基于卷积神经网络的放空火炬烟雾识别方法研究

发布时间：2021-02-19 20:14

　　放空火炬是保障石油化工厂、炼油厂等企业安全生产的一种特殊燃烧设施,其对排放废气和有毒气体燃烧的充分与否,是影响环境污染的重要因素。近年来,国内外加强了对VOCs的治理,明确指出火炬系统对VOCs治理具有重要意义,同时提高对放空火炬燃烧效率的要求。传统的放空火炬燃烧控制系统为手动控制,即工作人员通过观察火炬的燃烧状况进行手动调控消烟。受工作人员个人状态因素的影响,该方法易出现观测黑烟不及时,而导致消烟操作滞后。目前,随着工业智能化的发展,通过智能算法来替代人工以提升工业的安全性与可靠性成为改善火炬燃烧控制系统的可行性方案。为解决传统放空火炬燃烧控制系统存在的不足,设计了用于识别放空火炬烟雾的卷积神经网络模型算法,利用人工智能算法监测放空火炬的燃烧状态,从而有效避免因工作人员对黑烟反应不及时导致的环境污染问题。针对“放空火炬燃烧效率控制技术开发项目”对放空火炬燃烧黑烟识别的需求和放空火炬燃烧效率控制系统研发实验现场采集的图像所展现的复杂环境背景的实际问题,进行如下几方面研究:1.探索卷积神经网络提取烟雾图像特征的特点,并设计针对烟雾图像的分类网络。目前,大多数用于提取图像特征的卷积神经网络... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

放空火炬燃烧现场图

图3-2 卷积核的最大激活输入图像可视化Fig.3-2 Convolution kernel maximum activation input image visualization图3-3 卷积神经网络感受野示意图Fig.3-3 The receptive field of convolutional neural network rendering3.1.2 卷积神经网络深度设计针对不同的任务与数据，并不是一味的增加卷积神经网络的深度就能得到更好的效果。如上一节可视化的结果可以看出，针对本论文用到的烟雾图像识别数据库，网络过深可能会造成网络参数冗余，造成网络过拟合的问题。在设计卷积神经网络分类任务的问题中，Cao[81]提出了在设计卷积神经网络深度时，最后一层卷积的感受野应该不超过输入图像的尺寸。由 Cao 提出的设计卷积神经网络的约束条件，本论文设计的烟雾图像分类网络的感受野不应该超过图像的尺寸，

像将烟雾图像块的数量进行扩充。由于无烟图像容易获取，因此不需要使用旋转等方法对无烟图像块进行扩充。图4-1 放空火炬实验场景样本图像Fig.4-1 Flare stack experimental scene sample image

【参考文献】：
期刊论文
[1]中国VOCs治理现状综述[J]. 邵华,张俊平.  中国氯碱. 2018(11)
[2]打赢蓝天保卫战三年行动计划[J].   环境经济. 2018(12)
[3]火炬系统消烟控制的优化设计[J]. 郑万里.  石油化工自动化. 2017(02)
[4]放空火炬冒黑烟问题原因深度剖析[J]. 隋先富,王玉,张岭.  科技创新导报. 2016(10)
[5]火炬系统及其应用概述[J]. 潘博,陈擎宇,谭玲.  广东化工. 2015(17)
[6]火炬消烟蒸汽优化数学模型及控制应用[J]. 王鑫民.  化工自动化及仪表. 2014(12)
[7]放空火炬系统综合设计研究[J]. 周龙,李珍,王庆典,刘立坤.  工业炉. 2014(03)
[8]西门子PLC的炼油厂的火炬控制系统分析[J]. 杨斌.  能源与节能. 2013(07)
[9]关于地面火炬和高架火炬的对比研究[J]. 张红静.  中国石油和化工标准与质量. 2013(02)
[10]蒸汽消除火炬黑烟的原理与方法[J]. 刘兴茂,寇国,王相飞,郭强.  河北化工. 2010(06)

硕士论文
[1]基于数字图像处理的工业火炬火焰监控系统的研究[D]. 王昶文.武汉科技大学 2014



本文编号：3041626