CN113257368B - 一种燃气当量比预测方法、系统及处理终端 - Google Patents

Abstract

本发明属于燃气当量比预测技术领域，公开了一种燃气当量比预测方法、系统及处理终端，所述燃气当量比预测方法包括：利用多频激励离子电流传感器测量得到被测燃烧器内的多频激励离子电流时变信号；对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱S_A ^t；利用主成分分析对不同时刻下的离散幅值谱S_A ^t进行特征降维及去噪，得到不同时刻下的降维特征矩阵X_t；将X_t输入到前期文献中所建立的离子电流幅值谱‑燃气当量比非线性预测模型，实现对不同时刻下燃气当量比的实时预测。本发明结合多频激励解调与非线性预测模型，有利于准确刻画工况参数的实时变化情况，在减少实验次数的同时，实现了对燃气当量比的实时预测。

Description

一种燃气当量比预测方法、系统及处理终端

技术领域

本发明属于燃气当量比预测技术领域，尤其涉及一种燃气当量比预测方法、系统及处理终端。

背景技术

目前，燃气当量比表征了参加燃烧反应的组分配比情况，它决定了燃烧反应能否启动及燃烧反应的剧烈程度，同时也影响着燃烧的完全性、热声振荡程度、共振频率及污染物的排放水平等。因此，燃气当量比是燃烧过程中的关键状态参数。

目前，主要使用两种方法来获得当量比。最基本的方法是通过安装在燃烧系统入口上的流量计测量入口燃料和空气流量，进而计算燃气当量比。该方法广泛应用于大多数入口流量稳定的燃烧系统中。然而，对于入口流量随时间变化的燃烧系统而言，通过测定入口流量来确定当量比的方法将受到限制。另一种方法则是使用化学平衡方程从测量的CO，CO₂和O₂浓度计算当量比，目前最流行的方式是使用安装在排气流中的氧气传感器来测量氧气浓度，氧气传感器主要包括加热废气氧(HEGO)传感器和商用通用废气氧(UEGO)传感器；但HEGO传感器无法给出当量比的确切值，UEGO传感器虽然能提供准确的当量比值，但价格昂贵，且大多局限于实验室应用。感兴趣燃烧产物的浓度还可以采用激光诱导击穿光谱(LIB)，激光诱导荧光(LIF)和红外吸收光谱技术等先进的光谱诊断技术获得。但光学诊断技术测量过程中需要开设光学窗口，在实际应用中受到限制。此外，研究人员提出了多种基于压力、化学发光等燃烧参数来预测当量比的方法，并结合神经网络(ANN)及支持向量机(SVM)等人工智能算法进行特征提取和当量比估计。火花塞等多种形式的离子传感器也被成功用于多种发动机燃烧室中的燃气当量比预测。研究表明，离子电流信号的特征值(如最大值、积分值等)与燃气当量比之间存在直接的关系，离子电流传感器结构简单、安装方便、灵敏度高、环境适应性强，可以放置在燃烧器中的任意感兴趣区域，在变流量燃烧系统的燃气当量比测定中具有很好的应用前景。

离子电流传感器的测量原理是：燃烧过程中会由于化学电离而产生离子和电子等带电粒子，这些带电粒子的存在使得燃烧介质具有电特性。由于带电粒子的存在，燃烧介质呈现电中性弱等离子体特性，当加入外加电场后，带电粒子在电场力作用下定向移动形成电流，称为离子电流。离子电流能够反映燃烧过程中特征参数的变化情况，通过测量离子电流信号的大小及变化情况可以获得燃烧场中离子浓度的变化情况，进而间接获得燃烧运行状况。

然而，以往的离子电流传感器均采用直流或者单频交流激励测量，单次测量得到是离子电流信号随时间的变化曲线，包含的特征信息有限；采用多频激励方式对脉动燃烧中的离子浓度变化进行测量时，传感器两级间的离子电流响应特性随着激励频率的变化而变化，可以得到离子电流信号随激励频率变化的响应曲线，即离散离子电流谱信息。对于给定的外部电场，离子电流幅值谱的特征取决于燃烧状况，而燃烧状况与燃气当量比密切相关。因此，当量比可以视为离子电流幅值谱的函数，该函数本质上是非线性的，可以使用非线性预测模型来逼近它。前期文献中建立了当量比与离散离子电流幅值谱的非线性预测模型，但在获取离散离子电流幅值谱的过程中采用了基于傅里叶变换的频谱分析方法，该方法属于时均处理方法，无法获取不同时刻下的实时幅值，进而无法实现对当量比的实时预测。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有通过安装在燃烧系统入口上的流量计测量入口燃料和空气流量，进而计算燃气当量比的方法，对于入口流量随时间变化的燃烧系统而言，通过测定入口流量来确定当量比的方法将受到限制。

