JPH01263414A - 火炎形状計測による燃焼診断方法 - Google Patents
火炎形状計測による燃焼診断方法Info
- Publication number
- JPH01263414A JPH01263414A JP63089101A JP8910188A JPH01263414A JP H01263414 A JPH01263414 A JP H01263414A JP 63089101 A JP63089101 A JP 63089101A JP 8910188 A JP8910188 A JP 8910188A JP H01263414 A JPH01263414 A JP H01263414A
- Authority
- JP
- Japan
- Prior art keywords
- flame
- combustion state
- image
- burner
- shape
- 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
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005259 measurement Methods 0.000 title claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims 1
- 238000011084 recovery Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 239000000835 fiber Substances 0.000 abstract description 9
- 230000004044 response Effects 0.000 abstract 3
- 235000002918 Fraxinus excelsior Nutrition 0.000 abstract 1
- 239000002956 ash Substances 0.000 abstract 1
- 238000002834 transmittance Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/02—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium
- F23N5/08—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium using light-sensitive elements
- F23N5/082—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium using light-sensitive elements using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/08—Microprocessor; Microcomputer
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/40—Simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2229/00—Flame sensors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2229/00—Flame sensors
- F23N2229/18—Flame sensor cooling means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2229/00—Flame sensors
- F23N2229/20—Camera viewing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2237/00—Controlling
