本發(fā)明涉及CFB循環(huán)流化床鍋爐技術(shù)領(lǐng)域，尤其是涉及一種能夠快速、準(zhǔn)確檢測(cè)CFB循環(huán)流化床鍋爐斷煤故障的循環(huán)流化床鍋爐斷煤檢測(cè)方法。

背景技術(shù)：
在能源與環(huán)境的雙重壓力下，循環(huán)流化床(CFB)鍋爐以其燃料適應(yīng)性強(qiáng)、燃燒效率高、負(fù)荷調(diào)節(jié)性能好、污染物排放低等顯著特點(diǎn)，在我國(guó)得到了快速的發(fā)展。截止2011年底，據(jù)不完全統(tǒng)計(jì)我國(guó)現(xiàn)有不同容量的循環(huán)流化床鍋爐3000多臺(tái)，超過(guò)90000MW投入商業(yè)運(yùn)行。已投運(yùn)的300MW級(jí)循環(huán)流化床鍋爐機(jī)組達(dá)到40多臺(tái)，已投運(yùn)與在建的300MW等級(jí)循環(huán)流化床鍋爐機(jī)組總和則達(dá)到了110多臺(tái)。此外，世界上單機(jī)容量最大的600MW超臨界循環(huán)流化床鍋爐機(jī)組四川白馬循環(huán)流化床示范電站項(xiàng)目已于2013年4月順利通過(guò)168小時(shí)滿(mǎn)負(fù)荷試運(yùn)行成功投運(yùn)。因此，可以預(yù)見(jiàn)，循環(huán)流化床鍋爐將會(huì)在我國(guó)得到更大的發(fā)展。CFB鍋爐盡管在設(shè)計(jì)之初就采用了低流速、高爐膛、中物料循環(huán)倍率、敷設(shè)長(zhǎng)衛(wèi)燃帶等措施，但在運(yùn)行中經(jīng)常發(fā)生斷煤故障，發(fā)生斷煤故障的原因有：煤的水分過(guò)大、粒度不均堵塞、搭橋等。當(dāng)發(fā)生斷煤故障時(shí)，如果處理不及時(shí)將會(huì)造成鍋爐運(yùn)行狀態(tài)的波動(dòng)，甚至造成停爐事故的發(fā)生。中國(guó)專(zhuān)利授權(quán)公開(kāi)號(hào)：CN103439081A，授權(quán)公開(kāi)日2013年12月11日，公開(kāi)了一種生物質(zhì)循環(huán)流化床鍋爐流動(dòng)特性測(cè)量方法，其特征在于，包括如下步驟：建立用于模擬生物質(zhì)循環(huán)流化床鍋爐流動(dòng)特性的歐拉雙流體模型；根據(jù)生物質(zhì)循環(huán)流化床鍋爐的結(jié)構(gòu)參數(shù)建立所述生物質(zhì)循環(huán)流化床鍋爐的全尺寸模型；對(duì)所述生物質(zhì)循環(huán)流化床鍋爐的全尺寸模型進(jìn)行網(wǎng)格劃分建立所述生物質(zhì)循環(huán)流化床鍋爐的網(wǎng)格模型；獲取所述生物質(zhì)循環(huán)流化床鍋爐對(duì)應(yīng)的氣體參數(shù)、顆粒參數(shù)、邊界條件參數(shù)、初始風(fēng)速；根據(jù)所述歐拉雙流體模型、網(wǎng)格模型、氣體參數(shù)、顆粒參數(shù)、邊界條件參數(shù)、初始風(fēng)速模擬所述生物質(zhì)循環(huán)流化床鍋爐內(nèi)的氣固兩相的流動(dòng)過(guò)程；通過(guò)所述模擬的流動(dòng)過(guò)程，測(cè)量爐膛內(nèi)氣固兩相的速度場(chǎng)分布規(guī)律，得到生物質(zhì)循環(huán)流化床鍋爐的流動(dòng)特性。該發(fā)明的不足之處是，功能單一，不能用于檢測(cè)是否斷煤。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的發(fā)明目的是為了克服現(xiàn)有技術(shù)中循環(huán)流化床鍋爐容易出現(xiàn)斷煤事故的不足，提供了一種能夠快速、準(zhǔn)確檢測(cè)CFB循環(huán)流化床鍋爐斷煤故障的循環(huán)流化床鍋爐斷煤檢測(cè)方法。