船舶尾气处理系统及其方法与流程

本技术涉及废气处理领域，且更为具体地，涉及一种船舶尾气处理系统及其方法。

背景技术：

1、海运是全球公认的大气污染物的主要来源。近年来，随着国际海事贸易的快速发展，越来越多的人开始关心大气污染物对全球的影响，由于船舶尾气排放很容易在大气中长距离传输，从海洋到陆地，甚至从一个大陆向另一个大陆，所以船舶尾气排放会对地方和区域范围内的空气质量产生重大影响。此外，部分船舶排放发生在沿海地区，尾气污染物会直接扩散到大陆，造成影响人类健康和生态系统的环境问题。

2、在废气处理领域中，采用等离子放电技术对尾气（主要指发动机尾气）进行净化，是近年来一种比较高效的废气处理方式。等离子放电处理的原理即是依靠电离产生的等离子体，使得尾气中的污染物被分解，从而达到降解污染物的目的。但是，现有尾气处理装置多为汽车尾气处理，其处理效率难以适用于船舶尾气处理需求。

3、因此，期望一种优化的船舶尾气处理方案。

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船舶尾气处理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出船舶尾气的流速值的时序动态变化特征，以此基于实际的船舶尾气流速变化情况来实时精准地进行等离子放电设备电流值的自适应控制，从而提高电离放电的效率和效果，以对船舶尾气中有害成分进行有效降解。

2、根据本技术的一个方面，提供了一种船舶尾气处理方法，其包括：

3、通过供气管道来接收船舶尾气；以及

4、对所述船舶尾气进行电离放电，以依靠所述电离放电生成的等离子体电离粒子实现对船舶尾气中有害成分的降解。

5、在上述船舶尾气处理方法中，对所述船舶尾气进行电离放电，包括：获取预定时间段内多个预定时间点的船舶尾气的流速值；将所述多个预定时间点的船舶尾气的流速值按照时间维度排列为流速值时序输入向量；计算所述流速值时序输入向量中每相邻两个位置的流速值之间的差值以得到流速变化时序输入向量；将所述流速值时序输入向量和所述流速变化时序输入向量进行级联以得到流速值动-静多维度输入向量；将所述流速值动-静多维度输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双流模型以得到流速值动-静特征向量；使用高斯密度图对所述流速值动-静特征向量进行特征增强以得到解码特征矩阵；对所述解码特征矩阵进行特征分布优化以得到优化解码特征矩阵；以及，将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的等离子放电设备的电流值。

6、在上述船舶尾气处理方法中，将所述流速值动-静多维度输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双流模型以得到流速值动-静特征向量，包括：使用所述双流模型的第一卷积神经网络的各层在层的正向传递中分别对所述流速值动-静多维度输入向量进行基于第一尺度的一维卷积核的卷积处理、池化处理和非线性激活处理以由所述第一卷积神经网络的最后一层输出所述第一尺度流速值动-静特征向量；使用所述双流模型的第二卷积神经网络的各层在层的正向传递中分别对所述流速值动-静多维度输入向量进行基于第二尺度的一维卷积核的卷积处理、池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述第二尺度流速值动-静特征向量，其中，所述第一尺度不等于所述第二尺度；以及，将所述第一尺度流速值动-静特征向量和所述第二尺度流速值动-静特征向量进行级联以得到所述流速值动-静特征向量。

7、在上述船舶尾气处理方法中，使用高斯密度图对所述流速值动-静特征向量进行特征增强以得到解码特征矩阵，包括：构造所述流速值动-静特征向量的高斯密度图以得到高斯密度图。其中，所述高斯密度图的均值向量为所述流速值动-静特征向量，所述高斯密度图的协方差矩阵为所述流速值动-静特征向量中相应两个位置的特征值之间的方差；以及，对所述高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述解码特征矩阵。

8、在上述船舶尾气处理方法中，对所述解码特征矩阵进行特征分布优化以得到优化解码特征矩阵，包括：以如下优化公式对所述解码特征矩阵进行特征亲和性空间仿射学习优化以得到所述优化解码特征矩阵；其中，所述优化公式为：

9、

10、其中，表示所述解码特征矩阵通过线性变换得到的对角矩阵，表示所述解码特征矩阵的二范数，表示所述解码特征矩阵的核范数，且是所述解码特征矩阵的尺度，表示以2为底的对数函数值，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示按位置点乘，表示所述优化解码特征矩阵。

11、在上述船舶尾气处理方法中，将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的等离子放电设备的电流值，包括：使用所述解码器以如下公式将所述优化解码特征矩阵进行解码回归以获得用于表示推荐的等离子放电设备的电流值的解码值；其中，所述公式为：，其中表示所述优化解码特征矩阵，是所述解码值，是权重矩阵，表示矩阵相乘。

12、根据本技术的另一方面，提供了一种船舶尾气处理系统，其包括：

13、数据采集单元，用于获取预定时间段内多个预定时间点的船舶尾气的流速值；

14、排列单元，用于将所述多个预定时间点的船舶尾气的流速值按照时间维度排列为流速值时序输入向量；

15、差值计算单元，用于计算所述流速值时序输入向量中每相邻两个位置的流速值之间的差值以得到流速变化时序输入向量；

16、级联单元，用于将所述流速值时序输入向量和所述流速变化时序输入向量进行级联以得到流速值动-静多维度输入向量；

17、多尺度卷积单元，用于将所述流速值动-静多维度输入向量通过包含第一卷积神经网络模型和第二卷积神经网络模型的双流模型以得到流速值动-静特征向量；

18、高斯增强单元，用于使用高斯密度图对所述流速值动-静特征向量进行特征增强以得到解码特征矩阵；

19、特征分布优化单元，用于对所述解码特征矩阵进行特征分布优化以得到优化解码特征矩阵；以及

20、解码单元，用于将所述优化解码特征矩阵通过解码器进行解码回归以得到解码值，所述解码值用于表示推荐的等离子放电设备的电流值。

21、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的用于船舶尾气处理方法。

22、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的船舶尾气处理方法。

23、与现有技术相比，本技术提供的一种船舶尾气处理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出船舶尾气的流速值的时序动态变化特征，以此基于实际的船舶尾气流速变化情况来实时精准地进行等离子放电设备电流值的自适应控制，从而提高电离放电的效率和效果，以对船舶尾气中有害成分进行有效降解。