CN107561015A - 基于光谱分析的固体燃料种类识别方法 - Google Patents
基于光谱分析的固体燃料种类识别方法 Download PDFInfo
- Publication number
- CN107561015A CN107561015A CN201710538700.XA CN201710538700A CN107561015A CN 107561015 A CN107561015 A CN 107561015A CN 201710538700 A CN201710538700 A CN 201710538700A CN 107561015 A CN107561015 A CN 107561015A
- Authority
- CN
- China
- Prior art keywords
- flame
- solid fuel
- principal component
- value
- category identification
- 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
Landscapes
- Control Of Combustion (AREA)
Abstract
本发明公开属于光谱分析分析识别技术领域的一种基于燃烧火焰自由基光谱特征提取的燃料种类识别方法。通过光纤光谱传感器获取不同固体燃料燃烧火焰的辐射信号，经过数据预处理，提取能够反映火焰燃烧状态的特征参数，包括火焰自由基OH*、CN*、CH*和C2 *的标准差、方差、均值、峰峰值、峰度、偏度和火焰闪烁频率、均匀度、燃烧速度、波段辐射能量，利用主成分分析对所提取的特征参数进行降维，选取前K个主成分作为火焰的特征值，采用萤火虫算法优化支持向量机的径向基核参数γ和误差惩罚因子C，建立基于支持向量机的固体燃料种类识别模型，本发明对提升燃烧效率及安全运行都有重要意义。适用于混合固体燃料种类、组分的识别。
Description
技术领域
本发明属于光谱分析分析识别技术领域，特别涉及一种基于燃烧火焰自由基光谱特征提取的燃料种类识别方法。
背景技术
在燃煤或生物质等固体燃料的锅炉燃烧中，实际所用燃料经常与所设计的燃料不同。由于燃料种类多、成分复杂，其种类的变化对于燃烧的稳定性和燃烧效率等都有着直接影响，进而影响生产的安全和经济效益。此外，为了提高锅炉燃烧效率，通常将不同的燃料按照一定的比例混合，混合燃料具备所组成燃料的一些特征，但其整体特征已经与原来的燃料有所不同，实质是人造的新燃料。如果不能及时了解炉膛内燃料的种类，则会造成燃烧参数的误调，严重会造成灭火、＂放炮＂等燃烧不稳定现象。因此，研究固体燃料种类的识别对锅炉安全、经济、有效燃烧有着重要意义。
基于火焰检测的燃料识别方法一般分为两类：一类是光学式火焰检测方法，通过光电二级管等装置检测火焰辐射光谱，提取紫外光、可见光和红外光波段的光电信号，进而从中获取时域及频域特征；另一类是图像式火焰检测方法，通过CCD相机拍摄火焰图像，提取火焰图像面积、灰度等与燃料特性有关的特征值。两者均为分析特征参数与燃料之间的关系，进而判断燃料种类。
众多研究表明，燃烧中间产物-火焰自由基在火焰中的分布与燃料种类、燃烧工况、燃烧效率及燃烧排放物都有着紧密的联系，因此，引入燃料燃烧火焰自由基的光谱信息，能够更加全面了解燃料燃烧状态，丰富表征燃料燃烧状况，有效建立火焰燃烧光谱与燃料种类之间的联系。
发明内容
本发明公开了一种基于光谱分析的固体燃料种类识别方法,其特征在于，
通过光纤光谱传感器获取不同固体燃料燃烧火焰的辐射信号，经过数据预处理，提取能够反映火焰燃烧状态和火焰自由基：OH*、CN*、CH*和C2 *的特征参数，采用萤火虫算法优化支持向量机的参数，建立基于支持向量机的固体燃料种类识别模型，具体步骤为:
(1)在同一燃烧工况下，即不同固体燃料在相同燃烧工况下进行燃烧；并由火焰数据采集系统获取每种固体燃料燃烧时火焰的辐射信号；
(2)对采集的光谱辐射信号进行数据预处理，提取能够反映燃烧状态的火焰和火焰自由基：OH*、CN*、CH*和C2 *的特征参数；
(3)利用主成分分析对所提取的特征参数进行降维，选取前K个主成分作为火焰的特征值，建立的样本集为训练集和测试集；
(4)将训练集输入支持向量机,结合萤火虫算法优化支持向量机的参数径向基核参数和误差惩罚因子C，建立基于萤火虫算法的支持向量机模型；
(5)将步骤(3)获得的测试集输入已经训练好的基于萤火虫算法的支持向量机模型，即可得到固体燃料种类。
所述固体燃料为煤和生物质；。
所述数据预处理包含去除异常值、小波去燥；闪烁频率为火焰闪烁的权重平均频率，燃烧速度为辐射光功率的变化速度，波段辐射能量是任一时间段内样本实际辐射能量值，均匀度表示高频和低频的比重；火焰自由基的特征参数包括标准差、方差、均值、峰峰值、峰度、偏度；其峰峰值为样本最高值和最低值之差值；峰度为样本的四阶标准化矩；偏度为样本的三阶标准化矩。
