恶臭废气的催化燃烧处理系统及方法与流程

本技术涉及智能控制领域，且更为具体的涉及一种恶臭废气的催化燃烧处理系统及方法。

背景技术：

1、恶臭废气的催化燃烧处理是一种重要的环境保护措施，旨在减少有害气体和恶臭物质的排放，改善环境质量，保护人类健康，并满足法规和标准的要求。恶臭废气中可能含有硫化物、氮化物、挥发性有机化合物(vocs)等有害物质，这些物质对环境有污染作用。催化燃烧处理可以将这些有害物质转化为较为无害的物质，减少对大气和水体的污染，保护自然环境。恶臭废气的催化燃烧处理步骤包括：收集恶臭废气、加热废气、催化燃烧、净化处理。在催化燃烧这一步骤中，常常需要加热来保证催化剂的活性以及反应的正常进行。在传统的控制温度的方法中，往往是通过人工来控制燃烧炉的功率。然而，这种方法的控制精度较低，且难以根据实时的恶臭废气的燃烧情况来控制温度的变化。

2、因此，期待一种优化的恶臭废气的催化燃烧处理方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种恶臭废气的催化燃烧处理系统及方法，其使用基于深度神经网络的人工智能技术来对多个预定时间点的燃烧炉的温度值和进入燃烧炉的恶臭气体流量值进行特征提取与编码，以得到表示当前时间点的燃烧炉的功率应增大或减小的分类标签。这样，通过智能控制燃烧炉的功率来实时控制燃烧炉温度，提高了控制的精度，提高了反应的效率。

2、根据本技术的一个方面，提供了一种恶臭废气的催化燃烧处理系统，其包括：

3、数据获取模块，用于获取多个预定时间点的燃烧炉的温度值和多个预定时间点的进入燃气炉的恶臭气体流量值；

4、向量构造模块，用于将所述多个预定时间点的燃烧炉的温度值和所述多个预定时间点的进入燃气炉的恶臭气体流量值分别按照时间维度排列为温度输入向量和气体流量输入向量；

5、多尺度特征提取模块，用于将所述温度输入向量和所述气体流量输入向量分别通过多尺度领域特征提取模块以得到多尺度温度特征向量和多尺度气体流量特征向量；

6、高斯融合模块，用于使用高斯密度图来融合所述多尺度温度特征向量和所述多尺度气体流量特征向量以得到融合高斯密度图；

7、高斯离散化模块，用于对所述融合高斯密度图进行高斯离散化以得到融合特征矩阵；

8、降维模块，用于对所述融合特征矩阵进行沿通道维度的各个特征矩阵的池化处理以得到分类特征向量；

9、结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的燃烧炉的功率应增大或减小。

10、在上述的恶臭废气的催化燃烧处理系统中，所述多尺度特征提取模块，包括：

11、第一尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第一卷积层对所述温度输入向量进行一维卷积编码以得到所述第一尺度特征向量；

12、第二尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第二卷积层对所述温度输入向量进行一维卷积编码以得到所述第二尺度特征向量；

13、多尺度融合单元，用于融合所述第一尺度特征向量和所述第二尺度特征向量以得到所述多尺度温度特征向量。

14、在上述的恶臭废气的催化燃烧处理系统中，所述第一尺度卷积编码单元，用于：

15、使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述温度输入向量进行一维卷积编码以得到所述第一尺度特征向量；

16、其中，所述第一卷积公式为：

17、

18、其中，a为第一卷积核在x方向上的宽度、f(a)为第一卷积核参数向量、g(x-a)为与第一卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，x表示所述一维特征向量，cov(x)表示对所述温度输入向量分别进行一维卷积编码。

19、在上述的恶臭废气的催化燃烧处理系统中，所述第二尺度卷积编码单元，用于：

20、使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述温度输入向量进行一维卷积编码以得到所述第二尺度特征向量；

