一种基于多源信息融合的燃烧稳定性诊断方法技术

一种基于多源信息融合的燃烧稳定性诊断方法，图像采集设备捕获炉膛燃烧火焰，形成数字图像并传输至服务器；服务器接收火焰图像，同时记录不同传感器的监测信息；建立对抗降噪自编码提取火焰图像的深层特征，并设计相关性系数校正深层图像特征与传感器监测信息之间的延迟时间；随后，将深层图像特征与传感器监测信息进行融合，送至燃烧稳定性评价指标，定量估计燃烧稳定性状态。本发明专利技术所提出的燃烧稳定性诊断方法能够量化表征燃烧稳定性，为燃烧状态调整提供重要指导依据。状态调整提供重要指导依据。状态调整提供重要指导依据。

【技术实现步骤摘要】
一种基于多源信息融合的燃烧稳定性诊断方法


[0001]本专利技术涉及燃烧监测
，特别涉及一种基于多源信息融合的燃烧稳定性诊断方法。

技术介绍

[0002]燃烧是化石燃料利用的重要方式，建立并保持稳定的燃烧状态是重要运行目标，有利于提高燃烧效率、降低污染物排放。然而，受燃料品质、燃烧方式等因素影响，燃烧状态难以长期维持稳定，这对整个燃烧系统的安全、环保运行产生威胁。为了有效预防燃烧状态异常、避免安全事故发生，及时、准确的掌握燃烧稳定性至关重要。
[0003]基于燃烧释放的光能、热能，已开发了热电偶、火焰故障检测器等燃烧诊断技术。但在实践应用中，这些技术存在较大局限性：(1)误差大，易受监测环境干扰；(2)功能差，仅提供局部灭火信号；(3)维护频，设备使用寿命短。相对而言，可视化燃烧诊断技术因其高灵敏、抗干扰、寿命长等优势越发受到重视。然而，火焰电视等传统可视化技术仅提供简单的监视功能，图像数据解释则高度依赖于操作员主观经验，缺乏客观评判标准。得益于数字图像处理技术的进步，传统监视功能得到拓展，实现了火焰图像的在线分析。
[0004]虽然火焰图像蕴含丰富的燃烧状态信息，但像素信息的准确分析面临挑战。纵观各式数据驱动方法，燃烧稳定性诊断势必涉及两个关键步骤，即特征提取和特征分析。其中，特征提取旨在挖掘图像本质信息，消除非关键重复内容，并降低图像维度。对于任意火焰图像，都存在区别于其他图像的独特特征，如色调、饱和度。然而，现有特征提取方法常受限于计算效率低、鲁棒性差、泛化能力弱等缺点。特征分析则是通过图像特征解析，输出确定性诊断结果。由于火焰图像的数据解释困难，其深层特征不可解释性更是加大特征解析难度。此外，燃烧不稳定的潜在诱发因素多且难以表征，使得燃烧状态精确诊断并非易事。
[0005]综上可见，特征提取方法和特征分析方法仍有待进一步改进。针对现有技术的不足，本专利技术将开发一种集成图像采集、图像特征提取和图像特征分析等关键技术于一体的燃烧稳定性诊断系统，为优化燃烧系统运行提供重要理论依据和技术基础，进而辅助整个燃烧系统的安全、环保运行，并且此申请对于研究燃烧机理以及探索燃烧动态变化规律具有重要研究意义。

