专利名称：一种新燃料在线识别方法
技术领域：
本发明涉及一种新燃料的在线识别方法，属于工业锅炉燃料种类辨识 技术领域。
背景技术：
为提高燃料资源的利用率，减少污染物排放，提高锅炉的热效率，需 要建立并保持锅炉内高效和稳定的燃烧。燃烧不稳定，不仅使燃烧热效率 低和污染物排放不达标，在极端情况下甚至可导致锅炉炉膛的灭火，如处 理不当易诱发炉膛爆燃事故。由于经济等因素的限制，工业锅炉通常需要 燃烧不同种类的燃料。在燃烧时燃料的种类通常是未知的，也是不可预测 的。燃料种类的变化，使得锅炉燃烧更加复杂，直接影响炉内火焰燃烧的 稳定，而导致对炉内燃烧状况的检测和控制非常困难，严重影响锅炉的燃 烧效率，所以燃料种类的变化影响着锅炉运行的安全性和经济性。
将光电传感技术与软测量技术相结合，可以进行燃烧燃料种类的在线 识别，从而根据燃料种类可对锅炉的运行参数进行控制和调节，达到高效 燃烧的目的。但此种识别方法必须在已知燃烧的所有燃料的种类及其燃烧 特征等前提下，才能对燃烧的燃料所属的种类进行准确判别。由于使用的 软测量珠术的输出只对应已知的燃料种类，当一种燃烧特征不同的新燃料 投入时，也会将新燃料判断成某一种已知的燃料种类，造成误判。因此迫 切需要一种能在线识别出新燃料的方法。
发明内容
本发明的目的在于克服已有技术的不足，提供一种新燃料的在线识别 方法。
利用三个能接收不同光谱段火焰辐射信号的光电传感器来分别接收已知燃料燃烧火焰辐射在红外、可见光、紫外三个谱段上的辐射信号，从辐 射信号中提取但不局限于信号的闪烁频率、均值、均方根、方差、零交点 数、偏斜率、峰态值、熵、形状因子作为火焰的原始特征值，目的是用这 些原始特征值来建立已知燃料燃烧特征值的联合概率密度模型。把这些原 始特征值数据首先经过数据预处理(如采用主成分分析方法)获得正交化 的特征值数据，这些正交化的特征值数据是彼此独立的，则可以分别建立 每种已知燃料燃烧特征值分布的联合概率密度模型，即可通过该联合概率 密度模型来识别燃料的种类及是否为新燃料。本发明用到的火焰原始特征 值数据是从火焰辐射信号中在线提取的，因而本发明的方法是在线的。 本发明的技术方案是这样实现的
本发明的一种新燃料在线识别方法，包括两个阶段建立已知燃料燃 烧特征值分布的联合概率密度模型和新燃料的在线识别，具体如下-
阶段一、建立己知燃料燃烧特征值分布的联合概率密度模型，步骤如
下
步骤一、从已知燃料燃烧的火焰辐射信号中提取火焰辐射信号在时域 和频域内的特征值作为火焰的原始特征值。
利用三个光电传感器来得到J种已知燃料燃烧火焰在红外、可见光和 紫外三个谱段上的辐射信号，每种燃料采集M组信号，每组包括3个信号，
则一共得到JxMx3个火焰辐射信号，构成一信号样本集W/，m，s)l产l,2,…V; m^,2,…,M;^l，2，3)。通过特征值提取从每种已知燃料每个谱段的火焰信号 中提取得到火焰在时域和频域内的特征值c(/，w，W)(^l,2，…,；w-l,2，…，M; 尸1,2，3; tl,2，…，r)，作为原始特征值，得到一大小为/xAfx3r的原始特征值 数据矩阵"={4/,附,")|乂=1,2广'，《/; m=l，2,"',M; w=l，2，"',37}。
步骤二、通过正交化数据处理把火焰原始特征值数据变成互不相关的 正交化特征值数据。
从针对第_/种已知燃料获得的第m组三个信号(x(/，m, 1), x(/，附，2), x(/，m，3)〉 中提取的3r个特征值W(/,w，")1 "4,2，…,3r)是具有相关性的，因此需要把得 到的这些具有相关性的原始特征值数据进行正交化处理，并从每组三个信
号获得的3r个正交化特征值中选取对火焰特征贡献最大的前z个正交化特征值，并按照对火焰特征贡献由大到小的顺序排列。从而，与原始特征值
