基于特征量分析的电站锅炉燃烧状态诊断技术综述

概述了各类别燃烧诊断技术及特点,详细介绍了基于特征量分析的电站锅炉燃烧状态诊断技术流程,分析对比了单个特征量的物理意义及不同特征量组合的状态表征能力,进而归纳了特征量提取的基本要求.详细介绍了部分算法的数学推导过程及其在模式识别应用中所呈现的特点,旨在推动模式识别技术在火电机组故障诊断、运行经济性实时评价及智能控制领域中的应用.特征量的提取、算法的设计和训练/学习是基于特征量分析的模式识别技术的核心环节.特征量应有明确的物理意义且应具备表征状态某种属性的能力;特征量组合应完整全面地包含状态信息.特别地,当实际状态不同时,特征量组合应具备识别其差异的能力并具备较强的鲁棒性.反向传播(back propagation,BP)神经网络算法、模糊C均值(fuzzy C-means,FCM)算法适用于所有可根据人类经验进行分类的场合,FCM算法在状态渐变且无断然分界线的模式识别中表征更为精准,支持向量机(support vector machine,SVM)适用于样本模式非此即彼的分类应用;Kohonen自组织神经网络适用于各类别之间具有较强区分度的场合.