[发明专利]一种燃气当量比预测方法、系统及处理终端

说明书

本发明属于燃气当量比预测技术领域，公开了一种燃气当量比预测方法、系统及处理终端，所述燃气当量比预测方法包括：利用多频激励离子电流传感器测量得到被测燃烧器内的多频激励离子电流时变信号；对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱S_A^t；利用主成分分析对不同时刻下的离散幅值谱S_A^t进行特征降维及去噪，得到不同时刻下的降维特征矩阵X_t；将X_t输入到前期文献中所建立的离子电流幅值谱‑燃气当量比非线性预测模型，实现对不同时刻下燃气当量比的实时预测。本发明结合多频激励解调与非线性预测模型，有利于准确刻画工况参数的实时变化情况，在减少实验次数的同时，实现了对燃气当量比的实时预测。

技术领域

本发明属于燃气当量比预测技术领域，尤其涉及一种燃气当量比预测方法、系统及处理终端。

背景技术

目前，燃气当量比表征了参加燃烧反应的组分配比情况，它决定了燃烧反应能否启动及燃烧反应的剧烈程度，同时也影响着燃烧的完全性、热声振荡程度、共振频率及污染物的排放水平等。因此，燃气当量比是燃烧过程中的关键状态参数。

目前，主要使用两种方法来获得当量比。最基本的方法是通过安装在燃烧系统入口上的流量计测量入口燃料和空气流量，进而计算燃气当量比。该方法广泛应用于大多数入口流量稳定的燃烧系统中。然而，对于入口流量随时间变化的燃烧系统而言，通过测定入口流量来确定当量比的方法将受到限制。另一种方法则是使用化学平衡方程从测量的CO，CO₂和O₂浓度计算当量比，目前最流行的方式是使用安装在排气流中的氧气传感器来测量氧气浓度，氧气传感器主要包括加热废气氧(HEGO)传感器和商用通用废气氧(UEGO)传感器；但HEGO传感器无法给出当量比的确切值，UEGO传感器虽然能提供准确的当量比值，但价格昂贵，且大多局限于实验室应用。感兴趣燃烧产物的浓度还可以采用激光诱导击穿光谱(LIB)，激光诱导荧光(LIF)和红外吸收光谱技术等先进的光谱诊断技术获得。但光学诊断技术测量过程中需要开设光学窗口，在实际应用中受到限制。此外，研究人员提出了多种基于压力、化学发光等燃烧参数来预测当量比的方法，并结合神经网络(ANN)及支持向量机(SVM)等人工智能算法进行特征提取和当量比估计。火花塞等多种形式的离子传感器也被成功用于多种发动机燃烧室中的燃气当量比预测。研究表明，离子电流信号的特征值(如最大值、积分值等)与燃气当量比之间存在直接的关系，离子电流传感器结构简单、安装方便、灵敏度高、环境适应性强，可以放置在燃烧器中的任意感兴趣区域，在变流量燃烧系统的燃气当量比测定中具有很好的应用前景。

离子电流传感器的测量原理是：燃烧过程中会由于化学电离而产生离子和电子等带电粒子，这些带电粒子的存在使得燃烧介质具有电特性。由于带电粒子的存在，燃烧介质呈现电中性弱等离子体特性，当加入外加电场后，带电粒子在电场力作用下定向移动形成电流，称为离子电流。离子电流能够反映燃烧过程中特征参数的变化情况，通过测量离子电流信号的大小及变化情况可以获得燃烧场中离子浓度的变化情况，进而间接获得燃烧运行状况。

然而，以往的离子电流传感器均采用直流或者单频交流激励测量，单次测量得到是离子电流信号随时间的变化曲线，包含的特征信息有限；采用多频激励方式对脉动燃烧中的离子浓度变化进行测量时，传感器两级间的离子电流响应特性随着激励频率的变化而变化，可以得到离子电流信号随激励频率变化的响应曲线，即离散离子电流谱信息。对于给定的外部电场，离子电流幅值谱的特征取决于燃烧状况，而燃烧状况与燃气当量比密切相关。因此，当量比可以视为离子电流幅值谱的函数，该函数本质上是非线性的，可以使用非线性预测模型来逼近它。前期文献中建立了当量比与离散离子电流幅值谱的非线性预测模型，但在获取离散离子电流幅值谱的过程中采用了基于傅里叶变换的频谱分析方法，该方法属于时均处理方法，无法获取不同时刻下的实时幅值，进而无法实现对当量比的实时预测。

通过上述分析，现有技术存在的问题及缺陷为：