典型文献
基于深度学习与热辐射成像耦合的炉内温度场在线测量
文献摘要：
利用热辐射成像模型计算训练数据,基于多层感知器(MLP)神经网络重建炉膛温度场,以某300 MW锅炉为例进行在线测量实验,并通过机组调峰分析了燃料量和风量对温度的影响.结果表明:MLP神经网络对不同温度场重建结果的最大相对误差小于2％,添加噪声后最大相对误差也小于4％,其具有较好的泛化能力、预测能力和抗噪能力;炉内温度的升高趋势明显快于负荷,且风量对机组负荷的影响更大;所提出的耦合深度学习与热辐射成像的炉内温度场在线测量系统在提升煤电机组的灵活调峰能力方面具有较好的应用潜力.
文献关键词：
炉内温度场;在线监测;深度学习;多层感知器;热辐射成像
中图分类号：
作者姓名：
唐广通;许烨烽;闫慧博;汪潮洋;刘志强;娄春
作者机构：
国网河北能源技术服务有限公司,石家庄050021;华中科技大学能源与动力工程学院,武汉430074
文献出处：
引用格式：
[1]唐广通;许烨烽;闫慧博;汪潮洋;刘志强;娄春-.基于深度学习与热辐射成像耦合的炉内温度场在线测量)[J].动力工程学报,2022(10):960-966
A类：
B类：
热辐射成像,炉内温度场,在线测量,辐射成像模型,训练数据,多层感知器,MLP,炉膛温度,MW,锅炉,测量实验,料量,风量,温度场重建,泛化能力,预测能力,快于,测量系统,煤电机组,灵活调峰,调峰能力,在线监测
AB值：
0.292276
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
