论文部分内容阅读
以某电厂的监控信息系统（SIS）中的历史数据库作为分析平台，对常规光学火检信号所包含的丰富信息进行深层次挖掘。首先对火检信号数据进行必要的预处理，然后提取出火焰亮度平均值、火焰亮度方差、火焰亮度峰峰值和均匀度等4个特征量，分8种典型燃烧工况对火检强度信号作了大量统计分析，结果表明这些特征量能够反映不同工况下的火焰燃烧状态。将不同燃烧工况下的火焰信号特征值作为神经网络输入，利用该网络的自动聚类功能，分别将它们聚集到不同的区域内。经过验证，这种方法能对燃烧状态稳定性作出有效判断。