基于单燃烧器火焰图像处理的炉膛燃烧监测系统

介绍了基于单燃烧器火焰数字图像处理的炉膛燃烧监控系统的总体设计。包括单燃烧器火嘴监控系统的结构设计、图像采集与处理、实时监视、压缩/解压缩、图像存储与回放等。该系统在国产125MW机组锅炉上已运行二年多，实践表明，系统地直观显示炉内工况，提取火焰特征参数，在燃烧恶化时自动报井并存储图像信息作为事故分析的依据。     

基于RBF神经网络的煤粉着火判别

对煤粉火焰图像特征进行了分析,提取了反映燃烧状态的特征参数,在此基础上提出采用径向基函数神经网络的火焰图像煤粉着火判别方法.由于神经网络具有自学习特性,故判别方法所需调整的参数少.判别方法不仅能够着火/灭火判别,而且还可对火焰图像传感器进行故障判别.应用表明判别方法使用方便,判别正确率高,具有实际应用价值.     

锅炉燃烧器火焰图像检测系统的开发设计

介绍了基于传像光纤、CCD彩色摄像机和数字图像处理技术的锅炉燃烧器火焰图像检测系统,是近年发展起来的新型燃烧器火焰检测系统.作为FSSS系统的重要组成部分,设计选用不同的火焰检测分析算法,可提高火焰检测的实时性、准确性和燃烧诊断性能.     

基于图像的火焰稳定性判别方法研究

针对锅炉燃烧监控系统所采集的火焰动态图像,提出了一种基于在线模糊聚类算法的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提取了判别火焰稳定性的特征量,以提取的特征量作为在线模糊聚类算法的输入参数,分析燃烧图像的隶属度,给出判别标准对燃烧稳定性进行综合评估。将在线算法与离线算法进行比较,实验结果表明,在线算法比离线算法的准确率提高了5.3%,验证了算法的有效性。该方法对实现燃烧状态自动监测,保障锅炉安全运行具有重要意义。     

基于ABDND算法的炉膛火焰图像脉冲噪声滤波研究

为使炉膛火焰电视采集的煤粉燃烧图像更加清晰、细节更加完整,需对燃烧图像进行脉冲噪声滤波。本文将一种现有的开关中值滤波算法(ABDND)利用matlab进行编译仿真,通过对两幅EI-XCL燃烧器的煤粉燃烧图像的灰度图像进行噪声添加并利用ABDND算法与中值滤波算法分别对噪声图像作滤波处理,经过对两种算法的滤波结果进行分析对比,实验结果表明,ABDND算法在炉膛火焰煤粉燃烧灰度图像的噪声滤波中应用良好。     

Log-Gabor小波和分数阶多项式KPCA的火焰图像状态识别

目的 为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于Log-Gabor小波和分数阶多项式核主成分分析(KPCA)的火焰图像状态识别方法。方法 首先利用Log-Gabor滤波器组对火焰图像进行滤波,提取滤波后图像的均值和标准差,并构成纹理特征向量。然后使用分数阶KPCA方法对纹理特征向量进行降维,并将降维后的纹理特征向量输入支持向量机进行分类。结果 本文与基于Log-Gabor小波特征提取以及2种基于Gabor小波特征提取的方法相比,本文方法的分类识别正确率更高,分类精度为76%。同时,第1主分量方差比重与核函数参数d之间满足递增关系。本文方法能够准确地提取火焰图像纹理特征。结论 本文提出一种对锅炉燃烧火焰图像进行状态识别的方法,对提取的火焰图像纹理特征向量进行降维并进行分类,可以获得较高的分类精度。实验结果表明,本文方法分类精度较高,运行时间较短,具有良好的实时性。     

炉膛火焰图像预处理的MATLAB实现

电站锅炉采用工业电视直接观察炉膛火焰图像,从火焰表面特征判断当前锅炉燃烧状态。针对燃烧过程的动态特性和各种随机干扰,本文对炉膛火焰数字图像进行了滤波和增强显示等处理,并具体讲述了各种处理的MATLAB实现,突出了图像中感兴趣的特征,更有利于对火焰的燃烧状进行观察,对其在电厂锅炉炉膛火焰检测的应用这一领域做了有益的探索。     

基于视频序列的火焰模拟

在现有火焰模拟方法的基础上,提出了基于视频序列的火焰模拟方法.该方法首先用火焰视频帧图像提取火焰边界,然后用提取出来的边界对火焰形状建模,并在相邻模型间进行线性插值,获得火焰燃烧过程的形状变化3D动态模型,最后用粒子系统模拟,给出了具体的模拟步骤和实际的模拟效果.     

基于自组织神经网络的炉膛火焰燃烧诊断系统

针对目前大型锅炉火焰检测手段的落后现状,提出了一种基于数字图像处理与自组织竞争神经网络进行燃烧诊断的方法,设计了一套火焰燃烧诊断系统.利用数字图像处理技术提取火焰特征量,应用神经网络的竞争学习对不同负荷下的全炉膛火焰图像进行识别分类,从而实现燃烧诊断和灭火预警的功能.     

