[发明专利]一种锅炉受热面氧化皮脱落监测装置及防控方法

权利要求书

1.一种锅炉受热面氧化皮脱落防控方法，其特征在于，所述防控方法包括以下步骤：

(1)在各个锅炉蒸汽出口管上安装氧化皮脱落监测装置；锅炉燃烧时通过受热面将水加热成为蒸汽；蒸汽携带脱落氧化皮进入管道撞击氧化皮脱落监测装置，产生振动信号，所得振动信号经转换处理，得到氧化皮质量监测值；

(2)根据燃料投运情况、风门开度与锅炉效率、炉膛出口NO_x含量以及氧化皮质量目标值之间的关系，建立神经网络，得到计算模型；

当氧化皮质量监测值超过限定值时，根据计算模型，对燃料投运情况和风门开度进行调整，实现防控。

2.根据权利要求1所述的防控方法，其特征在于，步骤(1)将所述振动信号转换为氧化皮质量的计算公式为：

其中，M为蒸汽管道中氧化皮质量，mg/h；α为信号修正系数，mg/(h·V)；R为蒸汽管道半径，m；L为连杆在蒸汽管道中的长度，m；a为蒸汽流速修正系数s/m；b为颗粒径向分布修正系数；v为蒸汽流速，m/s；f为信号接收器接收到的电压信号值，V。

3.根据权利要求1或2所述的防控方法，其特征在于，步骤(2)所述神经网络算法包括BP神经网络算法。

4.根据权利要求3所述的防控方法，其特征在于，所述BP神经网络输入层的神经元种类包括7种，分别包括机组负荷、主蒸汽温度、主蒸汽压力、过热器减温水量、磨煤机电流、磨煤机出口分离器挡板开度以及风门挡板开度；

优选地，所述BP神经网络每个隐含层的神经元个数为7个；

优选地，所述BP神经网络输出层的神经元个数为3个，分别为锅炉效率、炉膛出口NO_x含量以及氧化皮质量。

5.根据权利要求3所述的防控方法，其特征在于，所述BP神经网络输入层至隐含层的神经元传递函数包括

优选地，所述BP神经网络隐含层至出输出层的神经元传递函数包括或

6.根据权利要求3所述的防控方法，其特征在于，所述BP神经网络的最大训练周期为100，训练精度为95％。

7.根据权利要求4所述的防控方法，其特征在于，所述BP神经网络的学习速率η为0.1-0.4。

8.一种如权利要求1-7任一项所述的防控方法采用的氧化皮脱落监测装置，其特征在于，所述氧化皮脱落监测装置包括依次连接的氧化皮监测连杆、信号转换器以及信号接收器，所述氧化皮监测连杆穿插至与所述锅炉受热面相连的蒸汽管道内。

9.根据权利要求8所述的氧化皮脱落监测装置，其特征在于，所述氧化皮监测连杆的材质包括不锈钢。

10.根据权利要求8或9所述的氧化皮脱落监测装置，其特征在于，所述信号转换器内包括拾振器、F/V信号转换电路、放大电路和标准化电路。