基于数字图像和SDBP的预混火焰燃烧状态识别

详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文

英文篇名：Pre-mixed Flame Recognition Based on Digital Image and SDBP Neural Network 中文刊名：南京理工大学学报(自然科学版) 英文刊名：Journal of Nanjing University of Science and Technology(Natural Science) 作者：朱曙光 ; 宋阁 ; 谭俊杰 ; 刘心志 英文作者：ZHU Shu-guang ; SONG Ge ; TAN Jun-jie ; LIU Xin-zhi(School of Power Engineering ; NUST ; Nanjing 210094 ; China) 中文关键词：火焰燃烧状态 ; 图像处理 ; 最速下降反传算法网络 英文关键词：flame combustion state ; image processing ; steepest descent backpropagation neural network 出版日期：2006-12-30 机构：南京理工大学动力工程学院,南京理工大学动力工程学院,南京理工大学动力工程学院,南京理工大学动力工程学院 江苏南京210094,江苏南京210094,江苏南京210094,江苏南京210094 年：2006 期：06 出版单位：南京理工大学学报(自然科学版)

摘要

利用数字图像处理技术和最速下降反传算法(SDBP)网络对预混火焰的燃烧状态识别技术进行了研究。针对本生灯的层流预混火焰,利用视频采集卡记录火焰图像,通过数字图像处理得到火焰的位置、形状信息。利用光电池记录火焰的辐射强度信息。将典型的火焰燃烧状态如稳定燃烧状态、回火状态以及脱火等状态的位置、强度信息作为改进后的SDBP人工神经网络的输入信息进行训练,训练好的SDBP网络接受火焰特征的输入信息,就可以识别火焰燃烧的状态。实验结果表明:该神经网络可以判断出当前火焰的燃烧状态。
Pre-mixed flame recognition based on digital image and SDBP(steepest descent backpropagation) neural metwork is studied in this paper.Flame images is recorded by the video card,and the location and the shape information of the flame is acquired by the digital image processing.The radiant intensity is detected by the electric eye.The information for some typical combustion states such as the steady combustion state,the flameout state and the backfire state is used to train the improved SDBP neural network. The trained SDBP neural network can discern the combustion state by the flame character information.Experimental results show the trained SDBP neural network can discern the combustion state.

引文

[1]马昌华.锅炉事故防范与安全运行[M].北京:地震出版社,2000.
    [2]李国昌,常太华,李国光,等.基于数字图像处理的锅炉火焰评判算法[J].华北电力大学学报,2004,29(2):59-62.
    [3]沈爱国,郑丽丰,张银桥,等.锅炉图像火焰检测系统[J].中国电力,2002,35(6):59-61.
    [4]董晓峰,高庆忠,刘广生.基于BP网络的燃烧器火焰燃烧状态识别[J].东北电力学院学报,2005,25(1):44-47.
    [5]M artin T H,Howard B D,M ark H B.神经网络设计[M].北京:机械工业出版社,2002.
    [6]袁曾任.人工神经元网络及其应用[M].北京:清华大学出版社,1999.
    [7]杨建钢.人工神经网络实用教程[M].杭州:浙江大学出版社,2001.