摘要

目前大型电站锅炉广泛采用的回转式空气预热器(简称“空预器”)普遍存在堵塞现象,严重时甚至会限制锅炉出力。针对这一问题,提出一种基于深度学习的空预器转子红外图像积灰演化分析方法。针对获取的空预器转子红外补光图像样本数据进行预处理,去噪后转化为灰度曲线图像,并采用高斯滤波方法进行图像增强。然后建立灰度共生矩阵(gray level co-occurrence matrix,GLCM)计算相关统计量,提取了角二阶矩(angular second moment,ASM)能量、对比度、熵、逆方差(inverse difference moment,IDM)和自相关性5类纹理特征参数。最后建立了深度信念网络(deep belief network,DBN)模型并进行训练与测试。结果表明:所提方法不但可以实现对空预器转子积灰程度的有效检测和监视,而且能够提前预测空预器堵塞可能性,从而指导运行人员优化运行吹灰系统,保证空预器正常运行。