基于数字图像处理的燃煤电站锅炉火焰检测与燃烧诊断方法研究
|
摘要
在锅炉燃烧器管理系统中，火焰检测对防止锅炉爆炸起着重要的作用，这就要求火焰检测系统提供可靠、准确的火焰信息。
本课题的主要目标是：根据煤粉燃烧特性和火焰图像特征，利用数字图像处理和计算机技术，对300MW的燃煤电站锅炉火焰检测与燃烧诊断的方法进行研究，旨在提高火焰燃烧诊断的可靠性。本研究以图像处理技术为基础，结合基于BP神经网络的锅炉炉膛火焰燃烧状态的模式识别技术来动态检测火焰的燃烧状况。
主要完成了下述研究和开发工作：
1．在借鉴国内外火焰检测技术的基础上，根据300MW的燃煤电站锅炉的特点及现场要求，对系统进行了功能分析。针对常规火检器镜面易被污染、高温老化、视角小的缺点，本系统采用带吹扫、冷却系统的传像光纤+CCD摄像机的火焰图像传感器，它具有视角大的优点，较好地克服火焰漂移问题，完成了火焰图像采集系统的硬件设计。
2．为便于计算机对锅炉燃烧状况进行识别，针对火焰图像的特点，对获取的火焰图像进行了处理，通过实验比较，选取了最有利于提取火焰燃烧特征的处理方法。
3．根据燃煤火焰燃烧的特征，针对常规火检器普遍存在相邻燃
硕十学位论文
基于数字图像处理的燃煤电站锅炉火焰检测与燃烧诊断方法研究
烧器之间互相干扰(即“偷看”)，使得火焰检测装置误报，本系统通
过选定反应本燃烧器火焰特征区域的特征量作为BP网络的输入，有
效提高系统的抗干扰能力。而基于BP神经网络的模式识别技术，能
动态检测火焰的燃烧状况，提高了系统的自适应性。对火焰诊断进行
了算法设计，该算法具有自学习性、自适应性，解决了常规火焰检测
装置的误报问题，提高了系统的可靠性。
4.设计了系统的软件结构。
Flame detection plays an important role in Burner Management System for avoiding boilers exploding. In order to ensure the safety of boilers, flame signals provided by flame detection system must be reliable and precise.
The main purpose of this research is to study the method of flame detecting and combustion diagnosing for 300MW coal-fired utility boilers. The research is based on digital image processing according to coal-fired utility boilers characteristics and flame image feature characteristics. The system can detect the flame more reliably, and monitor the course of burning at the real time.
The research is carried on the basis of image processing and the pattern recognition using BP neural-network. This system helps dynamic checking flame combustion status.
The main work of the research is as follows:
1. After consulting the flame detecting technology of overseas, considering 300MW coal-fired utility boilers characteristics and the field condition, the function of the system is analyzed. Aiming at the disadvantages of former flame detector, such as the pollutant on the
surface of flame sensor, aging caused by high temperature, and little visual angle, image transmission optical fiber and CCD with blowing and cooling system are used as flame sensor in this system. This kind of sensor has larger visual angle to overcome flame drifting, and the structure of the hardware system for flame image collecting is designed for 300MW coal-fired utility boilers.
2.To facilitate that computer recognizes the state of boilers, flame images captured by camera are processed on the basis of characteristics of flame images. A processing method which is optimal to extract characteristics of flame images is gotten by experiments.
3.On the basis of flame characteristics, aiming at mutually jamming between adjoining burners (named as "peeking") causing wrong alarm by former flame detectors, flame feature characteristics of the native burner as the inputs of BP to enhances anti-jamming ability effectively in this system. And the pattern recognition using BP neural-network helps dynamic checking flame combustion status, ensures the system more adaptability. The flame diagnosis algorithm, which is self-learning and self-adapting, is put forward according to the characteristic of flame image, to avoid failure diagnosis of former flame detecting. The reliability of the system is higher.
4. The structure of the software system for flame detecting is
designed for 300MW coal-fired utility boilers.
