论文部分内容阅读
电站运行过程中,安全性、经济性、环保性都是经营者所关注的问题。在燃煤电站锅炉中,煤粉的燃烧状况直接关系到锅炉运行的安全性,也同时影响着经济性和环保性。煤粉燃烧的不稳定不仅会降低锅炉热效率,产生大量污染物和严重的噪声,而且极端情况下会引发锅炉炉膛熄火,煤粉爆燃进而造成严重的锅炉安全事故。因此对燃烧状况的监测始终是作为电站安全运行保证的锅炉安全监控系统的重要任务,为此各种各样的方法被用作为燃烧监控的手段。随着数字图像及计算机技术的发展,基于图像的燃烧诊断日益受到人们的重视,成为电站锅炉燃烧诊断技术发展的重要方向。 本课题的目的是通过对火焰图像的处理分析研究,为电站锅炉的运行监控与诊断提供信息资料和诊断策略方法。在文中,作者介绍了数字图像处理及人工智能理论的理论方法,并结合火焰图像资料进行了相应的数字处理研究,通过计算得到的火焰图像的特征值对建立的人工神经网络进行了训练。训练后的网络对火焰图像进行诊断,并得到相对满意的结果。 本文的重点在于对火焰图像的分割,作者研究了不同通道不同阈值条件下的火焰特征,提出了采用红通道作为火焰边界界定的基准,并以绿