[发明专利]一种循环流化床锅炉断煤检测装置及检测方法

权利要求书

1.一种循环流化床锅炉断煤检测装置，其特征是，包括与锅炉中各个电器件电连接的控制器(1)、分别设于锅炉的m个煤仓下煤口处的m个摄像头(30)、存储器(29)、第一报警灯(27)、第二报警灯(28)、第三报警灯(31)、报警喇叭(2)、设于锅炉的煤仓(25)下部内的向下喇叭状张开的接煤板(3)、一端穿过设于煤仓侧壁的条形孔(4)并与接煤板上端铰接的杠杆(5)、用于封闭杠杆和条形孔之间的间隙的弹性密封套(6)、与杠杆另一端连接的竖杆(26)和设于竖杆上的重锤(7)；杠杆通过铰接板(8)与煤仓侧壁相连接，靠近条形孔上边缘的煤仓侧壁上设有与杠杆配合的限位挡板(9)，靠近条形孔下边缘的煤仓侧壁上设有与杠杆配合的限位开关(10)；控制器分别与存储器、报警喇叭、第一报警灯、第二报警灯、第三报警灯、限位开关和各个摄像头电连接。

2.根据权利要求1所述的循环流化床锅炉断煤检测装置，其特征是，所述杠杆包括一端伸入煤仓的固定杆(11)、伸缩杆(12)和设于固定杆另一端上的连接套(13)；连接套和伸缩杆上均设有若干个长度调节通孔(14)，连接套通过螺栓与伸缩杆连接。

3.根据权利要求1所述的循环流化床锅炉断煤检测装置，其特征是，所述竖杆下部设有螺杆，所述螺杆上由上至下依次设有上螺帽(15)、上挡板(16)、下挡板(18)和至少一个下螺帽(19)；所述重锤套设于上挡板、下挡板之间的螺杆上，重锤包括若干块配重盘片(17)；螺杆直径大于竖杆的直径。

4.根据权利要求1所述的循环流化床锅炉断煤检测装置，其特征是，所述限位开关上设有右端向上弯折的L形板(20)，L形板左部与设于限位开关上的支撑板(21)铰接，L形板左端通过弹簧(22)与限位开关相连接，L形板右端与杠杆相配合；限位开关的触头(23)与L形板下表面右部相配合。

5.根据权利要求1或2或3或4所述的循环流化床锅炉断煤检测装置，其特征是，杠杆下方的煤仓侧壁上设有三角形托架(24)，所述限位开关位于托架上。

6.一种适用于权利要求1所述的循环流化床锅炉断煤检测装置的检测方法，其特征是，包括如下步骤：

(1-1)机械断煤检测：

(1-1-1)控制器中预先设有安全时间阈值W；控制器得到限位开关检测的电信号，并计算杠杆持续压下限位开关的触头的时间T；当T＞W时，控制器做出当前处于第一预断煤状态的判断；当T≤W时，控制器做出当前为有煤状态的判断；

(1-1-2)激活状态下进行第一预断煤控制：

当控制器做出锅炉由第一预断煤状态转为有煤状态的判断，则检测装置进入激活状态；

在激活状态下，当T＞W时，控制器控制第一报警灯闪烁；

在激活状态下，当T≤W时，控制器控制第一报警灯停止闪烁；

(1-2)图像断煤检测：

(1-2-1)m个摄像头分别拍摄下煤口处煤流动的图像，控制器将各个图像存储到存储器中并对图像进行如下处理：

控制器利用脉冲响应函数y_ij＝med(x_i+r，j+s(r，s)∈A)对图像信号f(x，y)进行滤波；其中，A为滤波器窗口，其尺寸为N＝(2k+1)×(2k+1)；{x_ij}为图像数集，med为中值函数，(r，s)为坐标，x_i+r，j+s为滤波窗口A中像素点对应的灰度值；

(1-2-2)设置运动检测区域参数：

控制器将A设置为1-99个矩形监测区域，设定运动检测的帧间隔为B；

(1-2-3)运动功能检测：

控制器设定每个检测区域中的每个宏块内每个象素点为(x，y)，差值阈值为Ta；所述象素点T时刻与T-n时刻亮度Y的差值为M_x，y(T)＝|Y_x，y(T)-Y_x，y(T-n)|；

