1. 引言
天然气因其高热低污的特性大大地推动了燃气锅炉普及，但燃烧失稳易引发未燃气体富集爆炸风险，尤其是在高原地区，低压低氧环境显著影响了燃烧过程[1]，这对燃烧状态实时监测与稳定性诊断技术提出更高挑战[2]。研究表明，低压条件下，氧气浓度降低会引发燃烧不完全，增加烟气中CO浓度，对高原地区燃气锅炉的燃烧效率和烟气传热性能造成负面影响[3]。有学者针对青海省燃气热水锅炉的能效进行了分析，发现这些锅炉相较于平原热效率更低，无法全负荷运行[4]。现有燃烧诊断技术依赖标准大气参数，其火焰识别模型及热力学计算，在低压环境中适应性不足，难以准确捕捉燃烧状态异变[5]。因此开发适应高原环境的智能监测方法，是突破天然气高效清洁利用瓶颈、保障能源安全的关键需求。
传统燃气锅炉普遍采用接触式传感器来监测火焰稳定性[6]，但其易损性、延迟及低灵敏度问题促使非接触式[7]数字图像处理技术快速发展，通过燃烧模态预识别实现高效监测与控制。在图像识别领域，研究者们已发展出各种算法以辨识火焰的特征和状态，卷积神经网络[8] (CNN)基于局部连接架构与参数共享机制优化图像特征提取，能够识别并聚焦火焰图像中的局部细节信息；在自然语言处理(NLP)方面，Transformer模型[9]已实现显著的研究突破，Vision Transformer (ViT)将Transformer架构引入图像分类领域，其模型性能依赖大规模训练数据与高算力支撑，被用于从灰度火焰图像中提取全局特征信息，该模型优化了运行速度[10]；卷积视觉变换器(CvT)结合了CNN流以捕获彩色图像内各颜色通道的精细局部信息，有助于提升模型与全局信息的互动性；并且CvT模型能够自适应地学习火焰图像中的关键特征，减少人工设计特征的工作量[11]，模型通过训练自动调整参数，适应不同场景和条件下的火焰图像分类需求。本文融合CNN的局部特征提取优势和Transformer对全局信息加权的能力[12]，创建一种基于CvT-13架构的融合CNN-Transformer混合模型用于高原火焰识别研究。
本文针对高原低压环境下燃气锅炉燃烧状态识别难题，通过实验的方法，采集大量高原环境下燃气锅炉燃烧火焰图像，对采集火焰图像进行预处理，并提取火焰动静态特征，建立典型工况下火焰图像数据库，在此基础上，通过构建基于CvT-13架构的CNN-Transformer混合模型对燃烧过程火焰状态进行识别。本文探讨了一种提高复杂条件下火焰图像燃烧状态分类精度和效率的识别方法，为高原特殊环境下的燃烧过程智能化监控提供参考。
2. 实验系统及方法
2.1. 实验装置
本文的实验系统是青海省西宁市(海拔2212米，大气压实测为76.6 kPa)的一台1.4 MW燃气锅炉，实验系统示意图如图1。实验系统主要包括燃气燃烧系统和图像采集系统两部分，燃烧系统采用低氮扩散式燃烧器、卧式燃气锅炉，空气和燃料在燃烧器前端管道混合之后被喷射进入炉膛进行燃烧过程。图像采集系统由CCD相机、计算机及搭载的图像分析、识别算法等组成，相机沿燃烧器轴线方向布置，采集到的火焰图像传输至计算机进行处理。本研究采用Matlab程序对采集图像进行预处理及提取特征值，采用了适用于燃气燃烧湍流火焰的中值滤波法[13]及多阈值分割法[14]进行图像预处理。同时，提取火焰总面积、平均灰度、连通度、矩满度、光流速度大小均值和面积比这6种动静态图像特征参数。利用这些图像特征参数在CvT图像分类模型中对高原燃气锅炉炉膛燃烧图像进行分类训练及测试。
Figure 1. Schematic diagram of the 1.4 MW gas-fired boiler test platform in plateau environment
图1. 高原1.4 MW燃气锅炉实验台示意图
2.2. CvT模型及参数设置
本文采用CvT-13架构模型进行炉膛火焰图像燃烧状态分类。CvT-13架构模型主要由三个阶段(Stage 1~Stage 3)和一个MLP Head组成，其核心设计思想是通过层级式卷积特征嵌入与局部–全局注意力协同机制实现火焰图像的多尺度特征提取，结构如图2所示。每个Stage包含卷积图像嵌入模块(Conv. Embedding Layer)和卷积变换器模块(Convolutional Transformer Block)，其中后者由卷积投影(Conv.Proj)、多头自注意力(MHSA)和多层感知机(MLP)构成。
