【技术实现步骤摘要】
工业废气净化设备及其控制方法
[0001]本申请涉及智能控制领域,且更为具体地,涉及一种工业废气净化设备及其控制方法。
技术介绍
[0002]工业生产会产生大量废气。在工业废气净化过程中,催化剂通常用于促进废弃的分解和净化。催化剂在处理废气时可以提高催化反应的效率和速率,从而使得废气净化更加彻底。
[0003]现有的工业废气净化的催化剂可以是气体形式,它的流速往往是恒定的。废气流速快时,催化剂与废气接触时间短,废气净化效率低;废气流速慢时,催化剂表面上的活性部位没有足够的废气接触,容易导致催化剂的浪费。
[0004]因此,期待一种优化的工业废气净化设备。
技术实现思路
[0005]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种工业废气处理设备及其控制方法,其基于废气流速值的时序分布和催化剂的流速值的时序分布的关联来自适应调整催化剂的流速,这样,可以确定最佳的催化剂流速,提高了催化剂流速的控制精度,有利于提高废气净化的效率,并且避免浪费催化剂。
[0006]根据本申请的一个方面,提供了一种工业废气净化设备,其包括:
[0007]流速值数据获取模块,用于获取预定时间段内多个预定时间点的废气流速值以及催化剂的流速值;
[0008]数据结构化模块,用于将所述预定时间段内多个预定时间点的废气流速值以及催化剂的流速值分别按照时间维度排列为废气流速输入向量和催化剂流速输入向量;
[0009]关联模块,用于计算所述废气流速输入向量和所述催化剂流速输入向量之 ...
【技术保护点】
【技术特征摘要】
1.一种工业废气净化设备,其特征在于,包括:流速值数据获取模块,用于获取预定时间段内多个预定时间点的废气流速值以及催化剂的流速值;数据结构化模块,用于将所述预定时间段内多个预定时间点的废气流速值以及催化剂的流速值分别按照时间维度排列为废气流速输入向量和催化剂流速输入向量;关联模块,用于计算所述废气流速输入向量和所述催化剂流速输入向量之间的关联参数矩阵;第一尺度编码模块,用于将所述关联参数矩阵通过使用具有第一尺度的卷积核的第一卷积神经网络模型以得到第一尺度关联参数特征矩阵;第二尺度编码模块,用于将所述关联参数矩阵通过使用具有第二尺度的卷积核的第二卷积神经网络模型以得到第二尺度关联参数特征矩阵;融合模块,用于融合所述第一尺度关联参数特征矩阵和所述第二尺度关联参数特征矩阵以得到解码特征矩阵;以及解码模块,用于将所述解码特征矩阵通过解码器以得到解码值,所述解码值为待调整催化剂的流速值。2.根据权利要求1所述的工业废气净化设备,其特征在于,所述关联编码模块,用于:计算所述废气流速输入向量的转置向量与所述催化剂流速输入向量之间的向量乘积以得到所述关联参数矩阵。3.根据权利要求2所述的工业废气净化设备,其特征在于,所述第一尺度编码模块,包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行:对输入数据进行基于第一尺度的卷积核的卷积处理以得到卷积特征图;对所述卷积特征图进行沿通道维度的池化以得到池化特征图;以及对所述池化特征图进行非线性激活以得到激活特征图;其中,所述第一卷积神经网络模型的最后一层的输出为所述第一尺度关联参数特征矩阵,所述第一卷积神经网络模型的第一层的输入为所述关联参数矩阵。4.根据权利要求3所述的工业废气净化设备,其特征在于,所述第二尺度编码模块,包括:使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行:对输入数据进行基于第二尺度的卷积核的卷积处理以得到卷积特征图;对所述卷积特征图进行沿通道维度的池化以得到池化特征图;以及对所述池化特征图进行非线性激活以得到激活特征图;其中,所述第二卷积神经网络模型的最后一层的输出为所述第二尺度关联参数特征矩阵,所述第二卷积神经网络模型的第一层的输入为所述关联参数矩阵。5.根据权利要求4所述的工业废气净化设备,其特征在于,所述融合模块,包括:主成分特征向量生成单元,用于使用主成分分析将所述第一尺度关联参数特征矩阵映射到低维特征空间中以得到第一主成分特征向量,且使用所述主成分分析将所述第二尺度关联参数特征矩阵映射到低维特征空间中以得到第二主成分特征向量;交叉熵系数生成单元,用于计算所述第一主成分特征向量相对于所述第二主成分特征
向量之间的交叉熵以得到第一交叉熵系数,且计算所述第二主成分特征向量相对于所述第一主成分特征向量之间的交叉熵以得到第二交叉熵系数;加权计算单元,用于以所述第一交叉熵系数和所述第二交叉熵系数作为权重,分别对所述第一尺度关联参数特征矩阵和所述第二尺度关联参数特征矩阵进行加权以得到流形校正第一尺度关联参数特征矩阵和流...
【专利技术属性】
技术研发人员:张超,熊言山,刘凯源,
申请(专利权)人:滁州锡安环保科技有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。