【技术实现步骤摘要】
本专利技术涉及火焰稳定性监测领域，尤其涉及一种基于图像分析和数据融合的火焰稳定性监测方法。
技术介绍
1、目前，燃煤锅炉所产生排碳量占据国内总碳排放大头。随着“双碳”目标提出，燃煤锅炉新增装机量逐年减少，非化石能源新增装机容量逐年增加，但是由于水资源季节性枯竭、风能和光伏资源的间歇性和波动性，造成弃光弃风现象。为了减少弃光弃风这一现象，仍然需要燃煤锅炉发挥兜底保供作用。
2、在发电行业中，保持长期稳定燃烧状态是安全运行的基本要求。在实际运行中，特别是调峰等因素的影响，加剧了燃烧不稳定现象的发生频率。燃烧不稳定不仅会降低燃烧效率，增加nox污染物排放量，而且在极端情况下还会引起炉膛灭火甚至爆炸等事故，给整个机组的运行安全带来隐患。因此，建立准确、有效的火焰稳定性监测系统，对实现燃烧优化控制具有重要实践意义。
3、目前工业中燃烧监测有许多种方式，其中主要包含有光学燃烧检测器和燃烧检测系统。光学燃烧检测器是利用紫外、可见光和红外传感器等检测设备，通过检测目标燃烧的亮度及其振幅和闪烁频率，判断燃烧燃烧状态。然而，这些检测设备容易受到负荷升降等因素的影响造成识别位置不准确，经常出现误报和漏报情况。燃烧检测系统是采用ccd相机技术，可以直观地显示燃烧区域燃烧情况，火焰图像的解释依赖于操作员的经验，缺乏客观性。而自发光基团其自身激发态跃迁至基态或低能态时产生荧光辐射，可以在紫外到可见光范围内有效显示燃烧化学反应。而这些自由基团如oh*、ch*、和等可以表征火焰火焰着火、火焰反应区域、火焰结构、热释放速率以及火焰温度等方
4、随着图像处理技术的发展，燃烧诊断不断涌现新的检测方法。这些方法通常是利用ccd摄像机采集火焰图像，经数据处理后，实时输出检测结果，不但继承了燃烧电视直观性的优点，又充分发挥了计算机强大的数据处理能力，使火焰图像检测功能得到了质的提升。目前，常见的数据处理方法主要分为两类：一是频域方法，通过分析一段时间内图像亮度、燃烧面积等数据及其功率谱密度进行故障诊断，但这种方法响应时间长，不能实时反映当前的燃烧状态；二是有监督机器学习方法，利用火焰图像浅层特征构建非线性监测模型，但这种模型都是基于火焰图像中浅层特征和人为先验知识建立的，诊断效果并不理想，鲁棒性差，模型还需要大量标签数据用于模型训练。此外，目前大多数据分析方法只能判断燃烧的有无，而不能定量监测火焰稳定性，对锅炉负荷调整缺乏指导性作用。
5、自编码网络属于无监督机器学习算法的一种，它能够以无监督方式提取数据的深层特征。因此，我们可以在自发光基团组分和火焰图像下将自编码神经网络与传统方式频域方法、机器学习浅层特征方法结合实现定性及定量地实时高效识别火焰图像的稳定性。与过去的频域方法与机器学习方法相比，自编码网络可以依据先验知识预训练，实时获得火焰稳定性精确效果更好的模型，同时也可以根据实际运行锅炉故障时人为添加此时火焰图像模型内，实现模型更新迭代。
技术实现思路
1、为解决上述问题，本专利技术提出一种基于图像分析和数据融合的火焰稳定性监测方法，具体技术方案为：
2、一种基于图像分析和数据融合的火焰稳定性监测方法，包括以下步骤：
3、步骤1：采集不同负荷燃烧工况下的三类火焰图像：自发光oh*火焰图、ch*火焰图和高速火焰图，其中，自发光oh*和ch*火焰图经预处理得到火焰图像一，高速火焰图经预处理得到火焰图像二；
4、步骤2：分别提取自发光ch*火焰图中火焰前烽带和自发光oh*火焰图中的火焰主燃域；
5、步骤3：所述火焰前烽带与火焰图像二形成闭合的未燃域，所述火焰主燃域与火焰图像一差减得到燃尽域；
6、步骤4：提取所述火焰主燃域、未燃域、燃尽域和火焰前烽带所对应的热力学参数、几何参数、组分参数以及频域参数；
7、步骤5：对步骤4中的参数进行统计分析得到组合量以组合量的置信区间来区分火焰稳定性和火焰不稳定性，从而判断火焰的稳定性。
8、进一步地，步骤1中的自发光oh*和ch*火焰图是由高速相机配备不同工作波长的滤光片拍摄所得到的火焰图像。
9、进一步地，拍摄自发光oh*火焰图所配备的滤光片工作波长为270－290nm或300－320nm，拍摄自发光ch*火焰图所配备的滤光片工作波长位于380－400nm或420－440nm。
10、进一步地，步骤1中的火焰图预处理包括图像滤波去噪、图像区域截取以及图像双线性插值缩放。
11、进一步地，步骤3中所述的未燃域是由自发光ch*火焰图的火焰前烽带与其燃烧区域背景所形成的闭合区域，在自发光oh*火焰图中使用散点轮廓算法提取散点图最小凹凸面作为自发光oh*的组分强度图，自发光oh*的组分强度图中通过图像去除未燃域得到火焰主燃域，高速火焰图获得的燃烧区域与所述未燃域和火焰主燃域差减得到剩下的燃尽域。
12、进一步地，步骤4中的热力学参数包括高速燃烧图的燃烧目标区域温度信息、不均匀性，几何参数包括火焰主燃域、未燃域、燃尽域的面积和火焰前烽带的前端距离，组分参数包括自发光oh*与ch*火焰图的相对浓度大小，频域参数包括通过时序图像亮度信息进行傅里叶反变换所获得的燃烧闪烁频率。
13、进一步地，对火焰稳定性进行定量监测的步骤为：
14、s01：对燃烧目标区域温度信息、不均匀性、火焰主燃域的面积、未燃域的面积、燃尽域的面积、前烽带的前端距离、自发光oh*与ch*火焰图的相对浓度大小和燃烧闪烁频率这9个浅层特征参数进行聚类，并寻找对应的聚类中心，与待测向量计算火焰稳定性指标一rsi1，实现火焰稳定性分类；
