热流体发生器尾气检测系统及其方法技术方案

公开了一种热流体发生器尾气检测系统及其方法，其将从气相色谱图中读取精准的气体成分数据问题转化为基于所述气相色谱图的图像解码问题

【技术实现步骤摘要】
热流体发生器尾气检测系统及其方法


[0001]本申请涉及气体检测领域，且更为具体地，涉及一种热流体发生器尾气检测系统及其方法
。

技术介绍

[0002]多元介质热流体发生器是基于火箭发动机高压燃烧喷射机理，空气与燃料
(
天然气
、
柴油
、
原油
)
在高压密闭条件下充分燃烧，生成高温高压烟道气，混水降温后形成多组分
、
多流态混合流体，即多介质热流体
。
[0003]通过热降粘
、
溶解降粘
、
弹性驱
、
泡沫驱
、
重力驱
、
混相流调剖等综合机理，可大幅度提高原油流动性，提高产出能力，降低含水，显著提高采收率
。
但技术引进初期，设备燃烧不稳定，参数波动频繁且燃烧不充分（积碳），混相气体中余氧含量超标，造成多介质混相气体对注气管网及井筒设备的严重腐蚀
。
[0004]一种解决方案是对多元介质热流体发生器提供的多元介质热流体进行气体成分检测，主要是氧气浓度和一氧化碳浓度，从而根据该数据随时调整多元介质热流体发生器的工作参数，确保燃烧充分
、
系统稳定
、
腐蚀可控
。
但是，多元介质热流体发生器提供的多元介质热流体无法直接用于气体成分检测
。
[0005]因此，期待一种热流体发生器尾气检测方案
。

