CN105938055A - 炉内水蒸气爆炸监测系统 - Google Patents
炉内水蒸气爆炸监测系统 Download PDFInfo
- Publication number
- CN105938055A CN105938055A CN201610097200.2A CN201610097200A CN105938055A CN 105938055 A CN105938055 A CN 105938055A CN 201610097200 A CN201610097200 A CN 201610097200A CN 105938055 A CN105938055 A CN 105938055A
- Authority
- CN
- China
- Prior art keywords
- boiler
- data
- stove
- furnace
- explosion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开了一种炉内水蒸气爆炸监测系统,它涉及锅炉爆炸监测系统技术领域;它包含炉内实时数据采集模块;实时数据采集模块中包含的锅炉爆炸预警系统通过在锅炉内配备压力传感器和气敏传感器,收集炉内相关数据,再利用软件设计中的相关模型对相关数据进行操作。本发明有益效果为:它在硬件设计阶段利用压力和气敏两种传感器对数据进行收集和控制,在软件设计阶段先弥补温度元素,通过人工智能中,粒子群智能挖掘搜索算法检测可能存在的锅炉内的危险情况,在不同的锅炉铺设情况下,它的爆炸预警的准确率较高。
Description
技术领域
本发明涉及锅炉爆炸监测系统技术领域,具体涉及数据挖掘技术在炉内水蒸气爆炸监测系统中的应用。
背景技术
随着经济的不断发展,我国对能源的消耗量不断增加,由于世界能源价格普遍上涨使得长期处于粗放型增长阶段的,我国工业生产逐渐面临能源瓶颈,以高能耗为代价的产值增长不符合科学发展观的要求,也不利于经济保持长期增长,因此,当代企业开始重视企业内部能源的循环有效使用问题,余热锅炉是通过工业过程中的废气、废料或废液中的显热,进行二次燃烧产生热量的锅炉,因为余热锅炉能增强燃料燃烧释放能量的使用率,所以其是当代企业用于回收废热的经常使用的设备,目前,国内余热节能锅炉的设计和开发已经逐渐成熟,余热锅炉的内部环境是高温、高压气液相共存的状态,同液化气体(如液氨、液氯、乙烯、LPG)所处环境相同,如果对其处理不当或者管理上存在问题,就会引起爆炸,对人员的安全和财产造成重大的损失,因此需要研究相应的技术用于分析和预警锅炉的实时情况,从而保证人员的安全。
发明内容
本发明的目的是提供炉内水蒸气爆炸监测系统,它在硬件设计阶段利用压力和气敏两种传感器对数据进行收集和控制,在软件设计阶段先弥补温度元素,通过人工智能中,粒子群智能挖掘搜索算法检测可能存在的锅炉内的危险情况,在不同的锅炉铺设情况下,它的爆炸预警的准确率较高,
为了解决背景技术所存在的问题,本发明采用以下技术方案:它包含炉内实时数据采集模块;实时数据采集模块中包含的锅炉爆炸预警系统通过在锅炉内配备压力传感器和气敏传感器,收集炉内数据,并对所述数据进行操作,得到爆炸模型信息,锅炉具有特殊的形状特征,使用贴片式气体压力传感器CPS120和MQ-3气体传感器进行相关数据的收集,传感器数据节点收集相应的炉内数据,Zigbee网络中的软件算法,通过外围硬件电路,对相应的数据进行信息整合和判断;锅炉中的传感器节点收集到的数据,经过模数转换电路变化为能够实施电路传递的电信号,电信号的传递过于脆弱,在锅炉环境中运行会受到强烈的干扰,需要运用放大电路算法对电信号进行功率补偿,在通过Zigbee网络进行传递。
采用上述结构后,本发明有益效果为:它在硬件设计阶段利用压力和气敏两种传感 器对数据进行收集和控制,在软件设计阶段先弥补温度元素,通过人工智能中,粒子群智能挖掘搜索算法检测可能存在的锅炉内的危险情况,在不同的锅炉铺设情况下,它的爆炸预警的准确率较高。
附图说明
图1为炉内实时数据采集模块硬件设计;
图2为爆炸风险监控系统硬件图;
图3为温度补偿电路;
图4为锅炉爆炸预警软件流程图。
具体实施方式
下面结合附图对本发明作进一步的说明,
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施方式,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明,
