馬祥　楊慶峰　肖先勇

摘 要 針對(duì)鍋爐爐膛火焰檢測(cè)產(chǎn)品普遍存在的偷看現(xiàn)象，采用獨(dú)立成分分析（ICA）和FFT相結(jié)合的算法，對(duì)燃燒火焰進(jìn)行盲源分離和功率譜分析。結(jié)果表明：FastICA+FFT算法能夠正確分離出本體火焰信號(hào)、旁路火焰信號(hào)和爐膛背景火焰信號(hào)，判斷出鍋爐燃燒狀態(tài)，提高了系統(tǒng)檢火的可靠性，降低了偷看漏看概率。

關(guān)鍵詞 火焰檢測(cè)算法 盲源分離 獨(dú)立成分分析 FFT算法 火檢

中圖分類號(hào) TP391.41? ?文獻(xiàn)標(biāo)識(shí)碼 A? ?文章編號(hào) 1000-3932（2023）04-0538-07

電廠鍋爐爐膛內(nèi)煤粉的燃燒情況十分復(fù)雜，受外界因素的影響，極易引起爐膛滅火和爆燃事故，對(duì)生命財(cái)產(chǎn)造成巨大的損失，因此爐膛必須具有安全可靠的燃燒安全監(jiān)測(cè)系統(tǒng)。火焰檢測(cè)系統(tǒng)能夠及時(shí)、靈敏、可靠地實(shí)時(shí)檢測(cè)鍋爐爐膛內(nèi)火焰的燃燒情況，在點(diǎn)火、低負(fù)荷等燃燒不穩(wěn)定工況下能夠及時(shí)調(diào)整燃料與風(fēng)的比例，防止發(fā)生爐膛爆燃事故［1］。目前，鍋爐火焰檢測(cè)方法主要有兩種：一種是基于火焰閃爍特性的方法［2］，另一種是基于圖像處理的方法［3］。然而由于基于圖像處理的方法設(shè)備較復(fù)雜、價(jià)格昂貴，所以目前電廠大多采用基于火焰閃爍特性的方法。火焰閃爍特性法的原理是：火焰檢測(cè)器（以下簡(jiǎn)稱火檢）檢測(cè)火焰信號(hào)后，對(duì)信號(hào)進(jìn)行FFT濾波處理，得到閃爍頻率及其對(duì)應(yīng)的功率譜強(qiáng)度，然后進(jìn)行邏輯運(yùn)算來檢測(cè)燃燒火焰的存在。該方法雖然可以比較準(zhǔn)確地檢測(cè)出燃燒器火焰的亮滅，但是仍普遍存在偷看相鄰或?qū)γ嫒紵骰鹧鏍顟B(tài)的情況。

筆者針對(duì)火焰閃爍特性法火檢算法的不足，采用獨(dú)立成分分析［4～7］與FFT［8］相結(jié)合的算法，首先對(duì)燃燒器火焰進(jìn)行盲源分離，然后對(duì)分離后的互不相關(guān)信號(hào)進(jìn)行FFT變換，最后對(duì)分離后的火檢閃爍頻率和其對(duì)應(yīng)能量功率譜進(jìn)行分析，從而降低火檢偷看旁路火焰的概率。

1 火焰閃爍特性法檢測(cè)原理

現(xiàn)代燃燒論認(rèn)為，爐膛火焰的燃燒過程實(shí)際上是由數(shù)量龐大的小型受限空間內(nèi)的爆燃所組合而成；大量同時(shí)發(fā)生的微觀小型受限空間內(nèi)的爆燃在宏觀上表現(xiàn)為火焰具有脈動(dòng)特征，稱為火焰閃爍。油或煤粉通過不同結(jié)構(gòu)的燃燒器進(jìn)行燃燒時(shí)，都會(huì)有特定的火焰閃爍頻率帶寬。油或煤粉在燃燒過程中會(huì)釋放出大量紅外、紫外能量，這些具有特定頻率特征的紅外、紫外能量形式可以作為檢測(cè)煤粉火焰是否存在的物理基礎(chǔ)?；鹧骈W爍特性法對(duì)火焰的檢測(cè)原理如圖1所示，通過光敏器件將煤粉、油等燃料燃燒時(shí)產(chǎn)生的光信號(hào)轉(zhuǎn)換成電壓信號(hào)，經(jīng)過放大、濾波等處理以及信號(hào)AD采樣后，對(duì)數(shù)字信號(hào)進(jìn)行算法分析處理，提取其強(qiáng)度、頻譜特征信號(hào)，結(jié)合煤粉和油的燃燒特性進(jìn)行比較從而判斷有火、無火信號(hào)并輸出表征火焰質(zhì)量的4～20 mA電流信號(hào)以及開關(guān)量火焰信號(hào)。