- F23N2237/16—Controlling secondary air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/003—Systems for controlling combustion using detectors sensitive to combustion gas properties
- F23N5/006—Systems for controlling combustion using detectors sensitive to combustion gas properties the detector being sensitive to oxygen
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Regulation And Control Of Combustion (AREA)
- Control Of Combustion (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、燃焼診断方法に係り、特に、バーナのタイプ
が変わっても、それに適応してモデルを修正し、炉の燃
焼状態を推定するに好適な燃焼診断方法に関する。
が変わっても、それに適応してモデルを修正し、炉の燃
焼状態を推定するに好適な燃焼診断方法に関する。
従来は、特開昭６０−２３８６１３号に記載のように、
火炎画像を開側し、画像処理により火炎画像の特徴パラ
メータを抽出して、この特徴パラメータを用いて、ＮＯ
ｘ、灰中未燃分等の燃焼状態を表わすプロセス量を推定
していた。
火炎画像を開側し、画像処理により火炎画像の特徴パラ
メータを抽出して、この特徴パラメータを用いて、ＮＯ
ｘ、灰中未燃分等の燃焼状態を表わすプロセス量を推定
していた。
上記従来技術は、火炎画像を計測し、画像処理により火
炎画像の特徴パラメータを抽出して、この特徴パラメー
タを用いて燃焼状態を表わすプロセス量を推定するので
、バーナのタイプが変わるとそれに対応して特徴パラメ
ータも変わる。このため、バーナのタイプ毎にそれに合
った特徴パラメータを見い出す必要がある。
炎画像の特徴パラメータを抽出して、この特徴パラメー
タを用いて燃焼状態を表わすプロセス量を推定するので
、バーナのタイプが変わるとそれに対応して特徴パラメ
ータも変わる。このため、バーナのタイプ毎にそれに合
った特徴パラメータを見い出す必要がある。
本発明の目的は、従来技術の問題点を解決し、バーナの
タイプに依存しないで、火炎形状から燃焼状態を表わす
プロセス量を推定できる燃焼診断方法を提供することに
ある。
タイプに依存しないで、火炎形状から燃焼状態を表わす
プロセス量を推定できる燃焼診断方法を提供することに
ある。
」１記の目的は、バーナの火炎の形状及び燃焼状態を表
わすプロセス量を計測し、この計測結果に基づいて火炎
の形状と燃焼状態を表わすプロセス量との相関関係を回
帰モデルで同定し、このモデルを用いて火炎の形状から
燃焼状態を表わすプロセス量を推定することにより、達
成される。
わすプロセス量を計測し、この計測結果に基づいて火炎
の形状と燃焼状態を表わすプロセス量との相関関係を回
帰モデルで同定し、このモデルを用いて火炎の形状から
燃焼状態を表わすプロセス量を推定することにより、達
成される。
バーナの火炎の形状及び燃焼状態を表わすプロセス量を
計測し、この計測結果に基づいて火炎の形状と燃焼状態
を表わすプロセス量との相関関係を回帰モデルで同定し
、このモデルを用いて火炎の形状から燃焼状態を表わす
プロセス量を推定する。これによって、バーナのタイプ
毎にそれに合ったモデルが容易に同定できるので、バー
ナのタイプが変わっても、それに適応してモデルを修正
し、炉の燃焼状態を表わすプロセス量を精度よく推定で
きる。すなわち、燃料の燃焼は、いくつかのプロセスに
分けられ、これらのプロセスが空間的に広がって火炎な
形成する。例えば、石炭の燃焼は、第１図に示子ように
、熱分解２着火、気体。
計測し、この計測結果に基づいて火炎の形状と燃焼状態
を表わすプロセス量との相関関係を回帰モデルで同定し
、このモデルを用いて火炎の形状から燃焼状態を表わす
プロセス量を推定する。これによって、バーナのタイプ
毎にそれに合ったモデルが容易に同定できるので、バー
ナのタイプが変わっても、それに適応してモデルを修正
し、炉の燃焼状態を表わすプロセス量を精度よく推定で
