基于DCS数据和燃烧图像的垃圾焚烧炉主蒸汽温度预测

针对垃圾焚烧锅炉因燃烧调控滞后而面临的主蒸汽温度波动的问题,该文提出一种基于分散控制系统(distributed control system,DCS)数据与燃烧图像的主汽温未来6min变化趋势的预测建模方法。首先,采集相关的DCS运行数据和燃烧图像并提取图像的谱范数特征;然后,利用互信息和条件互信息算法筛选出与主汽温高相关、变量间低冗余的DCS特征变量;然后,基于互信息算法对DCS特征变量和图像特征进行时延估计,剔除滞后特征变量并对超前特征变量进行时延补偿;最后,将DCS特征变量和图像特征作为输入,建立长短期记忆网络预测模型。结果表明:整体预测均方根误差(root mean square error,RMSE)为1.4722,且前2min的预测RMSE低至0.61;时延补偿和图像的加入可有效降低预测误差,考虑时延补偿的模型预测RMSE降低了22.61%,结合图像输入的模型预测RMSE降低了11.79%。可知,所提模型预测效果良好,可为生产调控提供参考。

回转窑燃烧图像中火焰区的动态标定

提出一种动态标定火焰区的方法.以彩色图像中的红色绿色成份的线性加权组合图像作为研究对象,利用其垂直灰度投影曲线和水平灰度投影曲线确定火焰区的重心,采用由内到外扩散的办法确定火焰区的左右边界和上下边界,标定火焰区.实验表明,该方法能正确地动态标定出火焰区,并能满足实时处理的需要.

城市固废焚烧过程燃烧线极端异常火焰图像对抗生成

燃烧线是表征城市固废焚烧(municipal solid waste incineration,MSWI)过程燃烧稳定性的关键参数之一。完备的火焰图像模板库是实现燃烧线量化以从检测视角代替依靠运行专家“人工看火”,进而通过实时反馈提升MSWI过程控制的智能化水平的基础。针对燃烧线极端异常火焰图像缺失问题,该文提出基于机理知识和对抗网络的燃烧线极端异常火焰图像生成方法。首先,基于焚烧炉内三维空间位置到图像像素点的机理映射关系分析燃烧线极端异常火焰图像,通过对正常火焰图像像素点的平移、拼接和组合等方式获取伪标记的燃烧线极端异常火焰图像;然后,采用循环生成对抗网络(cycle generative adversarial networks,CycleGAN)获得符合真实火焰图像分布的候选图像;最后,提出组合基于弗雷歇距离(Fréchet inception distance,FID)评估最优模型参数和根据伪标记筛选最终燃烧线极端异常火焰图像的2级评估与筛选策略。针对北京某MSWI厂的实验结果表明:依据燃烧线可划分图像为51%~73.6%正常、47%~51%和73.6%~100%异常、0%~47%极端异常;当第2级评估阈值设定为0.4时,所提方法生成合格极端异常火焰图像的比例为85.7%,优于传统评估方法。

柴油机燃烧可视化研究进展

综述了国内外柴油机缸内燃烧过程可视化研究的进展 ,着重介绍了柴油机缸内燃烧图像获取及其数据处理方面的研究现状和动向。

基于各向异性数学形态学的火焰图像边缘检测

为了更加有效地提取锅炉燃烧火焰图像的边缘,提出了一种基于各向异性数学形态学的火焰图像边缘检测方法。首先计算火焰图像的平均平方梯度向量并由其表示平均梯度向量,然后对平均梯度向量进行扩散得到图像的平均梯度向量场,并计算图像各像素点的平均梯度方向,最后根据各点的方向信息构造适合的形态结构元素,并计算其形态学梯度,据此检测出火焰图像的边缘。针对大量火焰图像进行的实验结果表明,与现有的边缘检测方法包括Roberts方法、Sobel方法、Prewitt方法、Canny方法、Log方法、各向同性数学形态学方法以及自适应邻域方法相比,该方法检测出的边缘,定位更加准确,边缘完整清晰,算法抗噪性更好,运算速度快。

燃烧过程数据库研究

燃烧过程测试方法具多样性,测试数据来源复杂。本文分析了燃烧数据库图像语义提取与检索模型,给出了相应的数据库设计,实现了燃烧过程测试实验数据的管理。