足球比分直播

基于辐射光谱法的火焰燃烧稳定性检测分析.pdf

返回
基于辐射光谱法的火焰燃烧稳定性检测分析.pdf_第1页
第1页 / 共52页
基于辐射光谱法的火焰燃烧稳定性检测分析.pdf_第2页
第2页 / 共52页
基于辐射光谱法的火焰燃烧稳定性检测分析.pdf_第3页
第3页 / 共52页
基于辐射光谱法的火焰燃烧稳定性检测分析.pdf_第4页
第4页 / 共52页
基于辐射光谱法的火焰燃烧稳定性检测分析.pdf_第5页
第5页 / 共52页
点击查看更多>>
资源描述:
华北电力大学硕士学位论文摘要火焰燃烧是一个复杂的物理化学过程,很难对其燃烧稳定性进行准确评判。本文通过对燃烧火焰特性的分析,从光谱辐射信号处理的角度研究燃烧火焰稳定性问题。采用成本较低的火焰检测装置,设计了一套火焰燃烧在线监测系统,系统具有在线采集、显示以及稳定性分析等功能。通过多工况的监测获得训练所需的数据,在小波分析对数据进行前期降噪处理基础上,采用快速傅里叶变换和高阶统计量的方法将时域信号转变到频域及相位域信号,然后分别从时域、频域以及相位域分析火焰辐射特征信息,并定性给出反映其燃烧稳定性的特征参数的数学表达式。在火焰辐射信号特征参数提取的基础上,研究了马氏距离识别、BP神经网络以及最小二乘支持向量机三种模式识别的方法在火焰燃烧稳定性检测上的应用,并分析、比较其稳定性识别结果以及讨论了三种算法的性能特点。通过对各种实验工况的实例分析,获得的结果表明,三种方法都能有效识别燃烧火焰稳定性,识别率都达到90%以上。但是对于非线性、小样本下的火焰燃烧辐射信号,最小二乘支持向量机具有更加明显的优势,其采用核函数将非线性分类问题转化为高维下的线性分类问题,泛化能力以及算法性能比BP神经网络要好,而马氏距离作为聚类分析的一种,属于线性分析方法,对于非线性的火焰辐射信号分类效果没有BP神经网络和最小二乘支持向量机理想。因此对于火焰辐射信号,采用最小二乘支持向量机获得的燃烧火焰稳定性识别结果最好,其可以被有效地用于揭示火焰燃烧稳定状况,为电站运行人员评判火焰燃烧稳定性能提供可靠的参考信息。关键词光谱辐射,火焰稳定性,火焰检测,马氏距离,BP神经网络,最小二乘支持向量机华北电力大学硕士学位论文AbstractFlame combustion was a complex process of physics and chemistry,which mi曲tbe hard to be uated accurately.By the analysis of flame combustioncharacteristics,the paper studied problem of flame stability from the signal processingpoint of view.An online detecting system for flame combustion was designed usinginexpensive equipment,which had the functions of acquiring and showing data online,and analyzing the flame stability etc.111e Fast Fourier Trans and High-orderstatistics were used to change the signal from time domain to frequency and phasedomain on the basis of noise reduction by wavelet analysis,and data for trainingcould be obtained from different combustion conditions.Then the flame inationwas analyzed from time,frequency and Base domain,and expressions of featureparameters were made qualitatively.Based on the extracted features,application of three model recognition