きる。すなわち、燃料の燃焼は、いくつかのプロセスに
分けられ、これらのプロセスが空間的に広がって火炎な
形成する。例えば、石炭の燃焼は、第１図に示子ように
、熱分解２着火、気体。
燃焼、固体燃焼の４つのプロセスに分けられ、燃焼条件
か変わるとこれら４つのプロセスの特性が変化し、空間
的広がりも変化して火炎の形状が変化する。このため、
火炎の形状と燃焼状態を表わすプロセス量との間トこけ
、相関関係があり、これを回帰モデルで同定するとモデ
ル同定が容易にてきる。
か変わるとこれら４つのプロセスの特性が変化し、空間
的広がりも変化して火炎の形状が変化する。このため、
火炎の形状と燃焼状態を表わすプロセス量との間トこけ
、相関関係があり、これを回帰モデルで同定するとモデ
ル同定が容易にてきる。
以下、本発明の一実施例を第２図、第３図により説明す
る。第２図は、実施例のハードウェア・システムの構成
を示す。図において、火炉１内のバーナ２の火炎の画像
をイメージ・ファイバ４を介して丁ＴＶカメラ６により
フレーム・メモリ７に取込む。ここで、イメージ・ファ
イバ４は、水冷管３によって火炉の熱から保護されてい
る。また、イメージ・ファイバ４とＴＴＶカメラ６の間
にはフィルタ５が挿入されており、このフィルタ５によ
りＩＴＶカメラ６へ入る光の量及び波長域を調整してい
る。フレーム・メモリ７に取込まれた火炎の画像は、伝
送路を介して計算機８へ送られる。また、バーナ２の燃
焼状態を表わすプロセス量ＮＯｘ、○ｚ、Ｃ○、灰中未
燃分等がプロセス入力装置１０を介して計算機８に取込
まれる。
る。第２図は、実施例のハードウェア・システムの構成
を示す。図において、火炉１内のバーナ２の火炎の画像
をイメージ・ファイバ４を介して丁ＴＶカメラ６により
フレーム・メモリ７に取込む。ここで、イメージ・ファ
イバ４は、水冷管３によって火炉の熱から保護されてい
る。また、イメージ・ファイバ４とＴＴＶカメラ６の間
にはフィルタ５が挿入されており、このフィルタ５によ
りＩＴＶカメラ６へ入る光の量及び波長域を調整してい
る。フレーム・メモリ７に取込まれた火炎の画像は、伝
送路を介して計算機８へ送られる。また、バーナ２の燃
焼状態を表わすプロセス量ＮＯｘ、○ｚ、Ｃ○、灰中未
燃分等がプロセス入力装置１０を介して計算機８に取込
まれる。
計算機８では、取込んだ火炎画像とバーナ２の燃焼状態
を表わすプロセス量との相関関係を表わすモデルを同定
し、このモデルを用いて火炎の形状からバーナ２の燃焼
状態を表わすプロセス量を推定計算し、この結果をＣＲ
Ｔ表示装置９に表示し、オペレータに知らせる。第３図
は、計算機８の処理フローを表わした図である。
を表わすプロセス量との相関関係を表わすモデルを同定
し、このモデルを用いて火炎の形状からバーナ２の燃焼
状態を表わすプロセス量を推定計算し、この結果をＣＲ
Ｔ表示装置９に表示し、オペレータに知らせる。第３図
は、計算機８の処理フローを表わした図である。
次に、第３図に示すモデルの同定とプロセス量の推定計
算しこついて詳細ｔこ説明する。
算しこついて詳細ｔこ説明する。
先ず、火炎形状と燃焼状態を表わすプロセス量との相関
関係を表わす回帰モデルＦこついて、次に説明する。
関係を表わす回帰モデルＦこついて、次に説明する。
（］）式は、火炎形状と燃焼状態を表わすプロセス量と
の相関関係を表わす回帰式である。
の相関関係を表わす回帰式である。
Ｚ史＝ａＯＱ
＋ａ１１免ｘｉｘ＋ ａｓｚ＊ｘ＋ｘ＋ 十ａ１ｎｉ
Ｘ１ｎ＋ ａ２ｓｔｘ２＋＋ ａ２２ｔｘ２２＋−＋
ａ２ｎｌＸ２ｎ＋ 十ａｍｉ吏Ｘｍｌ ＋ ８ｍ２ｔＸｍ２＋＋ａｌｌｎｔ
Ｘｍｎここで、ｚｔ ：燃焼状態を表わすプロセス量（
Ｑ＝１．２．−、Ｌ） ＸＩＪ：座標（コ、Ｊ）における火炎 の輝度 ａｇｅ、ａ＋、＋ｔ：係数（Ｑ ＝ １ 、２．−、
Ｌ）（１）式に示すモデル式の係数は、時間と共に変化
するものと考え、この係数の観測式として（１）式を変
形すると次式が得られる。
Ｘ１ｎ＋ ａ２ｓｔｘ２＋＋ ａ２２ｔｘ２２＋−＋
ａ２ｎｌＸ２ｎ＋ 十ａｍｉ吏Ｘｍｌ ＋ ８ｍ２ｔＸｍ２＋＋ａｌｌｎｔ
Ｘｍｎここで、ｚｔ ：燃焼状態を表わすプロセス量（
Ｑ＝１．２．−、Ｌ） ＸＩＪ：座標（コ、Ｊ）における火炎 の輝度 ａｇｅ、ａ＋、＋ｔ：係数（Ｑ ＝ １ 、２．−、