如图1-4所示,本具体实施方式采用如下技术方案:它包含炉内实时数据采集模块;实时数据采集模块中包含的锅炉爆炸预警系统通过在锅炉内配备压力传感器和气敏传感器,收集炉内相关数据,再利用软件设计中的相关模型对相关数据进行操作,得到爆炸模型信息,锅炉具有特殊的形状特征,使用贴片式气体压力传感器CPS120和MQ-3气体传感器进行相关数据的收集,传感器数据节点收集相应的炉内数据,Zigbee网络中的软件算法,通过外围硬件电路,对相应的数据进行信息整合和判断,气敏传感器、压力传感器和外围电路的设计由图1描述;锅炉中的传感器节点收集到的数据,经过模数转换电路变化为能够实施电路传递的电信号,电信号的传递过于脆弱,在锅炉环境中运行会受到强烈的干扰,需要运用放大电路算法对电信号进行功率补偿,在通过Zigbee网络进行传递。
所述的炉内实时数据采集模块的应用步骤为:
步骤一、爆炸风险监控模块的硬件设计步骤:
硬件系统是锅炉爆炸风险监控系统的运行部分,是整个系统设计的重点,对硬件系统的设计不仅要分析相应的硬件完成情况,也要分析硬件同软件的兼容性,影响锅炉爆炸的相关元素主要有温度、压力、气体浓度等;在系统的模块设计中,通过硬件补偿的方式完成对温度的控制,利用贴片式传感器完成对压力和气体浓度的控制,系统通过无线传感网络对信号实施传输,其中,网络的支撑芯片通过嵌入式无线串口通信模块完成相应的操作,系统模块的控制中心能够实现软件计算和爆炸点定位的操作,其使用ARM的嵌入式单片机集成模块,这 种单片机由CHMOS工艺制作而成,能够进行有效的总线结构和寄存器的控制操作,由于传感器收集到的信息是模拟的,相应的模拟信息不易被单片机的控制系统操作,因此需要在硬件电路设计中增加A/D转换电路进行MCU操作,预警系统的硬件结构图如图2所示;
传感器收集的到数据通常是微伏级的,网络和处理器中的信号,是高增益、低噪声的电信号,高增益要求相应的信号在4-8V左右,低噪声要求信号具备较高的信噪比,预警系统中的前置放大电路,使用低失调高质量的放大芯片LM358,模数的转换电路将气体压力的模拟信号转化成相应的数字信号,它采用T1公司生产的转换芯片ADCO809,这种芯片使用的是8位逐次渐近式的模数转换器,若采用温度传感器对锅炉内的温度进行监控,易受到环境的干扰,预警系统通过高集成的温度传感器AD592完成对温度信号的有效补偿,温度信号、气体浓度信号以及压力信号三者互不干扰,通过无线传感器网络传递到控制中心,最终实现对爆炸点的有效定位;如图3所示,上述电路的电压处于6-45V之间如图3所示,为确保爆炸监控系统能够准确定位爆炸点,预警系统采用由SZ05构建Zigbee无线传感网络,采用网状拓扑结构进行无线通信;
步骤二、系统的软件设计步骤:
锅炉一旦发生爆炸,其包含的水蒸气、水蒸气会向空气中扩散,产生大范围的蒸气,若此时相应的的环境没有达到爆炸的极限,一些局部摩擦遇到明火会引起局部爆燃,若环境达到相应的爆炸极限,会引起气体云爆炸,造成人员伤亡和财产损失,若锅炉内的水蒸气达到了温度、气体浓度、气体压力等相关元素的爆炸极限,就会发生爆炸,软件系统的设计对上述相关的爆炸条件进行详细分析,并将爆炸的极限元素与其极限值,作为微粒群智能搜索技术的目标函数组成元素与微粒群的编码方法,软件系统通过微粒群的多目标优化技术可以完成对多个爆炸因素的极限预警,它选取的传感器接收数据是甲烷型气敏传感器,气体爆炸的极限浓度运算公式为:式中:N表示水蒸气爆炸的上下限(%);vi表示水蒸气中相应燃气的体积构成(%);Mi表示可燃气体爆炸的上下限(%),锅炉爆炸模型中的水蒸气同空气混合气体的压力对爆炸的极限有着很大的影响,若压力过大,分子间的距离减少,出现碰撞的概率增强,此时极易引起爆炸,锅炉内水蒸气的爆炸极限与压力的关系为:
Mm=4.9-0.711oq
Mu=14.1-20.41oq
式中:Mm,Mu,Q分别代表爆炸发生的上下限和原始压力,锅炉内水蒸气的爆炸极限值还与含氧量和容器的几何形状和尺寸有关,通过实践经验能够得出,圆柱形容器约束下,相应 的管径越小,产生爆炸的几率越小,鉴于当前锅炉材质性能越来越完善,它仅对锅炉中的温度、压力、气体浓度等元素进行分析,锅炉爆炸模型中存在大量的爆炸极限因素,任意一种因素都会引起爆炸的发生,多目标的微粒群优化技术,能够使粒子依据不同的预期函数值,调整自身的位置和速度,它利用传感器节点收集到的数据浓度和压力的最大值构建相应的预期函数,只有在这些值都小于爆炸极限值时,才可以对锅炉进行爆炸预警操作,它运用BP神经网络对网络安全风险进行分析,相应的分析过程为:
(1)网络初始设置,依据相应的网络安全预测数据明确输入层、回避层和输出层的节点数,并对各层之间的网络关联权重进行初始操作,给定回避层和输出层阈值以及学习速度和推进函数;
(2)回避层输出运算,通过网络安全输入向量xi,输入层和回避层间关联权值eij、回避层阈值a,得到回避层输出Z
式中:l表示回避层节点数;f表示回避层推进函数,其表达式是
(3)输出层运算,通过回避层输出Z,关联权值eij以及阈值c,能够得到BP神经网络的输出O
(4)误差运算,通过网络分类输出Q以及期望输出Y,能够得到网络分类误差g
gl=Yl-Pl=1,2,…,n;
(5)权值调整,通过分类误差e调整网络关联权值eij,ejl;
