CN117771841B - 基于粉尘浓度监测的除尘器智能控制方法及*** - Google Patents

Abstract

本公开提供了一种基于粉尘浓度监测的除尘器智能控制方法及***，涉及布袋除尘器控制技术，方法包括：获取粉尘浓度数据和粉尘图像数据；确定有效除尘粒径阈值和最大积尘承受量阈值；根据粉尘图像数据进行粉尘粒径占比分析，确定有效粉尘粒径占比；根据有效粉尘粒径占比对粉尘浓度数据进行校正，生成标准粉尘浓度数据；基于标准粉尘浓度数据和入口烟气流动速度进行布袋积尘量预测，生成布袋预测积尘累积量；当布袋预测积尘累积量满足最大积尘承受量阈值时，在指令激活时间节点下启动脉冲阀进行气流冲洗处理。能够解决现有的布袋除尘器控制方法存在除尘控制准确性较低的技术问题，可以提高布袋除尘器除尘控制的准确性。

Description

基于粉尘浓度监测的除尘器智能控制方法及***

技术领域

本公开涉及布袋除尘器控制技术，并且更具体地，涉及一种基于粉尘浓度监测的除尘器智能控制方法及***。

背景技术

布袋除尘器是一种干式高效除尘器，也称为过滤式除尘器，它利用纤维编织物制作的袋式过滤元件来捕集含尘气体中的固体颗粒物。

现有的布袋除尘器控制方法通常是根据除尘器内部的气压和温度等参数的变化进行脉冲阀的开启和关闭，这种方法对于气压、温度等传感器的采集精度要求较高，在使用时间过长或外界环境干扰较严重时，经常会存在采集数据准确性较低的情况，导致袋式除尘器脉冲阀的控制准确性较低。

现有的布袋除尘器控制方法存在的不足之处在于：除尘控制准确性较低导致设备质量损害较大和电能资源浪费较大。

发明内容

因此，为了解决上述技术问题，本公开的实施例采用的技术方案如下：

基于粉尘浓度监测的除尘器智能控制方法，所述方法应用于一基于粉尘浓度监测的除尘器智能控制***，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，包括以下步骤：获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；获取所述目标布袋除尘器的除尘布袋的基本数据信息，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值，其中所述基本数据信息包括数量信息、规格参数、材质属性、密度数据；根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。

基于粉尘浓度监测的除尘器智能控制***，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，包括：粉尘数据获取模块，所述粉尘数据获取模块用于获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；阈值确定模块，所述阈值确定模块用于获取所述目标布袋除尘器的除尘布袋的基本数据信息，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值，其中所述基本数据信息包括数量信息、规格参数、材质属性、密度数据；有效粉尘粒径占比确定模块，所述有效粉尘粒径占比确定模块用于根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；标准粉尘浓度数据生成模块，所述标准粉尘浓度数据生成模块用于根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；布袋预测积尘累积量生成模块，所述布袋预测积尘累积量生成模块用于基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；脉冲阀激活指令生成模块，所述脉冲阀激活指令生成模块用于当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；反向气流冲洗处理模块，所述反向气流冲洗处理模块用于将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。

由于采用了上述技术方法，本公开相对于现有技术来说，取得的技术进步有如下几点：

可以解决现有的布袋除尘器控制方法存在除尘控制准确性较低的技术问题，首先，通过粉尘浓度检测仪和工业摄像机获取预设时间节点下的粉尘浓度数据和粉尘图像数据；并对目标布袋除尘器的除尘布袋基本数据信息进行分析后确定有效除尘粒径阈值和最大积尘承受量阈值，其中基本数据信息包括数量信息、规格参数、材质属性、密度数据；然后根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；并根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据，可以提高标准粉尘浓度数据获得的准确性；基于BP神经网络构建积尘量预测模型，并通过所述积尘量预测模型对所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，其中所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；然后根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断，当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，其中所述脉冲阀激活指令中包括指令激活时间节点；最后将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。通过上述方法可以提高布袋除尘器除尘控制的准确性，从而在粉尘浓度较高时减少对除尘器的设备质量损害、延长除尘器使用寿命；在粉尘浓度较低时降低不必要的能源损耗，节约电能资源。