所述主成分分析，每个主成分都是原始变量，即火焰或火焰自由基特征参数的线性组合，各个主成分之间互不相关，主成分个数K取决于主成分能够解释原始变量的信息量。
所述萤火虫算法，是一种新型的群智能优化算法，其原理是模仿萤火虫的群聚行为，每只萤火虫的位置信息代表一个解，它们组成了问题的解空间，初始萤火虫种群的位置信息被作为初始解随机地分布在搜索空间中，然后根据自然界萤火虫的移动方式，每只萤火虫在解空间中进行移动。一般来说，荧光素值越高的萤火虫具有的号召力也就越强，经过一代又一代的移动，最终在一些具有较亮荧光素的萤火虫个体周围会出现很多萤火虫的聚集，从而找到多个极值点，最终达到种群寻优的目的。算法不但捕捉极值域速度快而且捕捉效率高，能在大幅减少参数寻优时间的同时，使支持向量机获得较高的学习精度。
所述支持向量机模型的评价指标为正确识别率，将样本集分为训练集和测试集，训练集输入支持向量机训练好模型后，用测试集作为输入，由模型输出的标签值与原标定标签值对比，计算支持向量机模型的正确识别率，以此来评判模型的识别能力。
本发明的有益效果是引入了固体燃料燃烧中间产物-火焰自由基的光谱特征信息作为燃料种类识别训练模型的输入，并提出了改进参数，优化了支持向量机模型。众多研究表明，燃料燃烧火焰自由基与燃料种类、燃烧装置运行工况、燃烧效率及污染物排放等有着密切的联系。因此，自由基光谱信息的引入，进一步的丰富了特征参数，能够提升识别能力。利用本专利的方法获得的固体燃料种类对于提升燃烧效率及安全运行都有重要意义。本发明方法适用于煤和生物质等固体燃料种类的识别，以及混合燃料的组分识别。
附图说明
图1为固体燃料种类识别流程示意图。
具体实施方式
本发明提供一种基于光谱分析的固体燃料种类识别方法；以下以不同生物质燃料为例，对本发明的具体实施方式做进一步说明。
图1所示为固体燃料种类识别流程示意图，具体以不同生物质燃料为例固体燃料种类识别流程包括：在相同燃烧条件(工况)下进行燃烧，产生燃烧火焰，通过光纤光谱传感器光谱提取不同生物质燃料燃烧火焰和四个自由基OH*、CN*、CH*和C2 *的辐射信号，每种燃料采集M组，每组包括燃料燃烧火焰的光谱辐射强度随时间变化的时序图、平均辐射强度随时间变化的时序图和燃烧火焰四个自由基(OH*、CN*、CH*和C2 *)辐射强度随时间变化的时序图，一共得到M×6维光谱信号；提取火焰在时域和频域内的特征值(包括波段辐射能量、燃烧速度和闪烁频率、均匀度)，提取火焰自由基的特征值(包括标准差、均值、峰峰值、峰度、偏度)，经过主成分分析，选取K个主成分特征值作为支持向量机的输入。
将所得到的M×K特征值输入到支持向量机模型，结合萤火虫算法优化支持向量机的高斯径向基核参数γ和误差惩罚因子C，获得最优识别准确率的最优参数γ和C，建立支持向量机识别模型。
提取未知燃料的火焰自由基特征值，选取K个主成分特征值作为支持向量机的输入，通过基于萤火虫的支持向量机模型，输出为燃料的种类。
本发明方法适用于煤和生物质等固体燃料种类的识别，以及混合燃料的组分识别。
Claims (6)
1.一种基于光谱分析的固体燃料种类识别方法,其特征在于，通过光纤光谱传感器获取不同固体燃料燃烧火焰的辐射信号，经过数据预处理，提取能够反映火焰燃烧状态和火焰自由基：OH*、CN*、CH*和C2 *的特征参数，采用萤火虫算法优化支持向量机的参数，建立基于支持向量机的固体燃料种类识别模型，具体步骤为:
(1)在同一燃烧工况下，即不同固体燃料在相同燃烧工况下进行燃烧；并由火焰数据采集系统获取每种固体燃料燃烧时火焰的辐射信号；
(2)对采集的光谱辐射信号进行数据预处理，提取能够反映燃烧状态的火焰和火焰自由基：OH*、CN*、CH*和C2 *的特征参数；
(3)利用主成分分析对所提取的特征参数进行降维，选取前K个主成分作为火焰的特征值，建立的样本集为训练集和测试集；
(4)将训练集输入支持向量机,结合萤火虫算法优化支持向量机的参数径向基核参数和误差惩罚因子C，建立基于萤火虫算法的支持向量机模型；
(5)将步骤(3)获得的测试集输入已经训练好的基于萤火虫算法的支持向量机模型，即可得到固体燃料种类。
2.根据权利要求1所述基于光谱分析的固体燃料种类识别方法，其特征在于：所述固体燃料为煤和生物质。
3.根据权利要求1所述基于光谱分析的固体燃料种类识别方法，其特征在于：所述数据预处理包含去除异常值、小波去燥；闪烁频率为火焰闪烁的权重平均频率，燃烧速度为辐射光功率的变化速度，波段辐射能量是任一时间段内样本实际辐射能量值，均匀度表示高频和低频的比重；火焰自由基的特征参数包括标准差、方差、均值、峰峰值、峰度、偏度；其峰峰值为样本最高值和最低值之差值；峰度为样本的四阶标准化矩；偏度为样本的三阶标准化矩。
