一、引言
　　
　　鍋爐燃燒的基本要求在于建立和保持穩(wěn)定的燃燒火焰，其穩(wěn)定性直接影響到生產(chǎn)的安全，電站鍋爐燃燒管理是整個電站安全、經(jīng)濟運行的關(guān)鍵所在。因此，鍋爐燃燒診斷具有很重要的現(xiàn)實意義，而溫度場的檢測是進行燃燒診斷的重要手段。隨著計算機技術(shù)的應用，利用彩色CCD攝取的圖像的每一個像素都是由紅（R），綠（G），藍（B）三基色組成，由三基色信號值與單輻射能關(guān)系，在對火焰發(fā)射率模型和CCD光譜特性的一系列簡化和假設下，采用比色測溫法可得到每個像素對應的溫度，此種測量的結(jié)果存在較大的誤差。
　　
　　傳統(tǒng)的熱電偶測量法只局限于個別點的測量，無法得到整個空間溫度場值，僅適用于鍋爐的關(guān)鍵部位監(jiān)測，但它能夠測出局部的真溫值，因此，可結(jié)合彩色CCD攝像機在此部位攝取圖像，利用計算機圖像處理技術(shù)得到圖像的三基色信號值，根據(jù)熱輻射學和CCD成像理論，構(gòu)建BP神經(jīng)網(wǎng)絡，逼近三基色信號與溫度的函數(shù)關(guān)系，從而推廣到整個溫度場的測量?；谏窠?jīng)網(wǎng)絡的火焰溫度測量方法，克服了以上測量過程中的一系列簡化假設，可較準確地測量出爐膛火焰的溫度場。
　　
　　二、測量原理
　　
　　彩色CCD把來自景物的入射光分解為不同比例的R、G、B三基色圖案，以形成人眼所能感受到彩色視覺效果，它可以把入射光分解為波長分別為0.7um、0.5461um、0.4358um的紅（R）、綠（G）、藍（B）三色圖像，這樣我們就可以利用圖像處理技術(shù)獲取數(shù)字圖像中任意點在不同波長下的信號值。
　　
　　根據(jù)熱輻射定律，發(fā)射連續(xù)光譜的物體的熱輻射亮度與它的溫度間的關(guān)系由普朗克輻射公式表達：
　　
　　Eλ（T）=c1λ-5（ec2/λT-1）-1ελ（1）
　　
　　在鍋爐燃燒火焰輻射的波長范圍0.38um到0.78um及溫度3000K以下時，c2/λT＞1，因此可由維恩輻射公式表達：
　　
　　Eλ（T）=c1λ-5exp（-c2/λT）ελ（2）
　　
　　式中，Eλ（T）為燃燒火焰輻射能，ελ為溫度為T時的光譜發(fā)射率，λ為波長，*輻射常數(shù)c1=3.742×10-16W.m2，第二輻射常數(shù)c2=1.4388×10-2m.k。
　　
　　對于具有任意輻射強度E（λ,T）的彩色光下的色系數(shù)，可利用分布色系數(shù)方程計算：　　
　　式中r（λ），g（λ），b（λ）分別為分布色系數(shù)。
　　
　　三基色的亮度信號與對應的單色輻射能成正比，即：　　
　　從上式中可以看出，由R，G，B可以惟一地確定火焰的溫度T，可以表示為：
　　
　　T=T（R，G，B）（5）
　　
　　三、BP神經(jīng)網(wǎng)絡模型及創(chuàng)建
　　
　　zui關(guān)鍵的問題是如何處理光譜發(fā)射率的值，然而不僅與材料的性質(zhì)有關(guān)，還受狀態(tài)等諸多方面因素影響，一般很難具體確定。在通常的高溫物體溫度場測量中，數(shù)據(jù)的處理于zui小二乘法，通常將發(fā)射率簡化為固定的數(shù)值或模型，才能惟一地確定物體的溫度。而高溫發(fā)光火焰是一種煙粒云的輻射，影響煙粒云發(fā)射率的因素很多，如吸收系數(shù)、火焰的幾何厚度、穩(wěn)定性、波長、溫度等，過于固定發(fā)射率數(shù)值必然導致溫度測量結(jié)果的不準確。
　　
