[发明专利]一种基于多特征融合聚类的锅炉炉膛态势感知方法

权利要求书

1.一种基于多特征融合聚类的锅炉炉膛态势感知方法，其特征是：利用图像火检探头采集炉膛图像信息，该图像一方面在就地控制柜进行传统的火焰检测、温度检测处理，另一方面直接传输到FSSS监控中心和计算机控制中心，在计算机控制中心完成特征学习、模式库构建和更新，完成炉膛态势感知；在现有的图像火检系统基础上，在云服务中心或服务器部署基于态势感知分析软件，无需改动或增设新的外部设备，具有自学习自更新能力；所述的计算机控制中心为企业云服务中心或计算机服务器机房。

2.根据权利要求1所述的一种基于多特征融合聚类的锅炉炉膛态势感知方法，其特征是：所述的态势感知分析软件包括离线训练阶段和在线运行阶段。

3.根据权利要求2所述的一种基于多特征融合聚类的锅炉炉膛态势感知方法，其特征是：离线训练阶段，具体步骤如下：

分别周期性采集点火阶段、稳定燃烧阶段、欠稳定燃烧阶段的图像集合，各阶段的图像采集间隔根据需要调整，默认为1秒；根据摄像机拍摄速度的不同，采集间隔内采集到的图像帧数会有差别，但是不影响进行以下的步骤；图像采集完毕后，执行以下操作：

(1)利用公式I＝0.11R+0.59G+0.3B将火焰彩色图像转换为灰度图像，其中，I为转换后的图像亮度或灰度，R,G,B红、绿、蓝颜色分量；亮度值始终大于等于零；

(2)统计平均火焰亮度值、亮度标准差，分别用以反应燃烧的剧烈程度和特征区燃烧的均匀性；

(3)利用公式计算火焰面积，其中I_j表示火焰图像中第j个像素点的亮度值；I_th是亮度阈值，根据历史统计记录设定；N是火焰图像中的像素点总数，L(.)为阶跃函数；

(4)根据三色法原理，利用火焰图像包含的R,G,B三色信息测量炉内温度；

(5)利用多维K-means算法，将炉内温度、平均火焰量度值、量度标准差和火焰面积作为参数，对训练数据进行聚类；

(6)计算分类后每个簇的质心。

4.根据权利要求2所述的一种基于多特征融合聚类的锅炉炉膛态势感知方法，其特征是：所述的在线运行阶段，执行以下操作：

(1)按照训练阶段同样的方法计算炉内火焰特征值，所述的炉内火焰特征值为炉内温度、平均火焰亮度值、亮度标准差和火焰面积，并将当前炉内火焰特征值加入服务器中心火焰特征库；

(2)在多维空间内，计算矢量与各个簇的质心的距离，并存储当前质心距离；所述的计算矢量为炉内温度、平均火焰量度值、量度标准差和火焰面积；

(3)选择距离最小的簇，作为当前燃烧状态的判决值，并与FSSS联动：若燃烧不稳定，提醒运行维护人员调整燃烧参数；若燃烧区域恶化，向点火系统发出稳燃指令；若炉膛灭火，则向DCS发出OFF信号；

(4)以时间维上的质心距离变化值绘制质心距离变化曲线，反应火焰历史变化情况，并预测可能的变化趋势；变化趋势预测方法如下：

a、计算质心距离变化的历史平均值；

b、比较当前质心距离变化与历史质心距离变化，若大于给定阈值，进行报警；

(5)输出当前燃烧状态判决值、质心距离变化历史平均值、变化趋势预测。