一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法技術

一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，包括以下步驟：S1：采集火焰燃燒圖像并通過火焰燃燒圖像提取特征值，所述特征值包括火焰中心面積占比與火焰中心的偏心距，所述火焰燃燒圖包括訓練用圖與測試用圖；S2：針對訓練用圖提取的特征值進行建模得到火焰燃燒圖像識別模型；S3：針對測試用圖提取的特征值采用火焰燃燒圖像識別模型進行識別得到模型識別結果；S4：根據模型識別結果通過燃燒優化模型進行優化調整。本發明專利技術降低主觀因素和經驗的影響，提高鍋爐燃燒優化的實時性和可靠性。

【技術實現步驟摘要】
一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法
本專利技術涉及鍋爐燃燒優化領域，特別是一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法。
技術介紹
目前，用于火力發電的鍋爐燃燒優化已成為智慧電廠的重點研究領域，并且得到一定應用。但是由于通過傳感器數據獲得的燃燒效果是從整個過程末端采集，不能夠實時反應爐膛內燃燒效果，從而觸發整個燃燒優化控制，因此很難做到準確、實時的在線優化，以至于優化的效果不能達到預期水平。在傳統的鍋爐燃燒控制中，有經驗的工程師往往通過部署在爐膛視頻監控設備觀測爐膛內火焰燃燒的情況，從而判斷是否需要調整控制參數。但一般情況下，工程師很難每時每刻盯著視頻觀察，而且判斷燃燒狀態也取決于不同班組不同工程師的主觀因素和經驗。
技術實現思路
本專利技術的目的在于克服現有技術的不足，提供一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，降低主觀因素和經驗的影響，提高鍋爐燃燒優化的實時性和可靠性。本專利技術的目的是通過以下技術方案來實現的：一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，包括以下步驟：S1：采集火焰燃燒圖像并通過火焰燃燒圖像提取特征值，所述特征值包括火焰中心面積占比與火焰中心的偏心距，所述火焰燃燒圖包括訓練用圖與測試用圖；S2：針對訓練用圖提取的特征值進行建模得到火焰燃燒圖像識別模型；S3：針對測試用圖提取的特征值采用火焰燃燒圖像識別模型進行識別得到模型識別結果；S4：根據模型識別結果通過燃燒優化模型進行優化調整。進一步，所述步驟S1包括以下子步驟：S101：采集火焰燃燒圖像；S102：對火焰燃燒圖像進行特征值提取；S103：對火焰燃燒圖像進行預處理；S104：對預處理后的火焰燃燒圖像進行通道分離并提取得到單通道圖；S105：將所述單通道圖轉化為二值圖像；S106：通過二值圖像計算火焰中心面積占比；S107：通過二值圖像計算火焰中心的偏心距；S108：將火焰中心面積占比與火焰中心的偏心距合并成特征值向量。進一步，所述步驟S104中通道分離的方法為RGB通道分離、HSV通道分離、YcbCr通道分離以及L*a*b*通道分離中的一個。進一步，所述步驟S104中通道分離的方法為RGB通道分離，所述單通道圖為B通道灰度圖。進一步，所述步驟S105中通過設置閾值進行單通道圖到二值圖像的轉化。進一步，所述閾值為多層固定閾值T，提取的火焰中心面積為多層火焰中心面積；所述火焰中心面積占比為多層火焰中心面積占比。進一步，所述步驟S103中對火焰燃燒圖像進行去噪以及抑制過亮的光暈背景的預處理。進一步，所述步驟S107中的偏心距為火焰中心與爐膛中心的距離。進一步，所述步驟S4包括以下子步驟：S401：提取燃燒優化模型的輸入數據與輸出數據，并對輸入數據與輸出數據進行預處理；S402：根據輸入數據與輸出數據建立燃燒優化模型；S403：根據模型識別結果通過燃燒優化模型進行輸入參數的優化。進一步，所述輸入數據包括負荷、爐膛出口氧量、一次風速、風向壓差、二次風風門開度、燃盡風、煤質以及磨煤機給煤量；所述輸出數據包括飛灰含碳量、大渣含碳量、爐膛出口Nox、爐膛出口SO2以及爐膛出口煙塵量。本專利技術的有益效果是：降低主觀因素和經驗的影響，提高鍋爐燃燒優化的實時性和可靠性。附圖說明圖1為本專利技術的硬件系統結構示意圖；圖2為本專利技術的示意圖；圖3為選取不同閾值時中心火焰面積的區別示意圖；圖4為偏心距的示意圖。具體實施方式以下通過特定的具體實例說明本專利技術的實施方式，本領域技術人員可由本說明書所揭露的內容輕易地了解本專利技術的其他優點與功效。本專利技術還可以通過另外不同的具體實施方式加以實施或應用，本說明書中的各項細節也可以基于不同觀點與應用，在沒有背離本專利技術的精神下進行各種修飾或改變。需說明的是，在不沖突的情況下，以下實施例及實施例中的特征可以相互組合。需要說明的是，以下實施例中所提供的圖示僅以示意方式說明本專利技術的基本構想，遂圖式中僅顯示與本專利技術中有關的組件而非按照實際實施時的組件數目、形狀及尺寸繪制，其實際實施時各組件的型態、數量及比例可為一種隨意的改變，且其組件布局型態也可能更為復雜。實施例一：如圖1至圖4所示，一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，包括以下步驟：S1：采集火焰燃燒圖像并通過火焰燃燒圖像提取特征值，所述特征值包括火焰中心面積占比與火焰中心的偏心距，所述火焰燃燒圖包括訓練用圖與測試用圖；S101：采集火焰燃燒圖像；S102：對火焰燃燒圖像進行特征值提取；S103：對火焰燃燒圖像進行預處理；所述步驟S103中對火焰燃燒圖像進行去噪以及抑制過亮的光暈背景的預處理；由于用于采集火焰燃燒圖像的攝像頭實際的布置位置遠離火焰，因此會出現大量圖像噪聲(例如飛灰)以及過亮的光暈背景，因此進行去噪以及抑制過亮的光暈背景的預處理。預處理方法包括高斯濾波、中通濾波、均值濾波等方法。S104：對預處理后的火焰燃燒圖像進行通道分離并提取得到單通道圖；所述步驟S104中通道分離的方法為RGB通道分離、HSV通道分離、YcbCr通道分離以及L*a*b*通道分離中的一個。通過比較四種方法，RGB通道分離對于中心火焰識別的效果最佳。所述步驟S104中通道分離的方法為RGB通道分離，所述單通道圖為B通道灰度圖。S105：將所述單通道圖轉化為二值圖像；所述步驟S105中通過設置閾值進行單通道圖到二值圖像的轉化。閾值的大小決定了火焰中心面積，閾值越大火焰中心面積越小，閾值越小火焰中心面積越大。所述閾值為多層固定閾值T，提取的火焰中心面積為多層火焰中心面積。通過多層火焰中心面積可以定性反映多個位置的火焰溫度。由于攝像頭和采集卡可能存在不同，多層固定閾值T的選擇通過反復試驗的方式選取合適的各層閾值。為了方便說明，這里舉例選取兩層固定閾值分別為0.8*255，0.9*255，圖3示出選取不同閾值的中心火焰面積的區別。S106：通過二值圖像計算火焰中心面積占比；所述閾值為多層固定閾值T，則火焰中心面積占比為多層火焰中心面積占比。通過黑白像素計算火焰中心面積占比R1…Rn。火焰中心面積占比越大說明燃燒效果越好。S107：通過二值圖像計算火焰中心的偏心距；所述偏心距為火焰中心與爐膛中心的距離H。偏心距越小說明配風比較好，反之配風可能不佳。而且偏心距越大，會使得冷卻壁效率下降、實用壽命縮短。在計算火焰中心的位置時，采用最內層火焰輪廓最小外接矩形的中心，最內層火焰輪廓指采用多層固定閾值時得到的多層火焰中最內層火焰的輪廓。因為最內層火焰像素表現最明顯，判斷上也較為穩定。如圖4所示，A點為最內層火本文檔來自技高網...

