一種新燃料在線識別方法
2023-07-20 03:22:46
專利名稱：一種新燃料在線識別方法
技術領域：
本發明涉及一種新燃料的在線識別方法，屬於工業鍋爐燃料種類辨識 技術領域。
背景技術：
為提高燃料資源的利用率，減少汙染物排放，提高鍋爐的熱效率，需 要建立並保持鍋爐內高效和穩定的燃燒。燃燒不穩定，不僅使燃燒熱效率 低和汙染物排放不達標，在極端情況下甚至可導致鍋爐爐膛的滅火，如處 理不當易誘發爐膛爆燃事故。由於經濟等因素的限制，工業鍋爐通常需要 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，使得鍋爐燃燒更加複雜，直接影響爐內火焰燃燒的 穩定，而導致對爐內燃燒狀況的檢測和控制非常困難，嚴重影響鍋爐的燃 燒效率，所以燃料種類的變化影響著鍋爐運行的安全性和經濟性。
將光電傳感技術與軟測量技術相結合，可以進行燃燒燃料種類的在線 識別，從而根據燃料種類可對鍋爐的運行參數進行控制和調節，達到高效 燃燒的目的。但此種識別方法必須在已知燃燒的所有燃料的種類及其燃燒 特徵等前提下，才能對燃燒的燃料所屬的種類進行準確判別。由於使用的 軟測量珠術的輸出只對應已知的燃料種類，當一種燃燒特徵不同的新燃料 投入時，也會將新燃料判斷成某一種已知的燃料種類，造成誤判。因此迫 切需要一種能在線識別出新燃料的方法。
發明內容
本發明的目的在於克服已有技術的不足，提供一種新燃料的在線識別 方法。
利用三個能接收不同光譜段火焰輻射信號的光電傳感器來分別接收已知燃料燃燒火焰輻射在紅外、可見光、紫外三個譜段上的輻射信號，從輻 射信號中提取但不局限於信號的閃爍頻率、均值、均方根、方差、零交點 數、偏斜率、峰態值、熵、形狀因子作為火焰的原始特徵值，目的是用這 些原始特徵值來建立已知燃料燃燒特徵值的聯合概率密度模型。把這些原 始特徵值數據首先經過數據預處理(如採用主成分分析方法)獲得正交化 的特徵值數據，這些正交化的特徵值數據是彼此獨立的，則可以分別建立 每種已知燃料燃燒特徵值分布的聯合概率密度模型，即可通過該聯合概率 密度模型來識別燃料的種類及是否為新燃料。本發明用到的火焰原始特徵 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。 本發明的技術方案是這樣實現的
本發明的一種新燃料在線識別方法，包括兩個階段建立已知燃料燃 燒特徵值分布的聯合概率密度模型和新燃料的在線識別，具體如下-
階段一、建立己知燃料燃燒特徵值分布的聯合概率密度模型，步驟如
下
步驟一、從已知燃料燃燒的火焰輻射信號中提取火焰輻射信號在時域 和頻域內的特徵值作為火焰的原始特徵值。
利用三個光電傳感器來得到J種已知燃料燃燒火焰在紅外、可見光和 紫外三個譜段上的輻射信號，每種燃料採集M組信號，每組包括3個信號，
則一共得到JxMx3個火焰輻射信號，構成一信號樣本集W/，m，s)l產l,2,…V; m^,2,…,M;^l，2，3)。通過特徵值提取從每種已知燃料每個譜段的火焰信號 中提取得到火焰在時域和頻域內的特徵值c(/，w，W)(^l,2，…,；w-l,2，…，M; 屍1,2，3; tl,2，…，r)，作為原始特徵值，得到一大小為/xAfx3r的原始特徵值 數據矩陣"={4/,附,")|乂=1,2廣'，《/; m=l，2,"',M; w=l，2，"',37}。
步驟二、通過正交化數據處理把火焰原始特徵值數據變成互不相關的 正交化特徵值數據。
從針對第_/種已知燃料獲得的第m組三個信號(x(/，m, 1), x(/，附，2), x(/，m，3)〉 中提取的3r個特徵值W(/,w，")1 "4,2，…,3r)是具有相關性的，因此需要把得 到的這些具有相關性的原始特徵值數據進行正交化處理，並從每組三個信
號獲得的3r個正交化特徵值中選取對火焰特徵貢獻最大的前z個正交化特徵值，並按照對火焰特徵貢獻由大到小的順序排列。從而，與原始特徵值