1) 卷积特征嵌入的渐进式学习
每个Stage的卷积嵌入模块通过重叠卷积核(Overlap Convolution)实现图像的空间下采样与通道扩展。以Stage 1为例，输入图像(224 × 224 × 3)经7 × 7卷积核(步长S = 4，填充P = 3)处理后，输出特征图尺寸为56 × 56 × 64。该过程通过式(1)实现局部纹理特征提取：
(1)
其中
为输入张量，
为嵌入后的特征图。相较于传统ViT的块嵌入(Patch Embedding)，卷积操作通过参数共享保留火焰边缘的连续性特征，避免硬切割导致的燃烧振荡信息丢失。
2) 卷积–注意力融合机制
在卷积变换器模块中，Conv.Proj层采用3 × 3深度可分离卷积(Depthwise Separable Conv)，对输入特征进行通道间独立滤波，计算式如(2)：
(2)
其中
为Query、Key、Value矩阵，
为分组卷积的组数，该设计使MHSA的注意力计算聚焦于火焰局部区域内的响应关联性，有效抑制高原低气压环境下的通道间干扰噪声。
3) 多阶段特征抽象增强
各Stage通过动态调整注意力头数(H)与嵌入维度(D)实现特征表达的渐进优化：
Stage1 (H=1, D = 64)：侧重燃烧核心区的辐射强度分布，MHSA计算窗口覆盖56 × 56像素区域，捕获火焰根部脉动频率特征；
Stage2 (H = 2, D = 192)：通过2个注意力头学习火焰发光区域的时序特征；
Stage3 (H = 4, D = 384)：采用4头注意力机制建立火焰整体形态，例如高度/摆动幅度与燃烧稳定性的全局映射关系。
最终，Stage3输出的14 × 14 × 384特征图经全局平均池化(GAP)压缩为384维向量，通过MLP Head中的线性层(含Dropout = 0.3)映射至燃烧状态类别概率空间，完成不稳定燃烧、稳定燃烧的分类任务。
Figure 2. Structure of the CvT-13 model architecture [15]
图2. CvT-13模型结构[15]
本文的实验环境包括硬件训练平台：16G 12th Gen Intel(R) Core(TM) i7-12700F。软件平台包括：操作系统Windows 11专业版23H2，使用Anaconda3管理Python环境，并采用PyTorch 1.8.0作为深度学习框架实现CvT-13网络模型的训练。训练参数设置如下，初始学习率为0.001，在第20个epoch减少学习率，学习率衰减比率为0.1，使用AdamW作为优化器，批次大小为32个样本，训练总周期数为30，权重衰减设置为5e−4。
经过图像预处理操作后火焰图像数据集总共有7190张图像，其中背景类有300张、点火不稳定类有995张、稳定类有5745张、熄火不稳定类有150张，将预先标定好的已知类别火焰图像打散，按照4:1的比例将所有图像数据分为训练集和测试集之后进行训练和测试，具体的数据集划分如表1所示。
Table 1. Training and testing datasets of gas flame images
表1. 燃气火焰图像训练及测试数据集
数据集 |
燃烧状态 |
图像数 |
数据集图像总数 |
训练集 |
背景 |
240 |
5752 |
点火不稳定 |
796 |
稳定 |
4596 |
熄火不稳定 |
120 |
测试集 |
背景 |
60 |
1438 |
点火不稳定 |
199 |
稳定 |
1149 |
熄火不稳定 |
30 |
3. 燃气结果分析与讨论
3.1. 高原环境下燃气火焰图像特征分析
本文选取了高原地区典型燃烧工况85%负荷下燃气燃烧情况进行分析。如图3所示，展示了85%负荷下燃气火焰点火–稳燃–熄火的连续变化过程。点火初期，火焰集中于燃烧器喷口附近，呈点状排列，颜色为淡蓝色，亮度较低，形态清晰可见。进入不稳定燃烧阶段，火焰前端(观火孔侧)逐渐扩展至炉内大部分区域，颜色转为橘红色，表明末端空气不足导致不完全燃烧，此时橘黄色火焰遮挡画面，但喷口附近仍维持蓝色火焰，反映该区域空气供给充足。稳定燃烧阶段，残留燃气消耗完毕，火焰以蓝色为主，形态与亮度趋于均匀，燃烧状态平稳。熄火过程因锅炉保护机制触发燃烧器停机，火焰迅速熄灭(仅持续1~3帧，0.1~0.3 s)。该过程揭示了实际燃烧中空气分布不均对火焰稳定性的影响，以及点火阶段动态不稳定性与稳定阶段的差异特征。
