[发明专利]基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质

说明书

本发明公开了一种基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质，方法包括基于可调谐半导体激光吸收光谱技术采集不同气体浓度对应的激光光谱信号；将采集到的激光光谱信号进行电压值采样，对采样得到的每一条样本数据加注气体浓度标签，得到样本数据集；基于样本数据集建立基于卷积神经网络的气体浓度测量模型；从样本数据集中选取训练样本对气体浓度测量模型进行网络训练；基于训练后的气体浓度测量模型对二燃室高温气体浓度进行实时监测。本发明通过在线下建立不同气体浓度的检测模型，能够对二燃室高温气体浓度进行线上实时监测，提高温气体浓度检测精度高，从而实现对燃烧器的点燃时机自动做出合理控制。

技术领域

本发明涉及高温气体浓度检测技术领域，尤其涉及一种基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质。

背景技术

垃圾焚烧炉采用了两级燃烧方式，一燃室燃烧固体，二燃室燃烧气体：在一燃室热解所产生的气体进入二燃室充分燃烧，目的是处理有毒有害气体，二燃室设置了燃烧器助燃，通常是在二燃室气体充满到达阈值浓度进行点燃，若提前点燃，则缩短燃烧器的使用寿命，若过晚点燃，气体高于阈值浓度，遇到明火，易发生爆炸。故实时监测二燃室气体浓度，是实现燃烧器的安全点燃的重要前提。

在垃圾焚烧炉的二燃室高温的环境下非接触测量法有很大的优势。非接触测量法主流方法是光学分析法。光学分析法将Beer-Lambert定律与吸收光谱学理论相结合，实现对炉内气体浓度的精确测量。光学分析法主要有差分吸收光谱技术、傅里叶变换红外光谱技术、可调谐激光半导体吸收光谱技术、激光雷达技术、激光诱导荧光光谱技术、激光光声光谱技术等。可调谐半导体激光吸收光谱(Tuna ble diode laser a bsorptionspectroscopy,TDLAS)技术具有适应性强、高灵敏度、非侵入性、实时动态以及多组分测量的特点，能够适应高温、高压、多粉尘等环境。

卷积神经网络是一种可以自我学习数据特征的机器学习算法，一种端到端方法，实现从原始信号到分类结果的直接映射。卷积神经网络将数据映射到非线性空间域，能够从数据中进行聚类和学习，进而找到某些行为变化的规律。

因此，如何结合可调谐半导体激光吸收光谱技术和卷积神经网络实现对二燃室高温气体浓度的实时监测，从而对燃烧器的点燃时机做出合理控制，是目前本领域亟待解决的问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，特别创新地提出了一种基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质，通过在线下建立不同气体浓度的检测模型，能够对二燃室高温气体浓度进行线上实时监测，提高温气体浓度检测精度高，从而实现对燃烧器的点燃时机自动做出合理控制，有效解决现有技术中对二燃室气体浓度检测精度不够而出现提前点燃易缩短燃烧器的使用寿命或过晚点燃易发生爆炸的问题。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于卷积神经网络的二燃室高温气体浓度检测方法，所述方法包括如下步骤：

基于可调谐半导体激光吸收光谱技术采集不同气体浓度对应的激光光谱信号；

将采集到的激光光谱信号进行电压值采样，对采样得到的每一条样本数据加注气体浓度标签，得到样本数据集；

基于所述样本数据集建立基于卷积神经网络的气体浓度测量模型；

从所述样本数据集中选取训练样本对所述气体浓度测量模型进行网络训练；

基于训练后的气体浓度测量模型对二燃室高温气体浓度进行实时监测。

优选地，所述基于所述样本数据集建立基于卷积神经网络的气体浓度测量模型包括：

将所述样本数据集进行分批次处理；

将所述气体浓度标签进行one-hot编码处理；