关键词:
天然气火焰
图像处理
张量分解
特征提取
平行因子分析
摘要:
为了保障经济社会的持续健康发展,我国提出了一系列的政策去积极推动能源供给革命,大力的推进天然气在城镇燃气、工业燃料、燃气发电、交通运输等领域的大规模利用,加快对绿色低碳能源的转型。在燃气设备的使用过程中,燃烧状态稳定不仅能够保证设备的安全运行,同时也能提高燃烧的效率,降低污染物的排放。在分析燃烧过程时,不同阶段燃烧所产生的火焰是不同的,因此,可以拍摄燃烧的火焰图像,分析火焰图像的变化,以此来达到对燃烧状态的识别。目前,传统的火焰图像识别的算法通常是对火焰的特征进行提取,根据火焰的颜色空间提取火焰的图像的静态特征,对图像进行滤波,边缘检测等方法对火焰图像的动态特征进行提取征,以此来对燃烧过程中燃料的燃烧状态进行识别。但这些传统的火焰识别算法依然存在一些不足之处,例如使用颜色空间识别时识别精度受拍摄到的火焰图片的影响大,而动态特征提取时需要针对不同的图像找到合适的算法,面对图片数量多时模型受限大,且仅仅针对单一图片进行处理,不能够快速有效的对连续的图像序列进行识别。因此,为了对连续的火焰图像序列进行有效的识别,张量作为向量和矩阵的高维扩展,能够将数据以高维的形式展现出来。因此,根据火焰图像成像规则,本文对采集到的火焰图像序列从三个通道进行张量构建,在不破坏火焰图像数据结构的前提下,基于张量分解的平行因子分析方法从三个不同的维度分析,寻找火焰图像序列之间的区别与联系,以此来对整个燃烧过程进行识别。本文搭建了燃烧实验台,获取了不同工况下的天然气燃烧火焰图像,通过研究表明,相较于传统的火焰图像识别方法,基于张量的火焰图像平行因子分析识别方法可以对连续的火焰图像序列识别,该方法不需要前期的预处理,减少了对图像中信息的破坏,并且直接能够找到图像之间的区别与联系,更加准确的分析燃烧过程状态,并且获得了燃烧时不同空间、不同曝光时间、不同燃料量对火焰图像识别的影响。经过计算发现,本文基于张量的平行因子分析识别方法对燃烧过程中最佳空燃比的平均识别准确率达到99.581%,相较于传统的静态特征提取算法准确率平均提高了1.342%,相较于传统的动态特征提取算法准确率平均提高了0.588%,是一种更加有效的火焰图像识别方法。