【技術保護點】
1.一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，其特征在于：包括以下步驟：/nS1：采集火焰燃燒圖像并通過火焰燃燒圖像提取特征值，所述特征值包括火焰中心面積占比與火焰中心的偏心距，所述火焰燃燒圖包括訓練用圖與測試用圖；/nS2：針對訓練用圖提取的特征值進行建模得到火焰燃燒圖像識別模型；/nS3：針對測試用圖提取的特征值采用火焰燃燒圖像識別模型進行識別得到模型識別結果；/nS4：根據模型識別結果通過燃燒優化模型進行優化調整。/n

【技術特征摘要】
1.一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，其特征在于：包括以下步驟：
S1：采集火焰燃燒圖像并通過火焰燃燒圖像提取特征值，所述特征值包括火焰中心面積占比與火焰中心的偏心距，所述火焰燃燒圖包括訓練用圖與測試用圖；
S2：針對訓練用圖提取的特征值進行建模得到火焰燃燒圖像識別模型；
S3：針對測試用圖提取的特征值采用火焰燃燒圖像識別模型進行識別得到模型識別結果；
S4：根據模型識別結果通過燃燒優化模型進行優化調整。


2.根據經權利要求1所述的一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，其特征在于：所述步驟S1包括以下子步驟：
S101：采集火焰燃燒圖像；
S102：對火焰燃燒圖像進行特征值提取；
S103：對火焰燃燒圖像進行預處理；
S104：對預處理后的火焰燃燒圖像進行通道分離并提取得到單通道圖；
S105：將所述單通道圖轉化為二值圖像；
S106：通過二值圖像計算火焰中心面積占比；
S107：通過二值圖像計算火焰中心的偏心距；
S108：將火焰中心面積占比與火焰中心的偏心距合并成特征值向量。


3.根據經權利要求2所述的一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，其特征在于：所述步驟S104中通道分離的方法為RGB通道分離、HSV通道分離、YcbCr通道分離以及L*a*b*通道分離中的一個。


4.根據經權利要求3所述的一種基于火焰燃燒圖像判斷的在線鍋爐燃燒優化方法，其特征在于：所述步驟S104中通道分離的方法為RGB通道分離，所述單通道圖為B...

【專利技術屬性】
技術研發人員：劉旸，
申請(專利權)人：劉旸，
類型：發明
國別省市：遼寧;21