Figure 3. Ignition-Stable combustion-flameout process images at 85% load
图3. 85%负荷点火–稳燃–熄火过程图像
对上述工况下燃烧火焰采集大量火焰图像，并提取其主要特征值进行分析，结果如图4所示。
Figure 4. Trends of image feature parameters during ignition-stable combustion-flameout process at 85% load
图4. 85%负荷点火–稳燃–熄火过程图像特征参数变化规律
85%负荷下燃气锅炉火焰图像特征参数随时间变化趋势显示，在点火阶段的不稳定燃烧过程中，火焰总面积、平均灰度和速度大小均值均在短时间内出现大幅度的数值波动，呈现先升高后降低的变化过程，这与观察到的炉膛火焰在点火阶段的不稳定燃烧图像变化情况一致。连通度在0.75附近波动，矩满度则在0.1附近波动，面积比则在0.6~0.9波动，这种现象的原因在于拍摄时燃烧器喷口在初始点火阶段最先出现点状火焰，火焰分散程度高，局部燃烧不均匀，每一个喷口都存在火焰，这对面积比、连通度矩满度产生了一定影响，反映了实际炉膛火焰监测过程中的复杂性和难度。
稳定燃烧阶段，火焰总面积、平均灰度和光流速度大小均值随着负荷趋于稳定而逐渐变得平稳，但仍有一定幅度波动，这主要是由炉膛燃烧时的工况波动引起的，表明这些参数对稳定燃烧过程中运行情况具备有效监测能力。而在不稳定阶段这些特征均出现了对于稳定燃烧阶段明显的差异性和大幅度的波动，这很好地区分了火焰稳定燃烧和不稳定燃烧状态，说明本文提取的图像特征参数能够很好地反应高原燃气锅炉炉膛火焰状态。
3.2. 基于CvT-13模型的火焰图像多层次特征提取与可视化分析
本文进一步基于CvT-13模型通过采用卷积图像嵌入模块和卷积变换器模型可以学习到燃气锅炉炉膛火焰图像的火焰轮廓、亮度模式和纹理信息等关键特征，这些特征构成了火焰状态的视觉指标。结果如图5所示，从图中可以看出，通过可视化Stage1的特征层输出尺寸为56 × 56 × 64特征图像，可以洞察模型是如何捕捉到火焰图像的基础层面信息的：特征层图像捕捉火焰轮廓的扩散范围直接对应图像特征参数中火焰总面积的动态变化；不同通道对颜色敏感的卷积核，例如偏向红色或蓝色的激活区域，能够区分灰度差异，可以与图像特征参数中的平均灰度作联合分析；离散火焰区域的边界分割(如图中分散的亮斑)直接反映连通度和面积比的计算逻辑。不同通道的特征映射层展示了CvT-13模型在早期阶段提取的低层次特征，这为后续层做出更精细的燃烧分析提供了基础。
Figure 5. Raw flame images and visualized Stage 1 output feature layers under different combustion states
图5. 不同燃烧状态下的火焰原始图像和可视化Stage 1输出特征层图像
还可以看到，CvT-13模型深层部分的卷积变换器模块能够识别和表达更为复杂的火焰特性，诸如火焰结构、稳定性以及火焰锋面形态等深层特征：模型通过深层纹理特征解释灰度的局部不均匀性；通过结构特征解释连通度波动；全局注意力机制整合火焰锋面移动与结构稳定性，间接支持了光流速度分析。这些高级特征的提取表明CvT-13模型结合传统的CNN方法具有更强大的性能，它不仅捕获了局部特征，而且可以实现关联分析，将图像特征参数的实验数据与模型特征形成闭环验证，两者共同验证燃烧状态的动态演变，加强了模型在捕捉火焰复杂行为方面的能力。
3.3. CvT-13模型在火焰状态识别中的高精度分类
经过训练，在测试集上验证了CvT-13模型的识别效果，结果如表2和图6所示。CvT-13模型的召回率在所有类别上都超过了98%，特别是对于稳定和熄火不稳定状态，召回率达到了99.74%和99.67%，这意味着模型能够非常有效地识别出大部分正类样本，有非常小的遗漏率。精确度也非常高，特别是对于背景状态，精确度达到了完美的100%。然而其他模型的精确度略低，在98.99%至99.67%之间。这样的精确度表明很少有被错误分类到这些类别的样本。F1分数结合了精确度和召回率，提供了一个关于模型精度和健壮性的单一度量。CvT-13模型在所有类别的F1分数都非常接近1，这表明了召回率和精确度之间非常好的平衡。最后，CvT-13模型平均准确率为99.51%，这是一个出色的成绩，表示CvT-13模型能够非常准确地为绝大多数样本分类。
