实验系统,给出了在预混火焰、高能固体推进剂瞬态燃烧场和超声速高温流场测量的部分实验结果,并分析了激光作用区域燃烧场温度、主要组分及流场速度的分布和火焰构造。

基于可调二极管激光红外吸收的燃烧诊断技术

为了发展先进的燃烧诊断技术,对可调二极管激光红外吸收术用于燃烧多参数测量的原理、方法和测量系统进行了全面的论述,并将该方法应用于脉冲爆震室中未燃组分、当量比的测量中。因为爆震室中燃料的分布和填充程度决定了脉冲爆震发动机(PDE)的性能,故试验中精心控制燃料填充程度,以研究爆震管中填充程度对脉冲爆震发动机性能的影响。实验结果表明,可调二极管激光红外吸收术对于监测PDE的性能,进而对PDE的控制和优化极有意义。

基于火焰图像特征和粗糙集理论的燃烧诊断系统

针对电站锅炉炉膛内燃烧状况的诊断问题,本文提出了一种基于火焰图像特征提取并采用粗糙集理论诊断锅炉燃烧状态的方法.采用图像绿光通道亮度值的阈值分割有效地减少了背景辐射对火焰图像的影响,改进的极坐标边界标定法保证了火焰核心区域的有效提取和图像的完整性,为燃烧诊断研究提供了可靠的特征区.采用基于粗糙集的决策规则的推理方法,建立以火焰图像特征量为条件属性、炉膛工况为决策属性的决策表,并运用粗集理论中近似集的概念确定了条件属性对决策属性的影响权系数,对锅炉燃烧状况做出了客观性的判断,进而为锅炉燃烧状况做出准确的诊断提供了有力的依据.对从现场获得的一组不同工况下的火焰图像进行了实验,并把实验结果和实际的炉膛燃烧状况进行了比较,实验结果表明本文的方法是可行的.

可调谐LD吸收光谱燃烧诊断技术研究进展

介绍了可调谐半导体激光器吸收光谱(TDLAS)燃烧诊断技术的基本原理及其参量测量原理,分析了基于时分复用、波分复用、单激光器、速度和流量测量以及断层扫描技术的TDLAS燃烧诊断系统的组成特点和关键问题。总结了TDLAS燃烧诊断技术发展历程和最新进展,并对该技术发展趋势进行了展望。

国外燃烧诊断技术的新进展

对近十几年来国外燃烧流场参数的非接触式激光光学诊断技术的进展作了简要回顾和评述。着重介绍了激光诱导荧光光谱（LIF）、平面激光诱导荧光光谱（PLIF）和脉冲光热激光偏转（PLD）等新型诊断技术的原理和应用，也介绍了LDV、L2F、RS和CARS等已有诊断技术的深化和发展，以及流场中颗粒采集和分析的新方法。

基于DSP的锅炉火焰温度场测量及燃烧诊断系统

针对电站锅炉火焰监视、温度场测量和燃烧诊断中存在的问题,提出了一种以DSP为核心的嵌入式图像火焰监测系统,在对彩色图像法测量温度场的原理论述的基础上,对图像采集和处理各部分的电路和系统软件进行了分析和说明。通过优化设计,使系统的数据处理能力和实时性得到大幅的提升。经过200MW机组的试验表明,系统能在1帧时间内完成一幅图像的处理与特征量的提取,在1s内完成锅炉燃烧状况的诊断,火焰监测和燃烧诊断实时性得到了保证。温度场测量最大偏差不会超过50℃,相对误差小于5%,能满足系统对测量精度的要求。

基于神经网络的电站锅炉燃烧诊断方法研究

根据电站锅炉燃烧过程的特点,利用图像处理技术提取了表征火焰燃烧特性的特征量,提出了基于BP神经网络的锅炉炉膛火焰燃烧状态的模式识别方法.针对锅炉燃烧诊断实时性强的要求,设计开发了一套PC机加信号处理系统(DSP)的实时图像采集与燃烧诊断系统,在200MW锅炉上进行试验.结果表明,该系统简便实用,可实现锅炉运行过程的燃烧诊断,为电站锅炉的安全、经济运行提供可靠的依据,具有一定的工程应用前景.