15、s02：将三类火焰图像按照一定数量组成划分为训练集、验证集和测试集样本，把各样本带入2d卷积自编码神经网络，经训练、重组形成全新的前馈卷积神经网络，提取三类火焰图像的深层特征向量矩阵；
16、s03：提取的深层特征向量矩阵进行分类，并根据步骤5进行火焰稳定性和火焰不稳定性的两类区分，计算该两类的聚类中心，以待测向量与三类火焰图像的聚类结果计算火焰稳定性指标二rsi2，实现火焰稳定性定量表述；
17、s04：将一定数量的时序三类火焰图像组合成对应的样本体积，根据步骤5中火焰稳定性的判定，设置选择性重建图像的条件，通过训练3d选择性卷积自编码，得到稳定转变不稳定迹象的显示和火焰稳定性指标三rsi3；
18、s05：将同一工况下的三类火焰图像输入已训练好卷积自编码的特征提取和聚类模型，结合rsi1、rsi2和rsi3计算得到三类火焰图像的综合火焰稳定性指标rsi，根据综合火焰稳定性指标rsi的最终输出值来判断火焰的稳定性。
19、进一步地，三类火焰图像组成划分的训练集样本占比不小于50％～90％，验证集样本占比5％～25％，测试集样本占比5％～25％。
20、进一步地，综合判断火焰稳定性指标rsi的范围本文档来自技高网...
【技术保护点】
1.一种基于图像分析和数据融合的火焰稳定性监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤1中的自发光OH*和CH*火焰图是由高速相机配备不同工作波长的滤光片拍摄所得到的火焰图像。
3.根据权利要求2所述的火焰稳定性监测方法，其特征在于，拍摄自发光OH*火焰图所配备的滤光片工作波长为270－290nm或300－320nm，拍摄自发光CH*火焰图所配备的滤光片工作波长位于380－400nm或420－440nm。
4.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤1中的火焰图预处理包括图像滤波去噪、图像区域截取以及图像双线性插值缩放。
5.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤3中所述的未燃域是由自发光CH*火焰图的火焰前烽带与其燃烧区域背景所形成的闭合区域，在自发光OH*火焰图中使用散点轮廓算法提取散点图最小凹凸面作为自发光OH*的组分强度图，自发光OH*的组分强度图中通过图像去除未燃域得到火焰主燃域，高速火焰图获得的燃烧区域与所述未燃域和火焰主燃域差减得到
6.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤4中的热力学参数包括高速燃烧图的燃烧目标区域温度信息、不均匀性，几何参数包括火焰主燃域、未燃域、燃尽域的面积和火焰前烽带的前端距离，组分参数包括自发光OH*与CH*火焰图的相对浓度大小，频域参数包括通过时序图像亮度信息进行傅里叶反变换所获得的燃烧闪烁频率。
7.根据权利要求6所述的火焰稳定性监测方法，其特征在于，对火焰稳定性进行定量监测的步骤为：
8.根据权利要求7所述的火焰稳定性监测方法，其特征在于，三类火焰图像组成划分的训练集样本占比不小于50％～90％，验证集样本占比5％～25％，测试集样本占比5％～25％。
9.根据权利要求7所述的火焰稳定性监测方法，其特征在于，综合判断火焰稳定性指标RSI的范围在[0，1]，表达式为：
10.根据权利要求7所述的火焰稳定性监测方法，其特征在于，2D卷积自编码神经网络和3D选择性卷积自编码神经网络是由卷积编码器和卷积解码器组成，2D卷积自编码神经网络的损失函数取可学习感知图像块相似度、峰值信噪比和图像均方误差的总和，3D选择性卷积自编码神经网络的损失函数取图像均方误差。
...【技术特征摘要】
1.一种基于图像分析和数据融合的火焰稳定性监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤1中的自发光oh*和ch*火焰图是由高速相机配备不同工作波长的滤光片拍摄所得到的火焰图像。
3.根据权利要求2所述的火焰稳定性监测方法，其特征在于，拍摄自发光oh*火焰图所配备的滤光片工作波长为270－290nm或300－320nm，拍摄自发光ch*火焰图所配备的滤光片工作波长位于380－400nm或420－440nm。
4.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤1中的火焰图预处理包括图像滤波去噪、图像区域截取以及图像双线性插值缩放。
5.根据权利要求1所述的火焰稳定性监测方法，其特征在于，步骤3中所述的未燃域是由自发光ch*火焰图的火焰前烽带与其燃烧区域背景所形成的闭合区域，在自发光oh*火焰图中使用散点轮廓算法提取散点图最小凹凸面作为自发光oh*的组分强度图，自发光oh*的组分强度图中通过图像去除未燃域得到火焰主燃域，高速火焰图获得的燃烧区域与所述未燃域和火焰主燃域差减得到剩下的燃尽域。
6.根...
【专利技术属性】
技术研发人员：苏胜，张童，向军，许凯，任强强，李成隆，胡松，汪一，江龙，徐俊，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。