-
题名基于深度学习的空预器转子红外补光图像积灰状态识别
被引量：7
- 1
-
-
作者
刘君
邓毅
杨延西
魏永贵
薛燕辉
史雯雯
-
机构
东方电气集团东方锅炉股份有限公司
西安理工大学自动化与信息工程学院
-
出处
《发电技术》
2022年第3期510-517,共8页
-
基金
国家重点研发计划项目(2018YFB1703000)
陕西省现代装备绿色制造协同创新中心研究计划项目(304-210891702)。
-
文摘
目前大型电站锅炉广泛采用的回转式空气预热器(简称“空预器”)普遍存在堵塞现象,严重时甚至会限制锅炉出力。针对这一问题,提出一种基于深度学习的空预器转子红外图像积灰演化分析方法。针对获取的空预器转子红外补光图像样本数据进行预处理,去噪后转化为灰度曲线图像,并采用高斯滤波方法进行图像增强。然后建立灰度共生矩阵(gray levelco-occurrencematrix,GLCM)计算相关统计量,提取了角二阶矩(angular secondmoment,ASM)能量、对比度、熵、逆方差(inverse difference moment,IDM)和自相关性5类纹理特征参数。最后建立了深度信念网络(deep beliefnetwork,DBN)模型并进行训练与测试。结果表明:所提方法不但可以实现对空预器转子积灰程度的有效检测和监视,而且能够提前预测空预器堵塞可能性,从而指导运行人员优化运行吹灰系统,保证空预器正常运行。
-
关键词
电站锅炉
回转式空预器
积灰
红外补光成像
纹理特征
灰度共生矩阵(GLCM)
深度信念网络(DBN)
-
Keywords
power station boiler
rotary air preheater
ash accumulation
infrared compensation imaging
texture feature
gray-level co-occurrence matrix(GLCM)
deep belief network(DBN)
-
分类号
TK223.3+4
[动力工程及工程热物理—动力机械及工程]
-
