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。
Flame Detector, which scans the flame health on-line, is the core part of Furnace Safeguard Supervisory System (FSSS). Its properly work can make the boiler safe and efficiency. But nowadays, partly because the process of burning is still intricacy and partly because the localization of old method, the traditional Flame Detector is far away from satisfied.
In this article, on the basis of investigation on the traditional ways of flame detect, and analyzed the problem of some well known fire safeguard products, we bring forward a new method to detect boiler flame, and practically established our own Flame Detector, which we called Vulcan-I to validate our theories. The new Flame Detector is based on modern Measurement Science, it use high-performance spectral estimation and neural network to perform pattern recognition, to compared with traditional Flame Detector, the new kind of Flame Detector have self-adaptive > self-learning abilities, and gains higher accuracy ?
In our experimentation, the new method of flame detect is performances well than traditional ways. This proves that the use of modem Measurement Science can improve system's performances.
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。
Flame Detector, which scans the flame health on-line, is the core part of Furnace Safeguard Supervisory System (FSSS). Its properly work can make the boiler safe and efficiency. But nowadays, partly because the process of burning is still intricacy and partly because the localization of old method, the traditional Flame Detector is far away from satisfied.
In this article, on the basis of investigation on the traditional ways of flame detect, and analyzed the problem of some well known fire safeguard products, we bring forward a new method to detect boiler flame, and practically established our own Flame Detector, which we called Vulcan-I to validate our theories. The new Flame Detector is based on modern Measurement Science, it use high-performance spectral estimation and neural network to perform pattern recognition, to compared with traditional Flame Detector, the new kind of Flame Detector have self-adaptive > self-learning abilities, and gains higher accuracy ?
In our experimentation, the new method of flame detect is performances well than traditional ways. This proves that the use of modem Measurement Science can improve system's performances.
引文
[1] 耿立军，刘志勤．670t／h锅炉FSSS全炉膛灭火保护的改进．华东电力．1994．第2期：37-38
[2] 姚金环，王立地．FLAMON火焰检测器分析．华东电力．2000．第6期：45-47
[3] 王立地，姚金环．ⅠDD-Ⅱ和FLAMON两种进口火焰检测器的比较．华北电力技术．2000．第5期：41-43
[4] 王啸，王志祥等．CE公司炉膛安全监控系统的分析与比较．自动化与仪表．1994．第9卷(第6期)：4-6
[5] 重庆华夏新技术发展有限公司．HHG-98红外动态火焰检测器使用说明书
[6] 安其霖．火焰检测器的光路设计．上海大学学报．第3卷(第6期)：640-644
[7] 岳鹏九，翼焕青．FORNEY数字式火焰检测系统的分析．电力情报．1998．第2期：21-21
[8] 南京华能中电．DL／HJ型电站锅炉火焰监测报警系统科技成果申请书
[9] 樊泉桂，李江．大容量锅炉火焰动态响应特性及红外探测技术．动力工程．1997．第17期(第3期)：9-13
[10] 陈永彬．数字信号处理．国防工业出版社．1980
[11] 张贤达．现代信号处理．第一版．清华大学出版社．1995
[12] 黄俊钦．随机信号处理．第一版．北京航空航天大学出版社．1990
[13] Burg J P. Maximum entropy spectral analysis. PH.D.dissertation Dep.Geophysics. Stanford Unir. Stanford CA.1975
[14]Marple S L. Modern Spectral Estimation. Englewood Cliffs, NJ: Prentic-Hall, Inc., 1987
