專利名稱:基于火焰自由基的燃料種類的在線識(shí)別方法
技術(shù)領(lǐng)域:
本發(fā)明屬于燃料種類在線識(shí)別技術(shù)范圍,特別涉及一種基于火焰自由基的燃料種類的在線識(shí)別方法。
背景技術(shù):
能源與環(huán)境是制約人類發(fā)展的重要問題。目前煤炭占我國一次能源的70%左右, 其中作為煤炭消耗大戶的火力發(fā)電廠是我國電力生產(chǎn)的主要組成部分。燃煤鍋爐的安全性和經(jīng)濟(jì)性與煤粉的種類密切相關(guān)。由于我國煤種多變、劣質(zhì)煤多,以及市場(chǎng)因素、經(jīng)濟(jì)因素等的影響,使得電廠在實(shí)際運(yùn)行中所用燃煤的煤種偏離了設(shè)計(jì)煤種,這必然給鍋爐運(yùn)行的安全帶來了一系列問題,如爐膛結(jié)渣、過熱器再熱器超溫爆管、水冷壁高溫腐蝕、飛灰含碳量升高,燃燒效率降低、發(fā)電煤耗增加和環(huán)境污染等。同時(shí),煤的儲(chǔ)量是有限的,隨著煤的不斷消耗,煤炭資源越來越緊張,生物質(zhì)燃料正成為繼煤、油和天然氣之后的最重要的再生燃料。發(fā)電廠可以燃燒多種燃料,但是在某一時(shí)刻燃燒哪種燃料是未知的也是不可預(yù)測(cè)的。因此在線識(shí)別燃料種類為提高燃燒效能和保證鍋爐安全提供了可靠的保證。燃料的燃燒火焰,作為高熱反應(yīng)的主要燃燒帶,在能源轉(zhuǎn)換、污染物排放和燃燒質(zhì)量方面包含了重要信息。輻射光譜是火焰的重要特征,其包含了連續(xù)譜和不連續(xù)譜。連續(xù)譜中火焰特征已經(jīng)充分研究過了,并開發(fā)了諸如紫外和紅外火焰監(jiān)測(cè)儀等。目前基于圖像的火焰檢測(cè)技術(shù)一般都是結(jié)合寬波帶光學(xué)傳感器、數(shù)字圖像和圖像處理技術(shù),它所提供的信息缺少火焰自由基的細(xì)節(jié)特征,而這些特征對(duì)于可靠地識(shí)別燃料種類、研究排放物形成機(jī)理和對(duì)排放物控制至關(guān)重要?;诨鹧孀杂苫娜剂戏N類在線識(shí)別,充分利用火焰自由基所提供的信息,以及神經(jīng)網(wǎng)絡(luò)模式識(shí)別較強(qiáng)的魯棒性,通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行燃料種類在線識(shí)別,是一種新穎、 可靠且準(zhǔn)確的燃料種類在線識(shí)別方法。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于火焰自由基的燃料種類在線識(shí)別方法,其特征在于,包括步驟1)通過由物鏡、分光鏡、反射鏡、濾光器和目鏡組成的光學(xué)系統(tǒng)與電子倍增EMCXD 相機(jī)構(gòu)成燃料燃燒火焰的數(shù)據(jù)采集系統(tǒng),2)在各種燃燒條件下,由數(shù)據(jù)采集系統(tǒng)采集已知燃料燃燒火焰中四個(gè)自由基 OH* (氫氧基)、CN* (氮碳基)、OT (氫碳基)和C/ ( 二碳基)輻射圖像;3)數(shù)據(jù)采集系統(tǒng)將四個(gè)自由基OH*、CN*, CH*和C/輻射圖像傳輸至神經(jīng)網(wǎng)絡(luò);4)神經(jīng)網(wǎng)絡(luò)提取四個(gè)自由基0!r、CN*、ar和C/輻射圖像的特征值,建立基于神經(jīng)網(wǎng)絡(luò)的燃料種類識(shí)別系統(tǒng);5)針對(duì)前面得到待識(shí)別燃料火焰自由基的輻射圖像,將所得到特征值輸入到已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入層中,若神經(jīng)網(wǎng)絡(luò)輸出為未知燃料,則保存該組特征值,將其作為新的樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)獲取新知識(shí),增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力;否則,神經(jīng)網(wǎng)絡(luò)輸出該燃料的類別。