(6)阈值调整,通过网络分类误差g调整节点阈值c,d
(7)若分类满足预期的要求,则终止,否则返回步聚(2),得到基于BP神经网络的网络安全风险分析结果;通过DS理论整合支持向量机、BP神经网络以及安全风险分析结果,系统软件的运行流程如图4所示;
通过相应软件可以实现对数据的温度弥补,使用微粒群多目标约束的智能感知技术能够有效地完成对隐患锅炉爆炸点的定位操作。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种炉内水蒸气爆炸监测系统,其特征在于它包含炉内实时数据采集模块;实时数据采集模块中包含的锅炉爆炸预警系统通过在锅炉内配备压力传感器和气敏传感器,收集炉内数据,并对所述数据进行操作,得到爆炸模型信息,锅炉具有特殊的形状特征,使用贴片式气体压力传感器CPS120和MQ-3气体传感器进行相关数据的收集,传感器数据节点收集相应的炉内数据,Zigbee网络中的软件算法,通过外围硬件电路,对相应的数据进行信息整合和判断;锅炉中的传感器节点收集到的数据,经过模数转换电路变化为能够实施电路传递的电信号,电信号的传递过于脆弱,在锅炉环境中运行会受到强烈的干扰,需要运用放大电路算法对电信号进行功率补偿,在通过Zigbee网络进行传递。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610097200.2A CN105938055A (zh) | 2016-02-22 | 2016-02-22 | 炉内水蒸气爆炸监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610097200.2A CN105938055A (zh) | 2016-02-22 | 2016-02-22 | 炉内水蒸气爆炸监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105938055A true CN105938055A (zh) | 2016-09-14 |
Family
ID=57153050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610097200.2A Pending CN105938055A (zh) | 2016-02-22 | 2016-02-22 | 炉内水蒸气爆炸监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105938055A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948273A (zh) * | 2020-08-21 | 2020-11-17 | 山东工商学院 | 气体传感器温度补偿模型建立、气体浓度测量方法及装置 |
CN116147833A (zh) * | 2023-04-19 | 2023-05-23 | 苏州森斯缔夫传感科技有限公司 | 一种基于数据挖掘的压力传感器性能分析方法及系统 |
CN116401963A (zh) * | 2023-06-08 | 2023-07-07 | 海纳云物联科技有限公司 | 燃气爆炸概率预测方法、装置、电子设备及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030076117A (ko) * | 2002-03-22 | 2003-09-26 | 현대모비스 주식회사 | 고압산소에 대한 유지반응성 시험장치 |
CN101245912A (zh) * | 2008-03-26 | 2008-08-20 | 中国特种设备检测研究院 | 一种燃油/燃气燃烧器测试炉 |
CN201946046U (zh) * | 2011-01-26 | 2011-08-24 | 新疆中钜电子科技有限公司 | 应用于设备、设施安检的智能巡检操作系统 |
CN104390802A (zh) * | 2014-11-22 | 2015-03-04 | 山东省特种设备检验研究院 | 承压设备检测方法及其专用承压设备检测装置 |
-
2016
- 2016-02-22 CN CN201610097200.2A patent/CN105938055A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030076117A (ko) * | 2002-03-22 | 2003-09-26 | 현대모비스 주식회사 | 고압산소에 대한 유지반응성 시험장치 |
CN101245912A (zh) * | 2008-03-26 | 2008-08-20 | 中国特种设备检测研究院 | 一种燃油/燃气燃烧器测试炉 |
