一種基於多元火焰監測器的燃料種類在線判別方法

2023-10-10 00:44:24 2

專利名稱：一種基於多元火焰監測器的燃料種類在線判別方法
一種基於多元火焰監測器的燃料種類在線判別方法
技術領域：
本發明涉及一種燃燒燃料種類的在線識別方法，屬於工業鍋爐燃料辨識技術領域。
背景技術：
由於經濟等因素的限制，工業上通常需要燃燒不同種類的燃料，在燃燒時燃料的種類通常是未知的，也是不可預測的。燃料種類的變化，使得燃燒更加複雜，直接影響燃燒火焰的穩定，導致對燃燒狀況的檢測和控制非常困難，嚴重影響燃燒的效率，所以燃料種類的變化影響著燃燒運行的安全性和經濟性。 本專利所利用的神經網絡技術為人工神經網絡，由大量的節點和之間相互聯接構成，是一種用聯接結構進行信息處理的數學模型。神經網絡能夠通過已知數據的實驗運用來學習和歸納總結，能夠產生一個可以自動識別的系統。 將光電傳感技術與神經網絡技術相結合，可以在線辨識燃燒燃料的種類，但此種方法必須在已知所有燃料的種類，及其燃燒特徵值等條件的前提下，神經網絡經過學習、訓練，才能達到對燃燒的燃料種類判別的目的。但使用神經網絡只能針對已知燃料種類進行識別，當一種新燃料投入燃燒時，也會將新燃料判斷為已知燃料，造成誤判。而利用已知燃料特徵值分布的聯合概率密度模型可以判斷出燃燒燃料是否為新燃料並可以粗略判斷燃料種類。但此方法對燃料之間的特徵區分較大的情況下，才有較高的判別率，當燃料的特徵相互接近情況下，即燃料特徵值之間區分較小的情況下，該方法的誤差較大。因此迫切需要一種能較準確在線識別新燃料及在線判別出已知燃料種類的方法。

發明內容
本發明的目的在於克服已有技術的不足，提供一種基於多元火焰監測器的燃料種類在線判別方法。 利用n&3)個傳感器來探測燃料燃燒火焰在輻射波段內的輻射信號，從輻射信號中提取諸如閃爍頻率、均值、均方根、方差、零交點數、偏斜率、峰態值、熵、形狀因子等作為火焰的特徵值，目的是用這些特徵值來建立已知燃料燃燒特徵值的聯合概率密度判別器和神經網絡模型。將特徵值數據經過數據預處理得到正交化的特徵值，利用這些正交化的特徵值建立每種已知燃料燃燒特徵值分布的聯合概率密度模型判別器和神經網絡模型，即可通過該聯合概率密度判別器來識別燃燒燃料是否為新燃料，通過神經網絡模型來識別燃料的種類。本發明用到的火焰特徵值數據是從火焰輻射信號中在線提取的，因而本發明的方法是在線的。 本發明的一種基於多元火焰監測器的燃料種類在線判別方法，具體如下 本發明公開一種基於多元火焰監測器的燃料種類在線判別方法，燃燒中存在已
知燃料和新燃料，從已知燃料的火焰輻射信號中提取時域和頻域內的特徵值，通過數學變換得到正交化的特徵值；基於正交化特徵值建立已知燃料的特徵值分布的聯合概率密 度模型和神經網絡模型；提取待識別燃料的燃燒火焰輻射信號中的時域和頻域內的特徵 值，經過數學變換後，得到正交化的特徵值並輸入到各種已知燃料的聯合概率密度模型 中進行判斷，如果燃燒中待識別燃料為新燃料，則保存新燃料的火焰輻射的正交化特徵 值，以建立該種新燃料的聯合概率密度模型，並更新神經網絡模型；如果燃燒中待識別 燃料不是新燃料，則通過神經網絡模型判別該燃料的種類。 其中，所述在各種燃燒條件下，利用n^3)個傳感器來接收已知燃料燃燒火焰和 待識別燃料燃燒火焰在其輻射波段的輻射信號。分別提取已知燃料燃燒火焰輻射信號和 待識別燃料燃燒火焰輻射信號在時域和頻域內T個特徵值。利用數據正交化處理對特徵 值數據矩陣進行壓縮，提取L(L < T)個彼此獨立的已知燃料燃燒火焰的正交化特徵值和 L個待識別燃料燃燒火焰的正交化特徵值，得到已知燃料燃燒和待識別燃料燃燒對應的正 交化特徵值矩陣。 其中，所述已知燃料燃燒對應的正交化特徵值矩陣，求出矩陣每一列的均值和 方差，建立該種已知燃料燃燒特徵值分布的聯合概率密度模型。根據實際應用中燃料特 徵值的分布情況設定閾值k作為判斷燃料種類的依據，k越大則把已知燃料判斷為新燃料 的機率越大，k越小則把新燃料判斷為已知燃料的機率越大。