2 火焰信號(hào)盲源分離

2.1 獨(dú)立成分分析原理

2.2 FastICA算法流程

2.3 火焰信號(hào)盲源分離

為實(shí)現(xiàn)火焰信號(hào)盲源分離，以某發(fā)電廠300? MW單元機(jī)組為例，鍋爐為W爐膛燃燒方式，其上安裝的28只火檢均存在不同程度的火焰偷看情況，火檢采用火焰閃爍特性法檢測(cè)火焰，算法為FFT。選擇偷看較嚴(yán)重的B2火檢（油火檢）對(duì)鍋爐燃燒火焰進(jìn)行數(shù)據(jù)采集。B2火檢的采樣頻率為10 kHz（采樣點(diǎn)數(shù)為1 024），火檢收到采集命令后，將采集的火焰原始數(shù)據(jù)通過RS485傳輸給計(jì)算機(jī)，每個(gè)工況采集50組數(shù)據(jù)，每組實(shí)驗(yàn)互不影響。

第1個(gè)工況為爐膛暖爐啟爐時(shí)點(diǎn)燃B2油槍，此時(shí)其他油槍均沒有啟動(dòng)點(diǎn)燃，爐膛火焰為B2油槍產(chǎn)生，此時(shí)B2火檢采樣到的數(shù)據(jù)即為B2油槍的特征火焰信號(hào)，無其他油槍火焰和爐膛火焰混合，得到B2火檢本體信號(hào)源時(shí)域圖如圖2所示。

第2個(gè)工況為B2火檢采集數(shù)據(jù)完畢后關(guān)閉B2油槍，點(diǎn)燃相鄰的B3油槍，火焰穩(wěn)定后，在B2火檢能檢測(cè)到B3油槍火焰燃燒的情況下，對(duì)B2火檢進(jìn)行火焰數(shù)據(jù)采集，得到B2火檢旁路信號(hào)源時(shí)域圖如圖3所示。此時(shí)爐膛內(nèi)只有B3油槍點(diǎn)燃，所以B2火檢檢測(cè)到該工況的火焰數(shù)據(jù)為B3油槍的特征火焰數(shù)據(jù)，無背景爐膛火焰和其他相鄰油槍火焰混合。

第3個(gè)工況為爐膛所有燃燒器的煤和油均點(diǎn)燃后，關(guān)閉B2油槍和相鄰的B3油槍，燃燒穩(wěn)定后，對(duì)B2火檢進(jìn)行數(shù)據(jù)采集，此時(shí)采樣到的火焰數(shù)據(jù)為爐膛背景火焰信號(hào)，B2火檢爐膛背景信號(hào)源時(shí)域圖如圖4所示。

第4個(gè)工況為爐膛所有的煤和油燃燒器都點(diǎn)燃后爐膛內(nèi)燃燒狀況趨于穩(wěn)定，對(duì)B2火檢進(jìn)行火焰數(shù)據(jù)采集。B2火檢采樣到的火焰數(shù)據(jù)為爐膛背景火焰、相鄰油槍旁路火焰和B2本身油槍本體火焰的混合火焰數(shù)據(jù)，其信號(hào)源時(shí)域圖如圖5所示，此時(shí)火檢信號(hào)為混合信號(hào)。

對(duì)圖5所示的5組B2火焰混合信號(hào)進(jìn)行盲源分離。首先對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，分別由式（4）計(jì)算各組信號(hào)的累計(jì)貢獻(xiàn)率：

