[发明专利]基于卷积神经网络的锅炉结焦预警方法

摘要

本发明公开基于卷积神经网络的锅炉结焦预警方法，包括以下步骤：1）、采集锅炉内结焦或不结焦的数据信息；2）、选取步骤1）的数据信息中，同一时间段的结焦或不结焦的数个测点温度数据；3）、构建结焦或不结焦的卷积神经网络模型，其包括：输入层、卷积层、下采样层、全连接层和输出层；4）、从实时采集的锅炉数据源中，随机选取同一时间段的数个测点温度数据，输入步骤3）的结焦或不结焦的卷积神经网络模型，得到该测点温度数据的图像特征，判断其结焦或不结焦。本发明为锅炉结焦提供预警方案，能够准确的预测锅炉受热面结焦情况，为判断锅炉受热面结焦提供科学的指导依据。

主权项

1.基于卷积神经网络的锅炉结焦预警方法，其特征在于，包括以下步骤：1)、采集锅炉内结焦或不结焦的数据信息；2)、选取步骤1)的数据信息中，同一时间段的结焦或不结焦的数个测点温度数据；3)、构建结焦或不结焦的卷积神经网络模型，其包括：输入层、卷积层、下采样层、全连接层和输出层，输入层的方法步骤为：a、将步骤2)的结焦或不结焦的数个测点温度数据分别补充为a×a的数据矩阵，矩阵元素不足的用0补上；b、将步骤a中数据矩阵中的每个矩阵元素归一化，得结焦或不结焦类比图像特征，归一化计算公式为：其中：i,j分别为步骤a中数据矩阵的行和列的索引，x_i,j为归一化后i,j位置的矩阵元素，v_i,j为归一化前i,j位置的矩阵元素，为归一化前j列中的最小矩阵元素，为归一化前j列中的最大矩阵元素；4)、从实时采集的锅炉数据源中，随机选取同一时间段的数个测点温度数据，输入步骤3)的结焦或不结焦的卷积神经网络模型，得到该测点温度数据的图像特征，判断该图像特征，符合卷积神经网络模型中的结焦图像特征，则为结焦；符合卷积神经网络模型中的不结焦的图像特征，则为不结焦。