所述采集已知燃料燃燒火焰中四個(gè)自由基0HW、ar和C2,的輻射圖像提取的特征值為在時(shí)域和頻域內(nèi)包括輪廓,灰度值,灰度分布及均勻度,其中,輪廓為具有相同灰度值的輻射圖像邊界,灰度值為輻射圖像輪廓所定義的區(qū)域內(nèi)的平均灰度值,灰度分布為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度分布特征,均勻度為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度強(qiáng)弱對(duì)比特征。所述利用上述提取的特征值訓(xùn)練神經(jīng)網(wǎng)絡(luò),包括設(shè)立閾值進(jìn)行分類、大于閾值和神經(jīng)網(wǎng)絡(luò)輸出已知燃料的種類代碼,以其輸出代碼建立神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系完成對(duì)燃料的分類識(shí)別所述利用神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系完成對(duì)燃料的分類識(shí)別是以待識(shí)別燃料火焰自由基的輻射圖像所提取的特征值作為網(wǎng)絡(luò)的輸入,以神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系來對(duì)燃料的分類進(jìn)行識(shí)別,若可以判別,則確定所用燃料種類;若無法判別,則判斷所用燃料屬于未知燃料,且保存數(shù)據(jù),作為樣本重新訓(xùn)練神經(jīng)網(wǎng)絡(luò),更新網(wǎng)絡(luò)權(quán)值并存儲(chǔ)到網(wǎng)絡(luò)權(quán)值矩陣中,增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力。本發(fā)明的有益效果是提出一種基于火焰自由基的燃料種類在線識(shí)別方法,該方法能充分利用火焰自由基的輻射圖像,在基于神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上在線識(shí)別燃料種類。神經(jīng)網(wǎng)絡(luò)模式識(shí)別魯棒性好,且可在線訓(xùn)練神經(jīng)網(wǎng)絡(luò),更新權(quán)值,儲(chǔ)備新的燃料知識(shí),實(shí)現(xiàn)燃料種類識(shí)別的自動(dòng)完善和更新。利用本專利方法獲得的燃料種類數(shù)據(jù),可以用于實(shí)現(xiàn)鍋爐燃燒的優(yōu)化控制,增強(qiáng)鍋爐運(yùn)行的安全性和經(jīng)濟(jì)性。本專利與已有方法相比較,是一種新的且準(zhǔn)確可靠在線識(shí)別燃料種類的方法。
圖1為本發(fā)明的示意圖。圖中1-火焰,2-物鏡,3-分光鏡,4-反射鏡,5 =濾光器,6_目鏡,7_電子倍增 EMCXD相機(jī),8-火焰自由基的輻射圖像,9-神經(jīng)網(wǎng)絡(luò)。
具體實(shí)施例方式本發(fā)明本發(fā)明的目的是提供一種基于火焰自由基的燃料種類在線識(shí)別方法;下面結(jié)合附圖1對(duì)本發(fā)明予以說明。首先,由物鏡2、分光鏡3、反射鏡4、濾光器5和目鏡6組成的光學(xué)系統(tǒng)與電子倍增 EMCCD相機(jī)7構(gòu)成對(duì)燃料燃燒火焰的數(shù)據(jù)采集系統(tǒng),得到已知燃料燃燒火焰1中四個(gè)自由基 OH*(氫氧基)、CN*(氮碳基)、OT(氫碳基)、C2*( 二碳基)的輻射圖像8a.8b.8c和8d ;然后由數(shù)據(jù)采集系統(tǒng)將四個(gè)自由基的輻射圖像8a、8b、8c和8d傳輸至神經(jīng)網(wǎng)絡(luò)9。神經(jīng)網(wǎng)絡(luò)提取四個(gè)自由基OH*、CN*, CH*和C/輻射圖像的特征值,建立基于神經(jīng)網(wǎng)絡(luò)的燃料種類識(shí)別系統(tǒng)。