sfor flame combustion stability which are the Mahalanobis distance,BP neuralnetwork and least squares support vector machineLSSVM,is studied.Therecognition results are analyzed and compared with each other and the properties ofthe algorithm are discussed.By the analysis of instance from experimental conditions,the results obtained show that the three s can all recognize the flame stability,with the recognition reaching up to 90%.But for nonlinear and small sampleproblems of flame signal,the LSSVM has more advantages for its generalizationcapability and algorithm properties by using kernel function to change the nonlinearproblems of classification to linear problems in the hi曲dimension,compared withthe BP neural network.However,the Mahalanobis distance as one of cluster analysiss is a linear analysis and the classified results cannot be as good as theLSSVM and BP neural network.So the effect got from the LSSVM must be the bestfor nonlinear flame radiation signal and it Can be used to reveal flame combustionconditions to provide more reliable reference ination for field operators ofplants.KeywordsSpectral radiation,flame stability,flame detection,Mahalanobis distance,BP neul al network,LSSVM华北电力大学硕士学位论文目录摘 要IAbstract................II第l章引言.11.1研究课题背景.11.2辐射光能火焰检测技术概述..11。2.1紫外线检测法..21.2.2可见光检测法21.2.3红外线检测法。31.2.4多波段检测法31.2.5相关火焰检测法。41.3国内外应用与研究现状.41.4辐射光能火焰检测技术局限性.51.5本文的主要研究内容.51.6论文章节安排..5第2章燃烧火焰特性及检测系统研究.62.1燃烧火焰的特性分析.62.1.1光强特性分析62.1.2频率特性分析62.1.3光谱特性分析..62.2火焰检测硬件系统.72.2.1实验燃烧系统。82.2.2光电转换系统..82.2.3数据采集卡92.3火焰检测软件系统.92.3.1 Visual C前台开发环境102.3.2 MATCOM简介102.3.3火焰检测系统设计102.3本章小结1 6第3章火焰辐射信号特征量提取方法17华北电力大学硬士学位论文3.1时域特征量提取173.2频域特征量提取l 83.2.1快速傅里叶变换算法..183.2.2火焰特征量提取..193.3相位域特征量提取203.3.1高阶谱的定义.203.3.2火焰辐射信号相位提取213.4本章小结21第4章实验工况对信号特征量的影响研究224.1实验设计.224.2小波降噪224.3燃气量对信号特征量的影响234.4一次风量对信号特征量的影响254,5本章小结27第5章火焰燃烧稳定性检测方法研究285.1实验设计285.2主成分分析方法295.2。