技术实现思路

[0006]本专利技术针对现有技术中的不足，提供一种基于多源信息融合的燃烧稳定性诊断方法；以解决火焰图像的深层特征可解释性差、燃烧稳定性难以量化的问题。
[0007]为实现上述目的，本专利技术采用以下技术方案：
[0008]一种基于多源信息融合的燃烧稳定性诊断方法，包括以下步骤：
[0009]S1：基于图像采集设备采集捕获不同燃烧工况下的火焰图像；
[0010]S2：预处理火焰图像；
[0011]S3：建立特征提取网络，即对抗降噪自编码，利用预处理后的火焰图像进行训练，
以完成对抗降噪自编码对火焰图像中深层特征的识别准确度；
[0012]S4：针对新采集需要分析的火焰图像，经预处理后，根据训练后的对抗降噪自编码识别提取该火焰图像的深层特征；同时对应于该火焰图像的燃烧工况下，基于传感器设备采集炉膛室内的数据监测信息；
[0013]设计相关性系数校正火焰图像深层特征与传感器设备所检的数据信息之间的延迟时间；
[0014]S5：将火焰图像深层特征与传感器监测信息进行融合，形成图像传感特征，然后利用结构相似指标对图像传感特征进行聚类分析，得到两个独立的簇；
[0015]S6：分别计算两个簇的信息熵，将信息熵小于设定阈值的簇定义为稳定簇、信息熵大于阈值的簇定义为不稳定簇；
[0016]S7：分别计算稳定簇的质心和不稳定簇的质心，基于此建立燃烧稳定性评价指标；
[0017]S8：利用燃烧稳定性评价指标对图像传感特征进行分析，定量估计单张火焰图像的燃烧稳定性。
[0018]为优化上述技术方案，采取的具体措施还包括：
[0019]进一步地，
[0020]在步骤S1中，所述图像采集设备包括光学视镜、CCD相机；
[0021]在步骤S2中，所述预处理包括对火焰图像进行尺寸压缩、归一化。
[0022]进一步地，步骤S3中所述利用预处理后的火焰图像进行训练，以完成对抗降噪自编码对火焰图像中深层特征的识别准确度具体内容为：
[0023]S3.1：输入火焰图像x经降噪编码n处理后，形成噪声图像x
n
，其数据维度为O
×
P
×
3；
[0024]S3.2：噪声图像x
n
送至卷积编码器e1进行处理，具体包括：首先由Q1个c
×
c窗口大小、q步长的卷积过滤器C1进行特征提取，然后经ReLU激活函数进行特征激活，最后由o
×
o窗口大小、l步长的最大池化层P1进行特征降维，输出维度为a1×
b1×
c1的特征向量h1；
[0025]S3.3：特征向量h1依次由卷积编码器e2、e3、e4、e5进行处理，数据处理过程与步骤S3.2相似，最终输出维度为a5×
b5×
c5的深层特征向量h5；
[0026]S3.4：深层特征向量h5送至卷积解码器d1进行处理，具体包括：首先由g
×
g窗口大小的上采样层U1进行特征升维，然后由卷积过滤器C6、ReLU激活函数进行处理，得到特征向量h6；
[0027]S3.5：特征向量h6依次由卷积解码器d2、d3、d4、d5进行处理，数据处理过程与步骤S3.4相似，仅卷积解码器d5的激活函数有所不同，其采用Sigmoid函数，最终输出维度为O
×
P
×
3的重建图像x
rec
；
[0028]S3.6：输入火焰图像x经灰度化处理后，形成灰度图像x
g
，其数据维度为O
×
P
×
1；
[0029]S3.7：对灰度图像x
g
进行分析得到平均灰度L1、火焰亮度L2、有效面积L3、不均匀度L4、灰度方差L5、灰度标准差L6、闪烁频率L7、偏度L8、峰度L9九种静态特征L；
[0030]S3.8：将火焰图像的静态特征L和深层特征向量h5送至辨别器，依次由展开操作F、全连接操作f1和全连接操作f2进行处理，辨别器判断输入数据是静态特征还是深层特征，然后基于静态特征为标准，指导所识别的深层特征数据逐步趋向于静态特征，通过多次的火焰图像的训练，使得对抗降噪自编码对火焰图像中深层特征的识别更加准确。
