基于深度学习的污泥热解可燃气燃烧状况调控方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115907497A(43)申请公布日2023.04.04(21)申请号202211063710.XG06N3/045(2023.01)(22)申请日2022.08.31G06N3/048(2023.01)(71)申请人郑州市格沃环保开发有限公司地址450044河南省郑州市惠济区长虹路3号(72)发明人白禹启白浩李明峰张凯文炯董海涛周洋王秀珍王阳李志勇刘震华(74)专利代理机构郑州大通专利商标代理有限公司41111专利代理师蔡少华(51)Int.Cl.G06Q10/0639(2023.01)G06F18/214(2023.01)G06F18/24(2023.01)权利要求书1页说明书3页附图1页(54)发明名称基于深度学习的污泥热解可燃气燃烧状况调控方法(57)摘要本发明属于污泥热解气化技术领域，公开了一种基于深度学习的污泥热解可燃气燃烧状况调控方法，包括以下步骤：采集污泥热解可燃气的燃烧特征数据和燃烧效果数据；进行梯度分级和分类标注，形成含标注信息的数据集；以含标注信息的数据集为输入变量，建立全连接层神经网络模型；以交叉熵函数作为损失函数，采用自适应矩估计法对可燃气燃烧状况评估训练过程进行优化，采用稀疏分类精度评价可燃气燃烧状况评估训练效果；将训练好的全连接层神经网络模型及输出参数加载到热风炉燃烧控制程序中，通过实时读取热风炉的燃烧特征数据对燃烧状况进行判断和调控。本发明通过建立深度学习模型，实现污泥热解可燃气燃烧效果的自动化调控。CN115907497ACN115907497A权利要求书1/1页1.一种基于深度学习的污泥热解可燃气燃烧状况调控方法，其特征在于，包括以下步骤：采集污泥热解可燃气在热风炉的燃烧特征数据；依据燃烧特征数据判断燃烧状况的梯度分级，依据梯度分级再对燃烧特征数据进行分类标注，形成含标注信息的数据集，并划分训练集和测试集；以含标注信息的数据集为输入变量，建立全连接层神经网络模型进行可燃气燃烧状况评估训练；以交叉熵函数作为损失函数，采用自适应矩估计法对可燃气燃烧状况评估训练过程进行优化，采用稀疏分类精度评价可燃气燃烧状况评估训练效果，当损失函数小于0.1、稀疏分类精度大于0.95时，评估训练完成；将训练好的全连接层神经网络模型及输出参数加载到热风炉燃烧控制程序中，通过实时读取热风炉的燃烧特征数据对燃烧状况进行判断和调控。2.根据权利要求1所述的基于深度学习的污泥热解可燃气燃烧状况调控方法，其特征在于，所述梯度分级分为极好、较好、一般、差、较差和很差。3.根据权利要求1所述的基于深度学习的污泥热解可燃气燃烧状况调控方法，其特征在于，所述燃烧特征数据包括可燃气流量、助燃空气压力、助燃风机频率、热风炉炉膛温度、助燃空气流量和引风机频率。2CN115907497A说明书1/3页基于深度学习的污泥热解可燃气燃烧状况调控方法技术领域[0001]本发明属于污泥热解气化技术领域，涉及一种基于深度学习的污泥热解可燃气燃烧状况调控方法。背景技术[0002]污泥是污水处理过程中产生的固体沉淀物质，所含的污染物一般均有较高的热值，但由于大量水分的存在，使得这部分热值无法利用。污泥热解气化技术是一种在无臭、无污染的前提下使污泥大规模的减量化、稳定化、无害化、资源化成为现实的技术。热解气化技术的热效率高，在高温贫氧下，有机物被热解为一氧化碳、氢气、烃类等可燃气体。由于污泥热解反应过程复杂，产生的可燃气体组分难以有效控制，因此污泥热解可燃气燃烧过程控制难度大。[0003]为了实现污泥热解可燃气燃烧较好的控制效果，首先需要对燃烧状况进行有效的判断与评估。由于污泥热解可燃气的成分复杂性，目前没有适用的烟气检在线测装置，故需要通过污泥气化炉负荷、热风炉温度、引风机风量、助燃空气风量、出口氧含量等一系列指标的综合分析来判断燃烧状况的好坏，这需要经验非常丰富且技术水平较高的操作人员才能完成，增加了人力成本与自动化控制的难度。[0004]近年来随着人工智能技术的发展，深度学习技术日趋成熟，在数据分析、机器视觉、自然语言识别领域均有不俗的表现，其核心就是使机器自主学习人类已掌握的经验，基于此，如果可以使用深度学习的方法，将操作人员通过长时间生产过程中的经验赋予控制设备，使其能够代替人对污泥热解可燃气燃烧状况进行判断，将大大提高操作的自动化程度。发明内容[0005]本发明的目的在于提供一种基于深度学习的污泥热解可燃气燃烧状况调控方法，将人工判断污泥热解可燃气燃烧状况转变为自动判断，实现污泥热解可燃气燃烧效果的自动化调控。[0006]为实现上述目的，本发明采用以下技术方案：本发明提供一种基于深度学习的污泥热解可燃气燃烧状况调控方法，包括以下步骤：采集污泥热解可燃气在热风炉的燃烧特征数据；依据