[发明专利]一种基于火焰多图像特征的锅炉燃烧稳定性监测方法

摘要

本发明属于电厂锅炉燃烧稳定性检测领域，尤其涉及一种基于火焰多图像特征的锅炉燃烧稳定性监测方法。通过提取火焰燃烧视频的各类图像特征值：燃烧区波动指数、煤粉边缘轮廓变化差值、煤粉边缘轮廓相似度并采用RBF神经网络，得到一个燃烧稳定性指数，根据指数大小进行燃烧稳定性分类和判别。本发明从火焰视频中提取得到3个特征值序列判断火焰的燃烧稳定性，实现了基于火焰视频图像的燃烧稳定性实时自动判定。有利于火电站监测锅炉燃烧状况，指导运行人员调节给煤量。为机组安全、稳定、经济运行提供技术保障。

主权项

1.一种基于火焰多图像特征的锅炉燃烧稳定性监测方法，其特征在于，所述方法包括特征值提取和稳定性判断两部分；具体为步骤1、从炉膛火焰燃烧视频中对每一帧图像做图像预处理，提取每一帧图像的特征值，包括燃烧区波动指数、煤粉边缘轮廓相似度和煤粉边缘轮廓长度差值；步骤2、利用RBF神经网络训练火焰燃烧稳定性判定模型，用以判断炉膛火焰燃烧稳定性，根据其输出参数所在的范围判定稳定性；所述图像预处理，包括步骤101、从炉膛火焰视频中提取t时刻的单帧图像，并将其灰度化，得到图像f_g(i，j，t)；步骤102、对图像f_g(i，j，t)进行中值滤波，得到图像f_m(i，j，t)；步骤103、对图像f_m(i，j，t)做灰度拉伸处理，增强图像对比度，得到图像f_en(i，j，t)；所述燃烧区波动指数能反映燃烧区的波动剧烈程度，其提取方法包括步骤201、将步骤103处理得到的图像f_en(i，j，t)根据灰度阈值100，200从暗到亮依次分为三个灰度级分别代表未燃区、初燃区和燃尽区，得到图像f_l(i，j，t)；未燃区即煤粉进入炉膛后并未立即燃烧，吸收炉内辐射能，因而不发出可见光；初燃区即煤粉进入炉膛后逐渐被加热，开始燃烧；燃尽区即煤粉在火焰和高温烟气的加热下，完全燃烧；步骤202、通过上述步骤1以及步骤201得到两幅燃烧区分割图像f_l(i，j，t₀)以及f_l(i，j，t₁)；两幅图像间隔帧数的选择结合了火焰闪烁频率以及视频帧率；步骤203、计算f_l(i，j，t₀)与f_l(i，j，t₁)的差分取绝对值f_diff(i，j，Δt)＝|f_l(i，j，t₀)‑f_l(i，j，t₁)|；步骤204、统计图像f_diff(i，j，Δt)中三个灰度级各自的像素点个数，n₀，n₁，n₂分别代表像素点所处的燃烧区前后不变，变化1级燃烧区即未燃区到初燃区、初燃区到未燃区、初燃区到燃尽区、燃尽区到初燃区以及变化2级燃烧区即未燃区到燃尽区、燃尽区到未燃区的像素点个数，变化2级燃烧区的像素点处燃烧波动大，变化1级燃烧区的像素点处的波动程度次之，灰度级前后不变的像素点处的波动程度最低；步骤205、计算稳定性指数f是各个燃烧区像素点个数占总像素点数的比值的加权和；ω₀、ω₁、ω₂为其权值系数，n为画面中像素点的总个数；为了放大灰度变化剧烈的像素点对燃烧区波动指数的影响，令ω₂等于16；变化1灰度级的像素点对燃烧稳定性也有影响，令ω₁＝4；而所处灰度级不变像素点处燃烧稳定，令ω₀＝0；所述煤粉边缘轮廓相似度能反映煤粉锋面的波动程度，用来判断燃烧稳定性好坏，其提取方法包括步骤301、将步骤103处理得到的图像f_en(i，j，t)，根据大津算法提取二值化阈值，将图像二值化，得到图像f_binary(i，j，t₀)和f_binary(i，j，t₁)，其间隔与燃烧区波动指数计算间隔一致、间隔5帧；步骤302、使用Canny算子检测f_binary(i，j，t₀)和f_binary(i，j，t₁)煤粉轮廓序列L(i，t₀)、L(i，t₁)；步骤303、从L(i，t₀)和L(i，t₁)中选取最长轮廓L_max(t₀)、L_max(t₁)代表t₀时刻和间隔5帧图像后的t₁时刻的最长的轮廓；步骤304对L_max(t₀)，L_max(t₁)求7个几何不变矩I₁～I₇；I₁＝y₂₀+y₀₂I₃＝(y₃₀+3y)²+(3y₂₁‑y₀₃)²I₄＝(y₃₀+y₁₂)²+(y₂₁+y₀₃)²I₅＝(y₃₀‑y₁₂)(y₃₀+y₁₂)[(y₃₀+y₁₂)²‑3(y₂₁+y₀₃)²]+(3y₂₁‑y₀₃)(y₂₁+y₃₀)[3(y₃₀+y₁₂)²‑(y₂₁+y₀₃)²]I₆＝(y₂₀‑y₀₂)[(y₃₀+y₁₂)²‑(y₂₁+y₀₃)²]+4y₁₁(y₃₀+y₁₂)(y₂₁+y₀₃)I₇＝3(y₂₁+y₀₃)(y₃₀+y₁₂)[(y₃₀+y₁₂)²‑(3y₂₁‑y₀₃)²]+(y₃₀‑3y₁₂)(y₂₁+y₃₀)[3(y₃₀+y₁₂)²‑(y₂₁+y₀₃)²]其中：式中，p+q＝2,3,…；式中，p,q＝0,1,2,…；其中矩心(x₀,y₀)为：m_pq＝∫∫x^py^qf(x,y)dxdy，p,q＝0,1,2,…；步骤305、得到煤粉边缘轮廓相似度M；其中，k(t)＝sign(log₁₀|I_i(t₀)|)；所述煤粉边缘轮廓长度差值的提取方法包括步骤401、求取通过步骤303得到的轮廓L_max(t₀)、L_max(t₁)的轮廓长度其中，n为轮廓序列L上的像素点的总数，(x_j，y_j)和(x_j+1，y_j+1)分别代表轮廓中第j，第j+1个像素点；步骤402、计算间隔5帧的两幅图像的煤粉边缘轮廓长度差值Δd＝|d(t₀)‑d(t₁)|。