燃烧状态在线识别与预测研究

论文摘要

燃烧火焰是表征燃烧状态稳定与否的最直接反映。燃烧调整不好或者燃烧不稳定，会导致燃烧效率下降，产生更多的环境污染物、噪音等，更可能引起严重的事故，造成人员伤亡和财产损失。所以，为了消除潜在的危险和提高燃料的燃烧效率，必须对燃烧状况进行监测。论文提出了一种基于人工神经网络的燃烧状态在线识别及在线预测系统。图像检测系统采集火焰燃烧图像，并由图像识别程序提取其位置、形状及强度特征参数。依据这些参数，利用附加动量项与学习率可变的BP网络识别燃烧状态，并利用指数平滑预测模型对燃烧状态进行预测。该系统为运行人员提供了有意义的状态指数，有利于对燃烧状态进行在线监控，为燃烧器的燃烧诊断提供一种新方法。实验结果表明：此系统对燃烧状态有较高的识别准确性，可以有效地实现熄火、回火等状态的预测。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景
• 1.2 国内外研究状况及发展趋势
• 1.3 研究目标与主要工作
• 2 燃烧状态识别及预测的原理与实验设计
• 2.1 引言
• 2.2 试验的基本原理
• 2.3 图像检测系统设计
• 2.4 实验程序功能模块简介
• 2.5 实验工况简介
• 3 图像采集与识别程序的设计
• 3.1 图像处理概述
• 3.2 图像的数字化表示
• 3.3 图像采集程序流程
• 3.4 图像采集程序（CDLL）
• 3.5 图像识别程序
• 3.6 图像识别的问题分析
• 4 人工神经网络的原理与设计
• 4.1 人工神经网络简介
• 4.2 人工神经网络的发展历史与现状
• 4.3 神经元模型和激励函数
• 4.4 BP人工神经网络
• 5 燃烧状态在线识别
• 5.1 引言
• 5.2 基于神经网络的燃烧状态识别训练及样本测试
• 5.3 基于BP神经网络的在线识别
• 5.4 实验结果分析
• 6 燃烧状态变化的预测
• 6.1 引言
• 6.2 燃烧状态预测模型的选择
• 6.3 燃烧状态变化的在线预测
• 6.4 实验结果分析
• 6.5 基于人工神经网络的状态预测
• 结论
• 致谢
• 参考文献
• 附录A
• 附录B