基于深度自编码器的城市固废焚烧过程燃烧状态识别

作者：王印松; 赵佳玉^*

来源：控制工程, 2023, 1-9.

DOI：10.14107/j.cnki.kzgc.20220401

• 炉排炉
• 燃烧状态识别
• 深度自编码器
• 最小二乘支持向量机

国内城市固废(Municipal Solid Waste， MSW)的组分复杂且多变，其焚烧过程燃烧状态的识别主要依靠领域专家依据炉内火焰的大小和亮度进行判断，难以维持稳定的运行工况。针对上述问题，提出了一种基于深度自编码器的分区域燃烧状态识别方法。首先，依据炉排结构对燃烧段和燃烬段的分界线进行标定；接着，利用具有深层结构的卷积稀疏自编码器(Convolutional Sparse Autoencoder， CSAE) 提取两部分火焰图像的特征；最后，将特征分别输入到相应的最小二乘支持向量机(Least Square Support Vector Machines， LSSVM)进行状态识别。通过获取750t/d焚烧炉不同燃烧状态的图像评估所提模型的性能，结果表明：在有限标记样本数量下，所提模型的平均准确率为98.04%，在燃烧状态识别中具有潜在的应用前景。

• 单位
  华北电力大学