论文部分内容阅读
针对目前炉膛火焰检测系统信号特征提取难度大，信噪比低，难以准确判断的特点，通过对炉膛煤粉燃烧试验数据的采集与分析，提出了一种基于Wavelet变换和BP神经网络相结合的判断方法。该方法把采集的含噪信号进行多尺度的小波分解、特征提取，之后对信号进行软阀值去噪处理，将预处理后的信息作为神经网络的训练输入。通过某电厂炉膛火焰燃烧试验证明：该时频局部化分析方法改善了信噪比，能更有效地识别火焰的燃烧状况，具有广泛的实用价值。