论文总字数：19596字

摘 要

摘要 在大型火力发电机组中，炉膛内温度场分布对运行状态的诊断及参燃烧的优化控制具有重要意义。声波测温法作为新型的非接触式测量法，可以适应炉内的恶劣环境，给出炉膛平面乃至三维整个温度场的分布。本文选择锅炉测温系统的声波信号作为研究对象，对声波测温信号进行识别。针对炉内温度场分布的一个重要研究方向是识别接收到的测温信号，筛分出正常信号与故障信号。通过特征提取和模式识别算法对信号进行检测和分类，从而实现对声波信号分类的优化。

本文首先对声波测温方法的意义进行了分析。针对测温信号的特征提取过程，比较了神经网络算法和聚类算法两种模式识别算法。神经网络算法在测温信号识别过程中计算时间较短，分类正确率较高。

关键词：声波测温 特征提取 模式识别 神经网络 聚类算法

Abstract

Abstract：In large-scale thermal power generating units in the furnace temperature field distribution on running diagnostic and parameter optimization of combustion control is important. Acoustic Thermometry, as a new non-contact measuring method, can adapt to the harsh environment in the furnace, furnace plane and are given three dimensional temperature field of the entire distribution. This boiler temperature measurement system of the sound signal as the object of study, the acoustic measurement signal is recognized. An important direction of furnace temperature field distribution is identified as receiving the temperature signal, screening and fault signal normal signal. Through pattern recognition algorithm for signal feature extraction and detection and classification, so as to realize the optimization of the acoustic signal classification.

First of all analyses the significance of acoustic Thermometry. Temperature signal feature extraction and neural network algorithms and clustering algorithms are compared two algorithms for pattern recognition. Neural network temperature signal in the recognition process time is short, high classification accuracy.

Key words:acoustic pyrometry; feature extraction; pattern recognition; neural network; clustering algorithm

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

第二章 温度场测温信号识别方法研究 1

2.1 特征提取方法 1

2.1.1 基于统计方法的特征值选取 3

2.1.2 测温信号特征值分析 4

2.2 聚类算法 5

2.2.1 聚类算法的原理 5

2.2.2 聚类算法流程设计 6

2.3 神经网络算法 6

2.3.1 神经网络算法的原理 6

2.3.2 神经网络算法流程设计 9

第三章 温度场测温信号识别的工程应用 12

3.1 研究对象 12

3.2 聚类算法的应用 16

3.3 神经网络的应用 16

第四章 结果分析与优化措施 18

4.1 特征提取方法的比较 18

4.2 模式识别算法的比较 21

第五章 总结与展望 25

致谢 26

参考文献 27

第一章 绪论

研究背景及意义

复杂温度场广泛存在于各种工业过程中，确定温度的分布情况是保证设备良好运行的重要基础。在大型火力发电厂的锅炉中，温度场分布是极其复杂的。更精确快速的获取温度场分布的数据，不仅可以为火电厂运行人员的调节过程提供数据参考，还能更好的指导自动控制系统的运行[^[1]]。

炉膛温度的分布情况会影响燃料的着火、燃尽和锅炉本身的安全性，获取炉膛的温度分布情况对控制锅炉和诊断运行错误有重要意义。由于燃烧条件设定不合理导致火焰中心偏斜、燃烧不均匀、火焰刷墙等情况。由于锅炉炉膛内温度变化快、气流流动情况复杂、噪声干扰强、待测环境条件恶劣，炉内温度分布的实时测量及温度场的重建一直是工程测量中的难点。火电站的锅炉运行中会出现设备庞大、随机湍流、环境恶劣、瞬态变化等情况，涉及到的温度场参数十分复杂，使得温度的测量难度巨大，测量精度不高，那么燃烧的优化和更好的自动控制就很难实现[^[2]]。此外，稳定的锅炉运行情况对保证锅炉热效率及实现环保节能要求有很大影响，所以准确实时的测量炉膛的温度，对提高热效率和减少环境污染有重要作用。

由于我国的火电厂用煤情况比较复杂，以及燃料量和配风的自发扰动，燃料在炉膛中释放的热量并不稳定。而目前的电厂控制系统中，是以汽压作为调节燃料入炉量的参数，显然这样无法实时反应炉膛内的温度波动。所以如果用炉膛温度场作为控制参量会比汽压更具优越性[^[3]]。

因此在实际应用中，寻求一种快捷有效的方法能对锅炉炉膛温度进行实时监测显得十分重要。这对提高锅炉燃烧效率、对燃烧过程进行优化、寻求热工过程最佳控制策略以及减少环境污染有重要意义目前炉膛流温度场测量主要采用传统的接触式测温方法，接触式测温响应速度慢，不能实时反映整个温度场的温度；同时接触式测温破坏温度场环境，产生较大的辐射级导热误差，不便于传感器的安装与更换。声波测温技术作为一种非接触式测温手段，其测量温度范围宽，对温度场干扰小[^[4]]，可以适应炉内的恶劣环境，给出炉膛平面的温度场的分布。

研究炉膛内温度场的分布，就要能准确而高效的识别接收信号，将正常信号筛选出来，然后才能进行温度场的重建。而在筛选正常信号的过程中，就需要利用模式识别算法进行分类，将不同的信号正确的归类。锅炉炉膛内的声波测温系统一般有多个接收装置，声源信号被多个接收装置接收，由于安装位置和工作状态不同，不同接收装置接收的信号也不同，有些受噪声的影响较大，有些受噪声的影响较小，此时要能筛选出受噪声影响小的信号；有些接收装置可能因为故障并没有接收到正常的信号，从而产生故障信号。这些噪声信号和故障信号都会对测量温度场的分布造成影响，因此，正确的识别这些非正常的信号具有重要意义。本文的目的就是研究信号识别的优化方法，从特征值选取和模式识别算法两方面进行了分析和比较。

剩余内容已隐藏，请支付后下载全文，论文总字数：19596字