| 【中文题名】 | 基于ARM及小波分析的火检实时系统的研究 |
| 【英文题名】 | Research of a Flame Detection Real Time System Based on ARM and Wavelet Analysis |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-5 |
| 【中关键词】 | 火焰检测,小波分解,特征提取,阈值,BP神经网络, |
| 【英关键词】 | Flame Detection,Wavelet Decomposition,distill of feature,threshold value,BP Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>集中检测与巡回检测系统 |
| 【论文摘要】 |
锅炉煤粉燃烧已成为工业生产和人民生活所必需的一种能量和动力来源,而火焰检测系统是保障锅炉安全运行的关键所在。锅炉炉膛中存在炉体火焰和若干个喷火嘴喷出的火焰,通常在存在炉体背景火焰的情况下,需判断喷嘴火焰是否存在,以确定喷嘴的运行状态。
本文针对目前炉膛火焰检测系统信号特征提取难度大、信噪比低、难以准确判断的特点,通过对炉膛煤粉燃烧试验数据的采集与分析,提出了一种基于Wavelet变换和BP神经网络相结合的火焰检测方法。该方法把采集的含噪信号进行多尺度的小波分解、特征提取,之后对信号进行软阈值去噪处理,将预处理后的信息作为神经网络的训练输入。
从信号处理的角度出发,本文阐述了小波时-频分析的优势,以及小波特有的去噪方法,以小波变换理论为分析工具对现场试验数据进行了具体分析。通过某电厂炉膛火焰燃烧试验证明:该时频局部化分析方法改善了信噪比,克服了目前火检系统容易误判的缺点,结果表明该方法能更有效地识别火焰的燃烧状况,具有广泛的实用价值。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-9 |
|
第1章 绪论 |
9-14 |
|
1.1 炉膛火焰检测系统的背景及意义 |
9 |
|
1.2 目前火检技术与发展概况 |
9-12 |
|
1.3 火检实时系统的解决方案 |
12-13 |
|
1.4 本文的结构 |
13-14 |
|
第2章 小波变换及其工程应用 |
14-27 |
|
2.1 小波变换的理论基础 |
14-23 |
|
2.2 小波分析的工程应用 |
23-27 |
|
第3章 火检系统的信号处理与分析 |
27-41 |
|
3.1 实时数据的采集与存储 |
27-28 |
|
3.2 火焰信号分析与处理流程 |
28-39 |
|
3.3 基于小波变换与曲线平滑的判别方法 |
39-41 |
|
第4章 系统硬件设计 |
41-47 |
|
4.1 微处理器的选择 |
41-42 |
|
4.2 火检系统的硬件结构 |
42-45 |
|
4.3 外部存储器电路 |
45-47 |
|
第5章 基于UCOS-Ⅱ的软件设计 |
47-56 |
|
5.1 UCOS-Ⅱ简介 |
47 |
|
5.2 UCOS-Ⅱ操作系统的移植 |
47-51 |
|
5.3 火检系统的软件设计 |
51-53 |
|
5.4 基于MODBUS协议的R5485 总线通信 |
53-56 |
|
结论 |
56-58 |
|
参考文献 |
58-61 |
|
致谢 |
61-62 |
|
攻读学位期间的研究成果 |
62 |
|
| 【DOI】 | LunWen.ID:2.2008.383464 |