1主成分分析理论295.2.2主成分分析步骤..305.2.3火焰信号主成分分析....3 15.3马氏距离判别在火焰检测上的应用325.3.1马氏距离判别原理325.3.2判别火焰稳定性345.4 BP神经网络在火焰检测上的应用..355.4.1 BP神经网络原理355.4.2判别火焰稳定性.365.5最小二乘支持向量机在火焰检测上的应用385.5.1支持向量机原理385.5.2火焰稳定性识别4l5.6三种方法的识别结果及算法比较42IV华北电力大学硕士学位论文5.6.1马氏距离判别425.6.2 BP神经网络435.6.3最小二乘支持向量机435。7本章小结44第6章全文总结与今后工作展望456.1本文主要研究内容456.2本文的创新点.456.3工作展望46参考文献.47攻读硕士学位期间主要成果.50致谢。5lV华北电力大学硕士学位论文1.1研究课题背景第1章引言根据统计【11,2011年我国火力发电量38975亿千瓦时,占全国发电量的82.54%,因此,火力发电机组在我国电力工业中仍然占据主导作用,肩负着我国电力生产的重任。如何保证火力发电机组安全、高效生产,并尽可能低地减少污染物排放,是火力发电机组急需解决的重要问题。锅炉炉膛燃烧的好坏直接决定了火力发电机组的效益。然而燃烧是一种伴随有强烈发光、放热的物理化学反应,燃烧火焰是燃烧状态的最直接反映,因此研究燃烧火焰稳定性就显得意义重大,在锅炉低负荷工况时,燃烧稳定性往往会变差。如果调整不当,很容易造成部分或全部煤粉锅炉的燃烧器发生故障,使得锅炉的燃烧效率以及热效率减小,同时严重情况下会导致锅炉发生爆炸等严重事故【2J。如何才能及时地了解锅炉炉膛内火焰燃烧情况,并对当前燃烧状况进行综合评估,进而及时调整燃烧工况,是保证火力发电机组安全、高效生产的关键。相对于电厂中三大主机而言,对锅炉炉膛的燃烧监测是比较薄弱的环节,传统火焰检测器适应性差、精度不高、功能单一,不能满足现代大型火电站的需求,因此我们研究的主要方向是通过研发的燃烧火焰在线监测系统获得火焰数字信号,结合现代模式识别方法来实现火焰燃烧的准确识别,这样做的目的是给电厂人员提供更加丰富准确的信息,方便其优化燃烧调整。燃烧火焰稳定性识别,是指采用准确有效的途径取得可以反映火焰燃烧特点的信息,包括发光、声音、图像等,经过数学方法归纳总结后,得到能够准确代表燃烧状况的特征量,然后运用一定的数学方法,比如模式识别等,对提取的特征量进行分析处理,最终获得火焰燃烧稳定性结果【31。光本身是辐射的一种表现形式,本文就是采用燃烧火焰会对外辐射能量的这一特性研究燃烧火焰的特点,并引入模式识别的手段对燃烧稳定性进行智能诊断。1.2辐射光能火焰检测技术概述现役的炉膛安全监控系统是否可靠,很大程度上取决于其中的火焰检测系统的可靠性,许多专家都对其进行了深入的研究。现代火焰检测技术可分为直接式和间接式。直接式火焰检测技术包括温度法、电极法和差压法等,这些方法比较常用且原理简单,可靠性欠佳,对现场噪音很敏感,同时由于火检的参数难于调整,极大地限制了其发展,目前采用最多的是间接式检测技术【4‘7】。该项技术不是对火焰直接进行检测,而是通过其他特征信息来反映,本文阐述的辐射光能火华北电力大学硕士学位论文焰检测技术就是通过火焰辐射的信号进行火焰检测,他是目前比较有效的手段。火焰燃烧时会发光发热,光和热是火焰辐射的结果,辐射光能火焰检测技术就是利用该原理工作的。火焰燃烧时光辐射的强度是波动的,在燃烧的初始阶段和熄灭阶段,火焰辐射强度会在某一个数值范围内变化,而燃烧过程中最复杂多变的阶段是火焰燃烧的着火阶段。其中,燃料的特性以及燃烧条件的变化,比如负荷变动、风然比变化、燃烧流场的改变,都会对火焰燃烧辐射以及火焰频率产生影响。一般火焰辐射能中比较稳定的部分代表火焰的亮度,不稳定的部分则反映火焰辐射的脉动,代表闪烁频率,辐射光能火焰检测技术往往把这两项结合起来用于识别燃烧稳定性,以及判别燃烧器火焰与背景火焰,这样可以提高检测的精度和可靠性。故辐射式火焰检测方法基本上是基于辐射强度和辐射频率两个特征物理量来对火焰进行识别。火焰燃烧时对外辐射的光谱有紫外线、可见光和红外线,涉及的范围比较宽,因此对应出现的检测技术原理也不一样,同时不同的燃料种类,其辐射光谱集中的范围也不一样,因此使用的检测方法也不尽相同。