為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：一種循環(huán)流化床鍋爐斷煤檢測(cè)方法，包括報(bào)警器、分別設(shè)于鍋爐的m個(gè)煤倉(cāng)下煤口處的m個(gè)攝像頭和與鍋爐中各個(gè)電器件電連接的控制器，控制器分別與報(bào)警器、存儲(chǔ)器和各個(gè)攝像頭電連接；所述檢測(cè)方法包括如下步驟：(1-1)圖像斷煤檢測(cè)：(1-1-1)m個(gè)攝像頭分別拍攝下煤口處煤流動(dòng)的圖像，控制器將各個(gè)圖像存儲(chǔ)到存儲(chǔ)器中并對(duì)圖像進(jìn)行如下處理：控制器利用脈沖響應(yīng)函數(shù)yij＝medx(i+r，j+s(r，s)∈A)對(duì)圖像信號(hào)f(x，y)進(jìn)行濾波；其中，A為濾波器窗口；{xij}為圖像數(shù)集，med為中值函數(shù)，(r，s)為坐標(biāo)，xi+r，j+s為濾波窗口A中像素點(diǎn)對(duì)應(yīng)的灰度值；(1-1-2)設(shè)置運(yùn)動(dòng)檢測(cè)區(qū)域參數(shù)：控制器將A設(shè)置為若干個(gè)矩形檢測(cè)區(qū)域，設(shè)定運(yùn)動(dòng)檢測(cè)的幀間隔為B；(1-1-3)運(yùn)動(dòng)功能檢測(cè)：控制器設(shè)定每個(gè)檢測(cè)區(qū)域中的每個(gè)宏塊內(nèi)每個(gè)象素點(diǎn)為(x，y)，差值閾值為T(mén)a；所述象素點(diǎn)在T時(shí)刻與T-n時(shí)刻亮度Y的差值為Mx，y(T)＝|Yx，y(T)-Yx，y(T-n)|；當(dāng)||Yx，y(T)-Yx，y(T-n)||≥Ta，則設(shè)定L＝0；否則，設(shè)定L＝1；控制器利用公式IMsum＝∑L計(jì)算并得到宏塊差分系數(shù)IMsum；控制器計(jì)算每個(gè)檢測(cè)區(qū)域中各個(gè)宏塊差分系數(shù)IMsum之和，得到每個(gè)檢測(cè)區(qū)域的差分系數(shù)值，并進(jìn)一步計(jì)算得到濾波器窗口A的差分系數(shù)Asum；(1-1-4)控制器每間隔B幀利用步驟(1-1-3)對(duì)當(dāng)前圖像進(jìn)行檢測(cè)；(1-1)軟件斷煤檢測(cè)：(1-2-1)存儲(chǔ)器中設(shè)有具有11個(gè)輸入節(jié)點(diǎn)X＝[X1，...，X11]、單隱藏層為9個(gè)節(jié)點(diǎn)Y＝[Y1，...，Y9]、1個(gè)輸出節(jié)點(diǎn)Z的BP神經(jīng)網(wǎng)絡(luò)模型，其中，存儲(chǔ)器中存儲(chǔ)有q條學(xué)習(xí)樣本，網(wǎng)絡(luò)性能目標(biāo)誤差SSE≤0.00001，訓(xùn)練步數(shù)至少為d步；(1-2-2)初始化BP神經(jīng)網(wǎng)絡(luò)模型：(1-2-2-1)權(quán)重與閥值初始化：控制器利用Gauss隨機(jī)函數(shù)產(chǎn)生滿(mǎn)足正態(tài)分布、均值為0、方差為1并且取值范圍在區(qū)間[0，1]中的隨機(jī)數(shù)初始化權(quán)重Wij、閥值θ和θj，i＝1，…，11；j＝1，..，9；設(shè)定網(wǎng)絡(luò)性能誤差為ε；(1-2-2-2)變量歸一化：控制器中設(shè)有與11個(gè)輸入節(jié)點(diǎn)X1，...，X11中分別對(duì)應(yīng)的11組XMax和XMin，控制器利用公式X′＝(X-XMin)/(XMax-XMin)分別計(jì)算q條學(xué)習(xí)樣本的X1，...，X11的歸一化值X′1，X′2，...