數據矩陣d相對應，得到一大小為JxMx丄的正交化特徵值數據矩陣 Hg(/,m，/)l戶l,2,…,J; m=l,2,".，M; /=1,2廣'^}。
步驟三、利用步驟二得到的正交化特徵值數據建立每種已知燃料特徵 值分布的聯合概率密度模型。
得到的第y種己知燃料的正交化特徵值數據矩陣為
&(w,/)={g(/>，/)—=1,2/",M; /=1,2廣',丄}，其丄個正交化特徵值之間彼此獨
立，就可根據求出的第y種已知燃料每個正交化特徵值即數據矩陣^(附，/)每
一列的均值和方差，建立第y種已知燃料特徵值分布的聯合概率密度模型 /,僅,A，…，A)，並且根據每種燃料的特徵值分布情況設立一個閾值
、(/4，2，…,i)，作為是否為該種燃料的判斷依據。 階段二、新燃料的在線識別，步驟如下-
步驟四、提取待識別燃料燃燒火焰輻射信號中時域和頻域內的特徵值 作為原始特徵值。
利用三個光電傳感器來分別得到待識別燃料燃燒火焰在紅外、可見光 和紫外三個譜段上的一組三個輻射信號(:c'Cs)l s=l，2,3} = [x'(l)， x'(2)， :c'(3)]，
通過特徵值提取從得到的火焰輻射信號中提取與階段一步驟一中相同的火 焰在時域和頻域內的特徵值(c'(s， f)| 5=1,2,3; Fl,2，…,r)，作為待識別燃料燃 燒火焰的原始特徵值，得到大小為"3r的原始特徵值數據矩陣 d'={#)|w=l,2,".,3r}。
步驟五、將步驟四得到的原始特徵值進行正交化數據處理獲得正交化 的特徵值數據。
將待識別燃料燃燒火焰的原始特徵值矩陣w進行與階段一步驟二中相 同的正交化數據處理，並且選取與階段一步驟二中相同的丄個主成分個數， 得到具有L列的待識別燃料燃燒火焰的正交化特徵值數據矩陣
/)|/=1,2廣',"。
步驟六、將步驟五得到的正交化的特徵值數據輸入到每種已知燃料的 聯合概率密度模型中得出待識別燃料屬於每種已知燃料的概率密度值，則可根據此概率密度值來判斷燃燒的待識別燃料的種類，及是否為新燃料。
將得到的待識別燃料燃燒火焰的正交化特徵值數據輸入到階段一步驟 三中建立的每種己知燃料燃燒特徵值分布的聯合概率密度模型
y;.(^，^,…,A)中，可得到待識別燃料屬於每種已知燃料的概率密度值 /;,A，…力。選擇所得各概率密度值中的最大值，max(/;,/2,…力)。假設 /,max(y;，/2，…力)(1^/^/)，即待識別燃料屬於第/種(i^/^/)已知燃料的概率 密度值最大，那麼，將/,與針對該最大值所屬的已知燃料預先設定的概率 密度的閾值、進行比較，若該最大值大於等於設定閾值，即/^、，則判斷
待識別燃料屬於該最大值所屬的燃料種類，即第y種燃料，否則判斷待識別 燃料為一種新燃料。
其中，階段一中步驟一及階段二中步驟四所述的特徵值提取過程為分 別計算每種已知燃料在三個譜段上輻射信號的閃爍頻率，均值，均方根， 方差，零交點數，偏斜率，峰態值，熵，形狀因子的值作為特徵值，並可 擴展計算得到更多個特徵值。
其中，階段一中步驟二及階段二中步驟五所述的正交化數據處理可採 用但不局限於主成分分析法，將火焰輻射的原始特徵值變換到主成分空間， 並且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，選擇擁有火焰原始特徵值數據絕大多數信息的丄個 主要數據成分，縮減數據維數。
本發明的一種新燃料在線識別方法，相對於現有技術具有如下優點
(1) 採用光電傳感器及概率密度模型來進行新燃料的識別，同時能判 別已知的燃料種類，安全可靠。
(2) 數據的正交化預處理可以選擇擁有原始特徵值主要信息的數據，
忽略不重要的數據，算法的實時性好。
(3) 能夠在線應用，可以及時判別已知的燃料種類或新燃料，不存在
大的時間滯後，可用於燃燒過程的閉環控制。
(4) 設備安裝、操作簡便，維護方便，性價比高。
圖1為本發明的階段一建立已知燃料燃燒特徵值分布的聯合密度模型方法 示意圖2為本發明的階段二新燃料在線識別結構示意圖；