本课题的主要目标是：根据煤粉燃烧特性和火焰图像特征，利用数字图像处理和计算机技术，对300MW的燃煤电站锅炉火焰检测与燃烧诊断的方法进行研究，旨在提高火焰燃烧诊断的可靠性。本研究以图像处理技术为基础，结合基于BP神经网络的锅炉炉膛火焰燃烧状态的模式识别技术来动态检测火焰的燃烧状况。
主要完成了下述研究和开发工作：
1．在借鉴国内外火焰检测技术的基础上，根据300MW的燃煤电站锅炉的特点及现场要求，对系统进行了功能分析。针对常规火检器镜面易被污染、高温老化、视角小的缺点，本系统采用带吹扫、冷却系统的传像光纤+CCD摄像机的火焰图像传感器，它具有视角大的优点，较好地克服火焰漂移问题，完成了火焰图像采集系统的硬件设计。
2．为便于计算机对锅炉燃烧状况进行识别，针对火焰图像的特点，对获取的火焰图像进行了处理，通过实验比较，选取了最有利于提取火焰燃烧特征的处理方法。
3．根据燃煤火焰燃烧的特征，针对常规火检器普遍存在相邻燃
硕十学位论文
基于数字图像处理的燃煤电站锅炉火焰检测与燃烧诊断方法研究
烧器之间互相干扰(即“偷看”)，使得火焰检测装置误报，本系统通
过选定反应本燃烧器火焰特征区域的特征量作为BP网络的输入，有
效提高系统的抗干扰能力。而基于BP神经网络的模式识别技术，能
动态检测火焰的燃烧状况，提高了系统的自适应性。对火焰诊断进行
了算法设计，该算法具有自学习性、自适应性，解决了常规火焰检测
装置的误报问题，提高了系统的可靠性。
4.设计了系统的软件结构。
Flame detection plays an important role in Burner Management System for avoiding boilers exploding. In order to ensure the safety of boilers, flame signals provided by flame detection system must be reliable and precise.
The main purpose of this research is to study the method of flame detecting and combustion diagnosing for 300MW coal-fired utility boilers. The research is based on digital image processing according to coal-fired utility boilers characteristics and flame image feature characteristics. The system can detect the flame more reliably, and monitor the course of burning at the real time.
The research is carried on the basis of image processing and the pattern recognition using BP neural-network. This system helps dynamic checking flame combustion status.
The main work of the research is as follows:
1. After consulting the flame detecting technology of overseas, considering 300MW coal-fired utility boilers characteristics and the field condition, the function of the system is analyzed. Aiming at the disadvantages of former flame detector, such as the pollutant on the
surface of flame sensor, aging caused by high temperature, and little visual angle, image transmission optical fiber and CCD with blowing and cooling system are used as flame sensor in this system. This kind of sensor has larger visual angle to overcome flame drifting, and the structure of the hardware system for flame image collecting is designed for 300MW coal-fired utility boilers.
2.To facilitate that computer recognizes the state of boilers, flame images captured by camera are processed on the basis of characteristics of flame images. A processing method which is optimal to extract characteristics of flame images is gotten by experiments.
3.On the basis of flame characteristics, aiming at mutually jamming between adjoining burners (named as "peeking") causing wrong alarm by former flame detectors, flame feature characteristics of the native burner as the inputs of BP to enhances anti-jamming ability effectively in this system. And the pattern recognition using BP neural-network helps dynamic checking flame combustion status, ensures the system more adaptability. The flame diagnosis algorithm, which is self-learning and self-adapting, is put forward according to the characteristic of flame image, to avoid failure diagnosis of former flame detecting. The reliability of the system is higher.
4. The structure of the software system for flame detecting is
designed for 300MW coal-fired utility boilers.