数据矩阵d相对应，得到一大小为JxMx丄的正交化特征值数据矩阵 Hg(/,m，/)l户l,2,…,J; m=l,2,".，M; /=1,2广'^}。
步骤三、利用步骤二得到的正交化特征值数据建立每种已知燃料特征 值分布的联合概率密度模型。
得到的第y种己知燃料的正交化特征值数据矩阵为
&(w,/)={g(/>，/)—=1,2/",M; /=1,2广',丄}，其丄个正交化特征值之间彼此独
立，就可根据求出的第y种已知燃料每个正交化特征值即数据矩阵^(附，/)每
一列的均值和方差，建立第y种已知燃料特征值分布的联合概率密度模型 /,仅,A，…，A)，并且根据每种燃料的特征值分布情况设立一个阈值
、(/4，2，…,i)，作为是否为该种燃料的判断依据。 阶段二、新燃料的在线识别，步骤如下-
步骤四、提取待识别燃料燃烧火焰辐射信号中时域和频域内的特征值 作为原始特征值。
利用三个光电传感器来分别得到待识别燃料燃烧火焰在红外、可见光 和紫外三个谱段上的一组三个辐射信号(:c'Cs)l s=l，2,3} = [x'(l)， x'(2)， :c'(3)]，
通过特征值提取从得到的火焰辐射信号中提取与阶段一步骤一中相同的火 焰在时域和频域内的特征值(c'(s， f)| 5=1,2,3; Fl,2，…,r)，作为待识别燃料燃 烧火焰的原始特征值，得到大小为"3r的原始特征值数据矩阵 d'={#)|w=l,2,".,3r}。
步骤五、将步骤四得到的原始特征值进行正交化数据处理获得正交化 的特征值数据。
将待识别燃料燃烧火焰的原始特征值矩阵w进行与阶段一步骤二中相 同的正交化数据处理，并且选取与阶段一步骤二中相同的丄个主成分个数， 得到具有L列的待识别燃料燃烧火焰的正交化特征值数据矩阵
/)|/=1,2广',"。
步骤六、将步骤五得到的正交化的特征值数据输入到每种已知燃料的 联合概率密度模型中得出待识别燃料属于每种已知燃料的概率密度值，则可根据此概率密度值来判断燃烧的待识别燃料的种类，及是否为新燃料。
将得到的待识别燃料燃烧火焰的正交化特征值数据输入到阶段一步骤 三中建立的每种己知燃料燃烧特征值分布的联合概率密度模型
y;.(^，^,…,A)中，可得到待识别燃料属于每种已知燃料的概率密度值 /;,A，…力。选择所得各概率密度值中的最大值，max(/;,/2,…力)。假设 /,max(y;，/2，…力)(1^/^/)，即待识别燃料属于第/种(i^/^/)已知燃料的概率 密度值最大，那么，将/,与针对该最大值所属的已知燃料预先设定的概率 密度的阈值、进行比较，若该最大值大于等于设定阈值，即/^、，则判断
待识别燃料属于该最大值所属的燃料种类，即第y种燃料，否则判断待识别 燃料为一种新燃料。
其中，阶段一中步骤一及阶段二中步骤四所述的特征值提取过程为分 别计算每种已知燃料在三个谱段上辐射信号的闪烁频率，均值，均方根， 方差，零交点数，偏斜率，峰态值，熵，形状因子的值作为特征值，并可 扩展计算得到更多个特征值。
其中，阶段一中步骤二及阶段二中步骤五所述的正交化数据处理可采 用但不局限于主成分分析法，将火焰辐射的原始特征值变换到主成分空间， 并且每个主成分按照对火焰整体特征的贡献程度降序排列。通过抛弃那些 贡献较小的数据成分，选择拥有火焰原始特征值数据绝大多数信息的丄个 主要数据成分，縮减数据维数。
本发明的一种新燃料在线识别方法，相对于现有技术具有如下优点
(1) 采用光电传感器及概率密度模型来进行新燃料的识别，同时能判 别已知的燃料种类，安全可靠。
(2) 数据的正交化预处理可以选择拥有原始特征值主要信息的数据，
忽略不重要的数据，算法的实时性好。
(3) 能够在线应用，可以及时判别已知的燃料种类或新燃料，不存在
大的时间滞后，可用于燃烧过程的闭环控制。
(4) 设备安装、操作简便，维护方便，性价比高。
图1为本发明的阶段一建立已知燃料燃烧特征值分布的联合密度模型方法 示意图2为本发明的阶段二新燃料在线识别结构示意图；