，X′11；控制器中設(shè)有與輸出節(jié)點(diǎn)Z相對(duì)應(yīng)的Zmax和Zmin，控制器利用公式Z′＝(Z-ZMin)/(ZMax-ZMin)計(jì)算q條學(xué)習(xí)樣本的Z的歸一化值Z′；得到經(jīng)過(guò)歸一化的s組學(xué)習(xí)樣本；(1-2-3)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型：(1-2-3-1)控制器向BP神經(jīng)網(wǎng)絡(luò)模型中輸入第s組學(xué)習(xí)樣本，s初始值為1，設(shè)定第s組樣本的目標(biāo)輸出值為Z′；利用公式計(jì)算隱藏層神經(jīng)元輸出；利用公式計(jì)算輸出層神經(jīng)元實(shí)際輸出Zr；其中，函數(shù)利用公式計(jì)算單個(gè)樣本偏差Es；(1-2-3-2)從輸出層開(kāi)始逐層反向調(diào)整權(quán)重和閥值：控制器使輸出層的權(quán)重Wj增加0.6×δ×Yj+0.45×ΔWj，ΔWj為輸出層前次調(diào)整增加的權(quán)重，ΔWo＝0；其中，δ＝(Z′-Zr)×Zr×(1-Zr)，控制器使隱藏層的權(quán)重增加0.6×δj×Xi+0.45×ΔWij，ΔWij為隱藏層前次調(diào)整增加的權(quán)重，ΔWOO＝0；其中，δj＝Y(jié)j×(1-Yj)×(δj×Wj)；(1-2-3-3)當(dāng)s＜q，使s值增加1，返回步驟(1-2-3-1)；否則轉(zhuǎn)入步驟(1-2-3-4)；(1-2-3-4)利用公式計(jì)算總誤差Et，其中p為樣本序號(hào)；當(dāng)Et≤ε或?qū)W習(xí)步數(shù)小于d，訓(xùn)練結(jié)束，得到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型；否則轉(zhuǎn)入步驟(1-2-3-1)；(1-2-4)控制器實(shí)時(shí)采集主汽流量、給水流量、給煤量、床溫、爐膛負(fù)壓、一次風(fēng)壓、一次風(fēng)機(jī)電流、二次風(fēng)壓、二次風(fēng)機(jī)電流、引風(fēng)機(jī)電流和排煙溫度11個(gè)工藝參數(shù)，利用步驟(1-2-2-2)對(duì)11個(gè)工藝參數(shù)進(jìn)行歸一化處理，并將各個(gè)經(jīng)過(guò)歸一化處理的工藝參數(shù)送入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的11個(gè)輸入節(jié)點(diǎn)中，得到模型輸出值Zr，再利用公式V＝Zr×(ZMax-ZMin)+ZMin反歸一化得到實(shí)時(shí)氧含量V，控制器計(jì)算其中V1為存儲(chǔ)器中設(shè)定的與當(dāng)前主汽流量相關(guān)的目標(biāo)氧含量；(1-3)當(dāng)持續(xù)時(shí)間超過(guò)T1秒，并且任一個(gè)攝像頭的圖像的Asum＞閾值；則控制器控制報(bào)警器報(bào)警，c是實(shí)際氧含量與理論氧含量的比值。為規(guī)避單一斷煤檢測(cè)方法的不可靠及局限性，本發(fā)明將圖像和軟件檢測(cè)相結(jié)合，當(dāng)圖像和軟件檢測(cè)同時(shí)滿(mǎn)足斷煤判定條件時(shí)，報(bào)警器才會(huì)發(fā)出報(bào)警信號(hào)，檢測(cè)更加準(zhǔn)確，有效避免誤操作。因此，本發(fā)明具有檢測(cè)準(zhǔn)確性高，有效避免誤操作；提高了鍋爐運(yùn)行的安全性和穩(wěn)定性的特點(diǎn)。作為優(yōu)選，當(dāng)主汽流量為28％至32％時(shí)，V1為8.3％至8.8％；當(dāng)主汽流量為38％至42％時(shí)，V1為7.6％至8.0％；當(dāng)主汽流量為48％至52％時(shí)，V1為6.8％至7.2％；當(dāng)主汽流量為58％至62％時(shí)，V1為5.8％至6.2％；當(dāng)主汽流量為68％至72％時(shí)，V1為4.6％至5.1％；當(dāng)主汽流量為78％至82％時(shí)，V1為4.0％至4.3％；當(dāng)主汽流量為88％至92％時(shí)，V1為3.6％至3.9％；當(dāng)主汽流量為92％至100％時(shí)，V1為3.3％至3.5％。作為優(yōu)選，q為500至550。