高武[1]2008年在《锅炉火焰检测算法研究》文中进行了进一步梳理随着我国工业的迅猛发展,电力等大型企业中用到的锅炉的炉膛安全成为越来越备受大家重视的问题。当锅炉内由于燃烧不稳定或操作不当等原因导致全部或部分煤粉燃烧器熄火时,如果继续向燃烧器供煤粉,将会因为煤粉在炉膛内的堆积而导致爆燃现象发生,严重威胁炉膛设备的安全和寿命。因此,锅炉设备的安全运行,关乎巨大的财产和生命安全,是各个相关企业极其关注的问题。目前我国电力行业的主力机组等大型设备的锅炉基本上都采用四角切圆煤粉燃烧方式,所以不仅需检测全炉膛火焰,还需检测单个燃烧器燃烧情况。本文在基于数字图像处理的锅炉火焰检测方法基础上,分析了已有的典型锅炉火焰检测算法,用南昌国电龙源燃烧测控技术有限公司提供的锅炉煤粉燃烧器燃烧火焰资料进行了试验,以实际数据得出现有算法的优点与不足。然后提出了帧差法,将其对煤粉燃烧器火焰图像和燃油燃烧器火焰图像进行试验,发现这一算法实现较简单,而且适用于检测煤粉和油两种燃烧器火焰状态;其次分析了聚类的相关理论,提出了基于模糊C均值聚类的火焰检测算法,用煤粉燃烧火焰资料对该火检算法进行了试验,结果证明该算法简单易行,能有效地检测出煤粉燃烧器火焰燃烧状态;最后在简单介绍BP神经网络理论后,提出了基于神经网络的锅炉火焰检测算法,详细讲解了算法原理后,给出了神经网络的详细训练过程及代码,用已有的火焰资料对该算法进行了试验,结果表明基于神经网络的锅炉火焰检测算法非常准确,能有效检测煤粉燃烧器火焰燃烧状态。简单介绍了本人所参与的项目基于DSP的锅炉火焰检测系统的硬件系统原理,讲述整个DSP检测模块的软件流程图。在软件实现方面,本文在MicrosoftWindows XP操作系统平台上采用Visual C++ 6.0开发工具,用C/C++语言实现了所论述的算法,使用Code Composer Studio(6000)开发DSP底层程序。
税淼[2]2014年在《基于数字图像处理的炉膛火焰检测算法研究》文中指出我国是一个能源消耗大国,其中化石燃料的消耗日益增大,节能减排的压力越来越大,同时为了保障电站锅炉和工业炉窑的安全经济运行,必须对炉内燃烧进行全方位的实时检测。运用先进的检测和控制技术提高锅炉和炉窑运行的安全性和经济性,降低污染物的排放,显示出广阔的应用前景。因此功能齐全、性能可靠的炉膛安全监测系统(FSSS Furnace Safeguard Supervisory Systems)应运而生,FSSS系统是现代大型火电机组必须具备的监控系统之一,该系统的主要功能在于连续地检测炉内火焰燃烧信息,并根据燃烧信息进行判断燃烧器是否正常工作,发出控制指令,组织合理的燃烧,在发生故障时停止燃料供应甚至发出停炉指令,保障锅炉的安全经济运行。对于整个FSSS系统而言,能否成功达到生产需要,很大程序上取决于火焰检测器能否快速准确的提取炉内燃烧的特征值,而炉膛火焰检测算法是根本,是准确的提取炉内燃烧的特征值的关键。基于四川省教育厅重点项目——《炉膛火焰检测算法研究》(项目号：10ZB111),系统研究了炉膛火焰检测的各种算法,提出了改进性的双色法测量温度场,从本质上提高了火焰检测的准确度。对传统火焰检测技术进行了研究,对其缺陷进行了深入分析,找出其缺陷的根源。在此基础上,针对火焰图像的动态特性和其他各种噪声干扰,采用一些简单的算法(灰度转换、图像平滑、伪彩色处理等)对火焰图像进行预处理。然后,描述针对单燃烧器火焰图像的检测算法,包括火焰边缘提取、火焰轮廓的提取、二值化处理以及火焰评价指数等,设计合理可行的算法提取出火焰图像中的燃烧信息。最后,运用Wien定理,改进原有算法,通过基于CCD摄像机的双色法测量温度场,重建了炉膛温度场分布。并且通过MATLAB软件对图像进行了模拟处理,得到了满意的结果。
