本实用新型涉及一种多信息融合智能火焰检测装置。

目前，国外火焰检测的研究大致经历以下几个阶段：

阶段一：辐射光能火焰检测

常用辐射光能火检基本上都是基于燃烧过程中火焰辐射出的红外线、 可见光和紫外线等进行检测。

红外线火检通过检测燃烧火焰放射的红外线强度和火焰频率来判别火 焰是否存在, 探头采用硫化铅光电管或硅光电二极管。由于炉膛完全 燃烧着火区火焰闪烁频率比较稳定, 因此通过滤波电路, 红外线火 检能区分燃烧器火焰和背景火焰。典型产品有FORNEY 公司的IDD-II 。

紫外线火检利用火焰本身特有的紫外线强度来判别火焰的有无, 其光 电器件为紫外光敏管。紫外光敏管对相邻燃烧器火焰有较高的鉴别力 , 通常用作单火嘴的火焰检测器。但是紫外线易被介质吸收, 当紫 外光敏管被烟灰、油雾等污染物污染时, 灵敏度明显下降, 所以在 燃用重油和煤粉的锅炉中, 紫外线火检并不可靠,尤其在煤粉炉上,  当锅炉低负荷运行时, 紫外线大量减少, 其灵敏度更低。因此紫外 线检测适用于燃用气体或轻油燃料的锅炉, 不适用于燃用重油和煤粉 燃料的锅炉。

另外，为了提高火焰检测的判断能力，由英国Land Combustion 公 司推出相关性火焰检测器，它同时使用两只相同的探测器, 使检测区 域在燃烧区域相交, 利用相关理论分析方法, 根据相关系数的大小 判断燃烧器的燃烧状况。当火焰存在时, 两探测器获得的火焰信号是 相似的, 相关系数比较大。当火焰不存在时, 相关性系数低, 而且 火焰的漂移和不稳定也将引起相关系数降低。因此根据火焰相关系数 的变化可判断火焰燃烧状况。

相关性火焰检测方法在原理上具有独到之处, 原则上不受负荷变化的 影响, 适应范围广。它不仅能监视燃烧器是否有火, 而且能间接地 反映着火点位置和着火状态的变化。但是, 相关性火检的优点是以两 个检测器特性完全一致为前提, 而实际运用中, 因设计、制造等方 面的原因, 及运行中污染状况等因素的影响, 两个检测器特性难以 保证完全一 致,这严重影响其优势的彻底发挥。同时, 使用相关性火检与使用一 般火检相比, 火检器数量增加一倍, 无疑会使安装、调试及运行维 护费用大大增加, 因此其推广应用受到一定的限制。

阶段二：数字式火焰检测器

数字式火焰检测器以FORNEY 产品为代表, 该火焰检测采用独特的火 焰检测方法, 使用微处理器及相应的软件算法, 通过检测目标火焰 的幅度和频率, 并与在学习方式下存储的背景火焰图像进行比较,  从而精确确定火焰的有无。

阶段三：图像火焰检测

随着计算机软、硬件的迅速发展，伴随数字图像处理技术的应用，国 内外研究者纷纷把目光投向了可视化的监视和控制系统，在这种背景 下，基于人工智能、模式识别、神经网络等新理论的发展，结合数字 图像处理技术，开发基于火焰图像信号的火焰检测。

国内火焰检测器的开发和研制也有几十年的历史。经历了由早期的金 属探极型火焰检测器到基于火焰闪烁频率的火焰检测器的过程，相对 于国外的研制水平，我国在这方面的研究是比较落后的，具体还表现 在：火焰检测的稳定性不强，功能相对简单，采用的控制芯片仍然停 留在51单片机上，信号处理能力和处理速度远远达不到国外火焰检测 的水平。

近年来国内在图像火检方面获得了较大的发展，烟台龙源公司经过长 期研究开发了图像火检探头，南京万和有限公司引入德国图像检测技 术等。

当前国内大部分火焰检测采用的是国外FORNEY、ABB等公司的生产的火 焰检测器，使用情况不是太尽人意，最主要的问题是无法解决相邻或 者相对的两个燃烧喷嘴引起的火焰检测的“偷窥”现象（是指实际没 有火焰或者火焰很小的燃烧喷嘴由于被检测到相邻或相对位置的燃烧 喷嘴的火焰的强度等信息，导致得到错误判断），这种“偷窥”现象 会带来误报、漏报可能，导致直接的经济损失，更严重的是导致炉膛 爆炸的危害。