聯合概率密度模型與閾值k 構成聯合概率密度判別器。 其中，所述建立已知燃料燃燒火焰正交化特徵值與燃料種類對應的非線性函數 關係，即建立神經網絡模型。模型包括一個隱層和一個輸出層，輸入值為燃燒中燃料的 正交化特徵值；輸出值為燃料所屬的種類。 其中，所述將待識別燃料燃燒的正交化特徵值數據輸入到已知燃料燃燒特徵值 分布的聯合概率密度判別器中，若判斷待識別燃料為新燃料，則將待識別燃料燃燒的正 交化特徵值保存在特定的數據文件中，當各種燃燒條件下的特徵值都得到後，基於這組 特徵值，建立新燃料的燃燒聯合概率密度判別器。建立了聯合概率密度判別器的燃料成 為新的已知燃料。進而，將新的已知燃料與原來的已知燃料的正交化特徵值與燃料種類 相結合更新神經網絡模型；如果待識別燃料為已知燃料，將該燃料的正交化特徵值輸入 到神經網絡模型中，得到待識別燃料的種類。 本發明的有益效果可以避免因鍋爐燃料種類變化頻繁造成的爐內火焰燃燒不 穩定及引起的爐內燃燒控制困難的問題。本發明專利提出了一種基於多元火焰監測器的 燃料種類在線判別方法，可幫助鍋爐運行人員及時調整鍋爐運行參數，從而有效提高鍋 爐的燃燒效率，增強鍋爐運行的安全性和經濟性。與以往利用已知燃料特徵值分布的聯 合概率密度模型的方法和單獨利用神經網絡技術進行燃料種類識別的方法相比，本專利 是一種能更準確地在線識別新燃料及判別已知燃料種類的方法。
說明書附圖


圖1是燃料種類在線判別方法示意圖； 圖2是建立已知燃料燃燒特徵值分布的聯合概率密度判別器和神經網絡模型示 意圖； 圖3是神經網絡模型結構示意圖；具體實施方式
為了使本領域的一般技術人員能夠清楚地理解本發明的技術方案，現對本發明
的具體實施方式
做進一步說明。 具體實施方法 如圖1所示，利用n&3)個光電傳感器得到一種已知燃料燃燒火焰在輻射波段上 的輻射信號，採集M組，構成一信號樣本集{x(m， s)|m=l， 2，…，M; s=l， 2，…， n}。其中M應該選擇使採集的樣本集{x(m， s)}中的信號能覆蓋燃料燃燒的各種條件。 例如可選擇M二 500，即每種燃料採集500組信號。提取火焰在時域和頻域內的特徵值 {c(m， s， t)|m=l， 2，…，M ; s = 1， 2，…，n ; t = 1， 2，…，TK如閃爍頻率，均 值，均方根，方差，零交點數，偏斜率，峰態值，熵，形狀因子等)作為火焰的特徵值， 其中，T的值為提取的特徵值的個數，得到大小為MXT的特徵值數據矩陣d = {d(m， u)|m = 1， 2，…，M ; u = 1， 2，…，T}。 例如T二9，即提取9個特徵值。火焰的特徵值是彼此相關的，需要經過數據 正交化處理，例如採用主成分分析法對特徵值進行正交化數據處理。主成分分析，是一 種簡化數據集的技術，可以把數據變換到一個新的坐標系統(即主成分空間)中，使得任 何數據投影的第一大方差在第一個坐標(稱為第一主成分)上，第二大方差在第二個坐標 (第二主成分)上，依次類推。主成分分析通過保留低階主成分，忽略高階主成分，可以 減少數據的維數，並能同時保持數據對方差的主要貢獻，這樣低階主成分往往能夠保留 原始數據的最重要方差信息。 利用主成分分析把火焰的特徵值變換到主成分空間，每個主成分按照對火焰整 體特徵的貢獻程度降序排列，通過拋棄那些貢獻較小的數據成分，而從每組T個特徵值 中選擇擁有著特徵值主要信息的L(L < T)個主成分數據作為正交化的特徵值數據。L值 可根據實際要求選取，如選擇能代表原始信息98%或99%的主成分的個數1^ = 5，得到 一大小為MXL的正交化特徵值矩陣g = {g(m， l)|m=l，2，…，M ; 1 = 1， 2，…， L}。 階段一、建立已知燃料特徵值分布的聯合概率密度判別器和神經網絡模型，如 圖2所示。 已知燃料的L個正交化特徵值之間彼此獨立，則可根據求出的該種燃料每個正 交化特徵值即矩陣g(m， 1)的每一列數值的均值和方差(iM， o 0(1=1， 2，…，L)，建立 該種已知燃料特徵值分布的聯合概率密度模型，表示為formula see original document page 5 並根據該種燃料的特徵值分布情況設立一個閾值k，作為是否為該種燃料的判斷 依據。其中k應根據實際應用情況確定，k越大則把已知燃料判斷為新燃料的機率越大， k越小則把新燃料判斷為已知燃料的機率越大。例如k的一種選擇方法可以為 1
