论文部分内容阅读
当前热力发电设备朝大容量和高参数的方向发展,机组设备越来越复杂,电厂对生产过程的控制品质要求越来越严格。基于计算机视觉的锅炉燃烧状态检测技术对于火电厂锅炉燃烧状态的检测与诊断,以及保障生产的安全、经济和环保是非常有意义的。火焰燃烧图像是锅炉炉膛内燃烧状态的最直接的反映,在燃烧状态检测中的地位日益重要,通过CCD摄像机和计算机视觉技术的应用,实现锅炉燃烧工况的可视化检测,从而获得锅炉燃烧状态完整、可靠的检测信息。本文主要研究了基于计算机视觉的锅炉燃烧状态检测方法,以实现锅炉燃烧可视化与燃烧状态智能检测,主要开展了以下三方面的研究工作:(1)应用图像处理方法实现燃烧图像的预处理;(2)研究燃烧图像的特征参数分析;(3)建立基于计算机视觉的锅炉燃烧状态检测方法。分析了煤粉锅炉燃烧状态检测系统的构成和炉膛内燃烧图像采集的原理,研究了图像滤波去噪、边缘检测和图像分割的图像处理技术,并通过实验测试对图像处理方法进行效果比较。实验结果表明,Canny是一个具有滤波、增强、检测的多阶段的优化算子,抗噪能力强,并最终得到目标的准确边缘。较其他边缘检测算子相比更适合于锅炉炉膛火焰的边缘提取,能得到满意的图像分割效果,为后续燃烧状态特征的提取奠定了基础。在对燃烧图像进行预处理的基础上,针对燃烧火焰具有不断变化和不断闪烁的特点,研究背景估计法和三帧差分法提取燃烧火焰运动区域的试验效果,得出三帧差分法能够更准确的把火焰区域分离出来;找出最合适火焰颜色分割的颜色空间,即Ohta颜色空间,针对火焰颜色在不同场景中具有不同的取值范围,以及三帧差分法提取运动区域的空洞问题,提出了在Ohta颜色空间中利用Otsu算法自动选取火焰颜色的分割阈值,并利用区域生长算法弥补空洞问题,从而准确地分割出具有燃烧颜色的区域。最后结合三帧差分法得到的运动区域,提取仅具有火焰颜色的燃烧区域。该方法有效地分析出目标区域是否含有燃烧火焰的颜色,并排除与火焰颜色非常相近的静止光源。在分析煤粉锅炉燃烧过程的基础上,确定了锅炉炉膛内的燃烧状态和反映锅炉燃烧状态的常用特征参数及其计算方法。从多幅火焰图像中提取特征参数,通过实验表明火焰图像与锅炉燃烧状态的关联关系。结合火焰燃烧的综合特征(如小波能量特征、频闪特征、轮廓特征和连通区域数量特征)进一步检测炉膛内的燃烧状态。并根据各特征参数识别燃烧状态的能力,为每个火焰燃烧特征设置相应的权值,来综合判断目标区域内的燃烧状态。同时,针对提出的基于计算机视觉的锅炉燃烧特征的检测方法进行实验,结果表明,该检测算法可适用于复杂的燃烧环境中,具有较好的抗干扰能力,且识别精度高。