具体实施例方式
为了使本领域的一般技术人员能够清楚理解本发明的技术方案，现结 合附图对本发明的具体实施方式
做进一步说明 具体实施方法
阶段一、建立已知燃料燃烧特征值分布的联合概率密度模型，其中包 括特征值提取、数据处理及模型的建立，如图1所示，步骤如下
步骤一、从已知燃料燃烧的火焰辐射信号中提取火焰辐射信号在时域 和频域内的特征值作为火焰的原始特征值。
利用三个光电传感器来得到/种已知燃料燃烧火焰在红外、可见光和 紫外三个谱段上的辐射信号，每种燃料采集M组信号，每组包括3个信号， 则一共得到JxMx3个火焰辐射信号，构成一信号样本集W/,m，力l户1，2, ，《/; w=l，2, ,M; s=l，2，3}。其中，M的选择应该使采集的样本集(x(/,m，^中的信 号能覆盖燃料燃烧的各种工况，例如可选择A/=300，即每种燃料采集300 组信号。计算每种已知燃料在三个谱段上辐射信号的闪烁频率，均值，均 方根，方差，零交点数，偏斜率，峰态值，熵，形状因子的值作为特征值， 通过上述特征值提取从每种已知燃料每个谱段的火焰信号中提取得到火焰 在时域和频域内的特征值力,附，^)(/=1,2，..., /;附=1，2，…,赋fl,2,3; ^1,2，…，7)，作为原始特征值，得到一大小为AMx3r的原始特征值数据矩 阵^(4/，附,")l户l，2，…，J;m-l，2，…，M; w=l，2， ,3r}。其中，r的值为提取的 特征值的个数，此实施例中7^9，即每个谱段上有9个原始特征值。
步骤二、通过正交化数据处理把火焰原始特征值数据变成互不相关的 正交化特征值数据。
从针对第种已知燃料获得的第w组三个信号{x(/,m， 1), x(/,m,2), x(/>7，3)} 中提取的3r个特征值(4/,m，w)1 "4，2，…，377是具有相关性的，因此需要把得
9到的这些具有相关性的原始特征值数据进行正交化处理，例如，可采用主 成分分析法把火焰辐射的原始特征值变换到主成分空间，每个主成分按照 对火焰整体特征的贡献程度降序排列，这样，通过抛弃那些贡献较小的数
据成分，而从每组三个信号获得的3r个正交化特征值中选取对火焰特征贡 献最大的前丄个正交化特征值。丄值可根据实际要求选取，如选择能代表原
始信息98%或99%的主成分的个数。从而，与原始特征值数据矩阵"相对 应，得到一大小为/xMx丄的正交化特征值数据矩阵g-(g(/，w，/)J/'-l，2,…,J; 萨1，2，…，M;—1，2,…，丄)。
步骤三、利用得到的正交化特征值数据建立每种已知燃料特征值分布 的联合概率密度模型。
得到的第y种已知燃料的正交化特征值数据矩阵为
g/(m，/)={g(/>7，/)|w=l，2,".，M; /=1,2广'^}，其Z个正交化特征值之间彼此独 立，就可根据求出的第7种己知燃料每个正交化特征值即数据矩阵g(m，/)每 一列的均值和方差(^,c^)(^l,2，…,/;卜l，2，…,Z)，建立第/种已知燃料特征
1 「 i " 、2
值分布的联合概率密度模型,"，A,…,A)-^^exp-5:
义/—A,
2#
(/=1，2，"'丄；户1，2,…，J),并且根据每种燃料的特征值分布情况设立一个阈值 、(/=l，2,"*,J)，作为是否为该种燃料的判断依据。其中、应根据实际应用情
况确定，、越大则把已知燃料判断为新燃料的几率越大，、越小把新燃料 判断为己知燃料的几率越大。、的 一 种选择方法可以为
-EM2
/=1
(/=1,2,*力'=1,2，"'，力(
、=-1-exP
/=1
阶段二、新燃料的在线识别，如图2所示，步骤如下 步骤四、提取待识别燃料燃烧火焰辐射信号中时域和频域内的特征值 作为原始特征值。
利用三个光电传感器来分别得到待识别燃料燃烧火焰在红外、可见光 和紫外三个谱段上的一组三个辐射信号^c'(s)1 s=l，2，3} = x'(2), x'(3)]，通过特征值提取从得到的火焰辐射信号中提取与阶段一步骤一中相同的火