Figure 6. Figure 6 confusion matrix results of the CvT-13 model on the test set
图6. CvT-13模型测试集混淆矩阵结果
基于CvT-13模型的炉膛火焰图像燃烧状态识别效果较好。模型在所有类别(即“背景”、“点火不稳定”、“稳定”和“熄火不稳定”)上都达到了比较高的性能，准确率为99.51%。这表明CvT-13模型能够非常可靠和稳定地识别火焰状态，这对CvT-13模型的在高原低气压条件下的燃气锅炉火焰稳定性检测与识别具有重要意义，对CvT-13模型在实际工业应用十分关键。
3.4. 不同模块对CvT-13模型贡献的消融实验验证
上述识别结果表明，CvT-13模型在高原火焰状态识别任务中展现出显著的分类性能优势。为深入解析模型架构中各组件的协同作用机制，本研究进一步通过消融实验对卷积特征提取、全局注意力及特征融合模块进行系统性验证。
Table 2. Flame state recognition results of the CvT-13 model
表2. CvT-13模型火焰状态识别结果
类别 |
召回率 |
精确度 |
F1分数 |
准确率 |
背景 |
98.33% |
100.00% |
0.9916 |
99.51 % |
点火不稳定 |
98.99% |
98.99% |
0.9899 |
稳定 |
99.74% |
99.65% |
0.9969 |
熄火不稳定 |
99.67% |
99.67% |
0.9667 |
通过构建消融实验验证模型架构合理性，实验结果见表3，当移除卷积特征提取模块时，测试准确率下降12.7%，证明局部特征捕获对低压燃烧诊断的重要性；而禁用Transformer的全局注意力机制导致不稳定状态召回率降低9.2%，表明时序建模能力对燃烧动态过程识别起关键作用。
Table 3. Comparison of ablation study results
表3. 消融实验结果对比
模型变体 |
召回率 |
精确度 |
F1分数 |
CvT-13完整模型 |
99.67 |
99.51 |
0.9967 |
移除卷积模块 |
88.23↓ |
86.81↓ |
0.8642↓ |
禁用Transformer注意力 |
90.47↓ |
93.45↓ |
0.9241↓ |
无特征融合机制 |
92.15↓ |
95.12↓ |
0.9356↓ |
4. 结果与展望
本研究基于CvT-13架构的CNN-Transformer混合模型，利用图像特征参数和CvT图像分类模型对高原炉膛燃气燃烧过程进行图像特征分析和火焰稳定性状态识别，得出以下结论：
1) 提取的火焰动静态特征参数在76.6kPa低压条件下呈现显著响应特性，不稳定阶段出现了对于稳定燃烧阶段明显的差异性和大幅度的波动，很好地描述点火阶段的火焰不稳定状态，说明这些图像特征参数在对高原燃气锅炉炉膛火焰稳定性监测方面具有良好的效果。
2) CvT-13模型成功融合CNN局部特征提取与Transformer全局建模优势，以图像特征参数为量化指标，模型可视化特征为解释性工具，两者共同验证燃烧状态的动态演变，实现高原低压环境下火焰状态的多维度表征。
3) 模型在测试集达到99.51%的平均准确率，实现了混合架构对高原低压燃烧状态的高精度识别，在高原1.4 MW燃气锅炉中验证了其较好的鲁棒性。
实验结果揭示模型在高原燃烧诊断中的独特优势：① 多尺度特征融合机制可同步捕捉火焰微结构变化与动态过程；② 注意力权重分布与燃烧不稳定性理论高度契合，验证了物理引导的机器学习有效性。但研究仍存在以下局限：当前数据集仅覆盖一种76.6 kPa固定气压条件，未来需构建包含连续海拔梯度(2000~5000 m)的扩展数据集；模型参数量(21.7 M)对边缘设备部署构成挑战，后续将通过神经架构搜索进行轻量化改进。
基金项目
本研究由国家重点研发计划资助(2021YFF0600601)。
NOTES
*通讯作者。