21、其中，所述第二卷积公式为：

22、

23、其中，b为第二卷积核在x方向上的宽度、f(b)为第二卷积核参数向量、g(x-b)为与第二卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，x表示所述一维特征向量，cov(x)表示对所述温度输入向量分别进行一维卷积编码。

24、在上述的恶臭废气的催化燃烧处理系统中，所述多尺度融合单元，包括：

25、高斯强化子单元，用于使用高斯密度图对所述第一尺度特征向量和所述第二尺度特征向量进行基于高斯先验分布的特征表达强化以得到第一高斯强化特征矩阵和第二高斯强化特征矩阵；

26、转移类单应空间矩阵计算子单元，用于分别计算所述第一高斯强化特征矩阵和所述第二高斯强化特征矩阵的各组对应的行向量之间的转移类单应空间矩阵以得到多个转移类单应空间矩阵；

27、余弦相似度计算子单元，用于分别计算所述第一高斯强化特征矩阵和所述第二高斯强化特征矩阵的各组对应的行向量之间的余弦相似度以得到类聚类中心权重特征向量；

28、按位加权子单元，用于以所述类聚类中心权重特征向量中各个位置的特征值作为权重，计算所述多个转移类单应空间矩阵的按位置加权和以得到转移中心类单应空间矩阵；

29、单应映射子单元，用于将所述第一尺度特征向量和所述第二尺度特征向量分别与所述转移中心类单应空间矩阵进行相乘以得到单应映射第一尺度特征向量和单应映射第二尺度特征向量；

30、级联子单元，用于将所述单应映射第一尺度特征向量和所述单应映射第二尺度特征向量进行级联以得到所述多尺度温度特征向量。

31、在上述的恶臭废气的催化燃烧处理系统中，所述高斯融合模块，用于：

32、使用高斯密度图以如下高斯融合公式来融合所述多尺度温度特征向量和所述多尺度气体流量特征向量以得到所述融合高斯密度图；

33、其中，所述高斯融合公式为：

34、

35、其中，μ表示所述多尺度温度特征向量和所述多尺度气体流量特征向量之间的按位置均值向量，且σ的每个位置的值表示所述多尺度温度特征向量和所述多尺度气体流量特征向量中各个位置的特征值之间的方差。

36、在上述的恶臭废气的催化燃烧处理系统中，所述分类结果生成模块，用于：

37、使用所述分类器以如下分类公式对所述分类特征向量进行处理以获得所述分类结果；

38、其中，所述分类公式为：

39、softmax{(wn,bn):…:(w1,b1)|x}

40、其中，w1到wn为权重矩阵，b1到bn为偏置向量，x为所述分类特征向量。

41、根据本技术的另一方面，还提供了一种恶臭废气的催化燃烧处理方法，其包括：

42、获取多个预定时间点的燃烧炉的温度值和多个预定时间点的进入燃气炉的恶臭气体流量值；

43、将所述多个预定时间点的燃烧炉的温度值和所述多个预定时间点的进入燃气炉的恶臭气体流量值分别按照时间维度排列为温度输入向量和气体流量输入向量；

44、将所述温度输入向量和所述气体流量输入向量分别通过多尺度领域特征提取模块以得到多尺度温度特征向量和多尺度气体流量特征向量；

45、使用高斯密度图来融合所述多尺度温度特征向量和所述多尺度气体流量特征向量以得到融合高斯密度图；

46、对所述融合高斯密度图进行高斯离散化以得到融合特征矩阵；

47、对所述融合特征矩阵进行沿通道维度的各个特征矩阵的池化处理以得到分类特征向量；

48、将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的燃烧炉的功率应增大或减小。

49、与现有技术相比，本技术提供的恶臭废气的催化燃烧处理系统及方法，其使用基于深度神经网络的人工智能技术来对多个预定时间点的燃烧炉的温度值和进入燃烧炉的恶臭气体流量值进行特征提取与编码，以得到表示当前时间点的燃烧炉的功率应增大或减小的分类标签。这样，通过智能控制燃烧炉的功率来实时控制燃烧炉温度，提高了控制的精度，提高了反应的效率。