甄成刚[3]2004年在《基于图像处理技术的炉膛火焰检测方法研究》文中研究说明对大型燃煤锅炉而言,监控炉内悬浮燃烧状态对锅炉的可靠性、安全性和经济性非常重要。煤粉锅炉的燃烧过程是一种非常复杂的悬浮燃烧,它的工况是极不稳定,锅炉燃烧的安全性主要取决于火焰的稳定性。为了避免锅炉爆炸事件的发生,炉内煤粉必须充分燃烧。如果燃烧不稳定,炉内温度场不均匀,容易出现可怕的后果,同时锅炉的热效率极大地降低。因此,炉内的温度场对判断炉膛的燃烧状态,调整锅炉的运行参数非常重要。为了提高燃烧过程的判断、预测及故障诊断能力,本课题重点研究了炉膛火焰的图像处理技术,使运行人员得到更加清晰的图像。虽然二维温度场不能很好地反映炉膛空间沿高度方向的温度变化,但能反映火焰在二维空间的分布特征,如果摄像头安装位置恰当,可以提供火焰燃烧情况等重要信息。根据图像获得的温度场给运行人员提供一个温度参考,进而指导燃烧操作。对电厂的安全运行和燃烧诊断具有重要的意义。本课题给出了比色测温算法的原理及误差分析,并给出了具体实现方法。本文根据噪声理论,分析了图像噪声的来源。全炉膛火焰的燃烧过程伴随着大量动态的随机噪声,这些噪声信号必须消除。中值滤波是非线性的信号处理技术,能有效地消除图像中的噪声信号,但是有一个明显的缺点,即必须对像素值进行排序,计算机处理时间慢。为了节省时间,本文根据全炉膛火焰的特点,设计了快速中值滤波,直接得出中值,无需排序,使滤波效率提高数十倍。为了获得丰富、清晰的火焰图像,本文提出了运用图像处理技术对其进行灰度变换、伪彩色显示技术。由于传统的图像分割技术大多基于灰度的梯度,而全炉膛火焰的灰度变化不明显,采用传统的方法不能取得满意的效果。在分析现有图像分割技术的基础上,本文采用遗传算法处理图像分割问题,把遗传算法应用于分裂合并图像分割方法,涉及到染色体编码、遗传操作设计和个体的适应度评价等问题,取得了满意的效果。对燃烧器图像,本文以梯度算子为基础,通过对样本图像的学习,利用神经网络对模板参数进行训练,从而得到最优的梯度算子,试验结果表明,本文方法可以使图像边缘检测的效果得到明显的改善。在分析现有燃烧诊断技术的基础上,本文提出了基于BP神经网络进行火焰燃烧状态的评测技术。神经网络的输入变量为表征火焰图像的燃烧参数,本文给出了这些参数的定义即其求解算法。燃烧状态指数,一个0.0-1.0之间的数据,越大代表燃烧状态越好;反之,越小代表燃烧状态差。把输出值按划定叁种状态,熄火、燃烧不正常、燃烧正常,可以准确的预测到实际的燃烧状态。