第1組 0.926

第2組 0.945

第3組 0.972

第4組 0.996

第5組 1.000

由以上數(shù)據(jù)可以確定5組信號(hào)源中的主要成分?jǐn)?shù)，以此判斷出獨(dú)立火焰成分?jǐn)?shù)目，為采用Fast-ICA算法對(duì)信號(hào)源進(jìn)行分離做準(zhǔn)備。

當(dāng)特征值的累計(jì)貢獻(xiàn)率Ci>0.960時(shí)，表明前i個(gè)主要成分能夠包含96%的混合火焰信號(hào)，但也包含了i個(gè)不相關(guān)的火焰信號(hào)主要成分。前3組數(shù)據(jù)包含了火焰信號(hào)的主要成分，能夠代表混合火焰信號(hào)的3個(gè)主要特征，即所采樣的混合火焰信號(hào)由3種互不相關(guān)的火焰信號(hào)構(gòu)成（本體火焰信號(hào)、旁路火焰信號(hào)和爐膛背景火焰信號(hào)），這與實(shí)際測(cè)量結(jié)果基本一致。

將采樣的5組混合火焰信號(hào)數(shù)據(jù)進(jìn)行FastICA運(yùn)算得到3組火焰信號(hào)，其時(shí)域圖如圖6所示?？梢钥闯觯瑢D5中的5組數(shù)據(jù)進(jìn)行盲源分離后能夠得到3組分離信號(hào)，其中分離信號(hào)1的波形與火檢旁路信號(hào)波形基本相同，分離信號(hào)2的波形與火檢爐膛背景信號(hào)波形基本相同，分離信號(hào)3的波形與火檢本體源信號(hào)波形基本相同。也就是說，采用FastICA算法能夠?qū)⒒鹧娴幕旌闲盘?hào)進(jìn)行有效分離。

3 火焰信號(hào)功率譜分析

B2火檢的采樣時(shí)域信號(hào)經(jīng)過ICA的有效分離后，得到了3種成分的時(shí)域火焰信號(hào)，該時(shí)域波形不夠直觀，不利于燃燒器燃燒狀態(tài)的判定。火焰燃燒會(huì)產(chǎn)生閃爍頻率，所以對(duì)分離后的數(shù)據(jù)進(jìn)行快速傅里葉變換（FFT），使其信號(hào)特征在頻域完全展現(xiàn)，從而實(shí)現(xiàn)火焰狀態(tài)的準(zhǔn)確判定。經(jīng)過FFT變換后的信號(hào)頻域波形圖如圖7所示。

實(shí)際上鍋爐火焰燃燒時(shí)油火檢的能量主要集中在20～40 Hz之間。圖7所示的分離信號(hào)頻域波形圖中，在20～40 Hz范圍內(nèi)，旁路火焰功率能量幅值最大值小于0.8，爐膛背景火檢功率能量幅值接近零，主火焰功率能量幅值基本大于0.8，即在20～40 Hz范圍內(nèi)主火焰相對(duì)于旁路火焰和背景火焰都有著明顯的火焰辨識(shí)度。

采用FFT算法和FastICA+FFT算法分別對(duì)混合火焰數(shù)據(jù)進(jìn)行處理，得到頻域波形圖如圖8所示?？梢钥闯觯?0～40 Hz范圍內(nèi)大多數(shù)頻率點(diǎn)的功率能量值，F(xiàn)astICA+FFT算法的要高于FFT算法的。FastICA+FFT算法能夠使功率能量值大幅提高，這有助于更加穩(wěn)定地檢測(cè)到有火狀態(tài)，即在相同的有火閥值的情況下，能夠降低漏看主火焰的概率；隨著功率能量值的提高，在保證著火的情況下，可以適當(dāng)增加有火閥值，可使偷看旁路火焰的概率大幅降低。