其中對(duì)燃料燃燒火焰的數(shù)據(jù)采集系統(tǒng)包括四條光路第一條為主光路,由物鏡2、第一分光鏡3a、第二分光鏡北及第一濾光器fe布置在一條直線上組成;第二條光路與第一條為主光路平行,由第一分光鏡3a、第一反射鏡如、第三分光鏡3c及第四濾光器5d組成; 第三條光路在第一條主光路的上方并與第一條主光路平行,由第二分光鏡北、第二反射鏡 4b及第一濾光器fe組成;第四條光路在第二條光路的上方并分別與第二條光路、第三條光路平行,由第三分光鏡3c、第三反射鏡如及第二濾光器恥組成;目鏡6放置在四條光路的后面,使燃料燃燒火焰1經(jīng)過上述光學(xué)系統(tǒng)后,在目鏡6上得到四個(gè)自由基自由基的輻射圖像8a、8b、8c和8d,該輻射圖像經(jīng)過電子倍增EMCXD相機(jī)7后傳輸至神經(jīng)網(wǎng)絡(luò)9。神經(jīng)網(wǎng)絡(luò)提取在時(shí)域和頻域內(nèi)的四個(gè)自由基自由基的輻射圖像的特征值(包括輪廓,灰度值,灰度分布及均勻度等。其中,輪廓為具有相同灰度值的輻射圖像邊界,灰度值為輻射圖像輪廓所定義的區(qū)域內(nèi)的平均灰度值,灰度分布為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度分布特征, 均勻度為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度強(qiáng)弱對(duì)比特征。),經(jīng)過處理,作為神經(jīng)網(wǎng)絡(luò)的輸入。本實(shí)施例中,神經(jīng)網(wǎng)絡(luò)采用多層前向網(wǎng)絡(luò)-BP網(wǎng)絡(luò),BP網(wǎng)絡(luò)包括輸入層、隱含層和輸出層共三層。輸入層的神經(jīng)元個(gè)數(shù)等于火焰自由基特征值數(shù),輸出層神經(jīng)元個(gè)數(shù)與已知燃料種類數(shù)對(duì)應(yīng),且多于已知燃料種類數(shù),便于不斷更新和完善燃料種類數(shù)。將所得到特征值輸入到已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入層中,當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中的某個(gè)輸入模式相同,神經(jīng)網(wǎng)絡(luò)識(shí)別的結(jié)果就是與訓(xùn)練樣本中相對(duì)應(yīng)的輸出模式;當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中所有模式都不完全相同時(shí),則可得到與其相近樣本對(duì)應(yīng)的輸出模式;當(dāng)待識(shí)別的輸入模式與訓(xùn)練樣本中所有輸入模式相差較遠(yuǎn),則不能得到正確識(shí)別結(jié)果,則將這一模式作為新的樣本進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)獲取新知識(shí),并存儲(chǔ)到網(wǎng)絡(luò)權(quán)值矩陣中,增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力。本發(fā)明方法適用于化石燃料、生物質(zhì)、燃料油和燃?xì)獾确N類的識(shí)別。
權(quán)利要求
1.一種基于火焰自由基的燃料種類在線識(shí)別方法,其特征在于,包括步驟1)通過由物鏡、分光鏡、反射鏡、濾光器和目鏡組成的光學(xué)系統(tǒng)與電子倍增EMCXD相機(jī)構(gòu)成燃料燃燒火焰的數(shù)據(jù)采集系統(tǒng),2)在各種燃燒條件下,由數(shù)據(jù)采集系統(tǒng)采集已知燃料燃燒火焰中四個(gè)自由基OH*、CN*, CH*和C/輻射圖像;3)數(shù)據(jù)采集系統(tǒng)將四個(gè)自由基OH*、CN*,CH*和C/輻射圖像傳輸至神經(jīng)網(wǎng)絡(luò);4)神經(jīng)網(wǎng)絡(luò)提取四個(gè)自由基0!ΤΧΝ*、αΤ和C/輻射圖像的特征值,建立基于神經(jīng)網(wǎng)絡(luò)的燃料種類識(shí)別系統(tǒng);5)針對(duì)前面得到待識(shí)別燃料火焰自由基的輻射圖像,將所得到特征值輸入到已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入層中,若神經(jīng)網(wǎng)絡(luò)輸出為未知燃料,則保存該組特征值,將其作為新的樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)獲取新知識(shí),增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力;否則,神經(jīng)網(wǎng)絡(luò)輸出該燃料的類別。
