[发明专利]基于卷积神经网络和图像识别的空冷凝汽器积灰状态监测与清洗控制系统及其调控方法

摘要

一种基于卷积神经网络和图像识别的空冷凝汽器积灰状态监测与清洗控制系统，其特点是：包括汽轮机与排汽分配管连通，排汽分配管通过空冷凝汽器单排管基管与凝结水箱连通，凝结水箱与凝结水泵连通；第一可见光摄像头、第二可见光摄像头置于空冷凝汽器单排管基管内侧，位于空冷风机上部，第一可见光摄像头与第二可见光摄像头与图像采集器连接，图像采集器与监控主机连接，监控主机与数模转换器连接，数模转换器与清洗装置控制箱连接，清洗装置控制箱与压缩空气清洗装置连接，压缩空气清洗装置悬挂于清洗装置行走桁架下侧，清洗装置行走桁架置于空冷凝汽器单排管基管外侧，分别与排汽分配管和凝结水箱连接。并提供科学合理的调控方法。

主权项

1.一种基于卷积神经网络和图像识别的空冷凝汽器积灰状态监测与清洗控制系统的调控方法，其特征在于：它包括以下步骤：/n1)基于卷积神经网络和积灰图像的空冷凝汽器积灰状态智能识别与分析模型/n深度学习网络具体为卷积神经网络算法，该模型的网络输入数据是一个3维tensor，将输入的空冷凝汽器积灰状态可见光图像分解为2-3个特征层，尺寸为2560-60000,42-256,42-256,2-3，分别表示一批图片的个数2560-60000，图片的宽的像素点个数42-256，高的像素点个数42-256和信道个数2-3，首先使用多个卷积神经网络层进行图像的特征提取，卷积神经网络层的计算过程如下步骤：/n卷积层1：卷积核大小a×a，卷积核移动步长2-3，卷积核个数a1，池化大小a2×a2，池化步长2-3，池化类型为最大池化，激活函数ELU，输出a1张图像,a＝3-8,a1＝42-256,a2＝3-7；/n卷积层2：卷积核大小b×b,卷积核移动步长2-3，卷积核个数b1，池化大小b2×b2，池化步长2-3，池化类型为最大池化，激活函数ELU，输出b1张图像b＝3-8,b1＝42-256,b2＝3-7；/n卷积层3：卷积核大小c×c,卷积核移动步长2-3，卷积核个数c1，池化大小c2×c2，池化步长2-3，池化类型为最大池化，激活函数Meanout，输出c1张图像,c＝3-8,c1＝42-256,c2＝3-7；/n卷积层4：卷积核大小d×d,卷积核移动步长2-3，卷积核个数d1，池化大小d2×d2，池化步长2-3，池化类型为平均池化，激活函数Meanout，输出d1张图像,d＝3-8,d1＝42-256,d2＝3-7；/n卷积层5：卷积核大小d×d,卷积核移动步长2-3，卷积核个数e1，池化大小e2×e2，池化步长2-3，池化类型为平均池化，激活函数Meanout，输出e1张图像,e＝3-8,e1＝42-256,e2＝3-7；/n全连接层：隐藏层单元数512-1024，激活函数Meanout； 第五池化层后依次配置了2-5层全连接层，以四层为例，神经元个数分别为1024、512、256、10，将第五池化层输出图像依次转化为对应的一维向量，向量元素个数分别为1024、512、256、10，第三全连接层输出多个元素的一维数组对应空冷凝汽器积灰状态的多组图像分类；/n分类层：即为全连接层的第四层，该隐藏层单元数15-30，激活函数Meanout；/n其中，ELU计算如下：/n