基于火焰图像和深度学习的转杯式燃烧器NOx浓度预测方法研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:sunday_rectina
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
燃烧是化石燃料能源利用的重要手段,广泛应用于能源动力、航空航天、电力、化工和冶金等各个工业生产领域。但是在化石燃料燃烧过程中产生多种空气污染物,氮氧化物(NOx)是其中之一,易引发光化学烟雾、酸雨、臭氧层空洞和温室效应等严重的环境问题,对人体健康和生态环境有着极大危害。随着我国经济迅猛发展,工业、生活能源需求快速增长,导致化石燃料燃烧造成的环境污染愈发严重,为此NOx等污染物的排放受到了严格限制。燃烧优化与烟气脱硝处理是降低燃烧过程中NOx排放的主要方式,而这两种减排方式都需要对NOx生成量进行精确监测,因此实现准确、可靠的NOx浓度预测具有重要意义。本文提出了一种基于火焰图像和深度学习的NOx浓度预测方法,并在重油燃烧装置上开展了实验研究。首先,搭建了一套重油燃烧试验装置,包括转杯式燃烧器系统、图像采集系统以及烟气分析仪,在燃烧装置运行过程中连续获取燃烧火焰图像和NOx浓度。设计多种燃烧工况,并采集每种工况下的火焰图像以及相应的NOx浓度,通过对火焰图像数据进行标注,构建了用于NOx浓度预测方法的图像数据集。然后,详细研究了LeNet-5和VGGNet两种典型深度卷积神经网络的结构和原理,在此基础上设计基于火焰图像与两种深度卷积神经网络的NOx浓度预测模型,并探究激活函数、自适应学习率算法、池化方式和卷积核参数对于预测精度的影响,实验结果表明:基于VGGNet模型的预测精度优于Le Net-5模型,说明小卷积核和深度网络结构有利于提高火焰图像识别能力;采用sigmoid函数和tanh函数时,深度卷积神经网络无法拟合火焰图像与NOx浓度的关系;在相同的训练次数下,Adam算法的预测精度优于Ada Grad和Adadelta算法;采用均值池化与最大池化的预测性能相当,均可在模型中使用;层叠的3′3卷积核比5′5卷积核更具优势,能够提高网络的非线性学习能力;对于小样本数据,减少卷积核数目可降低训练时间,同时模型仍保持良好的预测性能。最后,分别探究了基于机器学习与基于循环神经网络的NOx浓度预测方法。首先利用DCNN对火焰图像的深层特征进行提取,然后采用SVM、GPR、RFR等机器学习方法或Simple RNN、LSTM、GRU等循环神经网络对所提取到的DCNN深层特征进行分析,从而实现NOx浓度预测。实验结果表明:在3种机器学习模型中,DCNN-SVM预测性能最佳,测试集均方根误差为1.30 mg/m~3,低于基于静态物理特征预测模型,表明DCNN-SVM具有良好的预测精度,克服了浅层静态物理特征表达能力的不足;DCNN-LSTM的均方根误差为1.22mg/m~3,优于DCNN-Simple RNN和DCNN-GRU,提升了NOx浓度预测精度。
其他文献
学位
学位
学位
学位
微尺度气液相变传热系统具有均温性好、散热量大、设备质量小、传热性能优越的特点,在微电子领域有着广阔的应用前景。伴随微电子技术的迅猛发展,电子器件朝着微型化和集成化的方向发展,这使得气液相变往往发生在微结构空间中。因此,揭示微结构内沸腾相变传热机理并有效强化沸腾传热能力对提高相关机械电子设备运行可靠性和稳定性具有重要的科学意义和应用价值。微结构内沸腾相变传热过程涉及到气泡的成核、生长及聚并过程,同时
燃煤电站排放的细颗粒物对生态环境和人类的身体健康均造成了严重的危害,而沉积在炉膛换热面表面的颗粒物则会恶化传热,威胁锅炉的安全和经济运行。流化床增压富氧燃烧技术作为一种具有前景的洁净煤技术,在保证电厂效率的同时可实现对CO2的高效捕集。但在此技术背景下有关细颗粒物排放、沉积特性的研究报道十分有限。基于此,本文在流化床增压富氧条件下探讨了固体燃料燃烧细颗粒物的排放、沉积特性。具体研究内容和结果如下:
移动式储热系统是一种灵活的供热方式,不受管网距离和可再生能源间歇性的限制,解决了热能供需时空不匹配的问题。但是目前移动式储热系统中常见的储热材料存在诸多问题,水等显热材料储能密度低于120MJ/t,赤藻糖醇等相变材料热稳定性不足,热化学材料尚处于实验室阶段。文献调研发现玄武岩纤维作为一种高温稳定的显热材料,储能密度可以达到700MJ/t。因此,本文选用玄武岩纤维作为储热介质,设计了布状叉排结构的移
二次反射塔式太阳能系统作为太阳能热利用技术中的新型聚光集热系统,具有光热转换效率高和初投资成本低的特点,在中高温热利用领域具有很大的潜力。本文提出了一种应用于二次反射塔式太阳能系统的多级光热吸储单元,围绕多级光热吸储单元开展了参数化研究,并对其长周期循环下的整体热性能进行了分析。主要的研究内容和结论如下:(1)提出了多级光热吸储单元的数值运算方法,基于热力学第一定律和第二定律定义了多级光热吸储单元
学位
学位