附图说明

为了更清楚地说明本公开的实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。

图1为本申请提供了一种基于粉尘浓度监测的除尘器智能控制方法的流程示意图。

图2为本申请提供了一种基于粉尘浓度监测的除尘器智能控制方法中生成布袋预测积尘累积量的流程示意图。

图3为本申请提供了一种基于粉尘浓度监测的除尘器智能控制***的结构示意图。

附图标记说明：粉尘数据获取模块01、阈值确定模块02、有效粉尘粒径占比确定模块03、标准粉尘浓度数据生成模块04、布袋预测积尘累积量生成模块05、脉冲阀激活指令生成模块06、反向气流冲洗处理模块07。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

基于上述描述，如图1所示，本公开提供了一种基于粉尘浓度监测的除尘器智能控制方法，所述方法应用于一基于粉尘浓度监测的除尘器智能控制***，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，包括：

本申请提供的方法用于根据粉尘实时浓度监测数据对布袋除尘器的脉冲阀进行精准控制，来达到提高脉冲阀除尘控制准确性的目的，所述方法具体实施于一基于粉尘浓度监测的除尘器智能控制***，其中所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接是指所述粉尘浓度检测仪和所述工业摄像机通过信号传输的方式将采集获得的实时监测数据输入至所述除尘智能控制***，所述除尘智能控制***将生成的脉冲阀激活指令传输到所述脉冲阀控制单元，实现对脉冲阀的气动控制。其中所述粉尘浓度检测仪和所述工业摄像机安装于布袋除尘器的烟气入口位置，且所述工业摄像机为具有高精度图像采集功能的设备。

获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；

在本申请实施例中， 首先，获取预设时间节点，所述预设时间节点本领域技术人员可根据实际需求进行设置，其中实际控制精度需求越高，则预设时间节点越短，例如：设置预设时间节点为2分钟，即每隔2分钟进行一次数据采集。然后在所述预设时间下，通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测，其中所述目标布袋除尘器为待进行智能控制优化的布袋除尘器，生成粉尘浓度数据；通过所述工业摄像机对所述入口烟气进行图像采集，获得粉尘图像数据。通过获得所述粉尘浓度数据和所述粉尘图像数据，为下一步生成标准粉尘浓度数据提供了原始数据支持。

获取所述目标布袋除尘器的除尘布袋的基本数据信息，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值，其中所述基本数据信息包括数量信息、规格参数、材质属性、密度数据；

在本申请实施例中，首先，对所述目标布袋除尘器的除尘布袋基本数据信息进行采集，其中所述基本数据信息包括数量信息、规格参数、材质属性、密度数据，其中所述规格参数为除尘布袋的尺寸、形状等数据；所述目标布袋除尘器通过除尘布袋对粉尘等颗粒物进行过滤，其中除尘布袋密度越大，则粉尘等颗粒物的通过概率越低，则除尘效果越好。然后对所述基本数据信息进行除尘性能分析，并根据除尘性能分析结果确定有效除尘粒径阈值和最大积尘承受量阈值。