4.根据权利要求1所述基于光谱分析的固体燃料种类识别方法，其特征在于：所述主成分分析，每个主成分都是原始变量，即火焰或火焰自由基特征参数的线性组合，各个主成分之间互不相关，主成分个数K取决于主成分能够解释原始变量的信息量。
5.根据权利要求1所述基于光谱分析的固体燃料种类识别方法，其特征在于：所述支持向量机模型的评价指标为正确识别率，将样本集分为训练集和测试集，训练集输入支持向量机训练好模型后，用测试集作为输入，由模型输出的标签值与原标定标签值对比，计算支持向量机模型的正确识别率，以此来评判模型的识别能力。
6.根据权利要求1所述基于光谱分析的固体燃料种类识别方法，其特征在于：所述萤火虫算法，是一种新型的群智能优化算法，其原理是模仿萤火虫的群聚行为，每只萤火虫的位置信息代表一个解，它们组成了问题的解空间，初始萤火虫种群的位置信息被作为初始解随机地分布在搜索空间中，然后根据自然界萤火虫的移动方式，每只萤火虫在解空间中进行移动；荧光素值越高的萤火虫具有的号召力也就越强，经过一代又一代的移动，最终在一些具有较亮荧光素的萤火虫个体周围会出现很多萤火虫的聚集，从而找到多个极值点也即寻找径向基核参数γ、误差惩罚因子C的最优值。将已知燃料的K个特征值作为训练数据，其对应的燃料种类作为标签值，结合上述萤火虫算法训练得到支持向量机模型；用该模型识别时，待识别燃料火焰特征值作为模型输入，即可得到固体燃料种类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710538700.XA CN107561015A (zh) | 2017-07-04 | 2017-07-04 | 基于光谱分析的固体燃料种类识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710538700.XA CN107561015A (zh) | 2017-07-04 | 2017-07-04 | 基于光谱分析的固体燃料种类识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107561015A true CN107561015A (zh) | 2018-01-09 |
Family
ID=60973459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710538700.XA Pending CN107561015A (zh) | 2017-07-04 | 2017-07-04 | 基于光谱分析的固体燃料种类识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107561015A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108535195A (zh) * | 2018-04-05 | 2018-09-14 | 武汉理工大学 | 一种基于燃烧产物的化工火灾燃料识别方法 |
| CN109185917A (zh) * | 2018-09-03 | 2019-01-11 | 湖南省湘电试验研究院有限公司 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
| WO2019154248A1 (zh) * | 2018-02-12 | 2019-08-15 | 浙江大学 | 一种焚烧炉内生活垃圾组分实时检测装置和方法 |
| CN110686272A (zh) * | 2019-10-22 | 2020-01-14 | 华北电力大学 | 一种基于燃烧器视频信号的入炉煤量在线软测量方法 |
| CN111414514A (zh) * | 2020-03-19 | 2020-07-14 | 山东雷火网络科技有限公司 | 一种基于山东济南境内进行火焰检测的系统及方法 |
| CN111780874A (zh) * | 2019-04-04 | 2020-10-16 | 应急管理部化学品登记中心 | 适用于固体粉尘颗粒燃烧辐射光谱测量的方法 |
| CN112415350A (zh) * | 2020-12-16 | 2021-02-26 | 辽宁工程技术大学 | 一种串联电弧故障在线检测方法及装置 |
| CN113075137A (zh) * | 2020-01-03 | 2021-07-06 | 应急管理部化学品登记中心 | 火灾燃烧物中含氮物质的识别装置及方法 |
| CN113324937A (zh) * | 2021-08-03 | 2021-08-31 | 南京可信区块链与算法经济研究院有限公司 | 一种基于太赫兹光谱的生物质燃料质检方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101644699A (zh) * | 2009-08-28 | 2010-02-10 | 北京航空航天大学 | 一种新燃料在线识别方法 |
