基于主成分分析和深度神经网络的声学层析成像温度分布重建

作者：张立峰; 李晶; 王智

来源：发电技术, 2023, 44(03): 399-406.

• 火电厂
• 电站锅炉
• 温度场
• 声学层析成像(AT)
• 深度神经网络(DNN)
• 主成分分析(PCA)

为快速准确地获取火电厂锅炉炉膛温度场在线监测信息，提出了一种基于深度神经网络(deep neural network,DNN)的声学层析成像(acoustic tomography,AT)温度场重建算法。对测量值进行归一化处理后，结合主成分分析(principal component analysis,PCA)降维，构建全连接网络区别峰型，分别搭建DNN与BP神经网络对归一化慢度值及其最值进行预测，最后重建温度场分布。采用该方法对4种典型的温度场模型进行了仿真，结果表明：DNN算法的重建质量优于Tikhonov正则化算法与共轭梯度算法，重建图像的平均相对误差和均方根误差分别小于0.36%和0.85%。

• 单位
  华北电力大学