2.根據(jù)權(quán)利要求1所述基于火焰自由基的燃料種類在線識(shí)別方法,其特征在于所述輻射圖像提取的特征值為在時(shí)域和頻域內(nèi)的輪廓,灰度值,灰度分布及均勻度,其中,輪廓為具有相同灰度值的輻射圖像邊界,灰度值為輻射圖像輪廓所定義的區(qū)域內(nèi)的平均灰度值,灰度分布為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度分布特征,均勻度為輻射圖像輪廓所定義的區(qū)域內(nèi)的灰度強(qiáng)弱對(duì)比特征。
3.根據(jù)權(quán)利要求1所述基于火焰自由基的燃料種類在線識(shí)別方法,其特征在于所述利用上述提取的特征值訓(xùn)練神經(jīng)網(wǎng)絡(luò),設(shè)立閾值進(jìn)行分類、大于閾值和神經(jīng)網(wǎng)絡(luò)輸出已知燃料的種類代碼,以其輸出代碼建立神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系完成對(duì)燃料的分類識(shí)別。
4.根據(jù)權(quán)利要求3所述基于火焰自由基的燃料種類在線識(shí)別方法,其特征在于所述利用神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系完成對(duì)燃料的分類識(shí)別,以待識(shí)別燃料火焰自由基的輻射圖像所提取的特征值作為網(wǎng)絡(luò)的輸入,以神經(jīng)網(wǎng)絡(luò)的輸出與已知燃料種類之間的對(duì)應(yīng)關(guān)系來對(duì)燃料的分類進(jìn)行識(shí)別,若可以判別,則確定所用燃料種類;若無法判別,則判斷所用燃料屬于未知燃料,且保存數(shù)據(jù),作為樣本重新訓(xùn)練神經(jīng)網(wǎng)絡(luò),更新網(wǎng)絡(luò)權(quán)值并存儲(chǔ)到網(wǎng)絡(luò)權(quán)值矩陣中,增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力。
全文摘要
本發(fā)明公開了屬于燃料種類在線識(shí)別技術(shù)范圍的一種基于火焰自由基的燃料種類的在線識(shí)別方法。在各種燃燒條件下,通過物鏡、分光鏡、反射鏡、濾光器、目鏡和電子倍增EMCCD相機(jī)采集已知燃料燃燒火焰中四個(gè)自由基OH*、CN*、CH*和C2*輻射圖像,提取其特征值,建立基于神經(jīng)網(wǎng)絡(luò)的燃料種類識(shí)別;將所得到特征值輸入到已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入層中,若神經(jīng)網(wǎng)絡(luò)輸出為未知燃料,則保存該組特征值,將其作為新的樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)獲取新知識(shí),并存儲(chǔ)到神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣中,增強(qiáng)網(wǎng)絡(luò)的識(shí)別能力;神經(jīng)網(wǎng)絡(luò)模式識(shí)別魯棒性好,且可在線訓(xùn)練神經(jīng)網(wǎng)絡(luò),更新權(quán)值,儲(chǔ)備新的燃料知識(shí),實(shí)現(xiàn)燃料種類識(shí)別的自動(dòng)完善和更新。
文檔編號(hào)G01N21/00GK102323213SQ201110244469
公開日2012年1月18日 申請(qǐng)日期2011年8月25日 優(yōu)先權(quán)日2011年8月25日
發(fā)明者盧鋼, 李新利, 閆勇 申請(qǐng)人:華北電力大學(xué)