焰在时域和频域内的特征值^'(s, f)| s=l，2,3;户1，2,…,:0 (包括但不局限于闪 烁频率，均值，均方根，方差，零交点数，偏斜率，峰态值，熵，形状因
子)，作为待识别燃料燃烧火焰的原始特征值，得到大小为lx3r的原始特 征值数据矩阵w-l,2,…,3ri。
步骤五、将原始特征值进行正交化数据处理获得正交化的特征值数据。 将待识别燃料燃烧火焰的原始特征值矩阵w进行与阶段一步骤二中相 同的正交化数据处理，例如采用主成分分析法将待识别燃料燃烧火焰的原 始特征值矩阵y变换到主成分空间，并且选取与阶段一步骤二中相同的丄 个主成分个数，得到具有z列的待识别燃料燃烧火焰的正交化特征值数据
矩阵^={^(/)|/=1,2,"',}。
步骤六、将得到的正交化的特征值数据输入到每种已知燃料的联合概 率密度模型中得出待识别燃料属于每种已知燃料的概率密度值，则可根据 此概率密度值来判断燃烧的待识别燃料的种类，及是否为新燃料。
将得到的待识别燃料燃烧火焰的正交化特征值数据输入到阶段一步骤 三中建立的每种已知燃料燃烧特征值分布的联合概率密度模型
//A,A，…,;^)中，可得到待识别燃料属于每种已知燃料的概率密度值
/,，/2，…/,。选择所得各概率密度值中的最大值，max(/i,/2,…力)。假设 /,max(/;，/2,…力)(1《^)，即待识别燃料属于第J种(l^/^/)已知燃料的概率
密度值最大，那么将/,.与针对该最大值所属的已知燃料预先设定的概率密 度的阈值、进行比较，若该最大值大于等于设定阈值，即/^~，则判断待 识别燃料属于该最大值所属的燃料种类，即第乂种燃料，否则判断待识别燃 料为一种新燃料。
本发明方法不仅适用于燃煤种类的识别，而且适用于生物质、燃料油 及燃气种类的识别。
权利要求
1、一种新燃料在线识别方法，其特征在于包括两个阶段阶段一、建立已知燃料燃烧特征值分布的联合概率密度模型，步骤如下步骤一、从已知燃料燃烧的火焰辐射信号中提取火焰辐射信号在时域和频域内的特征值作为火焰的原始特征值；利用三个光电传感器来得到J种已知燃料燃烧火焰在红外、可见光和紫外三个谱段上的辐射信号，每种燃料采集M组信号，每组包括3个信号，则一共得到J×M×3个火焰辐射信号，构成一信号样本集{x(j，m，s)|j＝1，2，…，J；m＝1，2，…，M；s＝1，2，3}；通过特征值提取从每种已知燃料每个谱段的火焰信号中提取得到火焰在时域和频域内的特征值c(j，m，s，t)(j＝1，2，…，J；m＝1，2，…，M；s＝1，2，3；t＝1，2，…，T)，作为原始特征值，得到一大小为J×M×3T的原始特征值数据矩阵d＝{d(j，m，u)|j＝1，2，…，J；m＝1，2，…，M；u＝1，2，…，3T}；步骤二、通过正交化数据处理把火焰原始特征值数据变成互不相关的正交化特征值数据；从针对第j种已知燃料获得的第m组三个信号{x(j，m，1)，x(j，m，2)，x(j，m，3)}中提取的3T个特征值{d(j，m，u)|u＝1，2，…，3T}是具有相关性的，因此需要把得到的这些具有相关性的原始特征值数据进行正交化处理，并从每组三个信号获得的3T个正交化特征值中选取对火焰特征贡献最大的前L个正交化特征值，并按照对火焰特征贡献由大到小的顺序排列。