基于聲學的爐膛溫度場重建仿真.pdf

1、大型燃煤鍋爐中，爐膛溫度的分布情況對于實現安全生產、高效燃燒及低污染排放具有重大實用價值和科學意義。根據少量的聲波飛渡路徑上的平均溫度或者聲波飛渡時間獲得整個爐膛內溫度的分布情況是一種典型的逆問題，對其求解是非常困難。本文針對這個問題主要完成了以下工作：
　　 將爐膛溫度場圖像進行二維離散余弦變換(DCT)，變換后所得到的系數矩陣Q作為標識爐膛溫度場圖像的參量。根據徑向基神經網絡求得聲波飛渡路徑的平均溫度與矩陣Q的非線性關系。對

2、于每個聲波飛渡路徑的半均溫度都可以得到相對應的系數矩陣Q，通過對該系數矩陣進行二維逆余弦變換可以重建爐膛溫度場。本文對單峰模型、雙峰模型進行了仿真實驗，其均方根誤差分別為1.63％、4.72％，最大誤差分別為42K、17K。同時產生128組測試樣本，對測試樣本的目標輸出以及實際輸出進行回歸分析，回歸分析的結果表明：測試樣本的目標輸出以及實際輸出非常接近，并且這128組測試樣本重建均方根誤差主要集中在1％-％4之間。
　　 本文通

3、過仿真實驗驗證DCT系數數目及聲波飛渡路徑平均溫度的測量誤差對重建精度的影響。實驗表明DCT系數數目對單峰模型的影響比較明顯，雙峰模型重建均方根誤差隨著DCT系數的個數增大變化比較平穩(wěn)。在聲波飛渡路徑上的平均溫度測量誤差水平分別為1％到10％情況下單峰模型以及雙峰模型的均方根誤差集中在1.6％到10％之間，重建圖像與實際溫度圖像相差不大。
　　 基于RBF神經網絡的溫度場重建算法的關鍵在于RBF神經網絡的訓練好壞。由于問題的聚類