引文
[1] 林宗虎．实用锅炉手册．化学工业出版社，2001
[2] 邹煜，吕震中，王式民．锅炉全炉膛火焰数字图像处理与监测系统开发与研究．热能动力工程，1998(7)：261～263
[3] 华彦平，邹煜，吕震中．现代燃煤电站锅炉火焰检测综述．热能动力工程，2001(11)：1～5
[4] 卫成业，王飞，马增益，等．基于炉内火焰辐射图像的断面温度场的重建方法研究．动力工程，2001，21(1)：1046～1049
[5] 常太华，李国光，田沛，等．煤粉锅炉火焰检测及燃烧诊断．华北电力大学学报，1999，26(1)：57～62
[6] 欧阳元煌，余岳峰．锅炉燃烧火焰数字图像处理方法．上海电力学院学报，1997，13(4)：43～46
[7] 邢志刚，吴文修．电站锅炉炉膛火焰检测新方法．传感器技术，1997，16(5)：52～54
[8] 田翔，何毅，石喜光．炉膛火焰检测原理和锅炉燃烧器管理系统维护探讨．工业工程，1998，1(4)：57～60
[9] 徐益谦，王式民．现代锅炉火焰检测技术的新进展．石油工业出版社，1996，16～24
[10] 岳鹏九，冀焕青．FORNEY数字式火焰检测系统的分析．电力情报，1998(2)：21～23
[11] Kurihara N, et al. A Combustion Diagnosis for Pulverized Coal Boilers Using Flame Imagc Recognition Technology. IEEE Transaction on Energy Conversion. 1986, 1(2):99～103
[12] 许柯夫．数字图像处理技术在电厂锅炉燃烧监测中的应用研究．电力系统自动化，1995，19(4)：43～47
[13] 舒予恺．三菱新型火焰监测装置OPTIS简介．热工自动化信息．1993，1
[14] 高翔，骆仲泱，陈亚非，等．电站锅炉燃烧实时诊断应用技术．电站系统工程，1998，5：52～54
[15] IVO Group (Finland),DIMAC Combustion Management System 1995
[16] S.Collins.Advanced Flame Monitors Take on Combustion Power1993,10
[17] 周怀春，韩才元，朱和平，等．基于自组织神经网络的燃烧诊断研究．控
制理论与应用，1994(10)：600～603
[18] 吕震中，沈炯．电站锅炉火焰检测及燃烧诊断技术．锅炉技术，1997(5)：8～13
[19] 孙江，徐伟勇，余岳峰，等．根据煤粉火焰图像判断燃烧状况的计算机判断算法．热力发电，1997，157(1)：14～18
[20] 华彦平，于向军，吕震军，等．单燃烧器火焰数字图像处理与诊断方法研究．热能动力工程，2002(1)：68～72
[21] 吴占松．发光火焰图像处理技术在火焰监测上的应用：[博士论文] ．北京：清华大学，1998
[22] 周怀春，娄新生，尹鹤龄，等．单色火焰图像处理技术在锅炉燃烧监控中的应用研究．电力系统自动化，1996，10：18～22
[23] 周怀春．炉膛火焰温度分稚图像处理试验研究．中国电机工程学报，1995，15(5)：295～300
[24] 周怀春，娄新生，肖教芳等．炉膛火焰温度场图像处理试验研究．中国电机工程学报，1995，15(4)：395～300
[25] 周怀春，娄新生，尹鹤龄等．单色火焰图像处理技术在锅炉燃烧监控中的应用研究．电力系统自动化，1996，20(10)：18～22
[26] 周怀春，娄新生，邓元凯等．基于辐射图像处理的炉膛燃烧三维温度分布检测原理和方法．中国电机工程学报，1997，17 (1)：1～4
[27] 盛锋，周怀春，韩曙东等．基于图像处理及辐射传热逆问题求解的二维炉膛温度场重建．中国电机工程学报，1999，19 (10)：1～5
[28] 周怀春，韩才元．煤粉燃烧火焰颜色定量分析试验研究．中国电机工程学报，1993，13(1)：44～49
[29] 许柯夫．数字图像处理技术在电厂锅炉燃烧检测中的应用．电力系统自动化．1995，4：23～25
[30] 徐伟勇，余岳峰，张银桥，等．分散型智能锅炉燃烧器火焰检测装置的研究开发．中国电力，1997，30 (10)：20～22
[31] 何万青，余岳峰，徐伟勇等．基于数字图像处理和数字视频技术的锅炉多路火焰检测系统．热力发电，2000，3：45～48
[32] 何万青，黄锏，沈爱国，等．基于DSP和数字视频技术的图像火焰检测系统．中国电力，2000，10：64～67
[33] 赵铁成，张银桥，徐伟勇．新型火焰图像检测器及其着火判据．仪器仪表学报，2002 (2)：98～100