作為優(yōu)選，c為1.18至1.25。作為優(yōu)選，T1為12至16。作為優(yōu)選，B為2至3。作為優(yōu)選，d為10000至11000。因此，本發(fā)明具有如下有益效果：(1)檢測(cè)準(zhǔn)確性高，有效避免誤操作；；(2)提高了鍋爐運(yùn)行的安全性和穩(wěn)定性。附圖說(shuō)明圖1是本發(fā)明的一種原理框圖；圖2是本發(fā)明的實(shí)施例的一種流程圖。圖中：報(bào)警器1、存儲(chǔ)器2、攝像頭3、控制器4。具體實(shí)施方式下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明做進(jìn)一步的描述。如圖1所示的實(shí)施例是一種循環(huán)流化床鍋爐斷煤檢測(cè)方法，斷煤檢測(cè)裝置包括報(bào)警器1、存儲(chǔ)器2、分別設(shè)于鍋爐的8個(gè)煤倉(cāng)下煤口處的8個(gè)攝像頭3和與鍋爐中各個(gè)電器件電連接的控制器4，控制器分別與報(bào)警器、存儲(chǔ)器和各個(gè)攝像頭電連接；如圖2所示，檢測(cè)方法包括如下步驟：步驟100，圖像斷煤檢測(cè)：步驟110，8個(gè)攝像頭分別拍攝下煤口處煤流動(dòng)的圖像，控制器將各個(gè)圖像存儲(chǔ)到存儲(chǔ)器中并對(duì)圖像進(jìn)行如下處理：控制器利用脈沖響應(yīng)函數(shù)yij＝med(xi+r，j+s(r，s)∈A)對(duì)圖像信號(hào)f(x，y)進(jìn)行濾波；其中，A為濾波器窗口，其尺寸為N＝(2k+1)×(2k+1)；{xij}為圖像數(shù)集，med為中值函數(shù)，(r，s)為坐標(biāo)，xi+r，j+s為濾波窗口A中像素點(diǎn)對(duì)應(yīng)的灰度值；步驟120，設(shè)置運(yùn)動(dòng)檢測(cè)區(qū)域參數(shù)：控制器將A設(shè)置為60個(gè)矩形檢測(cè)區(qū)域，設(shè)定運(yùn)動(dòng)檢測(cè)的幀間隔為B；本實(shí)施例中，B為2幀。步驟130，運(yùn)動(dòng)功能檢測(cè)：控制器設(shè)定每個(gè)檢測(cè)區(qū)域中的每個(gè)宏塊內(nèi)每個(gè)象素點(diǎn)為(x，y)，差值閾值為T(mén)a；所述象素點(diǎn)T時(shí)刻與T-n時(shí)刻亮度Y的差值為Mx，y(T)＝|Yx，y(T)-Yx，y(T-n)|；當(dāng)||Yx，y(T)-Yx，y(T-n)||≥Ta，則設(shè)定L＝0；否則，設(shè)定L＝1；控制器利用公式IMsum＝∑L計(jì)算并得到宏塊差分系數(shù)IMsum；控制器計(jì)算每個(gè)檢測(cè)區(qū)域中各個(gè)宏塊差分系數(shù)IMsum之和，得到每個(gè)檢測(cè)區(qū)域的差分系數(shù)值，并進(jìn)一步計(jì)算得到濾波器窗口A的差分系數(shù)Asum；步驟140，控制器每間隔2幀利用步驟130對(duì)當(dāng)前圖像進(jìn)行檢測(cè)；步驟200，軟件斷煤檢測(cè)：步驟210，存儲(chǔ)器中設(shè)有具有11個(gè)輸入節(jié)點(diǎn)X＝[X1，...，X11]、單隱藏層為9個(gè)節(jié)點(diǎn)Y＝[Y1，...，Y9]、1個(gè)輸出節(jié)點(diǎn)Z的BP神經(jīng)網(wǎng)絡(luò)模型，其中，存儲(chǔ)器中存儲(chǔ)有q＝500條學(xué)習(xí)樣本，網(wǎng)絡(luò)性能目標(biāo)誤差SSE≤0.00001，訓(xùn)練步數(shù)至少為d＝10000步；步驟220，初始化BP神經(jīng)網(wǎng)絡(luò)模型：步驟221，權(quán)重與閥值初始化：控制器利用Gauss隨機(jī)函數(shù)產(chǎn)生滿(mǎn)足正態(tài)分布、均值為0、方差為1并且取值范圍在區(qū)間[0，1]中的隨機(jī)數(shù)初始化權(quán)重Wij、閥值θ和θj，i＝1，…，11；j＝1，..