由于国内的煤的挥发份存在着较大的差异性，国外的这种火焰检测装 置对中国的不同煤种难以做到自适应，尤其在燃烧炉动态工况下有误 报、漏报情况发生。

国内的图像火检大部分定位于全炉膛火焰数字图像处理与监测系统， 这种图像火检检测的是整个全炉膛的宏观的火焰燃烧情况，对于单个 火焰燃烧器这种微观的图像火检的研究仅限于对火焰燃烧器轮廓大小 、纹理判断等方法来判断炉膛有无火的判断，至于火焰燃烧的质量量 化的评价以及根据当前的火焰燃烧图像分析结果去控制送风量的控制 仍处于研究状态。

本实用新型的目的是解决现有技术存在的问题，提供一种能客观真实 可靠地检测和评价火焰燃烧质量的多信息融合智能火焰检测装置。

实现本实用新型目的的技术方案是多信息融合智能火焰检测装置，包 括Pbs红外传感器、第一信号处理电路模块、第一控制单元、可见光图 像传感器、第二信号处理电路模块和第二控制单元；所述Pbs红外传感 器的输出端连接第一信号处理电路模块的输入端；所述第一信号处理 电路模块的输出端连接第一控制单元的输入端；所述可见光图像传感 器的输出端连接第二信号处理电路模块的输入端；所述第二信号处理 电路模块的输出端连接第二控制单元的输入端；所述第二控制单元的 输出端连接第一控制单元的输入端。

所述第一信号处理电路模块包括A/D转换器、可编程放大电路和数字带 通滤波器。

所述第一控制单元的型号为MC9S12D64MFU；所述第二控制单元的型号 为S3C2410XARM920T。

采用了上述技术方案后，本实用新型具有以下的积极的效果：

（1）传统采用红外传感器评价火焰质量只能采用频率以及火焰强度等 参数不仅存在着“偷窥”风险同时对火焰质量的评价也比较片面。而 采用图像判断则只能提取火焰亮度和火焰形状等参数而无法得到火焰 的闪烁频率等参数，因此对火焰质量评价也比较片面，本实用新型则 结合两种传感器各自的优点综合评价火焰质量，根据火焰图像传感器 和红外传感器各自的优点综合评价煤炭燃烧的火焰质量，可以弥补各 自的缺陷，火焰的检测就显得客观真实和可靠。

（2）在基于炉膛复杂环境下，火焰图像的提取要能够提取出真正的火 焰，不能采用现有的简单的火焰图像平均值作为阈值进行火焰亮度分 析，本实用新型采用改进的模糊聚类的分析方法分割出图像中火焰区 、背景区以及黑龙区，亮度分析更细致更准确，从而获得真正的火焰 区的面积和亮度平均值。

（3）本实用新型新创了火焰质量的评价公式，首次将强度信号I、振 幅信号AC、特征频率F、火焰区面积M以及火焰区的平均值亮度值H五项 参数综合起来全面准确地评价火焰质量，在现有的根据火焰信号的三 项参数的基础上，结合图像传感器检测到的图像面积大小、亮度情况 判别，当出现前述的”偷窥“现象时，火焰的亮度、火焰燃烧区域的 面积几乎为0，它们对Q值的影响很大，直接将Q值拉低，表现为火焰燃 烧质量差或无火，防止了因“偷窥”现象而误判的情况发生，因此能 得到对火焰质量准确的判断。

（4）由于不同的挥发份煤在燃烧时产生不同特征频率，为了能根据煤 种选出对应的特征频率进行分析计算，本实用新型对火焰信号采用带 通滤波器进行火焰燃烧的低切 和高切频率进行设置和选择，以适应不同煤种的燃烧时进行火焰质量 的分析和对二次风的控制。

为了使本实用新型的内容更容易被清楚地理解，下面根据具体实施例 并结合附图，对本实用新型作进一步详细的说明，其中

图1为本实用新型的原理图。

附图中标号为：

Pbs红外传感器1、第一信号处理电路模块2、第一控制单元3、可见光 图像传感器4、第二信号处理电路模块5、第二控制单元6。

（实施例1）

见图1，本实施例的多信息融合智能火焰检测装置，包括Pbs红外传感 器1、第一信号处理电路模块2、第一控制单元3、可见光图像传感器4 、第二信号处理电路模块5和第二控制单元6；Pbs红外传感器1的输出 端连接第一信号处理电路模块2的输入端；第一信号处理电路模块2的 输出端连接第一控制单元3的输入端；可见光图像传感器4的输出端连 接第二信号处理电路模块5的输入端；第二信号处理电路模块5的输出 端连接第二控制单元6的输入端；第二控制单元6的输出端连接第一控 制单元3的输入端。第一控制单元3和第二控制单元6均与上位机通信。

第一信号处理电路模块2包括A/D转换器、可编程放大电路和数字带通 滤波器。第一控制单元3的型号为MC9S12D64MFU；第二控制单元6的型 号为S3C2410XARM920T。