　　由（5）式可知，三基色信號值與目標真溫T存在一種非線性映射關(guān)系。神經(jīng)網(wǎng)絡是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理，具有自學習自適應功能，可以從大量的實驗數(shù)據(jù)中直接提取隱含的有用信息。理論上已經(jīng)證明三層BP模型可以任意精度逼近任意非線性映射，采用它來解決三基色信號值與目標火焰真溫的非線性映射問題。
　　
　　這里BP網(wǎng)絡采用3層結(jié)構(gòu)，中間包含一層隱層，三輸入一輸出的BP網(wǎng)絡模型。三基色信號值R，G，B作為網(wǎng)絡輸入節(jié)點，單項輸出，輸出為需要得到的溫度值T，隱含層節(jié)點數(shù)可以先確定幾個值，然后通過數(shù)據(jù)樣本訓練進行調(diào)節(jié)。輸入層和隱含層激活函數(shù)取非對稱性Sigmoid函數(shù)，輸出層輸出函數(shù)取線性傳遞函數(shù)purelin。
　　
　　數(shù)據(jù)在輸入神經(jīng)網(wǎng)絡之前，要進行歸一處理，訓練樣本的量綱不同，數(shù)值差別也很大，因此必須進行歸一化處理將訓練數(shù)據(jù)標度到[0,1]之間。進行預測的樣本數(shù)據(jù)在進行仿真前，必須用tramnmx函數(shù)進行事先歸一化處理，然后才能用于預測，zui后仿真結(jié)果要用postmnmx進行反歸一化，才能得到需要的數(shù)據(jù)結(jié)果。
　　
　　四、仿真實驗及結(jié)果
　　
　　通過BP神經(jīng)網(wǎng)絡可以訓練發(fā)射率樣本，本文采用如圖1所示的A、B、C、D、E五類發(fā)射率樣本圖。　　
　　由彩色CCD攝像機攝取的圖像中得到連續(xù)時刻某部位的三色值，熱電偶測溫得到該部位對應時刻的不同溫度。幾個溫度點分別取五類發(fā)射率模型A、B、C、D、E，如圖1所示，每類包括5種發(fā)射率樣本值，有效波長分別為0.7um（R）、0.5461um（G）、0.4358um（B）。在每個溫度點上采用五類發(fā)射率樣本，每類5種，如表1列出部分發(fā)射率訓練樣本。則發(fā)射率樣本為（5×5=25）種，網(wǎng)絡采用三層BP網(wǎng)，輸入數(shù)據(jù)須全部歸一化處理，結(jié)果反歸一化得出。　　
　　對數(shù)據(jù)進行歸一化處理后，選取5組溫度下的三基色信號值作為訓練樣本。學習目標函數(shù)為，其中N為訓練樣本總數(shù)。在網(wǎng)絡訓練中同時調(diào)整動量系數(shù)和學習率，以期達到較快的收斂速度。這里動量系數(shù)為0.9，學習目標函數(shù)誤差定為0.01，根據(jù)誤差值大小zui后確定隱含層節(jié)點為10。
　　
　　經(jīng)過60次學習訓練，達到目標誤差，網(wǎng)絡收斂，訓練結(jié)束。表2列出訓練后溫度計算結(jié)果，表3列出未經(jīng)訓練的溫度計算結(jié)果。　　
　　由實驗結(jié)果得知，對訓練過的發(fā)射率樣本，真實溫度的識別誤差大部分在30k以內(nèi)，而對于未訓練過的發(fā)射率樣本，真實溫度的識別誤差大部分在50k以內(nèi)。如果用更多的發(fā)射率樣本和輸入輸出樣本，將更好地解決鍋爐溫度測量問題。
　　
　　五、結(jié)論
　　
　　本文就鍋爐溫度的傳統(tǒng)測量所帶來的一些問題和誤差上，提出了BP神經(jīng)網(wǎng)絡在爐膛溫度測量中數(shù)據(jù)處理的應用，結(jié)合彩色CCD圖像提取的三基色信號值作為輸入樣本和熱電偶測出的溫度值作為輸出樣本，創(chuàng)建BP網(wǎng)絡模型，對其進行訓練。BP神經(jīng)網(wǎng)絡的應用消除了多光譜輻射數(shù)據(jù)處理時受發(fā)射率假設模型的影響，并實現(xiàn)了實時在線測量鍋爐溫度的目的。研究結(jié)果表明，利用神經(jīng)網(wǎng)絡測量鍋爐溫度，方法簡捷，工程上具有較高的應用價值。