基于图像处理的灰渣含碳量在线测量模型研究

高博楠,闫志勇

(中国计量大学 计量测试工程学院,浙江 杭州 310018)

在煤粉锅炉各项热损失中,机械不完全燃烧热损失是较大的一项,其主要原因是炉渣和飞灰中含有未燃尽碳所造成的热损失,灰渣含碳量的大小表明了煤炭利用的完善程度,是反映燃烧水平和锅炉效率的重要参考指标[1]。通常,灰渣中的含碳量是采用工业分析的方法在实验室中测定的,耗时较长,无法了解实时的燃烧效果[2]。因此,如能获得灰渣含碳量的实时数据,再配以适当的模型和计算,就可以了解锅炉实时的运行效率,这对于指导锅炉运行,提高整个行业的能源利用水平,都具有相当积极的意义。

目前灰渣含碳量的检测方式被分为直接检测和间接检测[3]。其中在线直接检测方式目前常用微波测碳仪,其缺点是测量精度会因实际操作过程中出现能量逸散问题,且易受到飞灰密度与运动速度变化的影响,导致测量结果误差过大;同时微波测碳仪常因飞灰堵塞而无法正常运行,大大增加了运行维护工作量[4]。在线直接检测方法还有近红外测量法和中子活法测量法[5]。

近年来,一些复杂的工业过程都开始利用各种优化算法进行工业控制,而软测量技术的出现为测量优化算法所需要的数据提供了更加有效的途径。

目前我国采用神经网络[6]、支持向量机算法[7]、遗传算法等深度学习技术[8]在间接检测灰渣含碳量领域已有大量的研究,如王春林等[9]利用SVM(支持向量机算法),合理选取参数来建立飞灰含碳量特性模型,取得了较好的测量结果。……