在一个实施例中，所述方法还包括：

基于所述材质属性和所述密度数据对所述除尘布袋进行有效除尘性能分析，生成有效除尘粒径阈值；

基于所述规格参数、所述材质属性、所述密度数据进行单个除尘布袋的最大积尘承受量计算，生成单个除尘布袋的最大积尘承受量；

根据所述数量信息对所述最大积尘承受量进行相加求和，获得最大积尘承受量阈值。

在本申请实施例中，首先，基于大数据进行数据检索，获得多个除尘布袋的历史基本数据信息和多个有效除尘粒径阈值、多个最大积尘承受量，其中所述历史基本数据信息和所述有效除尘粒径阈值、所述最大积尘承受量具有对应关系，其中所述有效除尘粒径阈值是指可通过除尘布袋进行颗粒物过滤的最大颗粒物粒径，其中当烟气中的颗粒物进入袋式除尘器后，粒径大、比重大的颗粒物会由于重力的作用沉降下来，落入灰斗中，所以当颗粒物粒径大于所述有效除尘粒径阈值时，不用通过除尘布袋即可完成颗粒物过滤；所述最大积尘承受量为单个除尘布袋可承受的最大颗粒物累积量，当除尘布袋颗粒物累积量大于所述最大颗粒物累积量时，会降低除尘效果同时会对除尘布袋造成质量损害。然后将多个除尘布袋的历史基本数据信息和多个有效除尘粒径阈值、多个最大积尘承受量作为样本数据。

基于BP神经网络构建有效除尘性能分析通道和最大积尘承受量计算通道，其中有效除尘性能分析通道的输入数据为材质属性和密度数据，输出数据为有效除尘粒径阈值；最大积尘承受量计算通道的输入数据为规格参数、材质属性、密度数据，输出数据为最大积尘承受量。然后通过所述样本数据对所述有效除尘性能分析通道和所述最大积尘承受量计算通道进行监督训练，获得有效除尘性能分析通道和最大积尘承受量计算通道，其中所述有效除尘性能分析通道和所述最大积尘承受量计算通道的监督训练过程与下方积尘量预测模型的训练方法相同，为了体现说明书的简洁性，在此未进行展开说明，本领域技术人员可参考下方积尘量预测模型的监督训练过程。

将所述材质属性和所述密度数据输入训练完成的有效除尘性能分析通道进行有效除尘性能分析，输出有效除尘粒径阈值；将所述规格参数、所述材质属性、所述密度数据输入训练完成的最大积尘承受量计算通道，输出最大积尘承受量，其中所述最大积尘承受量为单个布袋的最大积尘承受量；然后根据所述数量信息对所述最大积尘承受量进行相加求和，并将所述最大积尘承受量的求和结果作为最大积尘承受量阈值，其中所述最大积尘承受量阈值为整个目标布袋除尘器的最大积尘承受量。

通过基于BP神经网络构建有效除尘性能分析通道和最大积尘承受量计算通道，可以提高有效除尘粒径阈值和最大积尘承受量获得的效率和准确性，从而提高布袋除尘器除尘控制的准确性。

根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；

在本申请实施例中，对所述粉尘图像数据进行粉尘轮廓提取，并根据粉尘轮廓提取结果进行粉尘粒径占比分析，生成粉尘粒径占比分析结果，并将所述粉尘粒径占比分析结果中粒径小于所述有效除尘粒径阈值的粉尘标记为有效粉尘，得到有效粉尘粒径占比。

在一个实施例中，所述方法还包括：

对所述粉尘图像数据进行灰度化处理，生成灰度粉尘图像；

基于所述灰度粉尘图像进行粉尘轮廓特征提取和边缘拟合，生成多个粉尘轮廓数据；

基于所述多个粉尘轮廓数据进行粉尘粒径计算，得到多个粉尘粒径数据；

将所述多个粉尘粒径数据中小于所述有效除尘粒径阈值的粉尘粒径标记为有效粉尘粒径，并将有效粉尘粒径数量与粉尘粒径数据数量的比值作为有效粉尘粒径占比。

在本申请实施例中，首先，对所述粉尘图像数据进行灰度化处理，其中灰度化处理是指将粉尘图像转换为灰度图像的过程，通过灰度化处理可以提高图像处理速度，同时可以对粉尘图像进行图像增强，提高图像对比对，从而提高图像中粉尘粒径分析的准确性，常用的图像灰度处理方法包括最大值处理法、平均值处理法、加权平均处理法，本领域技术人员可根据实际情况选择适配的图像灰度处理方法，生成灰度粉尘图像。