根据燃烧辐射的热辐射特性对现存的辐射式火焰检测方法分别进行介绍1.2.1紫外线检测法通过获取火焰辐射出的紫外线来进行火焰燃烧的检测,在火焰光谱范围里紫外线的区间比较小,大概只有200hm到300nrn之间,而且不同燃料的紫外线范围区间也不一样,对于燃气及燃油,其火焰的紫外区相对于可见光区范围要小很多,最大的紫外线辐射强度发生在初始燃烧阶段,避免了和相邻的燃烧器火焰紫外线信号发生重叠。因此,相对来说燃气和轻油利用紫外线检测技术获得的检测效果会比较理想,因此紫外线检测法在这种燃料的电厂使用较多。燃烧煤粉和燃烧重油的电厂较少使用紫外线检测技术,因为煤粉和重油的紫外线辐射量很小,同时容易被周围物质所吸收,紫外线检测装置很难捕捉到紫外线信号,且煤粉炉中燃烧产生的飞灰和粉尘等会使紫外线强度进一步衰减,是的紫外线检测装置灵敏度以及可靠性降低。紫外线检测装置的探头会发出随机脉冲信号,信号的脉冲率与紫外辐射能量成正比例,且它是紫外线光敏管,对可见光和红外线不敏感IsJ。1.2.2可见光检测法可见光是我们肉眼可以感知的辐射能,利用可见光来检测火焰通常采用两个物理量来衡量,一个是可见光的强度,另一个是可见光的闪烁频率。该检测方法相对于采用单个物理量检测的方法,在可靠性以及准确定上都有明显提高,不仅可以判别火焰的有无,而且在较大范围内使用。同时,在电站中燃烧生成的烟尘对紫外线灯都有吸收作用,而可见光检测器能够过滤掉烟尘,消除其在检测过程华北电力大学坝士学位论文中的。可见光检测器还能够过滤掉高温锅炉炉壁辐射的红外线干扰,对可见光检测装置的可靠性大有帮助。但是,可见光检测技术也存在较大的缺点,那就是受到太阳光以及周围光线的影响比较大,而且在煤粉炉中,考虑到我国电厂煤粉种类以及负荷变动频繁,辐射的可见光在波长范围以及能量大小上都存在较大的变化,可见光检测技术存在比较严重的漏判和错判【9jo]。1.2.3红外线检测法在火焰辐射光谱中,存在量最大的是红外线,红外线光谱范围在900nto以上,同时其他高温物质辐射的能量也比较大。红外线因为其波长比较长,因此能够逃脱水蒸气,或者煤粉锅炉中燃烧生成的粉尘颗粒等的吸收,所以对于燃煤机组以及燃烧重油的机组,采用红外线检测法获得的效果比较理想。目前的红外检测技术都要解决这样一个问题,那就是将锅炉内的高温烟气以及高温炉壁的红外线辐射信号与想要检测的燃烧器火焰辐射信号区分开来,采用的解决方法之一就是根据红外线的强度变化情况来区分,因为锅炉炉膛以及高温烟气的红外辐射信号强度一般都不会发生变化,而燃料在燃烧时由于发生强烈地物理化学反应,以及流场的时常变化,导致燃料燃烧时的光强存在脉动,因此根据此在电路中通过滤波可以检测出有效的火焰辐射红外信号,达到检测火焰的效果【10,11】。但是,红外检测技术通过有效火焰信号的闪烁特性,虽然能够将无用背景信号区分开来,但是也只是能够识别火焰有无的两种基本状态,根本不能满足如今火焰检测要求,因此对于火焰检测急需开发新的火焰燃烧识别方法。1.2.4多波段检测法以上介绍的火焰检测方法中的任何一种都是采用单独的一种辐射能,有紫外的、可见光的以及红外的,可是他们都将自己以外的辐射能外的其余辐射能忽略掉了,这明显不符合现实情况,那样将会损失相当一部分辐射能,因此检测效果可想而知。因此采用常规单辐射火焰检测器遗漏比较多有用信息,会出现火焰燃烧状态的误判。多波段检测法的原理是采用多种不同波段下最好覆盖紫外线、可见光和红外线的火焰检测器,对燃烧火焰进行同时实时检测,把采集到的火焰辐射信息融合到一起来判断火焰状态【12,131。多波段检测法能够使不同波段下的火焰检测器之间相互印证、相互补充,对提高火焰检测的准确性和可靠性大有益处。但其不足之处造成信号的误判。其原因是在同一时间用不同的火焰检测器采集同一信号,造成了光电探头拥挤在一个相对狭小的区域内,并且这些光电探头不可能同时排列在一条直线上,因此在检测区域一定会产生某种程度的位置重叠,这种重叠常常导致检测器检测不到火焰华北电力大学硕士学位论文辐射信号,或者只是检测到很微弱的辐射信号,对检测品质造成比较大的影响。1.2.5相关火焰检测法相关火焰检测法的基本原理是相关检测原理,在英国Land Combustion公司领导下首先开发成功,该方法通过接收火焰辐射信号,弗对信号进行相关分析得到火焰燃烧检测结果【15】。