具體實施例方式
為了使本領域的一般技術人員能夠清楚理解本發明的技術方案，現結 合附圖對本發明的具體實施方式
做進一步說明 具體實施方法
階段一、建立已知燃料燃燒特徵值分布的聯合概率密度模型，其中包 括特徵值提取、數據處理及模型的建立，如圖1所示，步驟如下
步驟一、從已知燃料燃燒的火焰輻射信號中提取火焰輻射信號在時域 和頻域內的特徵值作為火焰的原始特徵值。
利用三個光電傳感器來得到/種已知燃料燃燒火焰在紅外、可見光和 紫外三個譜段上的輻射信號，每種燃料採集M組信號，每組包括3個信號， 則一共得到JxMx3個火焰輻射信號，構成一信號樣本集W/,m，力l戶1，2, ，《/; w=l，2, ,M; s=l，2，3}。其中，M的選擇應該使採集的樣本集(x(/,m，^中的信 號能覆蓋燃料燃燒的各種工況，例如可選擇A/=300，即每種燃料採集300 組信號。計算每種已知燃料在三個譜段上輻射信號的閃爍頻率，均值，均 方根，方差，零交點數，偏斜率，峰態值，熵，形狀因子的值作為特徵值， 通過上述特徵值提取從每種已知燃料每個譜段的火焰信號中提取得到火焰 在時域和頻域內的特徵值力,附，^)(/=1,2，..., /;附=1，2，…,賦fl,2,3; ^1,2，…，7)，作為原始特徵值，得到一大小為AMx3r的原始特徵值數據矩 陣^(4/，附,")l戶l，2，…，J;m-l，2，…，M; w=l，2， ,3r}。其中，r的值為提取的 特徵值的個數，此實施例中7^9，即每個譜段上有9個原始特徵值。
步驟二、通過正交化數據處理把火焰原始特徵值數據變成互不相關的 正交化特徵值數據。
從針對第種已知燃料獲得的第w組三個信號{x(/,m， 1), x(/,m,2), x(/>7，3)} 中提取的3r個特徵值(4/,m，w)1 "4，2，…，377是具有相關性的，因此需要把得
9到的這些具有相關性的原始特徵值數據進行正交化處理，例如，可採用主 成分分析法把火焰輻射的原始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，這樣，通過拋棄那些貢獻較小的數
據成分，而從每組三個信號獲得的3r個正交化特徵值中選取對火焰特徵貢 獻最大的前丄個正交化特徵值。丄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。從而，與原始特徵值數據矩陣"相對 應，得到一大小為/xMx丄的正交化特徵值數據矩陣g-(g(/，w，/)J/'-l，2,…,J; 薩1，2，…，M;—1，2,…，丄)。
步驟三、利用得到的正交化特徵值數據建立每種已知燃料特徵值分布 的聯合概率密度模型。
得到的第y種已知燃料的正交化特徵值數據矩陣為
g/(m，/)={g(/>7，/)|w=l，2,".，M; /=1,2廣'^}，其Z個正交化特徵值之間彼此獨 立，就可根據求出的第7種己知燃料每個正交化特徵值即數據矩陣g(m，/)每 一列的均值和方差(^,c^)(^l,2，…,/;卜l，2，…,Z)，建立第/種已知燃料特徵
1 「 i " 、2
值分布的聯合概率密度模型,"，A,…,A)-^^exp-5:
義/—A,
2#
(/=1，2，"'丄；戶1，2,…，J),並且根據每種燃料的特徵值分布情況設立一個閾值 、(/=l，2,"*,J)，作為是否為該種燃料的判斷依據。其中、應根據實際應用情
況確定，、越大則把已知燃料判斷為新燃料的機率越大，、越小把新燃料 判斷為己知燃料的機率越大。、的 一 種選擇方法可以為
-EM2
/=1
(/=1,2,*力'=1,2，"'，力(
、=-1-exP
/=1
階段二、新燃料的在線識別，如圖2所示，步驟如下 步驟四、提取待識別燃料燃燒火焰輻射信號中時域和頻域內的特徵值 作為原始特徵值。
