[发明专利]循环流化床锅炉断煤检测方法

摘要

本发明公开了一种循环流化床锅炉断煤检测方法，包括报警器、存储器、分别设于锅炉的m个煤仓下煤口处的m个摄像头和与锅炉中各个电器件电连接的控制器，控制器分别与报警器、存储器和各个摄像头电连接；本发明具有检测准确性高，有效避免误操作；提高了锅炉运行的安全性和稳定性的特点。

主权项

一种循环流化床锅炉断煤检测方法，其特征是，包括报警器(1)、存储器(2)、分别设于锅炉的m个煤仓下煤口处的m个摄像头(3)和与锅炉中各个电器件电连接的控制器(4)，控制器分别与报警器、存储器和各个摄像头电连接；所述检测方法包括如下步骤：(1‑1)图像断煤检测：(1‑1‑1)m个摄像头分别拍摄下煤口处煤流动的图像，控制器将各个图像存储到存储器中并对图像进行如下处理：控制器利用脉冲响应函数yij＝med(xi+r，j+s(r，s)∈A)对图像信号f(x，y)进行滤波；其中，A为滤波器窗口；{xij}为图像数集，med为中值函数，(r，s)为坐标，xi+r，j+s为滤波窗口A中像素点对应的灰度值；(1‑1‑2)设置运动检测区域参数：控制器将A设置为若干个矩形检测区域，设定运动检测的帧间隔为B；(1‑1‑3)运动功能检测：控制器设定每个检测区域中的每个宏块内每个象素点为(x，y)，差值阈值为Ta；所述象素点在T时刻与T‑n时刻亮度Y的差值为Mx，y(T)＝|Yx，y(T)‑Yx，y(T‑n)|；当||Yx，y(T)‑Yx，y(T‑n)||≥Ta，则设定L＝0；否则，设定L＝1；控制器利用公式IMsum＝∑L计算并得到宏块差分系数IMsum；控制器计算每个检测区域中各个宏块差分系数IMsum之和，得到每个检测区域的差分系数值，并进一步计算得到滤波器窗口A的差分系数Asum；(1‑1‑4)控制器每间隔B帧利用步骤(1‑1‑3)对当前图像进行检测；(1‑2)软件断煤检测：(1‑2‑1)存储器中设有具有11个输入节点X＝[X1，...，X11]、单隐藏层为9个节点Y＝[Y1，...，Y9]、1个输出节点Z的BP神经网络模型，其中，存储器中存储有q条学习样本，网络性能目标误差SSE≤0.00001，训练步数至少为d步；(1‑2‑2)初始化BP神经网络模型：(1‑2‑2‑1)权重与阀值初始化：控制器利用Gauss随机函数产生满足正态分布、均值为0、方差为1并且取值范围在区间[0，1]中的随机数初始化权重Wij、阀值θ和θj，i＝1，…，11；j＝1，..，9；设定网络性能误差为ε；(1‑2‑2‑2)变量归一化：控制器中设有与11个输入节点X1，...，X11中分别对应的11组XMax和XMin，控制器利用公式X′＝(X‑XMin)/(XMax‑XMin)分别计算q条学习样本的X1，...，X11的归一化值X′1，X′2，...，X′11；控制器中设有与输出节点Z相对应的Zmax和Zmin，控制器利用公式Z′＝(Z‑ZMin)/(ZMax‑ZMin)计算q条学习样本的Z的归一化值Z′；得到经过归一化的s组学习样本；(1‑2‑3)训练BP神经网络模型：(1‑2‑3‑1)控制器向BP神经网络模型中输入第s组学习样本，s初始值为1，设定第s组样本的目标输出值为Z′；利用公式计算隐藏层神经元输出；利用公式计算输出层神经元实际输出Zr；其中，函数利用公式计算单个样本偏差Es；(1‑2‑3‑2)从输出层开始逐层反向调整权重和阀值：控制器使输出层的权重Wj增加0.6×δ×Yj+0.45×ΔWj，ΔWj为输出层前次调整增加的权重，ΔWo＝0；其中，δ＝(Z′‑Zr)×Zr×(1‑Zr)，控制器使隐藏层的权重增加0.6×δj×Xi+0.45×ΔWij，ΔWij为隐藏层前次调整增加的权重，ΔWOO＝0；其中，δj＝Yj×(1‑Yj)×(δj×Wj)；(1‑2‑3‑3)当s＜q，使s值增加1，返回步骤(1‑2‑3‑1)；否则转入步骤(1‑2‑3‑4)；其中，q为500至550；(1‑2‑3‑4)利用公式计算总误差Et，其中p为样本序号；当Et≤ε或学习步数小于d，训练结束，得到训练好的BP神经网络模型；否则转入步骤(1‑2‑3‑1)；(1‑2‑4)控制器实时采集主汽流量、给水流量、给煤量、床温、炉膛负压、一次风压、一次风机电流、二次风压、二次风机电流、引风机电流和排烟温度11个工艺参数，利用步骤(1‑2‑2‑2)对11个工艺参数进行归一化处理，并将各个经过归一化处理的工艺参数送入训练好的BP神经网络模型的11个输入节点中，得到模型输出值Zr，再利用公式V＝Zr×(ZMax‑ZMin)+ZMin反归一化得到实时氧含量V，控制器计算其中V1为存储器中设定的与当前主汽流量相关的目标氧含量；(1‑3)当持续时间超过T1秒，并且任一个摄像头的图像的Asum＞阈值；则控制器控制报警器报警，c是实际氧含量与理论氧含量的比值。