在爐膛油槍全部點(diǎn)燃的情況下，關(guān)閉B2油槍，對(duì)B2火檢進(jìn)行采樣，然后用FFT算法和Fast-

ICA+FFT算法分別對(duì)火焰信號(hào)進(jìn)行處理，得到頻域波形圖如圖9所示?？梢钥闯觯?0～40 Hz范圍內(nèi)采用FastICA+FFT算法對(duì)火焰信號(hào)進(jìn)行處理后，其能量峰值低于FFT算法的，即當(dāng)設(shè)置的檢火頻率點(diǎn)為這些能量峰值處時(shí)，B2火檢不容易看到旁路火焰，達(dá)到了降低火檢偷看概率的目的。

為進(jìn)一步驗(yàn)證算法的有效性，對(duì)該電廠偷看最嚴(yán)重的8只火檢進(jìn)行算法優(yōu)化改進(jìn)升級(jí)，將處理算法由原來的FFT優(yōu)化成FastICA+FFT，經(jīng)過1個(gè)月的運(yùn)行測(cè)試，8只火檢工作穩(wěn)定，偷看旁路火焰的概率大幅降低。

4 結(jié)束語

筆者采用獨(dú)立成分分析中的FastICA算法，從混合火焰中有效分離出本體火焰信號(hào)；通過對(duì)火焰信號(hào)進(jìn)行FFT算法和FastICA+FFT算法的對(duì)比分析，發(fā)現(xiàn)FastICA+FFT算法能夠有效增強(qiáng)檢火靈敏度，降低火檢偷看的概率，對(duì)火焰檢測(cè)具有重大現(xiàn)實(shí)意義。

參 考 文 獻(xiàn)

［1］ 常太華，李國光，田沛，等.煤粉鍋爐火焰檢測(cè)及燃燒診斷［J］.華北電力大學(xué)學(xué)報(bào)，1999，26（1）：57-62.

［2］ 高武.鍋爐火焰檢測(cè)算法研究［D］.南昌：南昌大學(xué)，2008.

［3］ 萬游磊.基于DSP的嵌入式爐膛火焰檢測(cè)系統(tǒng)［D］.南昌：南昌大學(xué)，2007.

［4］ 楊竹青，李勇，胡德文.獨(dú)立成分分析方法綜述［J］.自動(dòng)化學(xué)報(bào)，2002，28（5）：762-772.

［5］ 張安社，陳岳坪，楊翊，等.基于獨(dú)立成分分析的復(fù)雜曲面加工誤差分離［J］.廣西科技大學(xué)學(xué)報(bào)，2018，29（1）：55-60；68.

［6］ 栗芝.基于獨(dú)立成分分析的X射線焊縫缺陷識(shí)別算法研究［D］.西安：西安石油大學(xué)，2019.

［7］ 劉百云.基于頻域獨(dú)立成分分析的快速盲源分離算法研究［D］.濟(jì)南：山東大學(xué)，2020.

［8］ 毛朝陽.基于短時(shí)傅里葉變換的相位恢復(fù)算法研究［D］.西安：西安石油大學(xué)，2021.

［9］ 史振威.獨(dú)立成分分析的若干算法及其應(yīng)用研究［D］.大連：大連理工大學(xué)，2005.

［10］ 黃煜，王浩，盧鋒，等.一種基于FastICA的盲源分離方法［J］.中國科技信息，2021（15）：86-88.

［11］ 郭晨茹.基于ICA的工業(yè)流程過程監(jiān)控研究［D］.銀川：寧夏大學(xué)，2020.

（收稿日期：2022-11-15，修回日期：2023-06-13）

Research on Fire Detection Algorithm Based on Independent

Component Analysis and FFT

MA Xiang， YANG Qing-feng， XIAO Xian-yong

（Shenzhen Eastern Boiler Control Co.， Ltd.）

Abstract? Aiming at the commonly-existed misjudging in boiler furnace flame detectors， the algorithm of combining independent component analysis （ICA） and FFT was employed to analyze both blind source separation and power spectrum analysis of combustion flame. The results show that， FastICA+FFT algorithm can correctly separate the body flame signal， bypass flame signal and furnace background flame signal， and can effectively judge the boiler combustion state to improve the reliability of the system fire detection， and reduce the probability of misjudging.

Key words? ? flame detection algorithm， blind source separation， ICA， FFT algorithm， flame detection