(2)现有使用安装在排气流中的氧气传感器来测量氧气浓度的方法中，HEGO传感器无法给出当量比的确切值；UEGO传感器虽然能提供准确的当量比值，但价格昂贵，且大多局限于实验室应用。

(3)光学诊断技术测量过程中需要开设光学窗口，在实际应用中受到限制。

(4)以往的离子电流传感器大多采用直流或者单频交流激励测量，单次测量得到是离子电流信号随时间的变化曲线，包含的特征信息有限。

(5)以往的多频激励离子电流传感器采用具有时均特性的傅里叶变换获取离散幅值信息，无法实现对不同时刻下当量比的实时预测。

解决以上问题及缺陷的难度为：本发明突破传统方法，创新性地提出多频激励离子传感器及多频激励信号的在线解调，其中多频激励信号的优化及不同时刻下离散幅值谱的获取是难点。

解决以上问题及缺陷的意义为：本发明所采用的传感器及预测方法安装方便、环境适应性强、实时性好、成本低，为变流量系统中当量比的实时预测提供了技术支撑。

发明内容

针对现有技术存在的问题，本发明提供了一种燃气当量比预测方法、系统及处理终端，尤其涉及一种基于多频激励离子信号幅值谱的燃气当量比预测方法、系统及处理终端。

本发明是这样实现的，一种燃气当量比预测方法，所述燃气当量比预测方法，包括：利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流时变信号；对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱；利用主成分分析对不同时刻下离散幅值谱进行特征降维及去噪，得到不同时刻下的降维特征矩阵；将不同时刻下的降维特征矩阵输入到文献中所建立的离子电流幅值谱-燃气当量比非线性预测模型中，最终实现对不同时刻下燃气当量比的实时预测。

进一步，所述燃气当量比预测方法包括以下步骤：

步骤一，控制多频激励信号源，使产生一个具有平坦功率谱及较优峰值因数CF的多频叠加交流激励信号y(t)，将其施加在离子电流传感器两极间；(积极作用：保证多频离子信号的产生)

步骤二，利用交流电桥及测量电路将多频激励下的离子电流时变信号转换为电压时变信号，并输入到数据采集系统进行采集；(积极作用：保证多频离子信号的正常采集)

步骤三，对所采集的离子电压信号进行非整周期在线解调，获得不同时刻下的离散离子电流幅值谱S_A ^t；利用PCA对不同时刻下的离散离子电流幅值谱特征S_A ^t进行特征降维及去噪，得到不同时刻下的降维特征矩阵X_t；(积极作用：保证预测方法的实时性)

步骤四，将降维后的特征矩阵X_t输入到前期所建立的离子电流幅值谱-燃气当量比非线性预测模型中进行燃气当量比Ф的预测，从而最终实现对不同时刻下当量比的实时预测。(积极作用：保证预测的准确性)

步骤一，控制多频激励信号源，使产生一个具有平坦功率谱及较优峰值因数(CF)的多频叠加交流激励信号y(t)，将其施加在离子电流传感器两极间；

步骤二，利用交流电桥及测量电路将多频激励下的离子电流信号转换为电压信号，并输入到数据采集系统进行采集；对所采集的离子电压信号进行频谱分析，获得不同激励频率f_i下的离散离子电流幅值谱S_A；

步骤三，获取不同当量比目标值下的离散离子电流幅值谱，组成特征样本矩阵S_A ^Ф；利用PCA对离散离子电流幅值谱特征矩阵S_A ^Ф进行特征降维及去噪，得到降维后的特征矩阵X，用于后续非线性预测模型的训练；

步骤四，将降维后的特征矩阵X输入到SVM模型中进行燃气当量比Ф的预测，选取一部分样本数据进行模型训练，训练好模型后，对剩余样本进行主成分分析，并将得到的主成分数据作为测试集测试所得预测模型的性能，从而最终获得当量比-离散离子幅值谱间的非线性预测模型。

