基于深度学习的贫燃熄火预测方法和实验研究

针对低污染贫燃预混燃烧技术中的火焰振荡、局部熄火和复燃现象,提出一种基于深度学习的贫燃熄火预测方法.该方法使用VGG19深度网络提取火焰图像重点特征,对火焰状态进行分类;利用vid2vid模型生成的含有随机噪声火焰RGB图像,对振荡火焰状态分类模型(BFC)进行鲁棒性和泛化性验证;通过生成火焰驻定程度的量化对火焰状态分类结果进行更加细节的补充,减少火焰状态的误判;此外从视频预测角度预测熄火前振荡火焰未来帧状态,增强对临近熄火的理解.结果表明:BFC模型的识别准确率达95.44％,F1-score为94.54％,未来2 ms火焰状态在多个测试集上的平均预测准确率也在84％以上,从而实现较为可靠的火焰状态分类和未来状态预测.