，9；設(shè)定網(wǎng)絡(luò)性能誤差為ε；步驟222，變量歸一化：控制器計(jì)算X1，...，X11中的XMax和XMin，利用公式X′＝(X-XMin)/(XMax-XMin)計(jì)算分別計(jì)算X1，...，X11的歸一化值X′1，X′2，...，X′11；步驟230，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型：步驟231，控制器向BP神經(jīng)網(wǎng)絡(luò)模型中輸入第s組學(xué)習(xí)樣本，s初始值為1，設(shè)定第s組樣本的目標(biāo)輸出值為Z′；利用公式計(jì)算隱藏層神經(jīng)元輸出；利用公式計(jì)算輸出層神經(jīng)元實(shí)際輸出Zr；其中，函數(shù)利用公式計(jì)算單個(gè)樣本偏差Es；步驟232，從輸出層開(kāi)始逐層反向調(diào)整權(quán)重和閥值：控制器使輸出層的權(quán)重Wj增加0.6×δ×Yj+0.45×ΔWj，ΔWj為輸出層前次調(diào)整增加的權(quán)重，ΔWo＝0；其中，δ＝(Z′-Zr)×Zr×(1-Zr)，控制器使隱藏層的權(quán)重增加0.6×δj×Xi+0.45×ΔWij，ΔWij為隱藏層前次調(diào)整增加的權(quán)重，ΔWOO＝0；其中，δj＝Y(jié)j×(1-Yj)×(δj×Wj)；步驟233，當(dāng)s＜q，使s值增加1，返回步驟231；否則轉(zhuǎn)入步驟234；步驟234，利用公式計(jì)算總誤差Et，其中p為樣本序號(hào)；當(dāng)Et≤ε或?qū)W習(xí)步數(shù)小于d，訓(xùn)練結(jié)束，得到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型；否則轉(zhuǎn)入步驟231；步驟240，控制器實(shí)時(shí)采集主汽流量、給水流量、給煤量、床溫、爐膛負(fù)壓、一次風(fēng)壓、一次風(fēng)機(jī)電流、二次風(fēng)壓、二次風(fēng)機(jī)電流、引風(fēng)機(jī)電流和排煙溫度11個(gè)工藝參數(shù)，利用步驟(1-2-2-2)對(duì)11個(gè)工藝參數(shù)進(jìn)行歸一化處理，并將各個(gè)經(jīng)過(guò)歸一化處理的工藝參數(shù)送入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的11個(gè)輸入節(jié)點(diǎn)中，得到模型輸出值Zr，再利用公式V＝Zr×(ZMax-ZMin)+ZMin反歸一化得到實(shí)時(shí)氧含量V，控制器計(jì)算其中V1為存儲(chǔ)器中設(shè)定的與當(dāng)前主汽流量相關(guān)的目標(biāo)氧含量；步驟300，斷煤判斷及報(bào)警：當(dāng)持續(xù)時(shí)間超過(guò)T1秒，并且任一個(gè)攝像頭的圖像的Asum＞閾值；則控制器控制報(bào)警器報(bào)警，c是實(shí)際氧含量與理論氧含量的比值。其中，當(dāng)主汽流量為28％至32％時(shí)，V1為8.3％至8.8％；當(dāng)主汽流量為38％至42％時(shí)，V1為7.6％至8.0％；當(dāng)主汽流量為48％至52％時(shí)，V1為6.8％至7.2％；當(dāng)主汽流量為58％至62％時(shí)，V1為5.8％至6.2％；當(dāng)主汽流量為68％至72％時(shí)，V1為4.6％至5.1％；當(dāng)主汽流量為78％至82％時(shí)，V1為4.0％至4.3％；當(dāng)主汽流量為88％至92％時(shí)，V1為3.6％至3.9％；當(dāng)主汽流量為92％至100％時(shí)，V1為3.3％至3.5％；c為1.2，T1為12。應(yīng)理解，本實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書(shū)所限定的范圍。