基于隐马尔可夫模型的氧乙炔火焰燃烧状态识别研究

摘要

生产过程中的燃烧性能是一个关乎生产效益、安全生产和环境保护的重要因素。燃烧性能指标目前虽然可以通过使用专用测量仪器设备来获取，但是伴随着测量仪器设备种类的增多，投入成本过高，且不容易实现生产自动化。由于氧乙炔火焰在工业生产中的广泛应用，其燃烧状态的自动监测越来越为人们所重视。实现对氧乙炔火焰燃烧状态的计算机识别，可以更好地实现其燃烧过程的自动控制，有利于提高生产力。要实现对燃烧过程的自动化监控，就要实现基于机器的燃烧过程的分类识别。火焰图像是燃烧最直接的反映。对火焰图像进行处理，提取火焰图像中表征燃烧状态的参数，进而实现对燃烧过程的自动识别将会取得更直观的效果。氧乙炔火焰的燃烧过程是一个随机过程，用对随机过程有很好模拟能力的隐马尔可夫模型(HMM)对其进行建模与识别，可以达到更好的效果。本文据此展开研究。
　　 本实验以CCD摄像机作为光学传感器，将其采集到的氧乙炔火焰图像及图像序列作为监测值。在图像预处理过程中，分析了传统滤波及分割方法中存在的问题，在此基础上提出了自适应投票快速中值滤波算法(AVMF)和使用RGB颜色通道对图像进行分割的新方法，并在此基础上提取最能反映氧乙炔焰特点的相关特征值。
　　 研究中使用人工神经网络方法、单特征量一维HMM方法和二维HMM方法分别对氧乙炔焰的燃烧过程进行建模与识别，分析了各种方法的识别准确率与运算速度，在此基础上提出了使用一维分步HMM技术对氧乙炔焰的燃烧建立基于图像特征值序列的隐马尔可夫模型，对待识别的图像序列，提取特征值后，用viterbi算法计算出表征燃烧过程状态的状态序列，实现对氧乙炔焰燃烧过程的分类与识别。通过MATLAB6.5环境下的仿真实验证明，对于氧乙炔火焰图像，本文提出的一维分步技术，不仅计算简单、处理速度快而且识别准确率高。