Ｌ）（１）式に示すモデル式の係数は、時間と共に変化
するものと考え、この係数の観測式として（１）式を変
形すると次式が得られる。
Ｚえ（ｋ）＝ ａ ｏｘ （ｋ）
→−ａ ｒ ＋ｔ（ｋ） ｘ ｘｌ（ｋ）＋ ａ １ｕ
（ｋ） ｘ ＋、ｚ（ｋ） ＋−＋ ａ １ｎｚ（ｋ
） ｘ ｔｎ（ｋ）＋ａ ２１ｔ（ｋ） ｘｚｔ（ｋ）
＋ａ ２２ｔ（ｋ） ｘ２２（ｋ）−１−・＋ ａ ２
ｎｔ（ｋ） Ｘ２゜（ｋ）＋・ −・ ＋ ａ ｍ１ｆｆｉ （ｋ） ｘｍｔ（ｋ） ＋ ａ
ｍ２ｉ（ｋ） ｘ−ｚ（ｋ） 十−＋ ａ ａｎｔ（ｋ
） ｘ ａｎ（ｋ）十町（ｋ） ＝ ［１ｘ ｎ （ｋ） ｘ ｕ（ｋ）−ｘ ｔｏ（ｋ
）−Ｘ １１１ （ｋ） ｘ 、２（ｋ）−Ｘ−７１（
ｋ）］＝Ｃ（ｋ）φ、（ｋ）＋ωｔ（ｋ）
−（２）ここで、 ｋ：サンプリング・
ステップωｔ（ｋ）：にサンプリング・ステップにおけ
るＱ番目のプロセス 量に対するノイズ Ｃ（ｋ）−［１ｍ１ｉ（ｋ）ｘｘ２（ｋ）−ｘＩＪｋ）
Ｘ ｍｌ （ｋ） Ｘ ＋＊２（ｋ） ・・Ｘヮ。（
ｋ）］また、係数φ１（ｋ） の遷移式は、次式で与
えられるものとする。
（ｋ） ｘ ＋、ｚ（ｋ） ＋−＋ ａ １ｎｚ（ｋ
） ｘ ｔｎ（ｋ）＋ａ ２１ｔ（ｋ） ｘｚｔ（ｋ）
＋ａ ２２ｔ（ｋ） ｘ２２（ｋ）−１−・＋ ａ ２
ｎｔ（ｋ） Ｘ２゜（ｋ）＋・ −・ ＋ ａ ｍ１ｆｆｉ （ｋ） ｘｍｔ（ｋ） ＋ ａ
ｍ２ｉ（ｋ） ｘ−ｚ（ｋ） 十−＋ ａ ａｎｔ（ｋ
） ｘ ａｎ（ｋ）十町（ｋ） ＝ ［１ｘ ｎ （ｋ） ｘ ｕ（ｋ）−ｘ ｔｏ（ｋ
）−Ｘ １１１ （ｋ） ｘ 、２（ｋ）−Ｘ−７１（
ｋ）］＝Ｃ（ｋ）φ、（ｋ）＋ωｔ（ｋ）
−（２）ここで、 ｋ：サンプリング・
ステップωｔ（ｋ）：にサンプリング・ステップにおけ
るＱ番目のプロセス 量に対するノイズ Ｃ（ｋ）−［１ｍ１ｉ（ｋ）ｘｘ２（ｋ）−ｘＩＪｋ）
Ｘ ｍｌ （ｋ） Ｘ ＋＊２（ｋ） ・・Ｘヮ。（
ｋ）］また、係数φ１（ｋ） の遷移式は、次式で与
えられるものとする。
φ賢ｋ） ＝φ賢に−１） −（３）（２）、
（３）式を用いて係数φｔ（ｋ）に対するカルマン・
フィルタを構成すると次式が得られる。
（３）式を用いて係数φｔ（ｋ）に対するカルマン・
フィルタを構成すると次式が得られる。
ここで、φ１（ｋ）：φｔ（ｋ）の最尤推定値ｗＱ（ｋ
） ：ω賢ｋ）の分散 φ１．＋（０） ： ０ （零ベクトル）ｐ、ｔ、＋（
ｏ） ： Ｉ （単位マトリクス）すなわち、（４）
式のφｔ（ｋ）により係数φ、（ｋ）が同定できる。
） ：ω賢ｋ）の分散 φ１．＋（０） ： ０ （零ベクトル）ｐ、ｔ、＋（
ｏ） ： Ｉ （単位マトリクス）すなわち、（４）
式のφｔ（ｋ）により係数φ、（ｋ）が同定できる。
次に、（４）式で同定したモデルの係数φえを（１）式
に代入して、火炎の輝度分布画像ＸＩＪ （１＝１．２
． ・＋ ｍ＋ ｊ＝１＋ ２＋ ・、ｎ）から燃
焼状態を表わすプロセス量ｚｉを推定し、その推定結果
をＣＲＴ表示装置９に表示して、オペレータに知らせる
。
に代入して、火炎の輝度分布画像ＸＩＪ （１＝１．２
． ・＋ ｍ＋ ｊ＝１＋ ２＋ ・、ｎ）から燃
焼状態を表わすプロセス量ｚｉを推定し、その推定結果
をＣＲＴ表示装置９に表示して、オペレータに知らせる
。
本発明の妥当性を確認するために、実験を実施した。こ
れについては、次に説明する。第４図。
れについては、次に説明する。第４図。
第５図、第６図、第７図及び第８図〜第１４図は、第２
図のハードウェア・システム構成で石炭の燃焼実験をし
たときの計測結果であり、それぞれ、プロセス量の時間
変化の表、プロセス量の時間変化のトレンドグラフ及び
火炎の輝度分布像（彩色像）の時間変化を示す。なお、
石炭供給量は、２５ｋｇ／ｈで一定である。また、第２
表の輝度分布像は、５１．２ Ｘ ５１２の画像から座
標（１００゜１００）、（３５０，１００）、（１，０
０，３５０）。
図のハードウェア・システム構成で石炭の燃焼実験をし
たときの計測結果であり、それぞれ、プロセス量の時間
変化の表、プロセス量の時間変化のトレンドグラフ及び
火炎の輝度分布像（彩色像）の時間変化を示す。なお、
石炭供給量は、２５ｋｇ／ｈで一定である。また、第２
表の輝度分布像は、５１．２ Ｘ ５１２の画像から座