[34] 赵铁成，张银桥，徐伟勇．火焰图像检测器着火判据的设计与实验研究．动力工程，2001，2：1054～1058
[35] 徐伟勇，余岳峰，孙江，等．数字图像处理技术在火焰检测上的应用．中国电力，1994 (10)：41～44
[36] 杨宏，马为民，顾潘，等．电站锅炉神经网络燃烧诊断系统应用研究．热能动力工程，2001(11)：637～640
[37] 杨宏，唐晓军，刘勇，等．基于火焰图像特性的神经网络诊断系统研究．应用科学学报，1998(3)：81～87
[38] 田绪文，姜义道，薛雷，等．锅炉炉膛火焰数字式检测系统．电站系统工程，1996(1)：44～46
[39] 李国田，孙德玉，郑可为．PLC在火焰检测中的应用．黑龙江自动化技术与应用，1999(2)：34～36
[40] 张银桥，何达炳，徐伟勇．单片机在电站锅炉炉膛灭火报警中的应用．动力工程，2000 (4)：620～622
[41] Shimoda N, et al. Prediction Method of Unburnt Carbon for Utility Boiler Using Image Processing Technique of Combustion Flame. IEEE Transaction on Energy Conversion. 1990,5(4): 640～645
[42] Shimoda M,Sugano A, Kimura T, et al. Prediction method of unburnt carbon for coal fired utility boilers using image processing technique of Combustion flame.IEEE Transactions on Energy Conversion. 1990,5(4): 640～645
[43] 伍宇忠．国内300MW以上机组锅炉火焰检测系统使用现状及分析．广东电力，1999，2：32～33
[44] 周俊虎．四角切圆燃煤锅炉燃烧噪音和炉墙振动频谱特性的试验研究．工程热物理学报，18(5)：644～648
[45] 邢伟．600 MW机组炉膛安全监控系统的改进．中国电力，1998 (8)：13～15
[46] 黄勇理，瞿坦，周怀春，等．电站锅炉炉膛火焰自动化监测中的图像处理技术．仪表技术与传感器，2000，8：23～26
[47] OK系列PCI图像卡用户手册．北京：嘉恒中自图像技术有限公司，2003，2
[48] 郑南宁．计算机视觉与模式识别．国防工业出版社，1998
[49] 王润生．图像理解．长沙：国防科技大学出版社，1995
[50] 王积分，张新荣．计算机图像识别．北京：中国铁道出版社，1988
[51] 竺子明．光电图像处理．武汉：华中科技大学出版社，2001
[52] 孙仲康．数字图像处理及其应用．国防工业出版社，1988
[53] Kenneth．R．Castleman著，朱志刚等译．数字图像处理．北京：电子工业出版社，1998
[54] [美] W．K．普拉特．数字图像处理学．北京：科学出版社，1984
[55] 周新论，柳健．数字图像处理．国防工业出版社，1986
[56] A MURAT TEKALP．数字视频处理．北京：电子工业出版社，1998
[57] 李树涛，王耀南．图像椒盐噪声的非线性自适应滤除．中国图像图形学报，2000，15：999～1001
[58] 李树涛，王耀南．基于神经网络的回转窑火焰图像分割．仪器仪表学报，200l(2)：10～12
[59] 王万编译．火焰学．北京：中国科学技术出版社，1994
[60] 常太华，孙丽丽．数字图像处理技术用于锅炉炉膛火焰检测．华北电力大学学报，2000，27(1)：87～91
[61] 徐伟勇，余岳峰，张银桥等．采用传像光纤和数字图像处理技术检测燃烧火焰．动力工程，1999，19(1)：45～48
[62] 谭皓，李立源，陈维南．基于BP网络的锅炉炉膛火焰燃烧状态自动识别．自动化学报，1998，24 (5)：667～670
[63] Allen M G, et al. An Imaging Neural Network Combustion Control System for Utility Boiler Application. Combustion and Flame, 1993, 94: 205～214
[64] 李士勇．模糊控制、神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998