| CN102323213A (zh) * | 2011-08-25 | 2012-01-18 | 华北电力大学 | 基于火焰自由基的燃料种类的在线识别方法 |
| CN102520014A (zh) * | 2011-12-14 | 2012-06-27 | 华北电力大学 | 基于火焰自由基和温度测量的污染物排放量在线预测方法 |
| CN105976051A (zh) * | 2016-04-29 | 2016-09-28 | 武汉大学 | 一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法 |
-
2017
- 2017-07-04 CN CN201710538700.XA patent/CN107561015A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101644699A (zh) * | 2009-08-28 | 2010-02-10 | 北京航空航天大学 | 一种新燃料在线识别方法 |
| CN102323213A (zh) * | 2011-08-25 | 2012-01-18 | 华北电力大学 | 基于火焰自由基的燃料种类的在线识别方法 |
| CN102520014A (zh) * | 2011-12-14 | 2012-06-27 | 华北电力大学 | 基于火焰自由基和温度测量的污染物排放量在线预测方法 |
| CN105976051A (zh) * | 2016-04-29 | 2016-09-28 | 武汉大学 | 一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杜诗萌: "基于光谱分析和神经网络技术的火焰燃烧特征研究", 《中国优秀硕士论文全文数据库（电子期刊） 工程科技Ⅰ辑》 * |
| 王骁 等: "一种改进的优化支持向量机参数的荧光虫算法", 《现代防御技术》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019154248A1 (zh) * | 2018-02-12 | 2019-08-15 | 浙江大学 | 一种焚烧炉内生活垃圾组分实时检测装置和方法 |
| US11333609B2 (en) | 2018-02-12 | 2022-05-17 | Zhejiang University | Real-time detection device and method for domestic waste components in an incinerator |
| CN108535195A (zh) * | 2018-04-05 | 2018-09-14 | 武汉理工大学 | 一种基于燃烧产物的化工火灾燃料识别方法 |
| CN109185917A (zh) * | 2018-09-03 | 2019-01-11 | 湖南省湘电试验研究院有限公司 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
| CN109185917B (zh) * | 2018-09-03 | 2020-06-12 | 湖南省湘电试验研究院有限公司 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
| CN111780874A (zh) * | 2019-04-04 | 2020-10-16 | 应急管理部化学品登记中心 | 适用于固体粉尘颗粒燃烧辐射光谱测量的方法 |
| CN110686272A (zh) * | 2019-10-22 | 2020-01-14 | 华北电力大学 | 一种基于燃烧器视频信号的入炉煤量在线软测量方法 |
| CN113075137A (zh) * | 2020-01-03 | 2021-07-06 | 应急管理部化学品登记中心 | 火灾燃烧物中含氮物质的识别装置及方法 |
| CN111414514A (zh) * | 2020-03-19 | 2020-07-14 | 山东雷火网络科技有限公司 | 一种基于山东济南境内进行火焰检测的系统及方法 |
| CN111414514B (zh) * | 2020-03-19 | 2024-01-19 | 山东雷火网络科技有限公司 | 一种基于山东济南境内进行火焰检测的系统及方法 |
| CN112415350A (zh) * | 2020-12-16 | 2021-02-26 | 辽宁工程技术大学 | 一种串联电弧故障在线检测方法及装置 |
| CN112415350B (zh) * | 2020-12-16 | 2022-12-20 | 辽宁工程技术大学 | 一种串联电弧故障在线检测方法及装置 |