进一步，步骤一中，所述y(t)表示为几个正弦波分量的总和，每个正弦波分量都有各自的幅度、频率及相位，记A_i，ω_i和

分别为第i个谐波分量的幅度，角频率和初始相位，M是多频激励信号中谐波分量的数量，则有：

为了优化多频激励信号的峰值因数，使用下式对

进行优化：

进一步，步骤一中，所述多频叠加交流激励信号施加在离子电流传感器电极间，使得两级间的产生特定的离子电流-频率响应曲线。

进一步，步骤二中，时刻点数为N时，所述S_A和S_A ^t分别表示为：所述S_A表示为：

S_A＝{A(f_i)|i＝1,2,...,M},S_A ^t＝{S_A(t_k),|k＝1,2,...,N}。

本发明的另一目的在于提供一种应用所述的燃气当量比预测方法的燃气当量比预测系统，所述燃气当量比预测系统包括：多频激励信号源、测量探针、基于交流电桥的测量电路、在线解调电路及数据采集系统。其中，多频激励信号源用于产生多频激励信号，测量探针作为传感器的电极，测量电路将离子电流信号转化为电压信号便于采集，在线解调电路用于多频离子电压信号的实时解调，数据采集系统用于解调后幅值数据的采集与保存。

进一步，所述燃气当量比预测系统，还包括：

利用多频激励信号源产生一个具有平坦功率谱及较优峰值因数的交流分量叠加激励信号，并将所述信号施加在离子电流传感器测量探针的两极间；

利用交流电桥及测量电路将多频激励下的离子电流信号转换为电压信号，并输入到数据采集系统进行采集；对采集的多频激励离子电压时变信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；

利用PCA对不同时刻的离散离子电流幅值谱特征进行降维及去噪，降维后的特征数据最终输入到前期文献建立的非线性预测模型中进行燃气当量比的实时预测。

本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流信号；

对得到的多频激励离子信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；

利用主成分分析PCA来减小不同时刻离子电流幅值谱的数据维数和噪声；

降维后的特征数据最终输入到前期文献所建立的支持向量机SVM模型中实现对燃气当量比的实时预测。

本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流信号；

对得到的多频激励离子信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；

利用主成分分析PCA来减小不同时刻离子电流幅值谱的数据维数和噪声；

降维后的特征数据最终输入到前期文献所建立的支持向量机SVM模型中实现对燃气当量比的实时预测。

本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的燃气当量比预测系统。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的燃气当量比预测方法，可应用于各类入口流量变化的燃烧器中燃气当量比的预测。本发明首先利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流时变信号；其次对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱；利用主成分分析对不同时刻下离散幅值谱进行特征降维及去噪，得到不同时刻下的降维特征矩阵；将不同时刻下的降维特征矩阵输入到文献中所建立的离子电流幅值谱-燃气当量比非线性预测模型中，最终实现对不同时刻下燃气当量比的实时预测。

同时，本发明利用多频激励信号激励离子电流传感器，与传统的直流或者单频交流激励方式相比，多频激励方式单次测量得到的幅值谱特征信息丰富，同时，结合非整周期在线解调及非线性预测模型，有利于准确刻画工况参数的实时变化，并减少了实验次数，在变流量燃烧系统燃气当量比的测定中具有重要的使用价值和广阔的应用前景。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的燃气当量比预测方法流程图。

图2是本发明实施例提供的测量系统图。

图3是本发明实施例提供的施加在离子电流两极间的多频激励信号示意图。

图4是本发明实施例提供的测量得到的时域离子信号示意图。

图5是本发明实施例提供的不同时刻对应的离散幅值谱曲线示意图。

图6是本发明实施例提供的燃气当量比实时预测结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种燃气当量比预测方法、系统及处理终端，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的燃气当量比预测方法包括以下步骤：

S101：控制多频激励信号源，使产生一个具有平坦功率谱及较优峰值因数CF的多频叠加交流激励信号y(t)，将其施加在离子电流传感器两极间；

S102：利用交流电桥及测量电路将多频激励下的离子电流时变信号转换为电压时变信号，并输入到数据采集系统进行采集；

S103：对所采集的离子电压信号进行非整周期在线解调，获得不同时刻下的离散离子电流幅值谱S_A ^t；利用PCA对不同时刻下的离散离子电流幅值谱特征S_A ^t进行特征降维及去噪，得到不同时刻下的降维特征矩阵X_t；