利用三個光電傳感器來分別得到待識別燃料燃燒火焰在紅外、可見光 和紫外三個譜段上的一組三個輻射信號^c'(s)1 s=l，2，3} = x'(2), x'(3)]，通過特徵值提取從得到的火焰輻射信號中提取與階段一步驟一中相同的火
焰在時域和頻域內的特徵值^'(s, f)| s=l，2,3;戶1，2,…,:0 (包括但不局限於閃 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)，作為待識別燃料燃燒火焰的原始特徵值，得到大小為lx3r的原始特 徵值數據矩陣w-l,2,…,3ri。
步驟五、將原始特徵值進行正交化數據處理獲得正交化的特徵值數據。 將待識別燃料燃燒火焰的原始特徵值矩陣w進行與階段一步驟二中相 同的正交化數據處理，例如採用主成分分析法將待識別燃料燃燒火焰的原 始特徵值矩陣y變換到主成分空間，並且選取與階段一步驟二中相同的丄 個主成分個數，得到具有z列的待識別燃料燃燒火焰的正交化特徵值數據
矩陣^={^(/)|/=1,2,"',}。
步驟六、將得到的正交化的特徵值數據輸入到每種已知燃料的聯合概 率密度模型中得出待識別燃料屬於每種已知燃料的概率密度值，則可根據 此概率密度值來判斷燃燒的待識別燃料的種類，及是否為新燃料。
將得到的待識別燃料燃燒火焰的正交化特徵值數據輸入到階段一步驟 三中建立的每種已知燃料燃燒特徵值分布的聯合概率密度模型
//A,A，…,;^)中，可得到待識別燃料屬於每種已知燃料的概率密度值
/,，/2，…/,。選擇所得各概率密度值中的最大值，max(/i,/2,…力)。假設 /,max(/;，/2,…力)(1《^)，即待識別燃料屬於第J種(l^/^/)已知燃料的概率
密度值最大，那麼將/,.與針對該最大值所屬的已知燃料預先設定的概率密 度的閾值、進行比較，若該最大值大於等於設定閾值，即/^~，則判斷待 識別燃料屬於該最大值所屬的燃料種類，即第乂種燃料，否則判斷待識別燃 料為一種新燃料。
本發明方法不僅適用於燃煤種類的識別，而且適用於生物質、燃料油 及燃氣種類的識別。
權利要求
1、一種新燃料在線識別方法，其特徵在於包括兩個階段階段一、建立已知燃料燃燒特徵值分布的聯合概率密度模型，步驟如下步驟一、從已知燃料燃燒的火焰輻射信號中提取火焰輻射信號在時域和頻域內的特徵值作為火焰的原始特徵值；利用三個光電傳感器來得到J種已知燃料燃燒火焰在紅外、可見光和紫外三個譜段上的輻射信號，每種燃料採集M組信號，每組包括3個信號，則一共得到J×M×3個火焰輻射信號，構成一信號樣本集{x(j，m，s)|j＝1，2，…，J；m＝1，2，…，M；s＝1，2，3}；通過特徵值提取從每種已知燃料每個譜段的火焰信號中提取得到火焰在時域和頻域內的特徵值c(j，m，s，t)(j＝1，2，…，J；m＝1，2，…，M；s＝1，2，3；t＝1，2，…，T)，作為原始特徵值，得到一大小為J×M×3T的原始特徵值數據矩陣d＝{d(j，m，u)|j＝1，2，…，J；m＝1，2，…，M；u＝1，2，…，3T}；步驟二、通過正交化數據處理把火焰原始特徵值數據變成互不相關的正交化特徵值數據；從針對第j種已知燃料獲得的第m組三個信號{x(j，m，1)，x(j，m，2)，x(j，m，3)}中提取的3T個特徵值{d(j，m，u)|u＝1，2，…，3T}是具有相關性的，因此需要把得到的這些具有相關性的原始特徵值數據進行正交化處理，並從每組三個信號獲得的3T個正交化特徵值中選取對火焰特徵貢獻最大的前L個正交化特徵值，並按照對火焰特徵貢獻由大到小的順序排列。