基于神經網絡算法的熱處理火焰監測系統研究

趙京鶴，張翠翠

（長春光華學院，吉林長春 130033）

引 言

目前，國內熱處理爐的主要燃料為煤炭，由于各種不確定因素爐膛爆炸事故時有發生，成為困然生產的安全性、經濟型的主要原因。為此，大型熱處理爐都必須配備爐膛安全監控裝置，即 FSSS，其核心組成部分是為火焰檢測系統，當出現不正常現象時，發出報警信號并切斷燃料的供給，防止熱處理爐爆炸。

1 目前的現狀及問題

早期的熱處理火焰監測是通過熱處理爐上的觀察孔人工觀察火焰的情況。科學技術的日益更新，熱處理爐的容積和結構也有了很大的變化，傳統的觀察孔已經不能保證熱處理過程中的實時監控。后來，人們發明了一種煙色顯示器，它使用人造光源通過測量的煙氣進入光電器件，通過光強隨著煙色的變化而表征火焰的燃燒情況。有利用采集噪聲的聲學法，有利用著火后氣體膨脹產生的壓力變化的差壓法，但這些方法往往時間滯后，可靠性不高等缺點。然而，在熱處理過程中監測探頭無法實時正對著火焰著火區。

目前火焰檢測裝置可靠性有待提高，還有誤報警發生，其中主要的原因有：（1）監測探頭成本過高，鏡頭的鏡片容易被污染；（2）由于線路處于高溫狀態，元器件壽命較低；（3）不同的地區能源的在燃燒值，雜質方面的特征不盡相同；（4）監測探頭視角不夠大，監測不到熱處理爐膛內的全部火焰情況。采用專用的耐高溫探頭以及采用風冷等方式可以解決上述（1）～（2）問題的有效措施,但冷卻風源純凈物雜質，而且要求在燃燒爐工作前和結束工作后仍然要工作一段時間，問題（3）是由于我國不同地區煤種煤質多變,由于人為等因素很難做到供應穩定,問題（4）視角偏小是常規火焰監測器的最大弊端，火焰監測器探頭視場角一般為10°～15°，而在實際運行中由于燃料成分變化較大而導致監控探頭周邊產生固體接渣影響探頭的靈活性，還有就是冷卻風的風速、風向變化，都會引起燃燒區內的火焰的位置發生變化，從而使監測的探頭很難隨時對準著火區。

高溫火焰溫度的分布是在工程領域中一個較為復雜的問題。對于工程應用，迫切的需要找到一種簡單快速的溫度場測量方法。隨著計算機處理能力、人工智能等軟硬件方面技術的日新月異，基于圖像處理的熱處理爐監測系統的研制日趨成熟。燃燒條件不充分，火焰中心的不確定和偏移是導致爐膛爆炸、熄火的重要原因。為了有效避免上述情況，當火焰中心改變時，必須及時作出預警;這需要一種有效的算法來確定火焰中心是否處于正確的位置。

2 神經網絡算法概述

神經網絡是所謂的深度研究和必要的知識點的基礎，它受到人腦神經網絡的啟發。它是大腦神經系統的數學模型，是一種基于模仿的信息處理系統。大腦神經網絡的結構和功能。特點如下：

（1）每層的最小單位由單元組成；

（2）輸入層是具有一組示例特征的特征向量的輸入；

（3）當將連接點的權重傳遞到下一級時，第一級的輸出是下一級的輸入；

（4）隱藏層的元素數量可以是任意的，具有相同的輸入層和輸出層；

（5）每個單位也可稱為神經結點，由生物來源定義；

（6）它們成為一個兩級神經網絡，輸入層不包含在其中；

（7）一層中加權求和，隨后是基于非線性方程的變換輸出；

（8）作為一種先進的多層神經網絡，理論上如果有足夠的隱藏層和足夠的訓練集，可以模擬所有方程；

人工神經元是人工神經網絡的最小組成單位。它模擬神經元細胞的功能。人工神經元的結構如圖1所示：

圖1 人工神經元模型

人工神經元的主要參數是導入函數x，輸出函數y，加權值W，閾值B和激勵函數f（X）。輸入的左端感知，收集和輸出外部信息；中間值，閾值和激勵函數完成信息處理并創建輸出；右出口端傳輸神經元的輸出。

神經網絡結構的設計過程如下：

（1）在使用神經網絡的訓練數據之前，有必要確定神經網絡的數量和每層的單位數量；

（2）當在輸入級引入時，特征向量通常在0和1之間變化以加速學習過程；

（3）離散變量可以編碼為每個輸入單元可以分配給特征值的值

例如，特征值a可以具有三個值（A0，A1，A2）并且可以表示使用三個輸入單元。

如果a=A0，則表示A0的單位值取1，其余為0；

如果a=A1，則單位a1的值取1，其余為0，等等。

（4）神經網絡可用于分類問題或解決回歸問題。

2.1 人工神經元網絡

有一種網絡認為連接點是“人工神經元”或“人工神經網絡”。人工神經元是一種運行模型，其靈感來自產生靜態水平的機制和自然神經學的作用。神經元通過細胞膜或腔內的突觸接收信號。當接收到的信號足夠大（超過閾值）時，神經元被激活，然后通過軸向發射信號，信號可被另一個突觸接受，并可以激活其他神經元。

