爐膛火焰圖像處理及其控制系統研究

李旋宇

（池州學院 機械與電子工程系，安徽 池州 247000）

爐膛火焰圖像處理及其控制系統研究

李旋宇

（池州學院 機械與電子工程系，安徽 池州 247000）

本文以爐膛火焰圖像信號處理為基礎，介紹了一個閉環控制系統。通過對電廠的爐膛火焰圖像進行處理，獲得有效溫區率、高溫區率、質心偏移距離和火焰圓度。以這些數據為標準，使用KOHENON神經網絡來判別火焰的狀態，并融合如火焰檢測傳感器信號等的數據。最后，提出對爐膛火焰實時控制的策略。

爐膛火焰圖像處理；特征識別；決策整合；實時控制

1 引言

大型鍋爐是重要的工業生產設備之一，被廣泛用于電力，化工，冶金等。鍋爐運行時，其內部燃燒狀態的誤判可能會引發爆炸等事故的發生，并造成人員傷亡和設備損壞，嚴重地危及到生產安全。實踐表明：燃燒爐的燃燒狀態是燃燒過程是否穩定的最直接體現。于是，為及時、靈敏并可靠地檢測爐膛燃燒狀態，以防止在不穩定條件下，發生爆炸事故，必須配備功能齊全、性能可靠的爐膛安全監控系統。這樣，可以有效地通過對火焰圖像的準確分析，完成對燃燒過程的實時控制。

目前，國內大多數企業仍采用一些傳統的燃燒狀態監測與診斷方法，其中有一定的缺陷。特別是電廠的爐膛火焰的監測，這有更嚴格的要求。在這種一天24小時運行，一種能量轉換成另一種能量的生產過程中，燃燒狀態是最重要的研究對象。

然而，目前的傳感器系統仍然無法直接獲取火焰的燃燒狀態，必須通過檢測火焰參數間接地得到其狀態。現今的軟測量理論、數據挖掘和融合技術為火焰狀態診斷提供了一個良好的研究基礎。基于火焰圖像處理技術以及良好的計算機硬件平臺，燃燒過程的實時控制是可以實現的。

2 爐膛火焰的閉環控制系統

本文開發的基于爐膛火焰的實時控制系統，可用于DJ1025/1813-Ⅱ型自然循環汽包鍋爐。在圖1所示，從底部到頂部，有 A，B，C，D，E 五層燃燒器和AB，BC，DE三個點火油槍;每層有對稱的四側燃燒器或點火油槍，并配有火焰探頭。每層燃燒器的四個角落，分別有一個煤油探頭，一共是20個。在該系統中，傳感器選擇的是FORNEY生產的DPD。

圖1 DJ1025/1813-Ⅱ型自然循環汽包鍋爐

鍋爐的水平截面積為25平方米，A到E七層共7米，整個燃燒爐約170立方米。 D和E之間有兩個攝像機進行實時視頻監控。

實時控制系統的硬件框圖如圖2所示。在多傳感器系統中，我們保留目前的電廠DCS系統。然后對火焰圖像的視頻信號進行數字化和預處理，接著深刻分析并計算圖像信號。最后，我們完成的火焰特性的識別和診斷。

我們把主火焰的診斷結果作為火焰控制的基本數據。為了保證控制的可靠性，使用了KOHENON自組織神經網絡進行診斷，并整合所有的火焰探測器信號，然后將控制信號輸出到所有執行器。

圖2 實時控制系統硬件框圖

3 火焰圖像特征的研究和提取

對于火焰圖像的特征提取，是圖像處理的中高級階段，也是對于圖像進行識別的開始。通過火焰圖像，可以檢測和判別燃燒的狀態。火焰圖像是一個或者幾個數字矩陣，它有著巨大的信息量，但并不是所有的矩陣信息都要用于檢測和判別的。一般地，是提取部分可以反映出火焰特征的有代表性的信息用于檢測和判別。

3.1 有效溫度區面積率

通過溫度測量算法，結合現場標定數據，可以從火焰圖像得到火焰溫度場。由現場情況，可以得到一個鍋爐火焰的有效溫度，通過已經得到的溫度場，可以計算達到此有效溫度的火焰面積，從而最后得到有效溫度區面積率。

其中，ST是溫度高于T的區域的總面積，S是總面積。

3.2 高溫區面積率

根據火焰圖像的溫度場和現場情況，高溫區是溫度高于校準溫度T1的區域。進過統計，高溫區的面積率為：

其中，Sg是溫度高于校準溫度T1的區域面積，S是總面積。

在溫度場效果圖中看出，由于處理過程中，濾波效果無法達到十分精準，所以出現周邊尖峰，嚴重影響了后續的檢測，所以可以考慮在進行面積率計算之前，進行有效區域劃分，剔除毛刺區域。具體情況應該根據不同的工業現場狀況進行不同處理。

