[发明专利]一种基于DSP飞灰含碳量测量的实时多任务调度方法

说明书

本发明公开了一种基于DSP飞灰含碳量测量的实时多任务调度方法。基于DSP采用BP神经网络算法在线测量飞灰含碳量，Protothread多线程模型实现非实时任务(BP神经网络参数训练)与实时任务(飞灰含碳量在线预测)同时进行，确保多任务调度的“实时性”与“并发性”，有效避免了由于BP神经网络算法复杂、训练数据量大所造成的DSP中存储容量有限、测量实时性差的问题，从而实现飞灰含碳量的实时在线测量。

技术领域

本发明属于传感器检测及数字信号处理技术领域，具体涉及一种基于DSP飞灰含碳量测量的实时多任务调度方法。

背景技术

在工业火力发电中，飞灰含碳量是影响锅炉燃烧系统的一个重要指标，实时、在线测量飞灰的含碳量有利于调整一次风量与入料煤粉比例，提高燃烧效率，提高锅炉机组运行的安全性与经济性，同时对预防环境污染具有重要意义。

目前现有的飞灰含碳量测量装置大多采用物理测量方法，包括静电法、微波法、光学反射法等，其装置均存在设备复杂、造价及维护成本高且测量精度影响因素较多等问题。而软测量法，包括BP神经网络、支持向量机、信息融合技术等，都具有预测精度高、泛化性能好、成本低等优点，具有较好的应用前景。目前对飞灰含碳量软测量方法的研究均处于离线建模、测量阶段，无实际测量的装置，且软测量方法均存在参数训练数据量大、算法复杂度高等问题。由于工业现场对于飞灰含碳量检测实时性要求较高，因此研究一种将复杂算法与多任务调度方法相结合，进而满足“并发性”、“实时性”要求的飞灰含碳量测量方法，并应用于工业处理器中，具有重要意义。

发明内容

本发明的目的在于提供一种基于DSP飞灰含碳量测量的实时多任务调度方法，以解决基于DSP采用BP神经网络算法测量飞灰含碳量中由于算法复杂、参数训练数据量大所造成的DSP存储有限、测量实时性差的问题，进而实现飞灰含碳量的实时在线测量。

为实现上述目的本发明采用以下技术方案：一种基于DSP飞灰含碳量测量的实时多任务调度方法，步骤1：采用BP神经网络算法实现飞灰含碳量的在线测量；

步骤2：将BP神经网络算法移植至DSP数字信号处理器中，进行参数在线训练、飞灰含碳量在线测量；

步骤3：采用Protothread多线程模型实现实时任务与非实时任务同时进行。

作为本发明进一步的方案，所述飞灰含碳量的在线测量方法为BP神经网络算法，记c为飞灰的含碳量，N为管道内飞灰样本的浓度，则飞灰流经管道时所产生的静电信号大小与c、N成非线性关系，基于静电传感器采集一段时间管道内飞灰所携带的静电信号序列，记为其中为该c、N下第k次采集的飞灰样本所携带的静电信号值，K为该时间段内采集信号的最大次数；求得该含碳量c、浓度N下飞灰的信号能量，记为f(c,N)，则飞灰样本的信号能量f(c,N)与c、N成非线性关系，构建输入为信号能量、浓度，输出为飞灰含碳量，隐含层层数为6的三层BP神经网络以实现飞灰含碳量的在线测量，其步骤包括以下两步：

步骤A：参数在线训练：BP神经网络参数训练包括两个过程，即正向传播与反向传播过程，输入信号(信号能量、浓度)经隐含层、输出层正向传播得到网络输出，与目标输出相比产生误差信号，进行反向传播，不断调整网络参数，直至全局误差小于可接受误差或达到最大迭代次数，训练完成，保存网络参数，得到预测函数；

步骤B：飞灰含碳量在线测量：对于未知含碳量的飞灰样本，设其含碳量为c_p，DSP采集模块实时采集管道内飞灰样本浓度，记为N_q，并采集一段时间内管道中飞灰样本的交流静电信号序列求信号能量对f(c_p,N_q)、N_q进行归一化处理，作为预测函数的输入值，即可通过预测函数输出未知飞灰样本的含碳量测量值c_p。

作为本发明进一步的方案，所述步骤3实时任务即飞灰含碳量在线测量、非实时任务即参数在线训练。