formula see original document page 5
建立神經網絡模型，即建立燃料燃燒火焰正交化特徵值與燃料種類的非線性對 應關係。本實施例中建立一個神經網絡，如圖3所示，包括一個隱層和一個輸出層。輸 入的數目由獲得的正交化特徵值數目決定，輸出層中神經元的數目與已知燃料種類數目 相對應。隱層神經元數目的選取過程較為複雜。神經元太少會引起網絡的不適應性， 而太多又導致會導致網絡學習時間過長，甚至不能收斂。所以實施中需要用不同的隱層 神經元數目初始化網絡多次，重新訓練網絡，這樣才能保證確定合適的數目。因此隱層 神經元的數目要在訓練過程中確定。神經網絡模型的輸入值為燃燒中燃料的正交化特徵 值，正交化後的數據減少了輸入的維數，能降低神經網絡的複雜度，縮短神經網絡的訓 練時間。本例中，使用帶有非線性隱層的二層BP神經網絡來近似正交化特徵值與燃料種 類的非線性函數關係，例如採用log-sigmoid傳遞函數，它是一種非線性函數，它的輸出 在0和1之間，接近過渡帶中心點的斜率最大，迫使輸出接近[O， l]的端點。神經網絡 模型的輸出值為對應待識別燃料屬於該種已知燃料種類的程度，輸出值在[O， l]之間， 越接近1或0就越能清楚地判斷是或不是該種燃料，"1"代表非常可能，而"0"代表 著非常不可能。 可將已知燃料的種類擴展為多種。對於有多種已知燃料種類的情況，假設有 J^2)種已知燃料，可重複模型建立的過程，建立J種已知燃料的聯合概率密度模型fp f2，…，fj以及閾值kj(j = 1， 2，…，J)和神經網絡模型。
階段二、新燃料的識別和燃料種類的判別。 利用n&3)個傳感器來得到待識別燃料燃燒火焰在輻射波段上的一組火焰輻射 信號(x' (s)|s=l， 2，…，n} = [x' (1)， x' (2)，…，x' (n)]，通過與步驟一相同 的特徵值提取和數據正交化處理過程得到待識別火焰輻射信號在時域和頻域內的特徵值 {c' (s， t)|s=l， 2，…，n; t=l， 2，…，TK如閃爍頻率，均值，均方根，方差，零
交點數，偏斜率，峰態值，熵，形狀因子等)作為待識別燃料燃燒火焰的特徵值，得到大 小為lXT的特徵值數據矩陣d' ={d' (u)|u=l， 2，…，T}。將特徵值矩陣d'進行 與步驟一相同的正交化數據處理，例如採用主成分分析法將d'變換到主成分空間，選取 與步驟一中相同的L個主成分數據作為正交化的特徵值，得到正交化特徵值矩陣g'= {g' (1)|1 = 1， 2，…，L}。 通過已知燃料特徵值分布的聯合概率密度判別器來進行新燃料的判別。將待 識別燃料的正交化特徵值輸入到建立的每種已知燃料特徵值分布的聯合概率密度模型
f(x" x2，…，xo中，將得到待識別燃料屬於每種已知燃料的概率密度值f;， f2，…，
&選擇所得的各概率密度值中的最大值，max(f" f2，…，Q。假設《二max(fp f2，…，fj)(l勾、J)，即待識別燃料屬於第j(l勾、J)種已知燃料的概率密度值最大，那麼將 S與針對該最大值所屬的已知燃料預先設定的閾值kj比較，若該最大值大於或等於所設定 閾值，即f^kj，則判別器判斷待識別燃料屬於已知燃料，將得到的待識別燃料的正交化 特徵值輸入到預先建立的神經網絡模型中，則可根據模型的輸出值得到待識別燃料屬於 的已知燃料的類型；若〖〈kj，則判別器判斷待識別燃料為一種新燃料，將得到的待識別 燃料燃燒的正交化特徵值記錄下來保存在特定的數據文件中，當該文件中信號數據在某 一燃燒階段達到M組時，將該組信號作為已知燃料的數據進行該燃料種類的聯合概率密 度判別器和包括該燃料種類的神經網絡模型的建立過程。