3.3 質心偏移距離

爐膛內煤炭燃燒時，進氣口風力的變化將直接影響到高溫區火焰的質心位置。火焰質心位置是火焰燃燒狀態的重要特征之一。高溫區質心偏移距離d 是指切圓質心(x’,y’)與基準狀態切圓質心(xs，ys)偏移的距離。

根據穩定燃燒時火焰的特征，整合出理想的實驗數據，確定火焰的基準狀態切圓質心(xs，ys)，高溫區質心偏移距離可由公式求出。

火焰著火區的能量最大，因此計算火焰重心的方法可以充分反映火焰的能量分布狀況，重心值不受火焰的面積及形狀的限制。重心算法的輸出值與火焰焰心的實際位置偏差不大，可以作為選擇火焰特征區位置的依據。燃燒火焰高溫區質心作為燃燒狀況的位置特征量，在燃燒理論中已有眾多的研究。通過對高溫區質心的變化，可以反映出火焰燃燒的位置。

3.4 使用神經網絡進行狀態判別

在某種程度上，火焰的特征量已經相當好地反映了其燃燒時狀態的變化，但是這些特征量間缺乏映射關系。所以，利用單值映射去判別燃燒狀態的難度過大，本文考慮利用神經網絡去進行判別。

Kohonen神經網絡具有自組織性能，并且可以進行無導師的學習。利用這個神經網絡，以及由前面得到的面積率和質心偏移距離等信息，可以設計出一個人工智能的燃燒狀態判別系統。

根據不同時段的火焰圖像特征量，經過Kohonen神經網絡訓練學習，再通過提及連接權向量的規一化處理，只保留向量的方向因素，得到火焰的狀態向量。

由于被選擇的輸入參數控制在較少范圍，所以較快的學習速率、鄰域集合的收縮率以及權值向量調整，不僅實現了自適應功能，更達到了很好的實時效果。

4 控制策略

在工業生產中，電力供應是必須環節，任何的差錯在電廠的生產運行和調度中都是不可以出現的。所以，對于火焰燃燒狀態的判別必須輸出用以控制整個爐膛的運作。本文在圖3中，給出了利用火焰特征值以及神經網絡判別后的數據進行融合辨識，將所得到的數據用作最終控制數據。

圖3 爐膛火焰信號處理流程

當整個電廠鍋爐滿負荷運作時，幾十個煤粉噴口同時工作，這些噴口工作的正常與否直接影響到燃燒的質量，從而也影響到獲取的圖像質量。火焰探測器的燃燒百分比輸出反映了爐膛火焰的燃燒狀態，為控制策略提供了全面的信息。

電廠鍋爐燃燒火焰的負荷調控依賴于提供高溫煤粉的執行器（擋板），擋板的開度決定了高溫煤粉的輸送量，也就決定了火焰圖像中各個特征值的大小。

上式[N]中，為關聯矩陣，為5*4矩陣方式，矩陣內部的元素值根據圖4的融合結果設定為ijk，i取值均為1或0，取值10或01。

i表示煤粉噴口所在的層面，具有嚴格的操作順序，特別是0值，必須與前一個輸出值比較。若原為0，則本次可保持0值輸出；如果原為1，則改為0值時，必須是E層全0后D層才能取0值。

jk表示本次輸出，對應的煤粉輸送調節擋板是否進行增量調節，10值表示增量調節，01表示負增量調節，即:

5 結語

本文介紹了一個基于爐膛火焰圖像信號的閉環控制系統，通過圖像傳感器得到火焰圖像后，經過去噪和溫度場的預處理后，由上位機得出有效溫度面積率、高溫區面積率、質心偏移距離等重要判據，并與由神經網絡對火焰的狀態判斷結論和所有火焰探測器的百分比輸出融合，給出了高溫煤粉輸送率的控制信號。

此系統中的執行器控制信號已經通過雙口RAM實現并行輸出，實現效果已經經過仿真驗證，有望應用于爐膛火焰的實時控制中。

[1]Rongbao Chen,Kun Wang.Color CCD Temperature Imaging[C]//International IEEE Workshop on Intelligent Systems and Applications,2009:25-26.

[2]陳榮保,李旋宇.爐膛火焰圖像監測及其信息處理平臺設計[C]//全國虛擬儀器學術交流大會會議論文集,2009:78-79.

[3]陳榮保,朱勇軍,費敏銳.基于遠程通信和學習功能的電廠火檢監控系統[J].電力系統自動化,2006(14):45-46.

[4]白衛東.電站鍋爐煤粉火焰安全監測及燃燒診斷方法研究[D].杭州：浙江大學,2004:66-67.

[5]甄成剛.基于圖像處理技術的爐膛火焰檢測方法研究[D].北京：華北電力大學,2004:24-25.

[6]金美善.火焰圖像特征提取與描述方法研究[D].長春：長春工業大學,2007:33-34.

TP 391

A

1674-1103(2012)03-0038－03

2012－03－17

池州學院研究生引進啟動項目（2010RC035）。

李旋宇(1985-),男，安徽池州人，池州學院機械與電子工程系助教，碩士，研究方向為數字圖像處理。

[責任編輯：桂傳友]