S104：将降维后的特征矩阵X_t输入到前期所建立的离子电流幅值谱-燃气当量比非线性预测模型中进行燃气当量比Ф的预测，从而最终实现对不同时刻下当量比的实时预测。

下面结合实施例对本发明的技术方案作进一步描述。

实施例1

本发明提出一种基于多频激励离子信号幅值谱的当量比预测方法，利用多频激励离子电流传感器测量得到不同燃气供应压力下的多频激励离子电流信号；对得到的多频激励离子信号进行在线解调，获得不同时刻、不同激励频率下的离散离子电流幅值谱；此后，利用PCA对不同时刻下的离子电流幅值谱进行特征降维及去噪；降维后的特征数据最终输入到非线性预测模型中进行燃气当量比的实时预测。

本发明提出的基于多频激励离子信号幅值谱的当量比预测方法中，所用元件包括：多频激励信号源、测量探针、基于交流电桥的测量电路、多频信号解调电路及数据采集模块。其中，多频激励信号源用于产生多频激励信号，测量探针作为传感器的电极，测量电路将离子电流信号转化为电压信号便于采集，在线解调电路用于多频离子电压信号的实时解调，数据采集系统用于解调后幅值数据的采集与保存。

本发明利用多频激励信号源产生一个具有平坦功率谱及较优峰值因数的交流分量叠加激励信号，并将其施加在离子电流传感器测量探针的两极间。利用交流电桥测量电路测量得到多频激励下离子电流所对应的电压信号，并对得到的多频激励离子电压信号进行在线解调，获得不同时刻、不同激励频率下的离散离子电流幅值谱；利用PCA对离散离子电流幅值谱所组成的特征矩阵进行降维及去噪；降维后的特征数据最终输入到非线性预测模型中进行燃气当量比的实时预测。

本发明利用多频激励信号激励离子电流传感器，与传统的直流或者单频交流激励方式相比，多频激励方式单次测量得到的幅值谱特征信息丰富，结合非整周期在线解调及非线性预测模型，有利于准确刻画工况参数的实时变化，有利于准确刻画工况参数的变化，并减少了实验次数。在变流量燃烧系统的燃气当量比测定中具有很好的应用前景。

实施例2

在图2中，利用多频激励信号源产生一个具有平坦功率谱及较优峰值因数的多频叠加交流激励信号，并将其施加在离子电流传感器测量探针的电极间。利用交流电桥及测量电路将多频激励下的离子电流信号转换为电压信号，并输入到数据采集系统进行采集；对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱。

步骤一：控制多频激励信号源，使产生一个具有平坦功率谱及较优峰值因数(CF)的多频叠加交流激励信号y(t)(如图3所示)，将其施加在离子电流传感器两极间。y(t)可以表示为几个正弦波分量的总和，每个正弦波分量都有各自的幅度、频率及相位，记A_i，ω_i和

分别为第i个谐波分量的幅度，角频率和初始相位，M是多频激励信号中谐波分量的数量，则有：

为了优化多频激励信号的峰值因数，使用下式对

进行优化：

步骤二：利用交流电桥及测量电路将多频激励下的离子电流信号转换为电压信号，并输入到数据采集系统进行采集；对所采集的离子电压信号(如图4所示)进行实时在线解调，获得不同时刻下、不同激励频率f_i下的离散离子电流幅值谱S_A ^t(如图5所示)，S_A和S_A ^t可记为：

S_A＝{A(f_i)|i＝1,2,...,M} (3)

S_A ^t＝{S_A(t_k)|k＝1,2,...,N} (4)

步骤三：利用PCA对离散离子电流幅值谱特征矩阵S_A ^t进行特征降维及去噪，得到降维后的特征矩阵X_t。

步骤四：将降维后的特征数据X_t输入到前期建立的当量比-离散幅值谱非线性预测模型中进行燃气当量比Ф的实时预测。

本发明实施例提供的燃气当量比实时预测结果如图6所示。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种燃气当量比预测方法，其特征在于，所述燃气当量比预测方法利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流时变信号；对多频激励时变信号进行非整周期在线解调，获得不同时刻下、不同激励频率对应的离子信号振幅，进而得到不同时刻对应的离散离子电流幅值谱；利用主成分分析对不同时刻下离散幅值谱进行特征降维及去噪，得到不同时刻下的降维特征矩阵；将不同时刻下的降维特征矩阵输入到所建立的离子电流幅值谱-燃气当量比非线性预测模型中，最终实现对不同时刻下燃气当量比的实时预测。