根据相关分析理论,要求获得两组信号值,因此需要在检测区布置两个相同型号的检测器。获得的相关系数大表明火焰存在面相反说明火焰不存在,同时火焰的移动及闪烁跳动也会使相关系数变小。相关火焰检测方法不但能反映火焰有无这两种状态,而且能够捕捉到火焰燃烧位置,在方法理论上比较成功,对于锅炉负荷的变动没有要求,因此适应范围比较广。可是,相关火焰检测技术要求两个检测器性能完全相同,这在实际电厂中,由于加工和设计时误差的存在,那样的火焰检测器是很难达到的,因此这势必会影响相关检测技术的完美发挥,同时,相关火焰检测方法受到安装及运行维护费用高等的限制,因此使用也不是很多。1.3国内外应用与研究现状在60~70年代,使用火焰检测器对锅炉炉膛进行实时检测的方法,在一些工业实力比较发达的国家得到应用,而且取得了一定的成功,但由于当时缺乏对火焰检测器安装位置的研究,致使火焰辐射出的丰富的紫外线信息常常被火焰检测器前面的灰尘颗粒所吸收,导致了火焰监测系统工作不稳定Il每19J。70年代后期,开始出现对红外线型以及可见光型火焰检测器的研发,并在国外一些仪器仪表公司得到重视[18’191。美国CE公司主导开发的火焰检测器,基于可见光的辐射信号并采用光导纤维及光电转换器件等器件对火焰辐射信号的闪烁频率及辐射强度在线实时检测。到了90年代中期之后,国外公司的火焰检测产品达到比较完善的地步,逐步具备了满足电力系统中对火焰检测系统所提出的需求【l扣埔J。其中以美国FORNEY公司及BAILEY公司的火焰检测产品市场占有率最大。其产品已经发展到数字化、智能化、一体化,并具备了独特的学习功能、自检功能,可以很方便地在火焰检测器上对参数进行调整设置。随着我国电力的大踏步前进,我国火力发电厂80年代引入国外的火焰检测系统,并使之成为锅炉控制系统中的必备重要设备之一。90年代初期,随着火焰监测系统的技术引进,国内部分企业逐渐展开了对火焰检测系统的国产化,国内产品在发电厂得到了比较充分的应用。目前,国外公司的火焰检测系统已经完成了火焰检测器和信号处理部分的一体化开发工作,实现了数字化和智能化。而国内在这方面的研究才刚刚起步,在技术水平上与国外产品差距较大。4华北电力大学硕士学位论文1.4辐射光能火焰检测技术局限-I|生上述这些光电辐射型火焰检测技术除了相关检测技术外,其他的检测技术都是根据火焰强度以及闪烁频率来确定燃烧火焰是否存在的,实际效果表明这样的方法存在下面的局限性[20-23】1在锅炉负荷变动较大时,单纯根据火焰的强度阈值以及闪烁频率的阈值识别火焰状态,其适应性不是很好;2除了判断火焰有无之外,不能对火焰燃烧的稳定性做出识别;3火焰检测系统在锅炉内的应用效果不太显著,经常出现误判和误送信号等情况。造成这些情况的原因有多种,比如火焰检测器的安装位置不正确、火焰检测器的调整参数的设置不正确、检测器内部部件存在故障;4锅炉炉膛内由于充满火焰,想要对燃烧器火焰进行区分比较困难,且炉膛炉壁以及高温烟气炉渣等都对辐射信号造成影响,降低准确性5人机接口的调整参数比较单一,参数设定的精度低。1.5本文的主要研究内容针对目前火焰检测系统只能判断火焰“有”、“无”的现状,其在应用中存在很大局限性,无法提供给运行人员更多有用信息。因此,论文研发一套包括软硬件在内的火焰稳定性在线监测系统,在此软件平台上进行多工况实验测试,用于研究火焰燃烧稳定性特性,将获得的数据从时域、频域以及相位域分析火焰辐射信号的特点,提取出反映火焰信号特点的特征信息,然后引入模式识别手段,比较不同方法下,火焰稳定性识别结果。1.6论文章节安排第1章为引言。首先介绍研究课题的背景,对火焰检测技术国内外研究现状进行概述,提出了论文开展的内容及思路,最后交代各章内容的安排情况。第2章介绍火焰特性及火焰检测系统及设备、软件编写和硬件实现。第3章主要介绍火焰辐射信号特征量提取用到的现代数学方法,包括快速傅里叶方法和高阶统计量法。第4章为燃烧工况对信号特征量的影响研究。分析并统计了燃气量和一次风量的逐步改变对火焰特征量的影响,并进一步分析这些特征参数对火焰辐射信号稳定性的影响。第5章介绍了火焰燃烧稳定性检测方法研究。首先采用主成分分析降低火焰信号维数,然后分别研究了三种人工智能手段在火焰燃烧智能诊断上的应用。第6章为全文总结与今后工作展望。
展开阅读全文
收藏
下载资源

加入会员免费下载





足球比分直播