[65] 王耀南．智能控制系统．长沙：湖南大学出版社，1996
[2] 邹煜，吕震中，王式民．锅炉全炉膛火焰数字图像处理与监测系统开发与研究．热能动力工程，1998(7)：261～263
[3] 华彦平，邹煜，吕震中．现代燃煤电站锅炉火焰检测综述．热能动力工程，2001(11)：1～5
[4] 卫成业，王飞，马增益，等．基于炉内火焰辐射图像的断面温度场的重建方法研究．动力工程，2001，21(1)：1046～1049
[5] 常太华，李国光，田沛，等．煤粉锅炉火焰检测及燃烧诊断．华北电力大学学报，1999，26(1)：57～62
[6] 欧阳元煌，余岳峰．锅炉燃烧火焰数字图像处理方法．上海电力学院学报，1997，13(4)：43～46
[7] 邢志刚，吴文修．电站锅炉炉膛火焰检测新方法．传感器技术，1997，16(5)：52～54
[8] 田翔，何毅，石喜光．炉膛火焰检测原理和锅炉燃烧器管理系统维护探讨．工业工程，1998，1(4)：57～60
[9] 徐益谦，王式民．现代锅炉火焰检测技术的新进展．石油工业出版社，1996，16～24
[10] 岳鹏九，冀焕青．FORNEY数字式火焰检测系统的分析．电力情报，1998(2)：21～23
[11] Kurihara N, et al. A Combustion Diagnosis for Pulverized Coal Boilers Using Flame Imagc Recognition Technology. IEEE Transaction on Energy Conversion. 1986, 1(2):99～103
[12] 许柯夫．数字图像处理技术在电厂锅炉燃烧监测中的应用研究．电力系统自动化，1995，19(4)：43～47
[13] 舒予恺．三菱新型火焰监测装置OPTIS简介．热工自动化信息．1993，1
[14] 高翔，骆仲泱，陈亚非，等．电站锅炉燃烧实时诊断应用技术．电站系统工程，1998，5：52～54
[15] IVO Group (Finland),DIMAC Combustion Management System 1995
[16] S.Collins.Advanced Flame Monitors Take on Combustion Power1993,10
[17] 周怀春，韩才元，朱和平，等．基于自组织神经网络的燃烧诊断研究．控
制理论与应用，1994(10)：600～603
[18] 吕震中，沈炯．电站锅炉火焰检测及燃烧诊断技术．锅炉技术，1997(5)：8～13
[19] 孙江，徐伟勇，余岳峰，等．根据煤粉火焰图像判断燃烧状况的计算机判断算法．热力发电，1997，157(1)：14～18
[20] 华彦平，于向军，吕震军，等．单燃烧器火焰数字图像处理与诊断方法研究．热能动力工程，2002(1)：68～72
[21] 吴占松．发光火焰图像处理技术在火焰监测上的应用：[博士论文] ．北京：清华大学，1998
[22] 周怀春，娄新生，尹鹤龄，等．单色火焰图像处理技术在锅炉燃烧监控中的应用研究．电力系统自动化，1996，10：18～22
[23] 周怀春．炉膛火焰温度分稚图像处理试验研究．中国电机工程学报，1995，15(5)：295～300
[24] 周怀春，娄新生，肖教芳等．炉膛火焰温度场图像处理试验研究．中国电机工程学报，1995，15(4)：395～300
[25] 周怀春，娄新生，尹鹤龄等．单色火焰图像处理技术在锅炉燃烧监控中的应用研究．电力系统自动化，1996，20(10)：18～22
[26] 周怀春，娄新生，邓元凯等．基于辐射图像处理的炉膛燃烧三维温度分布检测原理和方法．中国电机工程学报，1997，17 (1)：1～4
[27] 盛锋，周怀春，韩曙东等．基于图像处理及辐射传热逆问题求解的二维炉膛温度场重建．中国电机工程学报，1999，19 (10)：1～5
[28] 周怀春，韩才元．煤粉燃烧火焰颜色定量分析试验研究．中国电机工程学报，1993，13(1)：44～49
[29] 许柯夫．数字图像处理技术在电厂锅炉燃烧检测中的应用．电力系统自动化．1995，4：23～25
[30] 徐伟勇，余岳峰，张银桥，等．分散型智能锅炉燃烧器火焰检测装置的研究开发．中国电力，1997，30 (10)：20～22
[31] 何万青，余岳峰，徐伟勇等．基于数字图像处理和数字视频技术的锅炉多路火焰检测系统．热力发电，2000，3：45～48
[32] 何万青，黄锏，沈爱国，等．基于DSP和数字视频技术的图像火焰检测系统．中国电力，2000，10：64～67
[33] 赵铁成，张银桥，徐伟勇．新型火焰图像检测器及其着火判据．仪器仪表学报，2002 (2)：98～100