谭亚鹏[4]2016年在《炉膛火焰图像增强及其边缘检测算法》文中研究指明随着火力发电机组装机容量的不断扩大,其炉膛结构及其环境的复杂程度不断增强,对实时、高效的炉膛燃烧状况监控系统提出了更高的要求。为了提高煤粉燃烧经济性,减少污染物的排放,并能有效地预防炉膛燃烧不安全事故的发生,本文以火力发电厂燃煤炉膛火焰图像为研究对象,以提高炉膛火焰图像处理算法有效性和速度为目的,在已有的炉膛火焰图像处理算法的研究成果基础上,对炉膛火焰处理的叁个关键技术(去噪、增强、边缘检测)进行比较详实的研究。首先,为了保持炉膛火焰图像细节信息的同时,提高去噪算法运算速度,提出了基于双树复小波变换(DTCWT)与隐马尔可夫树(HMT)模型相结合的炉膛火焰图像去噪算法。该算法的HMT模型的参数由独立混合模型的EM算法进行估测。由于双树复小波变换具有近似平移不变性和优良的方向选择性,与HMT高斯混合模型共同对小波系数关联建模,具有模型精准的优势,且隐马尔可夫树HMT模型能精确描述系数不同尺度间的传递特性,所以本文去噪算法效果优势明显,去噪后的信噪比得到较大提高。Matlab仿真结果表明,本文去噪算法能在较好地保持炉膛火焰图像边缘以及细节信息的同时,能够较好地抑制噪声,大大提高了去噪算法运算速度。其次,为了有效地提高炉膛火焰图像的亮度和与炉膛背景的对比度,提出了一种改进的自适应多尺度Retinex炉膛火焰图像增强算法。该算法采用引导滤波器对炉膛火焰图像进行平滑滤波,从而较好地获得火焰图像的照度图像,在时域下采用减法运算获取火焰图像的反射分量,并对反射分量进行颜色恢复校正,避免炉膛火焰颜色失真。采用迭代计算更新阈值,求解出错分概率最小的阈值,从而实现自适应最优阈值分割,从而能消除炉膛火焰图像可能出现的整体暗淡、局部区域细节不够等问题。Matlab仿真结果表明,该自适应多尺度Retinex炉膛火焰图像增强算法能有效地增强炉膛火焰图像,提高了火焰图像的亮度和与炉膛背景的对比度。最后,为了能有效地提取出炉膛火焰图像边缘信息,克服传统Canny边缘检测算法的自适应性差的缺陷,本文在传统Canny算子的研究基础上,提出一种基于直方图凹度分析的灰度图像分割算法。阈值的选取是图像分割的关键,该算法将直方图凹度分析运用到双阈值Th、Ti的选取当中。Matlab仿真结果表明,该算法能有效的检测出炉膛火焰图像的边缘,与传统Canny边缘检测算法相比,该算法更能凸现炉膛火焰图像的边缘,且炉膛火焰形状能有效地得到复原。
孙永超[5]2009年在《基于数字图像处理的炉膛火焰燃烧诊断系统》文中认为随着电站机组容量不断扩大,对机组的安全经济运行要求越来越高,而准确、可靠地监测炉膛火焰,是防止炉膛爆炸、确保锅炉安全运行的重要手段。针对传统的火焰技术检测功能单一、检测效果不理想、检测结果不准确等缺点,本文研究设计了基于数字图像处理的火焰燃烧诊断系统,实时、准确、动态的监测炉膛火焰燃烧状况。本文总结了国内外炉膛火焰燃烧检测技术发展的现状,深入研究了现代计算机技术、数字图像处理技术与燃烧学等相关学科,详细阐述了基于数字图像处理的火焰燃烧诊断系统的原理、方法以及具体实现。本文采用彩色CCD摄像机作为传感元件,通过图像采集卡将数字图像输入计算机,并实现了对图片各种参数的设置;基于数字图像处理技术实现了火焰图像的增强、消噪以及边缘处理;基于炉内辐射理论,计算了辐射能大小;基于双色法理论实现了火焰二维温度场的建立,同时进行了理论误差分析和CCD颜色补偿;采用Visual Studio 2005中C#2005开发工具,开发出炉膛火焰监控软件,较好的满足了系统要求。基于数字图像处理的火焰燃烧诊断系统克服了传统火焰检测系统的缺陷,能有效地预防事故的发生、保障炉膛的安全运行,同时提高机组运行效率。