從而，與原始特徵值數據矩陣d相對應，得到一大小為J×M×L的正交化特徵值數據矩陣g＝{g(j，m，l)|j＝1，2，…，J；m＝1，2，…，M；l＝1，2，…，L}；步驟三、利用步驟二得到的正交化特徵值數據建立每種已知燃料特徵值分布的聯合概率密度模型；得到的第j種已知燃料的正交化特徵值數據矩陣為gj(m，l)＝{g(j，m，l)|m＝1，2，…，M；l＝1，2，…，L}，其L個正交化特徵值之間彼此獨立，就可根據求出的第j種已知燃料每個正交化特徵值即數據矩陣gj(m，l)每一列的均值和方差，建立第j種已知燃料特徵值分布的聯合概率密度模型fj(X1，X2，…，XL)，並且根據每種燃料的特徵值分布情況設立一個閾值kj(j＝1，2，…，J)，作為是否為該種燃料的判斷依據；階段二、新燃料的在線識別；步驟如下步驟四、提取待識別燃料燃燒火焰輻射信號中時域和頻域內的特徵值作為原始特徵值；利用三個光電傳感器來分別得到待識別燃料燃燒火焰在紅外、可見光和紫外三個譜段上的一組三個輻射信號{x′(s)|s＝1，2，3}＝[x′(1)，x′(2)，x′(3)]，從得到的火焰輻射信號中提取與階段一步驟一中相同的火焰在時域和頻域內的特徵值{c′(s，t)|s＝1，2，3；t＝1，2，…，T}，作為待識別燃料燃燒火焰的原始特徵值，得到大小為1×3T的原始特徵值數據矩陣d′＝{d′(u)|u＝1，2，…，3T}；步驟五、將步驟四得到的原始特徵值進行正交化數據處理獲得正交化的特徵值數據；將待識別燃料燃燒火焰的原始特徵值矩陣d′進行與階段一步驟二中相同的正交化數據處理，並且選取與階段一步驟二中相同的L個主成分個數，得到具有L列的待識別燃料燃燒火焰的正交化特徵值數據矩陣g′＝{g′(l)|l＝1，2，…，L}；步驟六、將步驟五得到的正交化的特徵值數據輸入到每種已知燃料的聯合概率密度模型中得出待識別燃料屬於每種已知燃料的概率密度值，則可根據此概率密度值來判斷燃燒的待識別燃料的種類，及是否為新燃料；將得到的待識別燃料燃燒火焰的正交化特徵值數據輸入到階段一步驟三中建立的每種已知燃料燃燒特徵值分布的聯合概率密度模型fj(X1，X2，…，XL)中，可得到待識別燃料屬於每種已知燃料的概率密度值f1，f2，…fJ；選擇所得各概率密度值中的最大值，max(f1，f2，…fJ)；假設fj＝max(f1，f2，…fJ)(1≤j≤J)，即待識別燃料屬於第j種已知燃料的概率密度值最大，那麼，將fj與針對該最大值所屬的已知燃料預先設定的概率密度的閾值kj進行比較，若該最大值大於等於設定閾值，即fj≥kj，則判斷待識別燃料屬於該最大值所屬的燃料種類，即第j種燃料，否則判斷待識別燃料為一種新燃料。
2、 根據權利要求1所述的一種新燃料在線識別方法，其特徵在於階 段一中步驟一及階段二中步驟四所述的特徵值提取過程為計算每種已知燃 料在紅外、可見光和紫外三個譜段上輻射信號的閃爍頻率，均值，均方根， 方差，零交點數，偏斜率，峰態值，熵，形狀因子的值作為特徵值。
3、 根據權利要求1所述的一種新燃料在線識別方法，其特徵在於階 段一中步驟二及階段二中步驟五所述的正交化數據處理可採用但不局限於 主成分分析法，將火焰輻射的原始特徵值變換到主成分空間，並且每個主 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，得到擁有火焰原始特徵值數據絕大多數信息的丄個主要的正交 化數據成分。
全文摘要
本發明公開一種新燃料在線識別方法，階段一、建立已知燃料特徵值分布的聯合概率密度模型從已知燃料燃燒的火焰輻射信號中提取火焰輻射信號在時域和頻域內的特徵值作為火焰原始特徵值；通過正交化數據處理把火焰原始特徵值數據變成互不相關的正交化特徵值數據；利用得到的正交化特徵值數據建立每種已知燃料特徵值分布的聯合概率密度模型；階段二、新燃料在線識別提取待識別燃料燃燒火焰輻射信號中時域和頻域內的特徵值作為原始特徵值；將原始特徵值進行正交化數據處理；將得到的正交化特徵值數據輸入到每種已知燃料的聯合概率密度模型中得出待識別燃料屬於每種已知燃料的概率密度值，根據此概率密度值判斷待識別燃料的種類，及是否為新燃料。
文檔編號G01N31/12GK101644699SQ20091009187
公開日2010年2月10日 申請日期2009年8月28日 優先權日2009年8月28日
發明者徐立軍, 章 曹, 丞 譚 申請人:北京航空航天大學