[15] 刘国岁．随机信号理论与应用．第一版．兵器工业出版社．1992
[16] 朱麟章，蒙建波．检测理论及其应用．第一版．机械工业出版社．1997
[17] 黄德双．神经网络模式识别系统理论．电子工业出版社．1997
[18] 阎平凡、张长水．人工神经网络与模拟进化计算．第一版．清华大学出版社．2000
[19] 黄风岗，宋克欧．模式识别．第一版．哈尔滨工程大学出版社．1998
[20] 沈清，汤霖．模式识别导论．第一版．国防科技大学出版社．1991
[21] 边肇祺，张学工．模式识别．第二版．清华大学出版社．2000
[22] 应启衍，冯一云，窦维蓓．离散时间信号分析和处理．第一版．清华大学出版社．2001
[23] Borland／Inprise公司．梁志刚等．C++Builder5开发人员指南．第一版．机械工业出版社．2000
[24] 易忠亮．C++矩阵运算类库与Windows应用软件．清华大学出版社．第一版．1995
[25] 珞璜电厂．珞璜电厂培训教材
[26] C-E公司．炉膛安全监控系统FSSS．1987
[27] 邢伟．600MW机组炉膛安全监控系统的改进．中国电力．1998．第31卷(第8期)：13-18
[28] 陈尧生，阮航．大型锅炉火焰监测装置．工业仪表与自动化装置．1997．第6期：46-48
[29] 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．第16卷(第5期)：52-54
[30] 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．第一卷(第4期)：57-60
[31] 潘华．ECS-Q120炉膛火焰检测．广东电力．1996．第3期：62-63
[32] 星野，光伸，吴蓓．单只燃烧器诊断装置及新型火焰检测器．锅炉技术．1991．第5期：23-30
[33] 黄建新，洪佩孙．大容量燃煤锅炉火焰的寻优相关检测．江苏机电工程．1996．第15卷(第1期)：43-46
[34] 何佩敖，董延平．我国300MW和600MW机组燃煤锅炉的炉膛火焰检测技术．电站系统工程．1993．第9卷(第5期)：36-40
[35] 邓庆松．ⅡD-Ⅱ型火焰检测系统的调试与分析．电力技术．1990．第3期．第23-27页
[36] 瞿东晖，张立明．多层前馈网络在模式识别中的理论和应用．电子学报．1995．第7期：64-67
[37] 徐荣军，欧昌俗等．模式识别及神经网络算法在16Mn钢生产中应用．北京科技大学学报．1995．第17卷(增刊)：105-109
[38] 李春生，许少华，张平．人工神经网络认知器用于模式识别的方法研究．大庆石油学院学报．1997．第21卷(第1期)：61-64
[39] 刘春林，何建敏．神经网络用于模式识别分类的改进算法．东南大学学报．1999．第29卷(第1期)：20-24
[40] 马尽文，一种应用于模式识别的神经网络．汕头大学学报．第9卷(第1期)．1994：14-19
[41] 孙建业，王辉．BP神经网络算法的改进．系统工程与电子技术．1994．第6期：41-46
[42] 陆金桂，王石刚等．多层神经网络BP算法的研究．计算机工程．1994．第20卷(第1期)：17-19
[43] 徐金悟，梁静．神经网络在信号处理中的应用．北京科技大学学报．1994．第16卷(第1期)：58-61
[44] Forney 公司.Forney Service Manual
[45] Forney 公司.FIREYE Insight flame scanner user's manual.2000
[46] CE FLAME SENSING SYSTEM DESCRIPTION OPERATION MAINTENACE 1989.9
[47] Steven Collins. Advanced Flame Monitors Take on Combustion Control. Power. 1993
[48] Cooley J W, Tukey J W. An algorithm for the machine computation of complex Furier series. Mathematics of Computation, 1965, 19(Apr):297-301
[49] Duhamel P, Holtmann H. Split-radix FFT algorithm. Electronics Letters. 1984, 20(1): 14-16
[50] Hamming R W. Digital Filters. 3rd ed. Englewood Cliffs. NJ: Prentice-Hall,1983
[51] Stearns S D, David R A. Signal Precessing Algorithms. Englewood Cliffs. NJ:Prentice-Hall, 1988
[52] Tukey J W. The sampling theory of power spectrum estimates. J.Cycle Res. 1957,6:31-52
[53] Cadzow J A. Spectral estimation: An over determined rationale model equation approach. IEEE.vol.70.pp:907-938
[54] Kay S M.Modern Spectral Estimation:Theory and Application. Englewood Clifs.NJ:Prentice Hall. 1988
[55] Tretter S A. Introduction to Discrete-Time Signal Processing. New York: John Wiley and Sons. 1976
[56] Priestley M B. Spectral Analysis and Time Series. New York: Academic Press, 1981
[57] R P. Lippmann. Pattern Classification Using Neural Network. IEEE Communications Magazine. Nov. 1989
[58] Galiinari P. et al. Multilayer Perceptions and Data Analysis. Proc IEEE ICNN. 1988. 1:391-399
[2] 姚金环，王立地．FLAMON火焰检测器分析．华东电力．2000．第6期：45-47
[3] 王立地，姚金环．ⅠDD-Ⅱ和FLAMON两种进口火焰检测器的比较．华北电力技术．2000．第5期：41-43
[4] 王啸，王志祥等．CE公司炉膛安全监控系统的分析与比较．自动化与仪表．1994．第9卷(第6期)：4-6
[5] 重庆华夏新技术发展有限公司．HHG-98红外动态火焰检测器使用说明书
[6] 安其霖．火焰检测器的光路设计．上海大学学报．第3卷(第6期)：640-644
[7] 岳鹏九，翼焕青．FORNEY数字式火焰检测系统的分析．电力情报．1998．第2期：21-21
[8] 南京华能中电．DL／HJ型电站锅炉火焰监测报警系统科技成果申请书
