PDF《基于多传感器融合技术的飞灰含碳量测量》

36 中国电机工程学报第26 卷 的影响,采用多传感器获取飞灰介质的多维信息表 示, 利用 BP 神经网络对多传感器的数据进行融合, 以期达到降低飞灰介质参数变化对测量结果的影响 和提高测量精度的目的.

1 微波飞灰含碳量测量原理 锅炉内未被燃烧的煤粉在高温条件下,转化成 石墨状碳.在微波电磁场中,未燃尽碳吸收微波能 量, 飞灰含碳量越高, 吸收微波能量的作用就越强. 因此飞灰是一种具有损耗特性的电介质,其复介电 常数可以表示为ε*=ε? ?jε?.其中实部ε?是电介质的 介电常数,表示介质的色散关系;

虚部ε?是电介质 的损失因子,表示引起电磁波的吸收.损失因子ε? 与所施加的微波信号频率和介质的复传播因子γ有关.γ=α+β,α和β分别是衰减常数和相位常数,依 次代表电磁波在单位距离上的衰减量和相位变化 量.因此可通过测量一定频率的微波信号经过飞灰 样品后的衰减量 A 和相位的变化量Φ,通过下式计 算飞灰含碳量: T(%)=c0+ c1 (A)+ c2(Φ) (1) 其中,c

0、c

1、c2 为系数. 采用功率结合相位方法的微波飞灰含碳量测量 原理如图

1 所示. 实际的应用中,按照某一灰种标定后,在测量 其它灰种时,该方法往往产生很大的误差,表1给出了某电厂不同时段的

10 种灰样的测量结果, 测量 误差超出了允许接受的范围.其主要原因是煤种不 同时,燃烧产生的飞灰中金属氧化物的成份和比例 会发生变化,对测量结果产生较大的影响.表2是对这

10 种灰样进行理化分析的结果. 其中金属氧化 物Fe2O

3、Al2O

3、MgO 等对微波的吸收量和相位变 化量影响较大,直接影响测量结果. 飞灰 样品 功率计 相位计 A/D 微处理器 喇叭馈源 图1采用功率结合相位方法的微波飞灰测碳原理图 Fig.

1 The principle diagram of the power with phase measuring system 表1功率结合相位方法的测量结果 Tab.1 Measurement results of the power with phase method 序号 测量量

1 2

3 4

5 飞灰实际含碳量/% 0.9 1.3 2.1 2.3 3.2 计算值/% 2.34 0.97 2.53 2.72 2.72 绝对误差 1.44 ?0.33 0.43 0.42 ?0.48 序号 测量量

6 7

8 9

10 飞灰实际含碳量/%

4 5.9 6.9 7.6 16.8 计算值/% 3.44 4.80 7.20 5.97 9.28 绝对误差 ?0.56 ?1.10 0.30 ?1.63 ?7.52 表2测试灰样的组成成分 Tab.

2 The ingredient of the ash sample 序号 T/% SiO2 /% Al2O3/% Fe2O3/% CaO/% MgO /% 其它/%

1 0.9 37.9 18.3 34.9 1.9 1.7 4.4

2 1.3 41.8 27.5 9.1 2.9 1.3 16.1

3 2.1 57.2 20.5 12.5 4.2 1.8 1.7

4 2.3 50.6 23.8 9.6 3.2 1.8 8.7

5 3.2 40.1 27.9 5.9 2.3 1.3 19.3

6 4 57.7 21.6 7.6 2.3 1.7 5.1

7 5.9 45.1 32.8 3.3 3.7 0.9 8.3

8 6.9 48.6 27.3 6.9 4.8 0.8 4.7

9 7.6 39.8 35.7 7.1 1.7 1.2 6.9

10 16.8 56.8 15.7 4.9 1.8 1.1 2.9

2 多传感器融合测量系统 2.1 概述 根据以上分析,利用微波技术对飞灰含碳量进 行测量的结果并不只是取决于含碳量的大小,被测 样品中其它参数发生变化时也要引起测量结果的变 化,这是一个多种因素交叉影响的非线性系统.要 想降低各种因素对测量结果的影响,需要利用多传 感器信息融合系统的理论和方法对测量系统进行重 新设计,通过选择合适的传感器反映被测介质的相 关参数,获得被测介质的多维信息描述,同时选择 适当的融合算法对所获得的信息进行有效融合,达 到提高测量精度和稳定性的目的.人工神经网络具 有并行处理能力、容错能力和学习能力,能够模拟 和处理复杂的非线性映射,只要有足够多的中间层 神经元,三层神经网络能够以任意精度逼近任意非 线性函数.它可根据输入样本的相似性,对样本进 行分类,并根据网络中存储的知识进行决策输出, 对未知的输入模式,也可通过自身的运算提供合适 的输出.其特有的容错能力可以在个别传感器失效 的情况下,提供正确的输出[11] .神经网络满足了多 传感器信息融合技术数据处理的要求,因此本文利 用人工神经网络实现多传感器的信息融合. PDF 文件使用 pdfFactory Pro 试用版本创建 www.fineprint.com.cn 第7期阎高伟等: 基于多传感器融合技术的飞灰含碳量测量