燃烧状态预测及火焰图像识别 第2页
态进行识别计算。
BP 网络的结构为6- 11- 1。其中6 个输入特征
参数分别为火焰外焰的底部位置、火焰内焰的底部
位置、火焰内焰的顶部位置、火焰外焰的顶部位置、
火焰内焰的截面面积、火焰外焰的截面面积。网络的
输出为火焰的状态, 共分为5 个状态: 稳定、趋于回
火、回火、趋于熄火, 熄火瞬间状态。定义燃烧状态综
合指数, 015 代表稳定状态, 013 代表趋于回火状态,
011 代表回火状态, 017 代表趋于熄火状态, 019 代
表熄火瞬间。
在得到当前燃烧状态指数后, 采用基于时间序
列的二次指数平滑法对下一步的火焰燃烧状态进行
[5]
识别 。
二次指数平滑法是在一次指数平滑值序列的基
础上再做一次指数平滑, 然后利用线性模型进行预
测
(2) (1) (2)
S t = S t + (1 - Α)S t- 1
(2) (2)
式中 S t 为t 时刻的二次指数平滑数;S t- 1为t- 1
(1)
时刻的二次指数平滑数;S t 为t 时刻的一次指数平
滑数; Α为平滑系数。
二次指数平滑法的线性预测模型为
Yt+ T = at + btT
(1) (2)
at = 2S t - S 2
(1) (2)
bt = 1 -Α Α(S t - S t )
式中 t 为当前的时间序号; T 为超前时间间隔; at
为线性模型的截距; bt 为线性模型的斜率。
这里的时间间隔是指系统从采集一帧图像到图
像处理、燃烧状态识别和预测的一个完整的处理周
期。这个时间周期会随着计算机硬件配置和软件算
法的不同而有所差异。在本文中计算机主要硬件配
置: CPU 为 Intel 的E6300 处理器, P965 主板和2G
内存。一个完整的处理周期需耗时015 s 左右。
3 实验结果及其分析
下面分别根据工况的不同给出燃烧状态的识别
和预测结果。
311 减少空气流量的工况
燃烧状态识别和预测输出结果如图1 所示。样
本1 到样本30 火焰基本为稳定状态, 调节空气流量
减少时, 火焰逐步趋于回火, 表现在样本30 到样本
80; 持续减少空气流量后, 逐步发展到回火危险状
态, 这个过程可能要持续若干时刻, 表现在样本80到样本100 中。而预测的结果也可以表现出从一个
状态变化到另一状态的趋势变化。图2 为回火危险
状态时程序的界面显示。
图1 减少空气流量工况的识别和预测输出
图2 回火危险状态的识别和预测界面
312 增加空气流量的工况
图3 为增加空气流量工况的识别和预测输出结
果。样本1 到样本80 中, 火焰保持为稳定状态。增加
空气流量时, 火焰很快地趋于熄火, 表现在样本81
到样本88 中。由于增加空气流量工况过程比较复
杂, 熄火瞬间非常快, 时间是毫秒级, 而程序采集并
识别图像的速度是2 帧 , 所以单次实验中不一定s
可以采集到熄火瞬间情况。预测的结果同样可以表现出从一个状态变化到另一状态的趋势变化。图
为熄火危险时程序识别和预测的界面显示。
图4 熄火瞬间的识别和预测界面
上一页 [1] [2]
燃烧状态预测及火焰图像识别 第2页下载如图片无法显示或论文不完整，请联系qq752018766
