基于小波神经网络的炉膛火焰燃烧诊断方法

提出了一种基于数字图像处理及小波神经网络进行燃烧诊断的方法,并将经过训练的小波神经网络应用到锅炉的实时燃烧诊断中.现场实验表明,该方法具有准确、快速的优点,为锅炉安全的运行提供了更为可靠的依据.     

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DSP的锅炉火焰温度场测量及燃烧诊断系统

针对电站锅炉火焰监视、温度场测量和燃烧诊断中存在的问题，提出了一种以DSP为核心的嵌入式图像火焰监测系统，在对彩色图像法测量温度场的原理论述的基础上，对图像采集和处理各部分的电路和系统软件进行了分析和说明。通过优化设计，使系统的数据处理能力和实时性得到大幅的提升。经过200MW机组的试验表明，系统能在1帧时间内完成一幅图像的处理与特征量的提取，在1s内完成锅炉燃烧状况的诊断，火焰监测和燃烧诊断实时性得到了保证。温度场测量最大偏差不会超过50℃，相对误差小于5%，能满足系统对测量精度的要求。     

基于数字图像处理的锅炉火焰燃烧诊断仿真研究

利用数字图像处理技术提取了全炉膛火焰特征量，分析了火焰特征量与火焰燃烧诊断的关系，并在MATLAB下进行了仿真研究，提出了对火焰进行燃烧诊断的方法，据此判断出了炉膛火焰燃烧情况并预测了火焰的燃烧趋势。这种方法适合于中小型锅炉火焰监视，为灭火保护提供了可靠的检测信号。