標（１００゜１００）、（３５０，１００）、（１，０
０，３５０）。
（３５０，３５０）の４点で切出した部分画像であり、
画像のＮαは、第６図、第７図のプロセス量の時間変化
の表のＮαに対応する。すなわち、プロセス量は］分周
期で、また、火炎の輝度分布像は３分周期で計算機に取
込んだ。これらのデータを使用した火炎形状とバーナの
燃焼状態を表わすプロセス量との相関関係を表わすモデ
ルを同定した。
画像のＮαは、第６図、第７図のプロセス量の時間変化
の表のＮαに対応する。すなわち、プロセス量は］分周
期で、また、火炎の輝度分布像は３分周期で計算機に取
込んだ。これらのデータを使用した火炎形状とバーナの
燃焼状態を表わすプロセス量との相関関係を表わすモデ
ルを同定した。
このときの同定条件を第３表に示す。この同定したモデ
ルを使用して、バーナの燃焼状態を表わすプロセス量を
推定した。そのときの結果を第１６図〜第１８図に示す
。この図から分かるように、回帰モデルにより火炎形状
からバーナの燃焼状態を表わすプロセス量が十分推定で
きることが確認できた。
ルを使用して、バーナの燃焼状態を表わすプロセス量を
推定した。そのときの結果を第１６図〜第１８図に示す
。この図から分かるように、回帰モデルにより火炎形状
からバーナの燃焼状態を表わすプロセス量が十分推定で
きることが確認できた。
（他の実施例）
本発明の実施例では、コーホのバーナの火炉を対象にし
ているが、第１９図に示す多段マルチ・バーナを対象に
してもよい。この場合、第２０図に示すように段毎に１
個のイメージ・ファイバを対応させて火炎画像を取込む
ようにしてもよい。また、バーナ１本毎に１個のイメー
ジ・ファイバを対応させて火炎画像を取込むようにして
もよい。
ているが、第１９図に示す多段マルチ・バーナを対象に
してもよい。この場合、第２０図に示すように段毎に１
個のイメージ・ファイバを対応させて火炎画像を取込む
ようにしてもよい。また、バーナ１本毎に１個のイメー
ジ・ファイバを対応させて火炎画像を取込むようにして
もよい。
本発明の１実施例では、１本のバーナの火炎に対して１
個のイメージ・ファイバで１個の火炎画像を取込んでい
るが、火炎は空間的に広がっているので、複数個のイメ
ージ・ファイバで複数個の火炎画像を取込むようにして
もよい。これにより、火炎の情報がより多く得られ、プ
ロセス量の推定精度が向」ニする。
個のイメージ・ファイバで１個の火炎画像を取込んでい
るが、火炎は空間的に広がっているので、複数個のイメ
ージ・ファイバで複数個の火炎画像を取込むようにして
もよい。これにより、火炎の情報がより多く得られ、プ
ロセス量の推定精度が向」ニする。
本発明の１実施例では、回帰モデルは線形モデルを使用
しているが、非線形の回帰モデルを使用してもよい。こ
れにより、モデルの推定精度をより向」二できる。
しているが、非線形の回帰モデルを使用してもよい。こ
れにより、モデルの推定精度をより向」二できる。
本発明の１実施例では、プロセス量の絶対値を用いて回
帰モデルを作っているが、ある基準点からの相対値を用
いて回帰モデルを作ってもよい。
帰モデルを作っているが、ある基準点からの相対値を用
いて回帰モデルを作ってもよい。
これにより、モデルの推定精度をより向上できる。
本発明の１実施例では、火炎の形状として火炎の輝度分
布を用いているが、火炎の形状としてホログラフィ干渉
像、シャドウグラフ像などを用いてもよい。
布を用いているが、火炎の形状としてホログラフィ干渉
像、シャドウグラフ像などを用いてもよい。
本発明の１実施例では、バーナの操作量にテスＩ〜信号
を重畳させていないが、このテスト信号を重畳させても
よい。これによりモデルの推定精度が向上する。
を重畳させていないが、このテスト信号を重畳させても
よい。これによりモデルの推定精度が向上する。
本発明によれば、バーナの火炎の形状及び燃焼状態を表
わすプロセス量を計測し、この計測結果に基づいて火炎
の形状と燃焼状態を表わすプロセス量との相関関係を回
帰モデルで同定し、このモデルを用いて火炎の形状から
燃焼状態を表わすプロセス量を推定するので、バーナの
タイプ毎にそれに合ったモデルが容易に同定でき、バー
ナのタイプが変わっても、それに適応してモデルを修正