CN201946046U (zh) * | 2011-01-26 | 2011-08-24 | 新疆中钜电子科技有限公司 | 应用于设备、设施安检的智能巡检操作系统 |
CN104390802A (zh) * | 2014-11-22 | 2015-03-04 | 山东省特种设备检验研究院 | 承压设备检测方法及其专用承压设备检测装置 |
Non-Patent Citations (1)
Title |
---|
季云峰: "数据挖掘技术在炉内水蒸汽爆炸监测系统中的应用", 《计算机测量与控制》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948273A (zh) * | 2020-08-21 | 2020-11-17 | 山东工商学院 | 气体传感器温度补偿模型建立、气体浓度测量方法及装置 |
CN111948273B (zh) * | 2020-08-21 | 2023-08-08 | 山东工商学院 | 气体传感器温度补偿模型建立、气体浓度测量方法及装置 |
CN116147833A (zh) * | 2023-04-19 | 2023-05-23 | 苏州森斯缔夫传感科技有限公司 | 一种基于数据挖掘的压力传感器性能分析方法及系统 |
CN116401963A (zh) * | 2023-06-08 | 2023-07-07 | 海纳云物联科技有限公司 | 燃气爆炸概率预测方法、装置、电子设备及系统 |
CN116401963B (zh) * | 2023-06-08 | 2023-10-27 | 海纳云物联科技有限公司 | 燃气爆炸概率预测方法、装置、电子设备及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103324862B (zh) | 一种基于改进神经网络与遗传算法的燃煤锅炉优化方法 | |
CN107831285B (zh) | 一种基于物联网的河湖污染监测系统及其方法 | |
CN104750742A (zh) | 一种掘进机液压系统故障诊断方法和系统 | |
CN105938055A (zh) | 炉内水蒸气爆炸监测系统 | |
CN104392143A (zh) | 一种自适应量子神经网络汽轮机故障趋势预测方法 | |
AU2019305721A1 (en) | Boiler coal saving control method | |
CN107038334A (zh) | 循环流化床生活垃圾焚烧锅炉co排放预测系统及方法 | |
CN112881601B (zh) | 一种基于云平台的水分检测系统 | |
CN106686084A (zh) | 一种基于智能家居设备的异常预警系统 | |
CN106527176A (zh) | 一种基于mfoa‑svm的锅炉热效率与nox建模 | |
CN103698627A (zh) | 基于灰模糊萤火虫算法优化的变压器故障诊断方法 | |
CN106602593A (zh) | 微电网多目标转化单目标的方法 | |
CN104539495B (zh) | 一种提高楼宇设备运行效率的非合作分布式优化方法 | |
CN107832873A (zh) | 基于双层母线式结构的综合能源系统优化规划方法及装置 | |
CN101505058B (zh) | 一种基于双网络的双递归神经元灵敏负荷网络建模装置及方法 | |
CN203288046U (zh) | 基于无线通信和gsm移动通信的家用燃气泄露监控系统 | |
CN111666712A (zh) | 一种大型复杂机电装备的“测-算-控”智能化数字孪生方法 | |
CN105633950B (zh) | 一种考虑风电注入不确定性的多目标随机模糊动态最优潮流求解方法 | |
CN102497135B (zh) | 一种基于规则引擎的光伏电站监控方法 | |
CN107330248A (zh) | 一种基于改进型神经网络的短期风功率预测方法 | |
CN103120113A (zh) | 一种基于ZigBee的小型区域灌溉系统 | |
CN107781840A (zh) | 一种蓄热式燃气加热系统 | |
CN103136410A (zh) | 干支管网布局优化模型的求解方法 | |
CN112240595A (zh) | 一种蓄热供热系统及泄漏检测方法 | |
Wang et al. | The research of fire detector based on information fusion technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160914 |
|
WD01 | Invention patent application deemed withdrawn after publication |