[0031]进一步地，步骤S3中，在利用预处理后的火焰图像进行训练时，引入降噪编码技术，以提高提取特征的鲁棒性能，其中降噪编码过程表示为式中表示噪声比，表示服从正态分布的随机变量，x
n
指噪声图像，x指火焰图像。
[0032]进一步地，步骤S4中所述传感器设备包括火检传感器、热电偶传感器、压力传感器、气体分析传感器；所采集的数据信息对应为火检强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息融合的燃烧稳定性诊断方法，其特征在于，包括以下步骤：S1：基于图像采集设备采集捕获不同燃烧工况下的火焰图像；S2：预处理火焰图像；S3：建立特征提取网络，即对抗降噪自编码，利用预处理后的火焰图像进行训练，以完成对抗降噪自编码对火焰图像中深层特征的识别准确度；S4：针对新采集需要分析的火焰图像，经预处理后，根据训练后的对抗降噪自编码识别提取该火焰图像的深层特征；同时对应于该火焰图像的燃烧工况下，基于传感器设备采集炉膛室内的数据监测信息；设计相关性系数校正火焰图像深层特征与传感器设备所检的数据信息之间的延迟时间；S5：将火焰图像深层特征与传感器监测信息进行融合，形成图像传感特征，然后利用结构相似指标对图像传感特征进行聚类分析，得到两个独立的簇；S6：分别计算两个簇的信息熵，将信息熵小于设定阈值的簇定义为稳定簇、信息熵大于阈值的簇定义为不稳定簇；S7：分别计算稳定簇的质心和不稳定簇的质心，基于此建立燃烧稳定性评价指标；S8：利用燃烧稳定性评价指标对图像传感特征进行分析，定量估计单张火焰图像的燃烧稳定性。2.根据权利要求1所述的一种基于多源信息融合的燃烧稳定性诊断方法，其特征在于，在步骤S1中，所述图像采集设备包括光学视镜、CCD相机；在步骤S2中，所述预处理包括对火焰图像进行尺寸压缩、归一化。3.根据权利要求1所述的一种基于多源信息融合的燃烧稳定性诊断方法，其特征在于，步骤S3中所述利用预处理后的火焰图像进行训练，以完成对抗降噪自编码对火焰图像中深层特征的识别准确度具体内容为：S3.1：输入火焰图像x经降噪编码处理后，形成噪声图像x
n
，其数据维度为O
×
P
×
3；S3.2：噪声图像x
n
送至卷积编码器e1进行处理，具体包括：首先由Q1个c
×
c窗口大小、q步长的卷积过滤器C1进行特征提取，然后经ReLU激活函数进行特征激活，最后由o
×
o窗口大小、l步长的最大池化层P1进行特征降维，输出维度为a1×
b1×
c1的特征向量h1；S3.3：特征向量h1依次由卷积编码器e2、e3、e4、e5进行处理，数据处理过程与步骤S3.2相似，最终输出维度为a5×
b5×
c5的深层特征向量h5；S3.4：输入火焰图像x经灰度化处理后，形成灰度图像x
g
，其数据维度为O
×
P
×
1；S3.5：对灰度图像x
g
进行分析得到平均灰度L1、火焰亮度L2、有效面积L3、不均匀度L4、灰度方差L5、灰度标准差L6、闪烁频率L7、偏度L8、峰度L9九种静态特征L；S3.6：将火焰图像的静态特征L和深层特征向量h5送至辨别器，依次由展开操作F、全连接操作f1和全连接操作f2进行处理，辨别器判断输入数据是静态特征还是深层特征，然后基于静态特征为标准，指导所识别的深层特征数据逐步趋向于静态特征，通过多次的火焰图像的训练，使得对抗降噪自编码对火焰图像中深层特征的识别更加准确。4.根据权利要求3所述的一种基于多源信息融合的燃烧稳定性诊断方法，其特征在于，步骤S3中，在利用预处理后的火焰图像进行训练时，引入降噪编码技术，以提高提取特征的鲁棒性能，其中降噪编码过程表示为式中表示噪声比，表示服从正态分布
的随机变量，x
n
...

【专利技术属性】
技术研发人员：韩哲哲，梁瑞宇，包永强，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：