基于图像处理和BP网络的烟化炉终点判断法.pdf

基于图像处理和 “网络的烟化炉终点判断法 黄莉萍， 张寿明 （昆明理工大学信息工程与自动化学院， 昆明 - 5 2 . H A B 4 7 8 B H F 4 7 A D H LP 4 B ;7 H F A 7 H B P 4 7 8 D F 7 H’L L H A B 4 7 8 B H F 4 7 A M 6 ;’ （“， ） 8图像,的预处理结果； “ “ 3 4 4 6工具 箱， 用以下程序来完成火焰识别神经网络的训 练 ［7］ . 有色金属 （冶炼部分） ; 2 9 A B C A 7 D规则 （默认） 训练 ; D “ ; E F F （6 4 6 A G（） ，［5 ， 5 ］ ， ｛ ’0 1 2 3 4 2’ ， ’ 0 1 2 3 4 2’ ｝ ） ； .产生输入层到隐层， 隐层到输出层的列归一 化随机权值矩阵 ; D H I｛ ，｝“ A 7 J （， *） ； ; D I｛，｝“ A 7 J （*， ） ； ; D 4 A 3 K 1 ; J D “ ［； ］ ；.设阈值为 .网络性能目标 5 L （均方误差函数） 小于 ; D D A 4 A A 6 2 1 A 0 “ ； ; D D A 4 A A 6 3 M 1 E“ ；.两次显示之间的 训练次数为 次 .训练的最大时间为 个单位时间 ; D D A 4 A A 6 ; N 1 J M 3 “ ； ［ ; D， D ］“ D A 4 （ ; D， ，/） ；.开始训练 训练分两步完成， 先输入全部火焰样本进行训 练， 然后从中抽取 个样本重复以上过程再训练 一次， 得最终结果。 “ 测试结果与讨论 在 A D 0 A 中用以下代码对训练好的8 网络进 行仿真测试， 测试数据为两炉共 * 个火焰图像样 本， 识别结果如下表所示。 8 “ ［ D， 8） ；.仿真测试 火焰样本加热期挥发期终点 误差个数 * 识别率 ／. ’ , -’ D 4，K A 0 1O 4Q A D A 0 4，; DA 0 PR H S4 6 A 2 ; N 1 J ; 3 3 4 2A N N 1 A J M F 1 J M A A J D ; 4 T 4 2 J 1 6 C 3 D 4 1 4 3 D A 4 0 4 9 D U ［S］P 4 3 A L S K H / ; J M 4 J A 0S ; F ; ; J ;O 4 2 4 D A 0 4 A U， * P ［*］K A 3 D 0 ; 6 A VS著， 朱志刚， 林学阎， 石定机， 译P数字图 像处理 ［］P北京 电子工业出版社， P ［-］卫成业， 严建华， 商敏儿， 等P基于炉内火焰图像的燃烧 诊断 ［W］ ， 动力工程， *， * （*） - X - [ 4 J P 5 D C J D C ;\ N D 4 6 4 T A D 4 1 1 FQ ; C A 0 Q ; D E 1 [ 3 4 S ; 0 A D 4 1 D 1] 7 ; 0 U 4 2O A D A ［S］PR 3 D A J D 31 F D M ; A D 4 1 A 0K 1 F ; ; J ;1 \ N ; A D 4 1 A 0S ; 3 ; A J MV \ H’ ’ ,，S 1 辅助神经网络分 析与设计 ［］P北京 电子工业出版社， * P 有色金属 （冶炼部分） 年期 万方数据