收藏本站
《合肥工业大学》 2017年
加入收藏

基于图像和改进BP算法的火焰燃烧稳定性判别方法研究

曹子沛  
【摘要】:保证煤炭稳定燃烧是燃煤电站安全运营最根本的要求,炉膛火焰是表征燃烧状态是否稳定的最直接反映,为实现锅炉燃烧状态的自动监测,对燃烧的稳定程度进行量化判定,论文基于火焰图像处理技术,从炉腔火焰图像中提取燃烧参数,建立燃烧参数数据库,为建立的模型提供训练和测试样本,本文提出了两种神经网络模型。针对BP算法抗干扰能力差、学习速率慢且易陷入局部极小点等适用性,本文提出一种基于分层动态调节不同学习速率的BP算法。该算法综合考虑网络训练方式和学习率的不足,改进了隐含层的传递函数,设计新的复合误差函数,同时采用分层动态调整不同学习率的方法以加快传统BP算法的收敛速度,同时对造成陷入局部极小的异常样本进行修复,最后将获取的样本参数分为训练样本和测试样本对所建立的模型进行训练和测试。实验结果表明,所建立模型具有较好的容错能力和映射能力,改进后的算法提高了稳定性的识别率,运算速度较快,可以满足稳定性判定的实时性要求。另外,本文基于多属性区间决策理论得到燃烧决策库,在模糊推理中,为了获取隶属度函数参数和模糊推理规则,提出基于粗糙集简化样本决策库,实现属性简约和属性值简约,增加了网络训练样本参数的可靠性。再结合模糊网络的逻辑推理性和神经网络的学习性、并行计算等优点,提出建立T-S模糊神经网络模型用于燃烧诊断,选择合适的模糊分割数,定义“五四模型”,建立基于“五四模型”的火焰燃烧稳定性判定模型进行仿真。对比训练前后的仿真图参数可得,该模型是可行的,并具有较好的实验效果。对比两种神经网络模型仿真之后的性能参数,由于改进BP神经网络模型的精度性能胜于“五四模型”,因而得出结论,改进BP神经网络模型更适合应用于火焰燃烧稳定性判定的研究。
【关键词】:火焰图像 改进BP算法 学习速率 T-S模糊神经网络 五四模型
【学位授予单位】:合肥工业大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41;TM621
【目录】:
  • 致谢7-8
  • 摘要8-9
  • ABSTRACT9-15
  • 第一章 绪论15-22
  • 1.1 课题研究背景和意义15-16
  • 1.2 基于图像处理的火焰燃烧稳定性判定技术及现状16-18
  • 1.2.1 传统的火焰检测技术及其局限性16-17
  • 1.2.2 基于图像处理的火焰燃烧稳定性判定技术17
  • 1.2.3 基于图像处理的火焰燃烧稳定性判定的团队研究概况17-18
  • 1.3 BP神经网络研究概况18-20
  • 1.3.1 神经网络的发展历史18-19
  • 1.3.2 BP神经网络的国内外研究概况19-20
  • 1.4 本文主要的研究内容与结构20-22
  • 第二章 火焰图像预处理以及参数的提取22-31
  • 2.1 引言22
  • 2.2 锅炉火焰图像的获取22-24
  • 2.2.1 锅炉火焰视频采集系统22-23
  • 2.2.2 锅炉火焰图像的获取23-24
  • 2.3 锅炉火焰图像预处理24-27
  • 2.3.1 灰度化24-25
  • 2.3.2 中值滤波25-27
  • 2.4 火焰燃烧参数特征提取27-30
  • 2.5 本章小结30-31
  • 第三章 基于改进BP神经网络燃烧稳定性判定31-49
  • 3.1 神经网络相关知识31-32
  • 3.1.1 神经网络31-32
  • 3.1.2 BP神经网络32
  • 3.2 BP网络学习算法32-35
  • 3.2.1 BP算法的原理分析32-34
  • 3.2.2 BP算法的步骤34-35
  • 3.3 BP算法存在的适用性35-36
  • 3.4 BP算法的改进36-41
  • 3.4.1 传递函数参数的动态调整36-37
  • 3.4.2 加快收敛速度的改进37-38
  • 3.4.3 针对学习速率的调整38-39
  • 3.4.4 避免陷入局部极小的改进39-40
  • 3.4.5 改进BP算法的步骤40-41
  • 3.5 锅炉燃烧过程的BP神经网络建模41-48
  • 3.5.1 燃烧决策库获取42-44
  • 3.5.2 燃烧稳定判定仿真44-48
  • 3.6 本章小结48-49
  • 第四章 基于“五四模型”的燃烧稳定性判定49-64
  • 4.1 引言49-50
  • 4.2 模糊神经网络50-52
  • 4.2.1 模糊控制50-51
  • 4.2.2 模糊神经网络51-52
  • 4.3 基于T-S模糊神经网络燃烧稳定性判定建模52-60
  • 4.3.1 T-S模糊神经网络模型52-53
  • 4.3.2 T-S模糊神经网络训练算法53-55
  • 4.3.3 隶属度函数及燃烧规则库55-56
  • 4.3.4“五四模型”的燃烧稳定性判定模型的建立与训练56-60
  • 4.4 燃烧稳定性判定输出60-62
  • 4.4.1 基于“五四模型”的燃烧稳定性判定60-61
  • 4.4.2 BP神经网络模型与“五四模型”的比较61-62
  • 4.5 本章小结62-64
  • 第五章 总结与展望64-66
  • 5.1 总结64
  • 5.2 不足与展望64-66
  • 参考文献66-70
  • 攻读硕士学位期间发表的学术论文70-71

【相似文献】
中国期刊全文数据库 前10条
1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期
5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期
6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期
8 宋玉华,王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期
9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期
10 王中贤,钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国博士188bet全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
中国硕士188bet全文数据库 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026