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4000幅火焰图像的实验显示了此方法的有效性。

炉膛火焰图像数字技术在电厂锅炉燃烧优化控制中的应用

在大型电厂锅炉上,采用计算机图像采集处理技术将炉膛看火电视装置获取的图像信号转化为数字信号,通过计算机处理获得相应的温度图像,并在图像显示器上显示,给出燃烧状态综合监视图,为运行人员提供操作指导。针对电厂燃煤机组锅炉主蒸汽压力的滞后特性,首次从检测到的火焰图像中提取炉膛辐射能信号代替热量信号,以提高锅炉主蒸汽压力的稳定性,改善机组的负荷响应速度,同时,通过燃烧调整,找出最佳运行工况,优化燃烧,达到降低机组NO_x排放量、提高锅炉效率的目的。

炉膛火焰图像处理及其控制系统研究

本文以炉膛火焰图像信号处理为基础,介绍了一个闭环控制系统。通过对电厂的炉膛火焰图像进行处理,获得有效温区率、高温区率、质心偏移距离和火焰圆度。以这些数据为标准,使用KOHENON神经网络来判别火焰的状态,并融合如火焰检测传感器信号等的数据。最后,提出对炉膛火焰实时控制的策略。

数字式图像型火焰检测系统

图像型火焰检测技术是基于火焰电视、综合多媒体计算机和数字图像处理技术发展起来的一项新兴技术,它继承了火焰电视直观形象的优点,又充分发挥计算机强大的处理计算能力,使火焰检测功能得到了质的提高。本文首先简单介绍了各类传统火焰检测器的工作原理、性能比较、火焰检测器选型原则,以及在实际应用中存在的问题,重点介绍了数字式图像火焰检测系统的基本构成、工作原理和燃烧器火焰熄火、着火判据的分析。全炉膛火焰图像的数据分析方法也作了介绍。