基于孪生Inception网络的燃烧器火焰状态监测

燃煤电厂炉膛火焰的实时监测关系到发电经济性和锅炉的安全运行,而基于光能、热能和辐射能等能量信号的传统火检技术仅能探测火焰的有无,已无法满足日益迫切的火力发电精细化“调峰”需求。本文以实际电厂燃烧器火焰图像为研究对象,应用基于改进的Inception深度卷积神经网络(deep convolutional neural network,DCNN)的火焰状态分类方法,通过深入分析燃烧器火焰图像特点,对火焰多维度特征进行提取并制作数据集,同时将预处理后的不同类别火焰图像制作成火焰图像数据集,构建Inception DCNN,实现自动特征提取的火焰状态分类,并提出基于孪生Inception DCNN对燃烧器火焰状态进行分类。结果表明,改进的孪生Inception DCNN网络模型将火焰的状态分类问题转化为评价状态相似度问题,间接实现分类目标,识别准确率达到99.86%。

空气乙炔火焰原子吸收分光光度法总铬测定中火焰及共存金属影响探析

空气乙炔火焰原子吸收分光光度法检测废水中总铬时存在共存金属干扰测定现象。本文通过一系列不同测试条件下的干扰实验及测定结果图表分析,阐述燃烧器状态与共存金属对测定影响,得出了空气乙炔火焰原子吸收分光光度法测定总铬时最佳检测条件,可以取得较高的仪器灵敏度及消除共存金属干扰。