从而，与原始特征值数据矩阵d相对应，得到一大小为J×M×L的正交化特征值数据矩阵g＝{g(j，m，l)|j＝1，2，…，J；m＝1，2，…，M；l＝1，2，…，L}；步骤三、利用步骤二得到的正交化特征值数据建立每种已知燃料特征值分布的联合概率密度模型；得到的第j种已知燃料的正交化特征值数据矩阵为gj(m，l)＝{g(j，m，l)|m＝1，2，…，M；l＝1，2，…，L}，其L个正交化特征值之间彼此独立，就可根据求出的第j种已知燃料每个正交化特征值即数据矩阵gj(m，l)每一列的均值和方差，建立第j种已知燃料特征值分布的联合概率密度模型fj(X1，X2，…，XL)，并且根据每种燃料的特征值分布情况设立一个阈值kj(j＝1，2，…，J)，作为是否为该种燃料的判断依据；阶段二、新燃料的在线识别；步骤如下步骤四、提取待识别燃料燃烧火焰辐射信号中时域和频域内的特征值作为原始特征值；利用三个光电传感器来分别得到待识别燃料燃烧火焰在红外、可见光和紫外三个谱段上的一组三个辐射信号{x′(s)|s＝1，2，3}＝[x′(1)，x′(2)，x′(3)]，从得到的火焰辐射信号中提取与阶段一步骤一中相同的火焰在时域和频域内的特征值{c′(s，t)|s＝1，2，3；t＝1，2，…，T}，作为待识别燃料燃烧火焰的原始特征值，得到大小为1×3T的原始特征值数据矩阵d′＝{d′(u)|u＝1，2，…，3T}；步骤五、将步骤四得到的原始特征值进行正交化数据处理获得正交化的特征值数据；将待识别燃料燃烧火焰的原始特征值矩阵d′进行与阶段一步骤二中相同的正交化数据处理，并且选取与阶段一步骤二中相同的L个主成分个数，得到具有L列的待识别燃料燃烧火焰的正交化特征值数据矩阵g′＝{g′(l)|l＝1，2，…，L}；步骤六、将步骤五得到的正交化的特征值数据输入到每种已知燃料的联合概率密度模型中得出待识别燃料属于每种已知燃料的概率密度值，则可根据此概率密度值来判断燃烧的待识别燃料的种类，及是否为新燃料；将得到的待识别燃料燃烧火焰的正交化特征值数据输入到阶段一步骤三中建立的每种已知燃料燃烧特征值分布的联合概率密度模型fj(X1，X2，…，XL)中，可得到待识别燃料属于每种已知燃料的概率密度值f1，f2，…fJ；选择所得各概率密度值中的最大值，max(f1，f2，…fJ)；假设fj＝max(f1，f2，…fJ)(1≤j≤J)，即待识别燃料属于第j种已知燃料的概率密度值最大，那么，将fj与针对该最大值所属的已知燃料预先设定的概率密度的阈值kj进行比较，若该最大值大于等于设定阈值，即fj≥kj，则判断待识别燃料属于该最大值所属的燃料种类，即第j种燃料，否则判断待识别燃料为一种新燃料。
2、 根据权利要求1所述的一种新燃料在线识别方法，其特征在于阶 段一中步骤一及阶段二中步骤四所述的特征值提取过程为计算每种已知燃 料在红外、可见光和紫外三个谱段上辐射信号的闪烁频率，均值，均方根， 方差，零交点数，偏斜率，峰态值，熵，形状因子的值作为特征值。
3、 根据权利要求1所述的一种新燃料在线识别方法，其特征在于阶 段一中步骤二及阶段二中步骤五所述的正交化数据处理可采用但不局限于 主成分分析法，将火焰辐射的原始特征值变换到主成分空间，并且每个主 成分按照对火焰整体特征的贡献程度降序排列；通过抛弃那些贡献较小的 数据成分，得到拥有火焰原始特征值数据绝大多数信息的丄个主要的正交 化数据成分。
全文摘要
本发明公开一种新燃料在线识别方法，阶段一、建立已知燃料特征值分布的联合概率密度模型从已知燃料燃烧的火焰辐射信号中提取火焰辐射信号在时域和频域内的特征值作为火焰原始特征值；通过正交化数据处理把火焰原始特征值数据变成互不相关的正交化特征值数据；利用得到的正交化特征值数据建立每种已知燃料特征值分布的联合概率密度模型；阶段二、新燃料在线识别提取待识别燃料燃烧火焰辐射信号中时域和频域内的特征值作为原始特征值；将原始特征值进行正交化数据处理；将得到的正交化特征值数据输入到每种已知燃料的联合概率密度模型中得出待识别燃料属于每种已知燃料的概率密度值，根据此概率密度值判断待识别燃料的种类，及是否为新燃料。
文档编号G01N31/12GK101644699SQ20091009187
公开日2010年2月10日 申请日期2009年8月28日 优先权日2009年8月28日
发明者徐立军, 章 曹, 丞 谭 申请人:北京航空航天大学