本發明方法不僅適用於化石燃料種類的識別，而且適用於生物質、燃料油及燃 氣種類的識別。
權利要求
本發明公開一種基於多元火焰監測器的燃料種類在線判別方法，燃燒中存在已知燃料和新燃料，從已知燃料的火焰輻射信號中提取時域和頻域內的特徵值，通過數學變換得到正交化的特徵值；基於正交化特徵值建立已知燃料的特徵值分布的聯合概率密度模型和神經網絡模型；提取待識別燃料的燃燒火焰輻射信號中的時域和頻域內的特徵值，經過數學變換後，得到正交化的特徵值並輸入到各種已知燃料的聯合概率密度模型中進行判斷，如果燃燒中待識別燃料為新燃料，則保存新燃料的火焰輻射的正交化特徵值，以建立該種新燃料的聯合概率密度模型，並更新神經網絡模型；如果燃燒中待識別燃料不是新燃料，則通過神經網絡模型判別該燃料的種類。
2. 按照權利要求1所述的一種基於多元火焰監測器的燃料種類在線判別方法，其特徵 在於在各種燃燒條件下，利用n&3)個傳感器來接收已知燃料燃燒火焰和待識別燃料燃燒 火焰在其輻射波段的輻射信號。分別提取已知燃料燃燒火焰輻射信號和待識別燃料燃燒 火焰輻射信號在時域和頻域內T個特徵值。利用數據正交化處理對特徵值數據矩陣進行 壓縮，提取L(L < T)個彼此獨立的已知燃料燃燒火焰的正交化特徵值和L個待識別燃料 燃燒火焰的正交化特徵值，得到已知燃料燃燒和待識別燃料燃燒對應的正交化特徵值矩 陣。
3. 按照權利要求1所述的一種基於多元火焰監測器的燃料種類在線判別方法，其特徵 在於基於權利要求2所述的已知燃料燃燒對應的正交化特徵值矩陣，求出矩陣每一列的 均值和方差，建立該種已知燃料燃燒特徵值分布的聯合概率密度模型。根據實際應用中 燃料特徵值的分布情況設定閾值k作為判斷燃料種類的依據，k越大則把已知燃料判斷為 新燃料的機率越大，k越小則把新燃料判斷為已知燃料的機率越大。聯合概率密度模型 與閾值k構成聯合概率密度判別器。
4. 按照權利要求1所述的一種基於多元火焰監測器的燃料種類在線判別方法，其特徵 在於建立已知燃料燃燒火焰正交化特徵值與燃料種類對應的非線性函數關係，即建立神 經網絡模型。模型包括一個隱層和一個輸出層，輸入值為燃燒中燃料的正交化特徵值； 輸出值為燃料所屬的種類。
5. 按照權利要求1所述的一種基於多元火焰監測器的燃料種類在線判別方法，其特徵 在於將待識別燃料燃燒的正交化特徵值數據輸入到權利要求3所述的已知燃料燃燒特徵 值分布的聯合概率密度判別器中，若判斷待識別燃料為新燃料，則將待識別燃料燃燒的 正交化特徵值保存在特定的數據文件中，當各種燃燒條件下的特徵值都得到後，基於這 組特徵值，建立新燃料的燃燒聯合概率密度判別器。建立了聯合概率密度判別器的燃料 成為新的已知燃料。進而，將新的已知燃料與原來的已知燃料的正交化特徵值與燃料種 類相結合更新神經網絡模型；如果待識別燃料為已知燃料，將該燃料的正交化特徵值輸 入到神經網絡模型中，得到待識別燃料的種類。
全文摘要
本發明公開一種基於多元火焰監測器的燃料種類在線判別方法，燃燒中存在已知燃料和新燃料，從已知燃料的火焰輻射信號中提取時域和頻域內的特徵值，通過數學變換得到正交化的特徵值；基於正交化特徵值建立已知燃料的特徵值分布的聯合概率密度模型和神經網絡模型；提取待識別燃料的燃燒火焰輻射信號中的時域和頻域內的特徵值，經過數學變換後，得到正交化的特徵值並輸入到各種已知燃料的聯合概率密度模型中進行判斷，如果燃燒中待識別燃料為新燃料，則保存新燃料的火焰輻射的正交化特徵值，以建立該種新燃料的聯合概率密度模型，並更新神經網絡模型；如果燃燒中待識別燃料不是新燃料，則通過神經網絡模型判別該燃料的種類。
文檔編號G01N21/00GK101692270SQ20091023605
公開日2010年4月7日 申請日期2009年10月19日 優先權日2009年10月19日
發明者徐立軍, 李小路, 譚丞 申請人:北京航空航天大學