陈荣保[6]2009年在《基于视觉融合的监控机理及其在锅炉燃烧中的应用研究》文中进行了进一步梳理电力系统是国家建设的保障体系,在以可持续发展的各项发电技术中,煤电充当着发电行业的主要角色。燃煤发电技术从能耗角度分析,低能耗零排放和等量煤耗下的高发电效率,使亚临界机组不断地被超临界机组和超超临界机组所替代。但从发电工艺角度分析,都是燃煤发电。燃煤发电包括了给粉环节、燃烧环节、发电环节和辅助环节,整个发电过程是一个大容量、大滞后、非线性的理化特性型工艺参数的多能量转换过程,由电厂分散控制系统(DCS)实时过程监控。电厂DCS在电厂生产中发挥着重要作用,是电厂生产普遍选用的监控系统。但在DCS对电厂的监控过程中,控制策略的依据并非来自于发电过程中最重要的工艺对象——炉膛火焰,而是间接测量与之相关的延伸参数,如主汽温度、主汽压力等。事实上,炉膛火焰关联着所有工艺参数,关联着发电过程的各个环节和生产的安全、稳定和可靠。针对炉膛火焰的研究及其对炉膛火焰的燃烧监控,涉及到热动力学、燃烧学、图型学、信号处理、控制科学与技术等多学科领域,而且对发电本身也具有直接正向效应。对大型燃煤锅炉而言,炉内悬浮燃烧状态的火焰,是一种非常复杂的悬浮燃烧,它的工况是不稳定的。锅炉燃烧的安全性取决于火焰燃烧的稳定性,如果燃烧不稳定,炉内温度场不均匀,容易出现重大事故。因此开展炉膛火焰的研究具有重要的学术意义和显着的应用价值。炉膛火焰的信号获取是基于CCD传感器的二维视频信号,本文在了解和掌握图像处理方法,分析炉膛火焰的基本信息和图像预处理算法的基础上,运用图像处理技术对炉膛火焰展开全面的特性研究,并基于研究结果探索了对炉膛火焰的诊断技术和实时监控方法,具体开展了以下研究工作:(1)分析炉膛火焰图像的噪声和抑制技术,采取算术平均滤波和中值滤波算法有效实现图像去噪;研究了炉膛火焰图像的灰度特征、温度特征和相关的煤粉特性;全面研究炉膛火焰的温度和温度场测量技术,提出了基于景深温度场的误差修正方法;划分了火焰特征区域,确定了区域边缘特征及其特征区域所呈现的各个图型特征,全面研究了基于炉膛火焰特征的主要诊断技术,通过对比分析得出特征区温差、火焰平均温度、高温面积率、高温区圆度率和火焰质心偏移率等的实时数值有助于炉膛火焰的监控。(2)研究了火焰探测技术及其控制。全面研究炉膛火焰的图像处理算法,为控制策略提供有效的、准确的特征数值;研究了炉膛火焰燃烧控制的策略方法,包括控制对象模型识别、控制策略及其实现,提出了将基于二维图像的火焰特征、聚类特征和基于时基的火焰探测器燃烧状态进行融合,以此共同决策炉膛火焰的实时控制方法。(3)总结了炉膛火焰图像的操作、预处理、转换、处理技术、特征计算、策略研究和温度—色彩变换、伪彩色显示技术等,设计了炉膛火焰图像信息平台。基于图像采集和图像处理、计算、判断和控制,研制了实时监控DCS和底层的炉膛火焰测控基站,能完成无线图像传送功能并确保传送的实时性。采用本文技术构成的DCS能满足基于炉膛火焰的实时控制需求,使电厂生产更加安全、稳定和可靠。
任鑫[7]2003年在《基于数字图象处理技术的炉膛火焰检测系统的研究》文中研究指明锅炉燃烧系统的工作状况直接影响电厂运行的安全性和经济性，为了及时准确的检测炉内燃烧工况，防止在变负荷、煤种变化等不稳定燃烧工况下发生炉膛爆炸事故电站锅炉必须配备可靠的炉膛安全监控系统。本文在研究煤粉燃烧特性和数字图像处理的基础上，完成了用于燃煤锅炉的图像火焰检测系统的软、硬件整体设计，并用Visual C++ 6.0为开发工具编写了系统软件，实现了图像分析处理、温度场分析显示和火焰检测等功能。此外，还提出了应用数字图像处理监控NOX生成的初步方案。