[9] 樊泉桂，李江．大容量锅炉火焰动态响应特性及红外探测技术．动力工程．1997．第17期(第3期)：9-13
[10] 陈永彬．数字信号处理．国防工业出版社．1980
[11] 张贤达．现代信号处理．第一版．清华大学出版社．1995
[12] 黄俊钦．随机信号处理．第一版．北京航空航天大学出版社．1990
[13] Burg J P. Maximum entropy spectral analysis. PH.D.dissertation Dep.Geophysics. Stanford Unir. Stanford CA.1975
[14]Marple S L. Modern Spectral Estimation. Englewood Cliffs, NJ: Prentic-Hall, Inc., 1987
[15] 刘国岁．随机信号理论与应用．第一版．兵器工业出版社．1992
[16] 朱麟章，蒙建波．检测理论及其应用．第一版．机械工业出版社．1997
[17] 黄德双．神经网络模式识别系统理论．电子工业出版社．1997
[18] 阎平凡、张长水．人工神经网络与模拟进化计算．第一版．清华大学出版社．2000
[19] 黄风岗，宋克欧．模式识别．第一版．哈尔滨工程大学出版社．1998
[20] 沈清，汤霖．模式识别导论．第一版．国防科技大学出版社．1991
[21] 边肇祺，张学工．模式识别．第二版．清华大学出版社．2000
[22] 应启衍，冯一云，窦维蓓．离散时间信号分析和处理．第一版．清华大学出版社．2001
[23] Borland／Inprise公司．梁志刚等．C++Builder5开发人员指南．第一版．机械工业出版社．2000
[24] 易忠亮．C++矩阵运算类库与Windows应用软件．清华大学出版社．第一版．1995
[25] 珞璜电厂．珞璜电厂培训教材
[26] C-E公司．炉膛安全监控系统FSSS．1987
[27] 邢伟．600MW机组炉膛安全监控系统的改进．中国电力．1998．第31卷(第8期)：13-18
[28] 陈尧生，阮航．大型锅炉火焰监测装置．工业仪表与自动化装置．1997．第6期：46-48
[29] 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．第16卷(第5期)：52-54
[30] 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．第一卷(第4期)：57-60
[31] 潘华．ECS-Q120炉膛火焰检测．广东电力．1996．第3期：62-63
[32] 星野，光伸，吴蓓．单只燃烧器诊断装置及新型火焰检测器．锅炉技术．1991．第5期：23-30
[33] 黄建新，洪佩孙．大容量燃煤锅炉火焰的寻优相关检测．江苏机电工程．1996．第15卷(第1期)：43-46
[34] 何佩敖，董延平．我国300MW和600MW机组燃煤锅炉的炉膛火焰检测技术．电站系统工程．1993．第9卷(第5期)：36-40
[35] 邓庆松．ⅡD-Ⅱ型火焰检测系统的调试与分析．电力技术．1990．第3期．第23-27页
[36] 瞿东晖，张立明．多层前馈网络在模式识别中的理论和应用．电子学报．1995．第7期：64-67
[37] 徐荣军，欧昌俗等．模式识别及神经网络算法在16Mn钢生产中应用．北京科技大学学报．1995．第17卷(增刊)：105-109
[38] 李春生，许少华，张平．人工神经网络认知器用于模式识别的方法研究．大庆石油学院学报．1997．第21卷(第1期)：61-64
[39] 刘春林，何建敏．神经网络用于模式识别分类的改进算法．东南大学学报．1999．第29卷(第1期)：20-24
[40] 马尽文，一种应用于模式识别的神经网络．汕头大学学报．第9卷(第1期)．1994：14-19
[41] 孙建业，王辉．BP神经网络算法的改进．系统工程与电子技术．1994．第6期：41-46
[42] 陆金桂，王石刚等．多层神经网络BP算法的研究．计算机工程．1994．第20卷(第1期)：17-19
[43] 徐金悟，梁静．神经网络在信号处理中的应用．北京科技大学学报．1994．第16卷(第1期)：58-61
[44] Forney 公司.Forney Service Manual
[45] Forney 公司.FIREYE Insight flame scanner user's manual.2000
[46] CE FLAME SENSING SYSTEM DESCRIPTION OPERATION MAINTENACE 1989.9
[47] Steven Collins. Advanced Flame Monitors Take on Combustion Control. Power. 1993
[48] Cooley J W, Tukey J W. An algorithm for the machine computation of complex Furier series. Mathematics of Computation, 1965, 19(Apr):297-301
[49] Duhamel P, Holtmann H. Split-radix FFT algorithm. Electronics Letters. 1984, 20(1): 14-16
[50] Hamming R W. Digital Filters. 3rd ed. Englewood Cliffs. NJ: Prentice-Hall,1983
[51] Stearns S D, David R A. Signal Precessing Algorithms. Englewood Cliffs. NJ:Prentice-Hall, 1988
[52] Tukey J W. The sampling theory of power spectrum estimates. J.Cycle Res. 1957,6:31-52
[53] Cadzow J A. Spectral estimation: An over determined rationale model equation approach. IEEE.vol.70.pp:907-938
[54] Kay S M.Modern Spectral Estimation:Theory and Application. Englewood Clifs.NJ:Prentice Hall. 1988
[55] Tretter S A. Introduction to Discrete-Time Signal Processing. New York: John Wiley and Sons. 1976
[56] Priestley M B. Spectral Analysis and Time Series. New York: Academic Press, 1981
[57] R P. Lippmann. Pattern Classification Using Neural Network. IEEE Communications Magazine. Nov. 1989
[58] Galiinari P. et al. Multilayer Perceptions and Data Analysis. Proc IEEE ICNN. 1988. 1:391-399