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 华北电力大学自动化系
• 来源期刊: 发电技术
• 学科: 工学
• 关键词: 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)
• 年，卷（期）: 2024,（3）
• 页码范围: 119-126
• 页数: 8页
• 语种: 中文

摘要

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%。