韩永锋[8]2014年在《基于图像处理的锅炉燃烧状态智能监控研究》文中进行了进一步梳理当前工业锅炉的装机容量和控制复杂度都在不断地增加,这就给锅炉的安全经济运行提出了更高的要求,而基于火焰图像的锅炉燃烧状态实时监测,克服了传统火焰监测存在的检测实时性差、功能单一、可靠性不高、识别率低等不足,对于提升工业锅炉的控制品质和保障锅炉生产的安全,燃烧的经济性和环保性有重要意义。目前的工业锅炉监控系统多用火焰图像进行实时监视,没有考虑火焰本身的燃烧特征信息,因此本课题基于火焰图像进行锅炉燃烧状态的智能监控研究,通过引入人工智能算法实现了锅炉燃烧状态的实时、准确和智能化监测。本课题以提高火焰图像处理的准确度和算法处理速度,提升工业锅炉控制的品质为目的,以工业锅炉中最复杂的煤粉锅炉为研究对象,研究的内容对于燃油和燃气工业锅炉同样有意义,主要进行了以下几个方面内容的研究。(1)本课题提出了基于单燃烧器的火焰监测和全炉膛火焰监视于一体的火焰图像采集系统,并对火焰采集的硬件和采集可靠性进行了改进。提出了基于HSI彩色空间的火焰图像处理系统,分析了火焰图像的去噪声、图像增强、火焰分割和伪彩色处理算法。在火焰图像噪声处理方面提出了基于邻域相关的快速自适应中值滤波算法,该算法在有效降噪的同时能够很好的保留火焰图像的边缘细节信息,在火焰图像分割方面提出了基于最大类间方差算法的火焰图像粗分割,以及基于C-V主动轮廓模型算法的火焰图像细分割,通过实验实现了对火焰图像的快速准确分割。(2)本课题首先分析了表征火焰燃烧状态的特征量,提出了火焰图像特征量提取的算法,在对特征量相关性和诊断可靠性分析的基础上选择提取了六个特征量数据。应用BP神经网络模型构建了本课题的锅炉燃烧状态诊断模型,并利用提取的多幅火焰图像的六组特征量数据进行验证实验,仿真结果表明本文的算法具有较高的识别精度。(3)本课题基于LavVIEW软件平台设计了锅炉燃烧状态智能监控用户软件,实现了锅炉智能监控、燃烧诊断监测、锅炉参量设定以及燃烧参量实时显示等功能,最后对采集的火焰图像特征数据进行了仿真实验。
邱化海[9]2013年在《基于ARM的炉膛火焰图像处理系统的开发》文中研究指明电站锅炉燃烧的稳定性及燃烧效率所带来的经济性一直是热能工程领域的一个重要课题，处理燃烧问题的一个切入点就是研究炉膛内煤粉的燃烧情况。锅炉炉膛内煤粉的燃烧是一个在大空间内发生的具有剧烈性、复杂性等的化学反应，研究开发行之有效的炉膛火焰检测与分析系统用于辅助FSSS炉膛安全监控系统，对优化锅炉运行状态具有十分重要的意义。论文将四角布置切圆燃烧方式的直流煤粉燃烧器通过一定气流结构将煤粉迅速、稳定的喷入炉膛内部并且完全燃烧的火焰作为研究对象，以处理单支直流煤粉燃烧器形成的燃烧火焰的ARM(Advanced RISC Machines)炉膛火焰图像处理系统作为一个最小基本单元，以每一层中通过数据线相连的ARM炉膛火焰处理系统为一个基本组，立体实现整个锅炉所有直流燃烧器火焰图像的处理。每一个ARM炉膛火焰图像处理系统都与FSSS炉膛安全监控系统进行数据通信，对炉膛内的所有火焰图像信息实现共享。ARM炉膛火焰图像处理系统首先通过CCD摄像头获取该支燃烧器的燃烧火焰图像，利用ARM系统硬件的可靠性，软件的灵活性，对火焰图像进行预处理，分析在没有噪声干扰下的图像的形态和特征，提取火焰的温度参数、火焰图像平均灰度值、平均灰度方差、火焰有效面积、有效面积方差、质心偏移距离、质心偏移距离方差等几何特征参数，使之构成锅炉燃烧诊断系统的输入。