船舶尾气处理系统及其方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116146309A(43)申请公布日2023.05.23(21)申请号202310438910.7G06N3/045(2023.01)(22)申请日2023.04.23(71)申请人浙江浙能迈领环境科技有限公司地址310000浙江省杭州市萧山区萧山经济技术开发区明星路371号3幢601室(72)发明人沈敏强姚盛翔汪成赵媛媛龚良丰王德智叶慷王汝能方丰(74)专利代理机构杭州汇和信专利代理有限公司33475专利代理师周竑(51)Int.Cl.F01N3/01(2006.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书3页说明书13页附图6页(54)发明名称船舶尾气处理系统及其方法(57)摘要本申请涉及废气处理领域，其具体地公开了一种船舶尾气处理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出船舶尾气的流速值的时序动态变化特征，以此基于实际的船舶尾气流速变化情况来实时精准地进行等离子放电设备电流值的自适应控制，从而提高电离放电的效率和效果，以对船舶尾气中有害成分进行有效降解。CN116146309ACN116146309A权利要求书1/3页1.一种船舶尾气处理方法，其特征在于，包括：通过供气管道来接收船舶尾气；以及对所述船舶尾气进行电离放电，以依靠所述电离放电生成的等离子体电离粒子实现对船舶尾气中有害成分的降解。2.根据权利要求1所述的船舶尾气处理方法，其特征在于，对所述船舶尾气进行电离放电，包括：获取预定时间段内多个预定时间点的船舶尾气的流速值；将所述多个预定时间点的船舶尾气的流速值按照时间维度排列为流速值时序输入向量；计算所述流速值时序输入向量中每相邻两个位置的流速值之间的差值以得到流速变化时序输入向量；将所述流速值时序输入向量和所述流速变化时序输入向量进行级联以得到流速值动‑静多维度输入向量；将所述流速值动‑静多维度输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双流模型以得到流速值动‑静特征向量；使用高斯密度图对所述流速值动‑静特征向量进行特征增强以得到解码特征矩阵；对所述解码特征矩阵进行特征分布优化以得到优化解码特征矩阵；以及将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的等离子放电设备的电流值。3.根据权利要求2所述的船舶尾气处理方法，其特征在于，将所述流速值动‑静多维度输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双流模型以得到流速值动‑静特征向量，包括：使用所述双流模型的第一卷积神经网络的各层在层的正向传递中分别对所述流速值动‑静多维度输入向量进行基于第一尺度的一维卷积核的卷积处理、池化处理和非线性激活处理以由所述第一卷积神经网络的最后一层输出所述第一尺度流速值动‑静特征向量；使用所述双流模型的第二卷积神经网络的各层在层的正向传递中分别对所述流速值动‑静多维度输入向量进行基于第二尺度的一维卷积核的卷积处理、池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述第二尺度流速值动‑静特征向量，其中，所述第一尺度不等于所述第二尺度；以及将所述第一尺度流速值动‑静特征向量和所述第二尺度流速值动‑静特征向量进行级联以得到所述流速值动‑静特征向量。4.根据权利要求3所述的船舶尾气处理方法，其特征在于，使用高斯密度图对所述流速值动‑静特征向量进行特征增强以得到解码特征矩阵，包括：构造所述流速值动‑静特征向量的高斯密度图以得到高斯密度图，其中，所述高斯密度图的均值向量为所述流速值动‑静特征向量，所述高斯密度图的协方差矩阵为所述流速值动‑静特征向量中相应两个位置的特征值之间的方差；以及对所述高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述解码特征矩阵。5.根据权利要求4所述的船舶尾气处理方法，其特征在于，对所述解码特征矩阵进行特征分布优化以得到优化解码特征矩阵，包括：2CN116146309A权利要求书2/3页以如下优化公式对所述解码特征矩阵进行特征亲和性空间仿射学习优化以得到所述优化解码特征矩阵；其中，所述优化公式为：其中，表示所述解码特征矩阵通过线性变换得到的对角矩阵，表示所述解码特征矩阵的二范数，表示所述解码特征矩阵的核范数，且是所述解码特征矩阵的尺度，表示以2为底的对数函数值，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示按位置点乘，表示所述优化解码特征矩阵。6.根据权利要求5所述的船舶尾气处理方法，其特征在于，将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的等离子放电设备的电流值，包括：使用所述解码器以如下公式将所述优化解码特征矩阵进行解码回归以获得用于