し、炉の燃焼状態を表わすプロセス量を精度よく推定で
きる効果がある。
わすプロセス量を計測し、この計測結果に基づいて火炎
の形状と燃焼状態を表わすプロセス量との相関関係を回
帰モデルで同定し、このモデルを用いて火炎の形状から
燃焼状態を表わすプロセス量を推定するので、バーナの
タイプ毎にそれに合ったモデルが容易に同定でき、バー
ナのタイプが変わっても、それに適応してモデルを修正
し、炉の燃焼状態を表わすプロセス量を精度よく推定で
きる効果がある。
第１図は石炭の燃焼プロセスを説明する図、第２図、第
３図は本発明の１実施例を示す図、第４図〜第１８図は
本発明の１実施例の妥当性を示す実験結果を示す図、第
１９図、第２０図は本発明の他の実施例を示す図である
。 １・・・火炉、２・・バーナ、３・・・水冷管、４・・
・イメージファイバ、５・・フィルタ、６・・ＩＴＶカ
メラ、７ フレームメモリ、８・・・計算機、９・・表
示装置、１０・・プロセス量入力装置。
３図は本発明の１実施例を示す図、第４図〜第１８図は
本発明の１実施例の妥当性を示す実験結果を示す図、第
１９図、第２０図は本発明の他の実施例を示す図である
。 １・・・火炉、２・・バーナ、３・・・水冷管、４・・
・イメージファイバ、５・・フィルタ、６・・ＩＴＶカ
メラ、７ フレームメモリ、８・・・計算機、９・・表
示装置、１０・・プロセス量入力装置。
Claims (1)
- 【特許請求の範囲】 １、バーナの燃焼状態を診断する燃焼診断方法において
、火炎の形状及び燃焼のプロセス量を計測し、火炎の形
状と燃焼のプロセス量との相関関係を表わすモデルを同
定し、前記モデルを用いて火炎の形状から燃焼のプロセ
ス量を推定することを特徴とする火炎形状計測による燃
焼診断方法。 ２、特許請求の範囲第１項において、前記火炎の形状と
プロセス量との相関関係を表わすモデルは回復モデルで
あることを特徴とする火炎形状計測による燃焼診断方法
。 ３、特許請求の範囲第１項において、前記火炎の形状と
して、火炎の輝度分布像（輻射分布像）を使用すること
を特徴とする火炎形状計測による燃焼制御方法。 ４、特許請求の範囲第１項において、前記火炎の形状と
して、ホログラフイ干渉像あるいはシヤドウグラフ像（
透過分布像）を使用することを特徴とする火炎形状計測
による燃焼制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63089101A JPH01263414A (ja) | 1988-04-13 | 1988-04-13 | 火炎形状計測による燃焼診断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63089101A JPH01263414A (ja) | 1988-04-13 | 1988-04-13 | 火炎形状計測による燃焼診断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH01263414A true JPH01263414A (ja) | 1989-10-19 |
Family
ID=13961498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63089101A Pending JPH01263414A (ja) | 1988-04-13 | 1988-04-13 | 火炎形状計測による燃焼診断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01263414A (ja) |
-
1988
- 1988-04-13 JP JP63089101A patent/JPH01263414A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Monitoring flames in an industrial boiler using multivariate image analysis | |
| US11898800B2 (en) | Flame analytics system | |
| Garces et al. | Radiation measurement based on spectral emissions in industrial flames | |