| CN113324937A (zh) * | 2021-08-03 | 2021-08-31 | 南京可信区块链与算法经济研究院有限公司 | 一种基于太赫兹光谱的生物质燃料质检方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107561015A (zh) | 基于光谱分析的固体燃料种类识别方法 | |
| CN105974793B (zh) | 一种电站锅炉燃烧智能控制方法 | |
| CN102323213B (zh) | 基于火焰自由基的燃料种类的在线识别方法 | |
| Chen et al. | An early fire-detection method based on image processing | |
| CN106846305B (zh) | 一种基于火焰多图像特征的锅炉燃烧稳定性监测方法 | |
| Zhou et al. | Support vector machine based online coal identification through advanced flame monitoring | |
| Franzelli et al. | Time-resolved spatial patterns and interactions of soot, PAH and OH in a turbulent diffusion flame | |
| CN102520014B (zh) | 基于火焰自由基和温度测量的污染物排放量在线预测方法 | |
| Best et al. | Impact of CO2-enriched combustion air on micro-gas turbine performance for carbon capture | |
| Quintino et al. | Biogas combustion: Chemiluminescence fingerprint | |
| WO2004048853A3 (en) | Combustion emission estimation with flame sensing system | |
| CN107633232A (zh) | 一种基于深度学习的低维人脸模型训练方法 | |
| CN101806548A (zh) | 一种工业炉窑火焰不稳定性实时检测控制方法 | |
| CN110717495B (zh) | 基于多尺度颜色矩特征和随机森林的固废焚烧工况识别方法 | |
| Xia et al. | Research and application of online monitoring of coal and biomass co-combustion and biomass combustion characteristics based on combustion flame | |
| Han et al. | A hybrid deep neural network model for NOx emission prediction of heavy oil-fired boiler flames | |
| CN208765590U (zh) | 一种基于光电转换的激光枪瞄用语音播报射击靶 | |
| CN112733900B (zh) | 一种基于深度迁移学习的锅炉燃烧状态稳定性判断方法 | |
| CN106778816A (zh) | 基于燃烧混合系数和模糊识别的燃烧稳定性判别方法 | |
| CN101701951B (zh) | 一种基于支持向量机的燃料种类在线识别方法 | |
| CN101644699B (zh) | 一种新燃料在线识别方法 | |
| Sujatha et al. | Impact of NO x emissions on climate and monitoring using smart sensor technology | |
| CN201740726U (zh) | 一种在线煤质辨识装置 | |
| Guo et al. | Visualization of Combustion Behavior of a Single Particle in an Entrained-Flow Gasifier | |
| Smolarz et al. | Artificial intelligence methods in diagnostics of coal-biomass blends co-combustion in pulverised coal burners |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |