针对频谱分析和自组织神经网络的火焰燃烧诊断的分析研究.pdfVIP

上海交通大学硕士研究生论文 摘 要 基于频谱分析和自组织神经网络的火焰燃烧诊断研究 摘 要 在现代燃煤锅炉中 火焰检测和燃烧诊断技术对电厂运行的安全 性 经济性有非常重要的意义 所以 有必要对锅炉燃烧火焰的稳定 性进行有效 实时的检测和诊断 本论文通过对实验室煤粉燃烧炉实验数据的采集与分析 介绍了 一种基于FFT 变换处理与自组神经网络识别相结合的燃烧诊断方法 首先 通过光电传感器可以获得一系列以一定的频率 在某个均值左 右上下波动的火焰强度值 然后 利用 FFT 程序将获得的时域信号 转换成频域上的功率谱信号 因为在稳定和不稳定的燃烧状态下 转 换后得到的低频分量有明显的区别 所以 把每个功率谱中前 30 个 低频分量取出 将其作为神经网络的训练输入 通过自组织训练 神 经网络将得到对应于稳定和不稳定燃烧状态火焰信号的不同输出区 域 经过验证 这种方法能非常有效地识别燃烧火焰状态的稳定与否 论文的主要工作和贡献包括了以下几个方面 1. 从离散数字信号处理理论的角度和实际实验研究需要的角度 对 时域火焰强度信号的采样频率以及时域信号截取窗口大小是否会 对最终诊断结果产生影响进行了讨论 2. 利用稳定燃烧和不稳定燃烧工况下 火焰辐射强度时间序列所对 I 上海交通大学硕士研究生论文 摘 要 应的频谱分布图上低频分量功率谱幅值大小不同这个特点 建立 一个无导师型的 Kohonen 模式识别神经网络 从而对两者进行有 效的识别 并从物理角度对两种燃烧状态在功率谱图上的差别作 出合理解释 3. 对神经网络权向量初始值的选取方法作出改进 从理论角度阐述 了该方法可以提高网络训练的速度 4. 对神经网络优胜领域r(t)采用了退火算法 它能根据训练次数的不 同 动态缩小调整领域 较其它优胜领域的确定方法 该过程更 贴近于人类神经细胞在受到外界刺激后的反应 5. 从神经网络算法角度解释了神经网络识别 盲区 即燃烧火焰状 态识别重合区域的形成原因 6. 开发了一套包括FFT 变换与神经网络识别功能在内的计算软件 经过实验室数据的验证 取得了比较好的识别效果 关键词 燃烧诊断 快速傅立叶变换 自组织神经网络 功率谱 II 上海交通大学硕士研究生论文 摘 要 STUDY THE SELF- ABSTRACT Flame detecting and diagnosis of combustion in modern coal-fired boilers are very important to the safe and economical operating of electric power unit. So the effective real-time detection of combustion flame stability and in-time judgment are necessary. In this paper, after the data are collected through the tests in our university’s laboratory, the power spectrum analysis using algorithm FFT and the self-organized neural networks