科研之友
微信
新浪微博
Facebook
分享链接
摘要
燃煤电厂炉膛火焰的实时监测关系到发电经济性和锅炉的安全运行，而基于光能、热能和辐射能等能量信号的传统火检技术仅能探测火焰的有无，已无法满足日益迫切的火力发电精细化“调峰”需求。本文以实际电厂燃烧器火焰图像为研究对象，应用基于改进的Inception深度卷积神经网络(deep convolutional neural network， DCNN)的火焰状态分类的方法，通过深入分析燃烧器火焰图像特点，对火焰多维度特征进行提取并制作数据集，同时将预处理后的不同类别火焰图像制作成火焰图像数据集，构建Inception DCNN，实现自动特征提取的火焰状态分类，并提出基于孪生Inception DCNN对燃烧器火焰状态进行分类。结果表明，改进的孪生Inception DCNN网络模型将火焰的状态分类问题转化为评价状态相似度问题，间接实现分类目标，识别准确率达到99.86%，收敛速度较Inception DCNN网络提高了2.75倍。
- 出版日期2023
- 单位华北电力大学