2.如权利要求1所述的燃气当量比预测方法，其特征在于，所述燃气当量比预测方法包括以下步骤：

步骤一，控制多频激励信号源，使产生一个具有平坦功率谱及较优峰值因数CF的多频叠加交流激励信号y(t)，将其施加在离子电流传感器两极间；

步骤二，利用交流电桥及测量电路将多频激励下的离子电流时变信号转换为电压时变信号，并输入到数据采集系统进行采集；

步骤三，对所采集的离子电压信号进行非整周期在线解调，获得不同时刻下的离散离子电流幅值谱S_A ^t；利用PCA对不同时刻下的离散离子电流幅值谱S_A ^t进行特征降维及去噪，得到不同时刻下的降维特征矩阵X_t；时刻点数为N时，所述S_A和S_A ^t分别表示为：

S_A＝{A(f_i)|i＝1,2,...,M}，S_A ^t＝{S_A(t_k)|k＝1，2，...，N}；

步骤四，将降维后的特征矩阵X_t输入到前期所建立的离子电流幅值谱-燃气当量比非线性预测模型中进行燃气当量比Ф的预测，从而最终实现对不同时刻下当量比的实时预测。

3.如权利要求2所述的燃气当量比预测方法，其特征在于，步骤一中，所述y(t)表示为几个正弦波分量的总和，每个正弦波分量都有各自的幅度、频率及相位，记A_i，ω_i和

分别为第i个谐波分量的幅度，角频率和初始相位，M是多频激励信号中谐波分量的数量，则有：

为了优化多频激励信号的峰值因数，使用下式对

进行优化：

4.如权利要求2所述的燃气当量比预测方法，其特征在于，步骤一中，所述多频叠加交流激励信号施加在离子电流传感器电极间，使得两级间的产生特定的离子电流-频率响应曲线。

5.一种实施权利要求1～4任意一项所述的燃气当量比预测方法的燃气当量比预测系统，其特征在于，所述燃气当量比预测系统包括：多频激励信号源、测量探针、基于交流电桥的测量电路、在线解调模块及数据采集系统；其中，多频激励信号源用于产生多频激励信号，测量探针作为传感器的电极，测量电路将离子电流信号转化为电压信号便于采集，在线解调电路用于多频离子电压信号的实时解调，数据采集系统用于解调后幅值数据的采集与保存。

6.如权利要求5所述的燃气当量比预测系统，其特征在于，所述燃气当量比预测系统，还包括：利用多频激励信号源产生一个具有平坦功率谱及较优峰值因数的交流分量叠加激励信号，并将所述信号施加在离子电流传感器测量探针的两极间；

利用交流电桥及测量电路将多频激励下的离子电流信号转换为电压信号，并输入到数据采集系统进行采集；对采集的多频激励离子电压时变信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；时刻点数为N时，S_A和S_A ^t分别表示为：

S_A＝{A(f_i)|i＝1,2,...,M}，S_A ^t＝{S_A(t_k)|k＝1，2，...，N}；

其中，S_A ^t为不同时刻下的离散离子电流幅值谱，利用PCA对不同时刻的离散离子电流幅值谱特征进行降维及去噪，降维后的特征数据最终输入到建立的非线性预测模型中进行燃气当量比的实时预测。

7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流信号；

对得到的多频激励离子信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；时刻点数为N时，S_A和S_A ^t分别表示为：

S_A＝{A(f_i)|i＝1,2,...,M}，S_A ^t＝{S_A(t_k)|k＝1，2，...，N}；

其中，S_A ^t为不同时刻下的离散离子电流幅值谱，利用主成分分析PCA来减小不同时刻离子电流幅值谱的数据维数和噪声；

降维后的特征数据最终输入到支持向量机SVM模型中实现对燃气当量比的实时预测。

8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

利用多频激励离子电流传感器测量得到被测燃烧器不同入口流量下的多频激励离子电流信号；

对得到的多频激励离子信号进行在线非整周期解调，获得不同时刻下的离散离子电流幅值谱；时刻点数为N时，S_A和S_A ^t分别表示为：

S_A＝{A(f_i)|i＝1,2,...,M}，S_A ^t＝{S_A(t_k)|k＝1，2，...，N}；

其中，S_A ^t为不同时刻下的离散离子电流幅值谱，利用主成分分析PCA来减小不同时刻离子电流幅值谱的数据维数和噪声；

降维后的特征数据最终输入到所建立的支持向量机SVM模型中实现对燃气当量比的实时预测。

9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求5～6任意一项所述的燃气当量比实时预测系统。

Images