技术实现思路

>[0006]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热流体发生器尾气检测系统及其方法，其将从气相色谱图中读取精准的气体成分数据问题转化为基于所述气相色谱图的图像解码问题
。
具体地，从所述气相色谱图中提取用于表示氧气成分的图像特征和用于表示一氧化碳成分的图像特征，并通过解码器进行解码回归以得到用于表示氧气浓度值和一氧化碳浓度值的解码值
。
这样，构建一种更为优化的热流体发生器尾气检测方案
。
[0007]相应地，根据本申请的一个方面，提供了一种热流体发生器尾气检测系统，其包括：气相色谱图采集模块，用于获取处理后气体的气相色谱图；图像降噪模块，用于将所述处理后气体的气相色谱图通过基于自动编解码器的图像降噪模块以得到降噪后气相色谱图；空间卷积模块，用于将所述降噪后气相色谱图通过使用空间注意力机制的第一卷积神经网络模型以得到第一气相色谱特征图；通道卷积模块，用于将所述降噪后气相色谱图通过使用通道注意力机制的第二卷积神经网络模型以得到第二气相色谱特征图；融合模块，用于融合所述第一气相色谱特征图和所述第二气相色谱特征图以得到解码气相色谱特征图；以及第一解码模块，用于将所述解码气相色谱特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示氧气浓度值
。
[0008]在上述热流体发生器尾气检测系统中，所述图像降噪模块，包括：图像编码单元，用于将所述处理后气体的气相色谱图输入所述图像降噪模块的编码器，其中，所述编码器
使用卷积层对所述处理后气体的气相色谱图进行显式空间编码以得到图像特征；以及，图像特征解码单元，用于将所述图像特征输入所述图像降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后气相色谱图
。
[0009]在上述热流体发生器尾气检测系统中，所述空间卷积模块，进一步用于：使用所述第一卷积神经网络模型的卷积编码部分对所述降噪后气相色谱图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过
Softmax
激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到第一气相色谱特征图
。
[0010]在上述热流体发生器尾气检测系统中，所述通道卷积模块，进一步用于：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对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行激活处理以生成激活特征图；计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及，以所述通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；其中，所述第二卷积神经网络模型的最后一层输出的所述生成特征图为所述第二气相色谱特征图
。
[0011]在上述热流体发生器尾气检测系统中，所述融合模块，包括：特征图展开单元，用于将所述第一气相色谱特征图和所述第二气相色谱特征图进行特征图展开以得到第一气相色谱特征向量和第二气相色谱特征向量；希尔伯特空间约束单元，用于对所述第一气相色谱特征向量和所述第二气相色谱特征向量进行向量模基的希尔伯特空间约束以得到解码气相色谱特征向量；以及，特征向量重构单元，用于将所述解码气相色谱特征向量重构为所述解码气相色谱特征图
。
[0012]在上述热流体发生器尾气检测系统中，所述特征图展开单元，进一步用于：将所述第一气相色谱特征图中各个第一气相色谱特征矩阵按照行向量展开为一维特征向量后进行级联以得到所述第一气相色谱特征向量，将所述第二气相色谱特征图中各个第二气相色谱特征矩阵按照行向量展开为一维特征向量后进行级联以得到所述第二气相色谱特征向量
。
[0013]在上述热流体发生器尾气检测系统中，所述希尔伯特空间约束单元，进一步用于：以如下公式对所述第一气相色谱特征向量和所述第二气相色谱特征向量进行向量模基的希尔伯特空间约束以得到解码气相色谱特征向量；其中，所述公式为：，其中，表示所述第一气相色谱特征向量，表示所述第二气相色谱特征向量，表示一维卷积运算，即以卷积算子对向量进行一维卷积，和表示加权超参数，表示所述解码气相色谱特征
向量，表示按位置相加
。
[0014]在上述热流体发生器尾气检测系统中，还包括一氧化碳监测模块，用于将所述解码气相色谱特征图通过第二解码器以得到第二解码值，所述第二解码值用于表示一氧化碳浓度值
。
[0015]根据本申请的另一方面，还提供了一种热流体发生器尾气检测方法，其包括：获取处理后气体的气相色谱图；将所述处理后气体的气相色谱图通过基于自动编解码器的图像降噪模块以得到降噪后气相色谱图；将所述降噪后气相色谱图通过使用空间注意力机制的第一卷积神经网络模型以得到第一气相色谱特征图；将所述降噪后气相色谱图通过使用通道注意力机制的第二卷积神经网络模型以得到第二气相色谱特征图；融合所述第一气相色谱特征图和所述第二气相色谱特征图以得到解码气相色谱特征图；以及将所述解码气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种热流体发生器尾气检测系统，其特征在于，包括：气相色谱图采集模块，用于获取处理后气体的气相色谱图；图像降噪模块，用于将所述处理后气体的气相色谱图通过基于自动编解码器的图像降噪模块以得到降噪后气相色谱图；空间卷积模块，用于将所述降噪后气相色谱图通过使用空间注意力机制的第一卷积神经网络模型以得到第一气相色谱特征图；通道卷积模块，用于将所述降噪后气相色谱图通过使用通道注意力机制的第二卷积神经网络模型以得到第二气相色谱特征图；融合模块，用于融合所述第一气相色谱特征图和所述第二气相色谱特征图以得到解码气相色谱特征图；以及第一解码模块，用于将所述解码气相色谱特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示氧气浓度值
。2.
根据权利要求1所述的热流体发生器尾气检测系统，其特征在于，所述图像降噪模块，包括：图像编码单元，用于将所述处理后气体的气相色谱图输入所述图像降噪模块的编码器，其中，所述编码器使用卷积层对所述处理后气体的气相色谱图进行显式空间编码以得到图像特征；以及图像特征解码单元，用于将所述图像特征输入所述图像降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后气相色谱图
。3.
根据权利要求2所述的热流体发生器尾气检测系统，其特征在于，所述空间卷积模块，进一步用于：使用所述第一卷积神经网络模型的卷积编码部分对所述降噪后气相色谱图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过
Softmax
激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到第一气相色谱特征图
。4.
根据权利要求3所述的热流体发生器尾气检测系统，其特征在于，所述通道卷积模块，进一步用于：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对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行激活处理以生成激活特征图；计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及以所述通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；其中，所述第二卷积神经网络模型的最后一层输出的所述生成特征图为所述第二气相色谱特征图
。5.
根据权利要求4所述的热流体发生器尾气检测系统，其特征在于，所述融合模块，包括：特征图展开单...

【专利技术属性】
技术研发人员：刘荣，武志超，桑彪，高云云，韩帅，程晓迪，方志远，张彦邦，徐小康，
申请(专利权)人：新疆广陆能源科技股份有限公司，
类型：发明
国别省市：