一种SOFC燃烧室燃烧状态识别方法

作者：王阳; 付晓薇; 李曦

来源：计算机应用研究, 2023, 40(08): 2531-2536.

DOI：10.19734/j.issn.1001-3695.2022.11.0778

• 固体氧化物燃料电池
• 卷积神经网络
• 混合注意力机制
• 轻量级网络
• 图像特征金字塔

针对固体氧化物燃料电池(SOFC)燃烧室燃烧状态识别问题，提出一种基于注意力机制与图像特征金字塔的SOFC燃烧室燃烧状态识别方法。该方法使用加权分布的自适应伽马矫正算法(AGCWD)进行数据前处理，对数据进行标准化；利用两个附加1×1卷积的全连接改进了压缩—激励结构，并结合空间注意力，提出了一种混合注意力结构，提升了网络特征提取能力；为增强特征的多尺度信息交流能力，使用双向计算和多尺度融合，提出了多尺度双向融合金字塔。实验表明，所提方法在参数量为3.98 M、浮点运算数(FLOPs)为397 M的前提下，识别准确率达到99.22%,能够有效识别SOFC燃烧室燃烧状态。

• 单位
  智能信息处理与实时工业系统湖北省重点实验室; 自动化学院; 武汉科技大学; 华中科技大学