武钰晖， 杨岚斐， 赵 丽， 周新志

(1. 四川大学电子信息学院， 成都 610065； 2. 成都万江港利科技股份有限公司， 成都 610043)

1 引 言

在锅炉运行中，炉膛温度分布直接影响煤粉的燃烧效率以及锅炉燃烧安全，是反映燃烧过程及排放物演变的重要参数[1-2]. 通过了解炉膛温度场，能适时调整燃料的混合比例，使设备处于最佳运行状态；有利于提高燃烧效率，减少污染；有助于检测可能引起爆炸等安全事故的热点，避免燃烧的潜在隐患. 由于锅炉燃烧过程中具有环境恶劣、瞬态变化等特征，传统的接触式测温难以获得准确的炉内温度场[3]. 声学层析成像(Acoustic Tomography, AT)测温技术作为一种非侵入式测温，具有时延小，测量范围大，环境适应能力强等优点[4-6]，能够实现锅炉温度场的实时监控，保证燃烧优化运行.

AT温度场重建技术通过测量超声波在待测区域中多条路径上的飞行时间，结合重建算法反演出待测区域的温度分布情况. 常见的重建算法有最小二乘法(Least Square Method, LSM)，代数重建法(Algebraic Reconstruction Technique, ART)，基于RBF神经网络的方法以及截断奇异值分解法(Truncated Singular Value Decomposition Method, TSVD)等. LSM方法[6-10]是目前广泛用于声学温度场测量的一种典型重建算法，计算过程较为简便，稳定性强，能保证较高重建精度，但是最小二乘法重建出的温度信息数据有限，且重建结果具有边缘缺失效应. ART[1,3,11]的优势在于原理复杂性相对较低，但结果易受噪声干扰. 基于RBF神经网络的方法[12-13]具有任意精度的最优泛函逼近能力，但是需要大量可靠的训练样本来计算合适的参……