人工神經元模型用非常抽象的象征法概括了自然神經元的復雜性。神經元模型基本上由多個輸入（類似于突觸）組成，它們乘以不同的加權值（接收信號的強度不同）然后用來計算一個數學函數，以確定神經元是否被激活。還有一個函數來計算人工神經元的輸出（有時取決于一個閾值）人工神經網絡將這些人工神經元組合成過程信息，功率越大，信號對神經元的影響越大，加權值可以是負的，這意味著輸入信號被抑制。權值的不同，神經計算是不同的。因此通過改變權值可以獲得固定輸入所需的輸出值，當Ann由數百個神經元組成時，這些加權值的手動計算變得非常復雜。需要一些算法技術。調整加權的過程稱為“學習”或“訓練”。

Ann的類型和用途也非常多樣化。自從McCulloch和Pitts（1943）建立了第一個神經學模型以來，已經創建了數百個不同的模型，也稱為Ann。模型之間的差異可能是由于功能差異，接受值和拓撲結構的差異，學習算法的差異等。還有混合模型，其中神經元具有比上述更多的屬性。由于Ann用于處理信息，它自然地應用于信息領域，近年來模擬真實神經網絡來研究動物和機器的行為和控制，但許多用于工程領域如識別，預測和數據壓縮。

2.2 BP神經網絡

BP神經網絡是最基本的神經網絡，其結果傳遞到前面，錯誤傳遞到反面。BP神經網絡是有監督學習，可以想象一個應用，其中輸入的數據是年齡，許多銀行用戶的職業，收入等，輸出數據是用戶是否可以如期貸款。作為銀行風險控制部門負責人，希望創建一個神經網絡模型來學習多年來銀行用戶的數據為銀行客戶提供風控模型，以評估個人信用的可靠度，并決定是否給予貸款。在三級神經網絡的情況下，BP神經網絡包含三級結構：輸入級，隱藏級和輸出級。輸入級接收數據，輸出級的輸出數據，前一級神經元連接到下一級神經元，收集上一級神經元傳遞來的信息，經過“激活”把值傳遞給下一級。

2.3 REF神經網絡

1985年，Powell引入徑向函數基，RBF方法可以對多個變量進行插值。1988年，broomhead和Lowe開始將RBF應用于神經網絡的設計，構成了RBF神經網絡。RBF神經網絡類似于多級網絡，這是一個三級網絡.RBF是一個具有單個隱形層的三級網絡。第一級是由原始節點組成的輸入級別。第二級是隱藏層，級的隱藏節點數量取決于所描述問題的需要。隱藏級中的神經元變換函數是徑向對稱的非線性基本徑向函數，之前的變化函數網絡是一個全局響應函數。第三級是輸出層，它響應輸入模式。輸入層只作為傳輸信號，輸入層和隱藏層之間可以看作是連接值為1，輸出層和隱藏層執行不同的任務，因此，他們的學習策略不同。輸出層是通過線性優化策略調整線性權利，所以學習速度更快，而隱形層是主動函數參數的設置（格林函數，高斯函數，通常采用后者），使用非線性優化策略，因此學習是可以在級與級之間找到變化。

構成RBF神經網絡的基本思想是用RBF作為隱含層單元的“基”構成隱含層空間，這樣就可以將輸入矢量直接（即不通過權連接）映射到隱空間，一旦確定了RBF中心，就會確定相關性。默認外部空間到輸出空間的圖像是線性的，即網絡輸出是線性加權和單位輸出這里是可調節的網絡參數。因此，一般來說，從輸入到輸出的網絡映射不是線性的，而網絡輸出對于可調參數是線性的。通過這種方式，網絡的權利可以通過線性方程組直接解離或使用RLS方法計算，這顯著加速了學習并最小化了局部問題。

3 神經網絡法測試爐膛溫度

由于CCD攝像機的RGB分量輸出電壓經過圖像采樣后與數字圖像RGB分量的灰度成線性關系，于是溫度與圖像灰度值的關系為：

由于神經網絡具有自學習和接近任何非線性功能的能力。可以使用BP神經網絡構建“黑箱子”，并且可以通過網絡中的自主學習來達到該關系。網絡有三個要素：灰度值Rr，Rg，Rb。而輸出為我們將要獲得的溫度數據。根據采樣數據的復雜性，神經網絡可以有不同的網絡結構，一級或兩級隱含的理論表明，三級網絡可以通過調整節點數來近似復雜函數。

如果輸出圖像的RGB分量的灰度值直接輸入神經網絡，那么對于溫度誤差影響較大。這是因為在圖像采集期間爐膛內才在煙霧、鏡頭表面結垢等，因此通過直接使用三個灰分值進行溫度計算來移除。若直接利用灰度值來表征溫度，造成的后果就是誤差很大。將神經網絡輸入改為 3個比色項，即 R/G、R/B、G/B，這樣能很好避免誤差，實驗表明，以這種方式輸入向量可以更好地計算，為了提高神經網絡的收斂速度，保證網絡的穩定性，在調整網絡權重的公式中增加了動態因子。

公式1中的一些變量是未知的，必須用黑體標記。校記方法是從CCD攝像機采集到的黑體的熱輻射圖像中提取R，G和B，以建立對應關系在 R，G，B 和 T（R，G，B，t）之間。由于 CCD 攝像機的暗電流，拖動陰影，光暈，信號來自圖像經歷了幾個轉換階段，產生了一個高頻率部分，從而產生了莫爾的干涉條紋。因此，所拍攝的圖像必須在楨之間進行平均，因此圖像是同時收集像素點的平均值，然后進行平均值濾波。實驗表明，這種方法對減少噪聲干擾上效果很好。

4 結束語

本文分析了目前熱處理爐監測的現狀和存在的問題、介紹了神經網絡算法，分析表明：利用高溫探頭采集圖像后利用神經網絡進行爐膛燃燒火焰的二維溫度場測量是可行的，具有快速響應、便于操作的特點。