检测方法，包括以下步骤：

步骤一：在第一控制单元3内预设阈值以及标准火焰的强度、振幅、特 征频率、面积和亮度的基准值；阈值的设定需根据现场情况进行大量 的Q值计算后确定；

步骤二：Pbs红外传感器1采集火焰信号，经第一信号处理电路模块2后 由第一控制单元3提取火焰信号的强度信号I、振幅信号AC，由数字带 通滤波器提取火焰的特征频率F，将前述三个数值送入第一控制单元3 ；

步骤三：可见光图像传感器4采集图像信号，经第二信号处理电路模块 5滤波、增强处理后送入第二控制单元6进行图像分割；第二控制单元 6采用模糊聚类法分割出图像中的火焰区、背景区和黑龙区，然后计算 出火焰区区域的面积M以及火焰区的平均 值亮度值H，将前述两个数值送入第一控制单元3；

模糊聚类法具体为：

由于炉膛火焰像素的分布不仅与像素的灰度值相关，同时也与空间位 置相关，即火焰区与黑龙区在摄像机位置固定的前提下，空间位置也 基本上固定。因此在做聚类分析时，将相关像素按照上面的三个区分 成三类时，就存在了灰度中心以及空间位置中心。针对采集的图像像 素的灰度信息X={x1,x2….,xn}以及空间分布位置Y={y1,y2….,yn}的 集合定义目标函数：

$J_m(U,V,W)=\underset{j=1}{\overset{n}{\Sigma }}\underset{i=1}{\overset{3}{\Sigma }}{\left(u_{\mathrm{ij}}\right)}^m({\left|\right|x_j-v_i\left|\right|}^2+{\left|\right|y_j-w_i\left|\right|}^2)$

Jm（U，V，W）表示各采集的图像样本到各类中心距离的迭代函数；u ij表示隶属度函数，在本检测方法中，不断迭代；m表示模糊度权重， 在此取2；V表示灰度特征，vi表示三类的灰度中心；W表示空间分布位 置特征，wi表示三类的空间位置中心； (||xj-vi||2+||yj-wi||2)表 示灰度到各聚类中心距离与空间分布到各类中心的距离；对于三类， 目标函数取得最小（一般指定本次函数值与上次函数值的差值小于1× 10-5）则认定样本的隶属度已经被确定。隶属度函数u是模糊数学中的 概念，表示某像素属于某类的程度。在模糊数学中，如果分三类，往 往说有0.7的可能性属于A类，0.2的可能属B类，0.1的可能属C类，这 就组成了隶属度函数u的元素，一般取最大的可能。在本方法中，隶属 度函数u是不断迭代的，由目标函数控制。

黑龙区的定义为：风粉混合物在逐步加热的过程中与燃烧中的明火开 始接触，逐渐加热至燃烧点，由于燃烧喷嘴被煤粉覆盖，在图像上表 现为黑色的区域。

火焰区的定义为：火焰燃烧的区域，细分成三个区，分别为初始燃烧 区、完全燃烧区、燃尽区；火焰区在图像显示比较明亮。

背景区的定义为：除了黑龙区和火焰区以外的炉膛区域，在图像显示 上比较暗的部分。

步骤四：第一控制单元3对所采集的5个参数采用3σ原则剔除奇异点， 然后按照以下公式进行计算和综合评定火焰质量Q：

$Q=\frac{\mathrm{\Delta F}}{F_n}\times \frac{\mathrm{\Delta I}}{I_n}\times \frac{\mathrm{\Delta AC}}{{\mathrm{AC}}_n}\times \frac{\mathrm{\Delta H}}{H_n}\times \frac{\mathrm{\Delta M}}{M_n}\times 100\%$ ；

Q表示火焰质量， Δ表示实时采集值与预设的基准值的差值，下标n 表示预设的基准值；

σ表示偏差，根据统计原则一般数据都符合正态分布原则，大约99%以 上的数据都应该落在均值正负3倍偏差之内，不在此范围内则属于奇异 点。

步骤五：第一控制单元3将计算的Q值与阈值相比较，大于或等于阈值 表明火焰质量好，小于阈值表明火焰质量差，根据比较结果进行操作 ，比如对炉膛风量进行控制、发出无火报警、发出设备故障报警或者 切断投料阀等，保证炉膛高效、节能运行。

以上所述的具体实施例，对本实用新型的目的、技术方案和有益效果 进行了进一步详细说明，所应理解的是，以上所述仅为本实用新型的 具体实施例而已，并不用于限制本实用新型，凡在本实用新型的精神 和原则之内，所做的任何修改、等同替换、改进等，均应包含在本实 用新型的保护范围之内。