[34] 赵铁成，张银桥，徐伟勇．火焰图像检测器着火判据的设计与实验研究．动力工程，2001，2：1054～1058
[35] 徐伟勇，余岳峰，孙江，等．数字图像处理技术在火焰检测上的应用．中国电力，1994 (10)：41～44
[36] 杨宏，马为民，顾潘，等．电站锅炉神经网络燃烧诊断系统应用研究．热能动力工程，2001(11)：637～640
[37] 杨宏，唐晓军，刘勇，等．基于火焰图像特性的神经网络诊断系统研究．应用科学学报，1998(3)：81～87
[38] 田绪文，姜义道，薛雷，等．锅炉炉膛火焰数字式检测系统．电站系统工程，1996(1)：44～46
[39] 李国田，孙德玉，郑可为．PLC在火焰检测中的应用．黑龙江自动化技术与应用，1999(2)：34～36
[40] 张银桥，何达炳，徐伟勇．单片机在电站锅炉炉膛灭火报警中的应用．动力工程，2000 (4)：620～622
[41] Shimoda N, et al. Prediction Method of Unburnt Carbon for Utility Boiler Using Image Processing Technique of Combustion Flame. IEEE Transaction on Energy Conversion. 1990,5(4): 640～645
[42] Shimoda M,Sugano A, Kimura T, et al. Prediction method of unburnt carbon for coal fired utility boilers using image processing technique of Combustion flame.IEEE Transactions on Energy Conversion. 1990,5(4): 640～645
[43] 伍宇忠．国内300MW以上机组锅炉火焰检测系统使用现状及分析．广东电力，1999，2：32～33
[44] 周俊虎．四角切圆燃煤锅炉燃烧噪音和炉墙振动频谱特性的试验研究．工程热物理学报，18(5)：644～648
[45] 邢伟．600 MW机组炉膛安全监控系统的改进．中国电力，1998 (8)：13～15
[46] 黄勇理，瞿坦，周怀春，等．电站锅炉炉膛火焰自动化监测中的图像处理技术．仪表技术与传感器，2000，8：23～26
[47] OK系列PCI图像卡用户手册．北京：嘉恒中自图像技术有限公司，2003，2
[48] 郑南宁．计算机视觉与模式识别．国防工业出版社，1998
[49] 王润生．图像理解．长沙：国防科技大学出版社，1995
[50] 王积分，张新荣．计算机图像识别．北京：中国铁道出版社，1988
[51] 竺子明．光电图像处理．武汉：华中科技大学出版社，2001
[52] 孙仲康．数字图像处理及其应用．国防工业出版社，1988
[53] Kenneth．R．Castleman著，朱志刚等译．数字图像处理．北京：电子工业出版社，1998
[54] [美] W．K．普拉特．数字图像处理学．北京：科学出版社，1984
[55] 周新论，柳健．数字图像处理．国防工业出版社，1986
[56] A MURAT TEKALP．数字视频处理．北京：电子工业出版社，1998
[57] 李树涛，王耀南．图像椒盐噪声的非线性自适应滤除．中国图像图形学报，2000，15：999～1001
[58] 李树涛，王耀南．基于神经网络的回转窑火焰图像分割．仪器仪表学报，200l(2)：10～12
[59] 王万编译．火焰学．北京：中国科学技术出版社，1994
[60] 常太华，孙丽丽．数字图像处理技术用于锅炉炉膛火焰检测．华北电力大学学报，2000，27(1)：87～91
[61] 徐伟勇，余岳峰，张银桥等．采用传像光纤和数字图像处理技术检测燃烧火焰．动力工程，1999，19(1)：45～48
[62] 谭皓，李立源，陈维南．基于BP网络的锅炉炉膛火焰燃烧状态自动识别．自动化学报，1998，24 (5)：667～670
[63] Allen M G, et al. An Imaging Neural Network Combustion Control System for Utility Boiler Application. Combustion and Flame, 1993, 94: 205～214
[64] 李士勇．模糊控制、神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998
[65] 王耀南．智能控制系统．长沙：湖南大学出版社，1996