当||Y_x，y(T)-Y_x，y(T-n)||≥Ta，则设定L＝0；否则，设定L＝1；控制器利用公式IM_sum＝∑L计算并得到宏块差分系数IM_sum；控制器计算每个检测区域中各个宏块差分系数IM_sum之和，得到每个检测区域的差分系数值，并进一步计算得到滤波器窗口A的差分系数A_sum；

(1-2-4)

控制器每间隔B帧利用步骤(1-1-3)对当前图像进行检测；当任一个摄像头的图像的A_sum≤阈值，则控制器控制第二报警灯闪烁；当所有摄像头的图像的A_sum＞阈值，则控制器控制第二报警灯停止闪烁；

(1-3)软件断煤检测：

(1-3-1)存储器中设有具有11个输入节点X＝[X1，...，X11]、单隐藏层为9个节点Y＝[Y1，...，Y9]、1个输出节点Z的BP神经网络模型，其中，存储器中存储有q条学习样本，网络性能目标误差SSE≤0.00001，训练步数至少为d步；

(1-3-2)初始化BP神经网络模型：

(1-3-2-1)权重与阀值初始化：控制器利用Gauss随机函数产生满足正态分布、均值为0、方差为1并且取值范围在区间[0，1]中的随机数初始化权重W_ij、阀值θ和θ_j，i＝1，…，11；j＝1，..，9；设定网络性能误差为ε；

(1-3-2-2)变量归一化：控制器中设有与11个输入节点X1，...，X11中分别对应的11组X_Max和X_Min，控制器利用公式X′＝(X-X_Min)/(X_Max-X_Min)分别计算q条学习样本的X1，...，X11的归一化值X′₁，X′₂，...，X′₁₁；

控制器中设有与输出接点Z相对应的Z_max和Z_min，控制器利用公式Z′＝(Z-Z_Min)/(Z_Max-Z_Min)计算q条学习样本的Z的归一化值Z′；得到经过归一化的s组学习样本；

(1-3-3)训练BP神经网络模型：

(1-3-3-1)控制器向BP神经网络模型中输入第s组学习样本，s初始值为1，设定第s组样本的目标输出值为Z′；

利用公式计算隐藏层神经元输出；

利用公式计算输出层神经元实际输出Z_r；其中，函数f(x)=11+e-x/1.15;]]>

利用公式计算单个样本偏差E_s；

(1-3-3-2)从输出层开始逐层反向调整权重和阀值：

控制器使输出层的权重W_j增加0.6×δ×Y_j+0.45×ΔW_j，ΔW_j为前次调整增加的权重，ΔW_o＝0；其中，δ＝(Z′-Z_r)×Z_r×(1-Z_r)，

控制器使隐藏层的权重增加0.6×δ_j×X_i+0.45×ΔW_ij；

其中，δ_j＝Y_j×(1-Yj)×(δ_j×W_j)；

(1-3-3-3)当s＜q，使s值增加1，返回步骤(1-3-3-1)；否则转入步骤(1-3-3-4)；

(1-3-3-4)利用公式计算总误差E_t，其中p为样本序号；

当E_t≤ε或学习步数小于d，训练结束，得到训练好的BP神经网络模型；否则转入步骤(1-3-3-1)；

(1-3-4)控制器实时采集主汽流量、给水流量、给煤量、床温、炉膛负压、一次风压、一次风机电流、二次风压、二次风机电流、引风机电流和排烟温度11个工艺参数，利用步骤(1-2-2-2)对11个工艺参数进行归一化处理，并将各个经过归一化处理的工艺参数送入训练好的BP神经网络模型的11个输入节点中，得到模型输出值Z_r，再利用公式V＝Z_r×(Z_Max-Z_Min)+Z_Min反归一化得到实时氧含量V，控制器计算其中V₁为存储器中设定的与当前主汽流量相关的目标氧含量；

(1-3-5)当持续时间超过T₁秒，则控制器控制第三报警灯闪烁；

当持续时间超过T₂秒，则控制器控制第三报警灯停止闪烁；

(1-4)当第一、第二、第三报警灯全部闪烁或任意两个闪烁，控制器做出断煤判断，并控制报警喇叭报警。