基于ARM的炉膛火焰图像处理系统最终目的是在BP燃烧工况诊断神经网络算法的作用下实现对当前直流煤粉燃烧器所形成的煤粉着火、稳定燃烧、燃烧异常、熄火四种燃烧特征状态的燃烧判断，将结果送至FSSS炉膛安全监控系统或者计算机，承担起炉膛安全监控系统部分工作，以达到对锅炉燃烧优化的目的。
张生富[10]2005年在《高炉风口回旋区辐射图像温度场的数字化研究》文中指出高炉回旋区火焰燃烧状态对炼铁生产过程起着十分重要的作用,然而高炉的高温高压性,复杂反应性,喷煤环境的恶劣性以及风口窥孔小等因素都导致对其测温和观察的困难。本文针对当前高炉风口回旋区直接测温的不连续性及非直接测温的不准确性,利用当前高速发展和趋于成熟的数字图像处理技术进行了高炉风口回旋区燃烧火焰图像摄取及其温度场建立的研究。 首先,分析了高炉回旋区焦炭燃烧状态及燃烧火焰的特征,构建了燃烧火焰图像处理系统。并对CCD的成像原理以及色度学、光度学原理进行了分析讨论,最后总结出火焰图像的数字化成像原理。 其次,考虑到摄取火焰图像较原始图像存在一定程度的降质和失真,从而建立了图像降质模型,依据该模型对摄取火焰图像实现了变换、增强和恢复处理,使处理后火焰图像能够最大程度地达到原始图像的特征。 最后,研究了火焰图像的双色测温算法,并从其产生误差的因素着手,在理论上加以校正。将该测温算法应用于实验室煤气燃烧实验台和某钢铁企业高炉回旋区燃烧火焰温度场的建立研究中,文中给出了实际温度和计算温度的误差以及煤气火焰图像和回旋区火焰图像的温度场。 实验室研究和工业性实验结果表明:该监测系统摄取火焰图像层次分明,其温度场能够比较准确地反映出真实的火焰温度以及随着工况的变化火焰信息发生的相应变化,从而实现了高炉风口回旋区燃烧状况的监测,给高炉操作者提供直接观察高炉内部燃烧状态的条件,为喷煤高炉稳定、顺行和强化冶炼,提高高炉生产效率和自动化水平,降低高炉操作者的劳动强度奠定良好的基础。
参考文献：
[1]. 锅炉火焰检测算法研究[D]. 高武. 南昌大学. 2008
[2]. 基于数字图像处理的炉膛火焰检测算法研究[D]. 税淼. 西南石油大学. 2014
[3]. 基于图像处理技术的炉膛火焰检测方法研究[D]. 甄成刚. 华北电力大学（河北）. 2004
[4]. 炉膛火焰图像增强及其边缘检测算法[D]. 谭亚鹏. 吉首大学. 2016
[5]. 基于数字图像处理的炉膛火焰燃烧诊断系统[D]. 孙永超. 北京交通大学. 2009
[6]. 基于视觉融合的监控机理及其在锅炉燃烧中的应用研究[D]. 陈荣保. 上海大学. 2009
[7]. 基于数字图象处理技术的炉膛火焰检测系统的研究[D]. 任鑫. 华北电力大学（北京）. 2003
[8]. 基于图像处理的锅炉燃烧状态智能监控研究[D]. 韩永锋. 安徽理工大学. 2014
[9]. 基于ARM的炉膛火焰图像处理系统的开发[D]. 邱化海. 长沙理工大学. 2013
[10]. 高炉风口回旋区辐射图像温度场的数字化研究[D]. 张生富. 重庆大学. 2005
标签：自动化技术论文; 煤粉燃烧器论文; 数字图像处理论文; 火焰传感器论文; 火焰温度论文; 图像融合论文; 高炉炼铁论文; 算法论文;