基于现代检测技术的新型锅炉火焰检测方法研究

摘要

火焰检测设备是锅炉炉膛安全监控系统的重要组成部分，它时刻监测锅炉火焰的燃烧状态。它的准确运行，关系到整个锅炉的安全与效率。由于燃烧现象本身的复杂性和锅炉强烈的噪声干扰，目前对锅炉的火焰检测还未能消除误报漏报的现象，如何提高火焰检测的正确率是当前迫切需要解决的问题。 本文在分析了国内外有关火焰检测设备的原理和现有的火焰检测方法的基础上，利用现代谱估计、神经网络模式识别等现代检测技术，对提高火焰信号的分辨能力和识别能力分别作了探讨，并根据探讨的结果，以HHG-98红外动态火焰检测器为基础，建立了一套具有自适应、自学习能力的新型火焰检测设备。 实验证明，相对传统火焰检测方法而言，新型火焰检测方法具有更高的频率细化能力和抗干扰能力，能有效的提高火焰检测的正确率。

目录

文摘

英文文摘

第一章绪论

1.1锅炉火焰检测的重要性及当前发展现状

1.1.1锅炉炉膛安全监控系统的重要性

1.1.2火焰检测是炉膛安全系统不可或缺的一部分

1.1.3锅炉火焰检测的发展与现状

1.1.4 HHG-98红外动态火焰检测器

1.2本文的主要研究内容

第二章锅炉火焰检测的原理

2.1锅炉火焰的可检测性

2.1.1锅炉火焰的特性

2.1.2锅炉火焰在不同燃烧阶段的变化过程

2.1.3火焰检测的前端设备

2.2锅炉火焰检测方法的发展

2.3新型火焰检测器的要求

2.4本章小结

第三章现代谱估计技术在火焰信号检测中的应用

3.1随机信号的谱估计

3.1.1频率估计的经典和现代方法分析

3.2锅炉火焰信号的分析和预处理

3.2.1直流分量

3.2.2数字滤波去除背景噪声

3.3从经典谱分析方法到现代谱分析方法

3.3.1系统模型的选择

3.3.2系统算法的选择

3.4系统的实现与分析

3.4.1系统的软件实现

3.4.2 AR模型的定阶

3.4.3经典谱估计和现代谱估计实时性的比较

3.4.4 AR模型的平滑特性

3.4.5经典谱估计和现代谱估计分辨率的比较

3.5本章小结

第四章锅炉火焰的神经网络模式识别

4.1神经网络模式识别的理论基础

4.1.1从传统模式识别到智能模式识别

4.1.2神经网络模式识别的发展

4.1.3常见的神经网络和学习算法

4.2火焰识别系统的实现

4.2.1火焰信号的特征选择和提取

4.2.2使用多层前向网络进行模式识别

4.3神经网络识别系统的具体设计与问题分析

4.3.1网络拓扑结构的确定

4.3.2激励函数与理想输出

4.3.3改进的BP算法

4.3.4样本数量问题的解决

4.3.5系统的泛化能力和局部极小点

4.4神经网络模式识别方法与传统方式的比较

4.5本章小结

第五章系统的软硬件实现

5.1数据采集系统

5.1.1数据采集硬件系统

5.1.2数据采集的程序实现

5.2数据的存储

5.2.1历史数据的存储

5.2.2系统控制信息的记录

5.2.3神经网络的存储

5.3数据的显示和用户界面

5.4数据处理系统

5.4.1数据预处理模块

5.4.2谱估计模块

5.4.3神经网络模块

5.4.4 A/D采集模块

5.5控制判断系统

5.6实验结果及分析

5.6.1仿真结果

5.6.2实验室模拟实验

5.6.3实际锅炉火焰信号的识别情况

5.7本章小结

第六章结论与展望

致谢

参考文献