基于圖像和改進算法的火焰燃燒穩(wěn)定性判別方法研究.pdf

1、保證煤炭穩(wěn)定燃燒是燃煤電站安全運營最根本的要求，爐膛火焰是表征燃燒狀態(tài)是否穩(wěn)定的最直接反映，為實現鍋爐燃燒狀態(tài)的自動監(jiān)測，對燃燒的穩(wěn)定程度進行量化判定，論文基于火焰圖像處理技術，從爐腔火焰圖像中提取燃燒參數，建立燃燒參數數據庫，為建立的模型提供訓練和測試樣本，本文提出了兩種神經網絡模型。
　　針對BP算法抗干擾能力差、學習速率慢且易陷入局部極小點等適用性，本文提出一種基于分層動態(tài)調節(jié)不同學習速率的BP算法。該算法綜合考慮網絡訓練方

2、式和學習率的不足，改進了隱含層的傳遞函數，設計新的復合誤差函數，同時采用分層動態(tài)調整不同學習率的方法以加快傳統(tǒng)BP算法的收斂速度，同時對造成陷入局部極小的異常樣本進行修復，最后將獲取的樣本參數分為訓練樣本和測試樣本對所建立的模型進行訓練和測試。實驗結果表明，所建立模型具有較好的容錯能力和映射能力，改進后的算法提高了穩(wěn)定性的識別率，運算速度較快，可以滿足穩(wěn)定性判定的實時性要求。
　　另外，本文基于多屬性區(qū)間決策理論得到燃燒決策庫，在

3、模糊推理中，為了獲取隸屬度函數參數和模糊推理規(guī)則，提出基于粗糙集簡化樣本決策庫，實現屬性簡約和屬性值簡約，增加了網絡訓練樣本參數的可靠性。再結合模糊網絡的邏輯推理性和神經網絡的學習性、并行計算等優(yōu)點，提出建立T-S模糊神經網絡模型用于燃燒診斷，選擇合適的模糊分割數，定義“五四模型”，建立基于“五四模型”的火焰燃燒穩(wěn)定性判定模型進行仿真。對比訓練前后的仿真圖參數可得，該模型是可行的，并具有較好的實驗效果。
　　對比兩種神經網絡模型仿