[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

说明书

技术领域

本发明涉及一种锅炉炉膛态势感知方法，特别是一种基于多特征融合聚类的锅炉炉膛态势感知方法。

背景技术

锅炉炉膛的稳定燃烧是锅炉持续稳定运行、保障安全生产和提高经济效益的基本要求。然而，锅炉炉膛内的燃烧是一个多相反应过程，受多种因素影响。如果燃烧不稳定，不但会降低锅炉热效率，产生噪声和热污染，甚至可能引起炉膛灭火或爆炸。通过先进的火焰检测技术和智能信息处理方法，及时可靠的掌握炉内燃烧态势，动态调整锅炉运行参数，是保证炉膛稳定燃烧、防止运行事故的有效手段。

由于燃烧火焰一般具有不同的发热程度、电离状态、差压、音响等特征，会辐射出红外线、可见光、紫外线等光谱，且其光谱及火焰具有脉动现象，人们针对这些特点开发了多种不同的火焰检测设备。直接使用这些特征的方法有差压法、温度法、声波法、检出电极法等，这些方法要么对环境要求较高，要么存在一定局限性，目前已经很少应用。另外一类称为间接法，它利用辐射能量检测火焰，即检测火焰辐射出的红外线、可见光和紫外线等，它们一般同时检测火焰亮度和脉动频率，应用范围较广。

基于图像的火焰检测法也属于间接检测法，其视野比传统火焰检测方法大得多，可有效覆盖整个炉膛断面，完整获得全炉膛的燃烧图像，确保后续检测的准确性，提高系统适应能力。这种方法借助数字图像处理、模式识别等技术对燃烧器喷口火焰图像进行处理分析，通过图像的区域特征、亮度、色彩等判断燃烧火焰的状况，进而对炉内燃烧状态进行评价。

火焰检测系统(FDS)通常与锅炉炉膛安全监控系统(FSSS)联动，或者FDS本身就是FSSS的一部分。当炉膛火焰稳定性低于某个预设阈值时，系统将会发出预警信号，并向FSSS发出灭火证实信号。

上述基于图像的火焰检测法在锅炉炉膛火焰检测方面发挥了巨大作用。事实上，炉内燃烧是一个时间上连续的过程，不同图像帧之间具有很强的相关性。从空间上看，一帧图像内的不同区域亦具有较强的相关性。从整个锅炉炉膛燃烧和锅炉控制系统视角看，燃烧稳定、燃烧欠稳定以及灭火状态具有很大的差异，反应在FDS图像上，则是不同图像之间的特征差异。如果能够根据这些特征差异，利用自学习构建不同状态下的燃烧火焰模式，将大大提高FDS与FSSS系统的可靠性，大幅提升锅炉运行的安全性。

发明内容

本发明的目的是要提供一种基于多特征融合聚类的锅炉炉膛态势感知方法，利用图像处理技术和智能信息处理算法构建炉膛火焰模式，进而实时掌握炉膛的燃烧态势，提高锅炉运行参数调整和灭火保护的可靠性。

本发明的目的是这样实现的：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。

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。

所述的离线训练阶段，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。

所述的在线运行阶段，执行以下操作：