發(fā)布時間：2017-07-08 08:25

  本文關鍵詞：基于輻射成像的火焰溫度場重建模擬研究

  更多相關文章： 二維溫度場重建 輻射逆問題 蒙特卡洛算法 兩群替代隨機粒子群算法 SVD算法 三階擬合曲線

【摘要】：能源在21世紀已經成為人們賴以生存和發(fā)展的重要物質基礎,同時它也關系到國民經濟的發(fā)展和全球化的可持續(xù)發(fā)展。目前,以燃煤為主的火力發(fā)電機組在我國能源供給中占據(jù)著重要地位,并且這種趨勢在很長一段時間內不會改變。電站鍋爐的基本要求是爐膛內的火焰燃燒始終保持穩(wěn)定、均勻的狀態(tài),而大型鍋爐內煤粉的燃燒是一種非常復雜的具有熱輻射交換的物理化學過程。因此,實時獲取爐膛火焰溫度信息,對于保證鍋爐可靠、安全和經濟的運行十分重要。本課題主要從數(shù)值模擬和實驗兩方面探究了鍋爐爐膛火焰的二維溫度場重建。文章在數(shù)值模擬部分共采用三種不同的輻射逆問題求解算法并針對不同算法建立了不同的求解模型,隨后對單峰對稱和雙峰偏置兩種溫度分布形態(tài)進行數(shù)值模擬研究。第一種方法采用蒙特卡洛法結合Tikhonov正則化算法,首先用蒙特卡洛方法求得模型中的READ數(shù),接著用Tikhonov正則化方法重建二維溫度場；第二種方法是SVD算法,該算法已廣泛應用于聲學法重建溫度場中,本課題在使用該方法之前詳細研究了已有聲學模型和本文建立的光學模型之間的共通點,合理處理參數(shù),最終重建出較為精確的溫度場；第三種方法是粒子群算法,本文在原始粒子群算法的基礎上進行改進,提出兩群替代隨機粒子群算法,加速了種群的收斂,避免了陷入局部最優(yōu)解的情況,提高了重建精度。重建模擬結束后,以相對誤差作為各離散單元的評價標準,以均方根誤差作為總體重建區(qū)域誤差的評價標準,對三種算法的重建精度進行了分析和比較,結果表明在合理的建立重建模型的基礎上,各算法均能較好的還原溫度場,且形態(tài)較為簡單的單峰對稱溫度場的重建效果要好于形態(tài)較為復雜的雙峰偏置溫度場。文章實驗部分主要研究了黑體爐標定CCD相機的方法。為了獲得圖像灰度值與光譜輻射能之間的對應關系,提出通過有限標定點來獲得擬合函數(shù)的方法。實驗獲得三種波長下的標定數(shù)據(jù),采用多項式擬合方法獲得各波長下灰度與輻射強度的三階擬合曲線,為今后溫度場重建實驗研究奠定基礎。
【關鍵詞】：二維溫度場重建 輻射逆問題 蒙特卡洛算法 兩群替代隨機粒子群算法 SVD算法 三階擬合曲線
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM621
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究背景及意義10-11
• 1.2 常見火焰檢測方法及燃燒診斷技術11-12
• 1.2.1 接觸式測溫方法11
• 1.2.2 非接觸式測溫方法11-12
• 1.2.3 基于圖像處理的可視化方法12
• 1.3 國內外發(fā)展現(xiàn)狀12-13
• 1.4 本文研究內容13-14
• 1.5 本文章節(jié)安排14-15
• 第2章 CCD測溫原理及輻射逆問題15-21
• 2.1 CCD攝像機的測溫原理15-16
• 2.2 輻射逆問題16-18
• 2.3 逆問題的求解方法18-20
• 2.3.1 迭代法18-19
• 2.3.2 半迭代法19
• 2.3.3 非迭代法19-20
• 2.4 本章小結20-21
• 第3章 火焰二維溫度場數(shù)值模擬研究21-39
• 3.1 基于Monte Carlo法的溫度場重建21-26
• 3.1.1 Monte Carlo法計算原理21
• 3.1.2 正問題模型建立21-23
• 3.1.3 重建溫度場結果23-26
• 3.2 基于奇異值分解法的溫度場重建26-30
• 3.2.1 正問題模型建立26-28
• 3.2.2 奇異值分解法原理28-29
• 3.2.3 重建溫度場結果29-30
• 3.3 基于粒子群算法的溫度場重建30-35
• 3.3.1 標準PSO算法30-32
• 3.3.2 PSO算法的改進32-33
• 3.3.3 正問題模型建立33-34
• 3.3.4 重建溫度場結果34-35
• 3.4 三種算法誤差分析35-37
• 3.5 本章小結37-39
• 第4章 測量系統(tǒng)標定39-47
• 4.1 CCD的標定39-41
• 4.2 CCD光學系統(tǒng)黑體爐標定實驗41-46
• 4.3 本章小結46-47
• 第5章 全文總結與后續(xù)工作展望47-49
• 5.1 全文總結47-48
• 5.2 后期工作展望48-49
• 參考文獻49-53
• 攻讀碩士學位期間發(fā)表的論文及其它成果53-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結構優(yōu)化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學學報(自然科學版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學術版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產品管路自動敷設的粒子群算法[J];機械工程學報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標粒子群算法[J];山東理工大學學報(自然科學版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應用[J];北京科技大學學報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應用[J];計算機集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：533765