基于深度学习的回转窑燃烧状态监测系统

作者：李涛^*; 张振庭; 陈华

来源：控制工程, 2021, 28(05): 827-832.

DOI：10.14107/j.cnki.kzgc.20190621

• 深度学习
• 回转窑
• 燃烧状态
• 卷积神经网络
• 卷积循环神经网络

有效地识别与预测回转窑内燃烧状态是工业生产中非常重要和具有挑战性的问题,然而,传统的基于图像处理的方法前期需要对数据进行大量的预处理,并且精度不高。针对这个问题,提出了一种基于深度学习的回转窑燃烧状态监测系统,通过端到端网络,免去传统的基于特征提取方法繁杂的程序。另外,提出的卷积循环神经网络(CRNN)能有效地提取火焰图像序列特征来预测回转窑内的燃烧状态。在真实数据集上进行大量重复实验,结果表明,所提出的方法中,卷积神经网络(CNN)能快速准确地识别回转窑燃烧状态,同时CRNN也能有效地预测窑内燃烧状态。数据表明该方法不但有效且鲁棒性强,具有很大的工业应用前景。

• 单位
  湖南大学