基于小波与ART2网络的实时状态识别

构造出一类用递推公式进行小波变换的小波基，提出此类小波的优化方法，对其时频特性进行了分析。针对传统ART2网络只利用了模式的相位信息而丢失了幅度信息和网络的性能依赖于样本的学习顺序等不足，提出了改进型ART2网络。对刀具AE信号进行递归小波分解，提取特征并应用于改进的ART2网络识别刀具状态。实验结果表明，递归小波能反映刀具状态信号的特征，且实时性好。改进的ART2网络更具鲁棒性，识别率为100%，训练耗时仅占传统ART2网络的3.79%。     

基于ART 的RBF 网络结构设计

针对径向基函数(RBF)网络隐层结构难以确定的问题,基于自适应共振理论(ART)网络良好的在线分类特性,提出一种RBF网络结构设计算法。该算法将ART网络的聚类特性用于RBF网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,确定隐含层节点个数和初始参数,使网络具有精简的结构。对典型非线性函数逼近的仿真结果表明,所提出的结构具有快速的学习能力和良好的逼近能力。     

基于ART2神经网络的发动机故障诊断方法

发动机的故障诊断是一个动态的故障分类过程,许多故障诊断方法在对动态故障模式进行识别和分类时,存在对未知故障模式无法识别的问题。针对这一问题,引入ART2神经网络,利用db6小波包对发动机气缸盖的振动信号提取的特征向量作为网络的输入,应用实例证明,ART2神经网络不仅能正确识别学习过的故障模式,对突发、未知的故障模式也能很好地识别。     

ART2神经网络学习算法的改进

自适应共振(ART)神经网络具有无监督学习功能,能对时序信号进行实时学习、实时处理,能对已学习过的样本作出快速响应,自动识别等优点,尤其以ART2网络更具有实用性。但是传统的ART2网络存在幅度信息丢失和模式漂移等现象,针对这一情况,本文把模式漂移的方向作为一个因素进行考虑,通过设置漂移上限系数,引入栈结构对模式漂移的相反方向相互抵消,同一方向累加的方法有效限制了模式的飘移,对各改进算法进行比较体现本文算法的优越性。     

基于幅值分量的ART2神经网络的改进

摘要： ART2神经网络由于其算法结构中固有的归一化环节,丢失了幅度信息,其相似量度是一种模式相位信息的量度,存在“同相位不可分”的缺点。文章针对此不足,将样本的幅度作为样本特征分量的办法,对传统的ART2网络进行了改进。实验证明,改进后ART2网络在处理集群分布样本时,性能优于传统ART2网络,同时,改进的ART2网络在核辐射场数据处理分类中有一定的实用价值     

基于燃烧模型的微弱火焰高度检测

火焰高度是描述火焰特性、确定火焰燃烧状态的重要参数,目前多使用目测方法进行检测.微弱火焰具有亮度低、信噪比低、火焰轮廓模糊的特点,人工目测困难,常规图像分析方法检测对阈值依赖性高.为解决上述问题,在利用常规图像处理方法提取的不完整火焰边缘后,建立火焰轮廓的多参数模型,进而计算火焰高度.实验结果表明:该算法抗干扰能力强,...     

自然燃烧火焰的快速仿真

从自然燃烧的火焰的现象出发,采用面向对象的方法,提出了一种基于粒子系统的自然燃烧的火焰的快速数值模拟算法.首先,讨论了形成火焰燃烧的动态场景图像的基本原理,给出了火焰图像与背景图融合的算法,并建立了用于火焰仿真的两种火焰颜色模型.然后,建立了用于火焰仿真的火焰粒子、火苗与火焰系统的面向对象模型,给出了各对象的燃烧行为的快速模拟方法.接着,对实现动感火焰的方法进行了讨论,指出了算法.最后给出了通过该文算法进行模拟实验的效果图.该算法准确度较高,速度快,效果较好.     

基于燃烧火焰图象特征的回转窑神经网络控制系统

提出了一种基于燃烧火焰图象特征的回转窑神经网络控制系统.系统主要由两部分组 成,一部分是回转窑煅烧带火焰燃烧状态识别系统,包括火焰图象获取、预处理、分割、特征提 取与识别;另一部分是基于高斯基函数神经网络的控制系统.实际运行结果表明该系统的有效 性和实用性.     

基于哈希编码的无线多媒体传感网络森林火灾图像识别算法

针对无线多媒体传感网络在森林火灾监测应用中存在的问题,提出了基于图像哈希编码技术的森林火灾识别算法。首先,建立森林火灾图像的图像库,提取火焰图像的一系列静态和动态特征, 通过哈希函数对其特征向量进行计算得到对应的哈希码,从而得到图像库对应的哈希码库。其次,计算被识别图像的哈希码,并通过计算汉明距离与哈希码库进行匹配,得出与其最相近的图像,从而得出是否有火灾发生。实验结果表明,该算法的火焰识别准确率达到94.12%,高于SVM、BP神经网络和稀疏表示的火焰识别算法,且减少了网络中因图像传输而产生的能量消耗,提高了网络带宽的使用率。     

一种基于有监督的ART算法的数字识别应用

介绍一种新型神经网络算法，并将其应用于数字识别。在识别过程中，数字摄像头在现场摄取的数字图像传输到计算机中经过预处理后，采用有监督的ART神经网络算法识别并得到识别结果。通过实验证明，有监督的ART神经网络算法可以提高识别速度和正确率，具有较大的实用价值。