基于城市生活垃圾火焰辐射光谱的可燃组分在线预测新方法

提出一种基于城市生活垃圾火焰辐射光谱的典型可燃组分含量在线预测新方法。实验对象为包括3种纸,4种生物质,3种纤维,2种果皮以及3种塑料在内的15种典型可燃组分,同时测量其在不同温度下的火焰辐射光谱。基于多变量最小化方法,通过拟合某700t/d生活垃圾焚烧炉中燃烧火焰450~500nm波段内的光谱,可得到燃烧火焰的温度和发射率。利用该温度下每种可燃组分的火焰光谱,对各组分在燃烧垃圾中所占的比例进行反演。结果表明,城市生活垃圾的燃烧火焰光谱主要以粒子的热发射以及Na和K的原子发射主导;通过光谱拟合获得的温度高于热电偶测量温度;利用典型组分的火焰光谱可以很好地表征混合城市生活垃圾燃烧的火焰光谱,并获得典型组分的比例,其中瓦楞纸和木材的平均比例均超过10%,占据主导地位,塑料类的总体比例约为20%;基于各可燃组分比例计算得到的表观热值与机组功率成线性关系。文中开发的新方法能够在线并且准确地获取焚烧炉中城市生活垃圾组分信息,对改善和提高城市生活垃圾燃烧控制性能具有重要的意义。

ARIMA算法在工业控制器故障预测的应用

提出了一种基于k-medoids算法的自回归积分滑动平均模型(ARIMA)的工业控制器硬件故障预测方法。首先,将控制器每秒的CPU电压、输入/输出(I/O)管脚电压、电源电压这3个特征的实时值作为1个特征向量,用k-medoids算法对每30 s的特征向量进行聚2类操作,求得聚类样本较多的那类聚类中心向量。接着,按照时序将获得的多个聚类中心特征向量作为学习样本,求得每个特征的ARIMA的p、d、q参数,并建立ARIMA。最后,采用每个特征的ARIMA预测其未来的值,并与其阈值比较,进行故障预测。使用一个嵌入了老化电阻的中控ECS700控制器,进行了24 h的试验。试验结果表明,该方法有效,为实现控制器故障预测提供了思路。