| CN108027281A (zh) | 组合式气体泄漏检测及量化 | |
| JP7393511B2 (ja) | 学習モデル生成方法およびプログラム | |
| CN106662327A (zh) | 用于降低燃烧过程烟和噪音的反馈控制 | |
| Jiao et al. | Collaborative multiple rank regression for temperature prediction of blast furnace | |
| Pino et al. | Soot propensity by image magnification and artificial intelligence | |
| Silva Neto et al. | Identification of CO 2 and O 2 emissions dynamics in a natural gas furnace through flame images, ARMAX models, and Kalman filtering | |
| JPH01263414A (ja) | 火炎形状計測による燃焼診断方法 | |
| JP2020009171A (ja) | 燃焼評価システム、情報処理装置およびプログラム | |
| Susa et al. | Flame image velocimetry: seedless characterization of post-reflected-shock velocities in a shock-tube | |
| CN101216702A (zh) | 热处理参数的动态智能记录方法 | |
| Kantor et al. | Analysis of the relationship between the load-displacement curve and characteristics of fracture of low-alloy steel by neural networks | |
| KR20220053327A (ko) | 광학 측정 장치 및 방법 | |
| Koštialová Jančíková et al. | Artificial Neural Networks Application in Thermography," | |
| Chui et al. | On the dynamics of flame images identified through computer vision and modal methods | |
| KR100286670B1 (ko) | 전문가시스템을 이용한 노열레벨 진단장치 및 그 방법 | |
| Hasnen et al. | Adaptive PLS inferential soft sensor for continuous online estimation of NOx emission in industrial water-tube boiler | |
| JP3424024B2 (ja) | ガス温度推定方法および装置 | |
| Bryanston-Cross et al. | INTErSECT: the application of data fusion to a multi sensored intelligent engine | |
| JPH0629665B2 (ja) | 燃焼制御方法、及び、燃焼制御装置 | |
| Kostialova et al. | Artificial neural networks application in thermography | |
| Fleury et al. | Application of computer vision and Kalman filtering techniques to identify oil flames nebulization quality | |
| Toedter et al. | Comparing Visualization of Inflammation at Transient Load Steps Comparing Ignition Systems |