然后通过现有的图像处理技术对所述灰度粉尘图像进行粉尘轮廓特征提取和边缘拟合，例如：可通过轮廓提取法或者边界跟踪法进行粉尘轮廓特征提取，其中边缘拟合是指根据现有粉尘轮廓特征对有被遮挡的粉尘轮廓进行拟合连接，提高粉尘轮廓数据获取的准确性，生成多个粉尘轮廓数据。然后对所述多个粉尘轮廓数据进行粉尘粒径计算，获得多个粉尘粒径数据。

根据所述有效除尘粒径阈值对所述多个粉尘粒径数据的粉尘粒径进行判断，并将所述多个粉尘粒径数据中小于所述有效除尘粒径阈值的粉尘粒径标记为有效粉尘粒径，然后将有效粉尘粒径数量与粉尘粒径数据数量的比值作为有效粉尘粒径占比，获得有效粉尘粒径占比。通过获得有效粉尘粒径占比，为下一步对粉尘浓度数据进行粉尘浓度校正提供了支持。

根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；

在本申请实施例中，将所述粉尘浓度数据乘以所述有效粉尘粒径占比，并将两者之积作为标准粉尘浓度数据，获得标准粉尘浓度数据。通过对烟气图像进行粉尘粒径识别，确定有效粉尘粒径占比，并根据有效粉尘粒径占比对粉尘浓度数据进行校正，可以提高粉尘浓度数据获得的准确性，从而可以提高布袋积尘量预测的准确性。

基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；

在本申请实施例中，获取预设时间窗口，其中所述预设时间窗口为相邻预设时间节点的时间间隔，例如：假设预设时间节点为2分钟为一次时间节点，则预设时间窗口为2分钟时间段；然后根据所述标准粉尘浓度数据和入口烟气流动速度对预设时间窗口内的除尘布袋的布袋积尘量进行预测，其中入口烟气流动速度可通过传感器进行烟气速度采集获得，生成多个预设时间窗口内的布袋积尘量预测结果，然后将多个布袋积尘量预测结果进行相加求和，并将相加求和结果作为布袋预测积尘累积量。

如图2所示，在一个实施例中，所述方法还包括：

获取第一预设时间窗口，所述第一预设时间窗口为第一预设时间节点与第二预设时间节点的时间间隔；

获得所述第一预设时间节点的第一标准粉尘浓度数据和所述第二预设时间节点的第二标准粉尘浓度数据；

将所述第一标准粉尘浓度数据、所述第二标准粉尘浓度数据和所述入口烟气流动速度输入积尘量预测模型，得到第一布袋积尘量预测结果；

基于所述第一布袋积尘量预测结果生成所述布袋预测积尘累积量。

在本申请实施例中，首先，获取第一预设时间窗口，其中所述第一预设时间窗口为第一预设时间节点与第二预设时间节点的时间间隔，所述第一预设时间节点为首次进行烟气数据采集的时间节点，所述第二预设时间节点为所述第一预设时间节点相邻的下一时间节点。然后获得所述第一预设时间节点的第一标准粉尘浓度数据和所述第二预设时间节点的第二标准粉尘浓度数据。

基于BP神经网络构建积尘量预测模型，所述积尘量预测模型为机器学习中可以进行迭代优化的神经网络模型，通过训练数据集进行监督训练获得。首先，基于工业大数据技术，以目标布袋除尘器为索引条件进行数据查询，获得多个历史除尘数据，所述历史除尘数据为所述目标布袋除尘器同型号的布袋除尘器，其中所述历史除尘数据包括两个相邻时间节点的历史粉尘浓度数据、历史烟气流动速度和历史积尘累积量，所述历史积尘累积量为布袋除尘器中多个除尘布袋的历史粉尘累积量之和。其中所述两个相邻时间节点的历史粉尘浓度数据、所述历史烟气流动速度和所述历史积尘累积量具有对应关系，所述两个相邻时间节点的时间间隔与所述预设时间窗口的时间段可相同也可不同。根据所述多个历史除尘数据构建样本数据集，并按照预设数据划分规则将所述样本数据集划分为样本训练集和样本验证集，其中所述预设数据划分规则本领域技术人员可根据实际情况自行设置，例如：样本训练集数据占比为85%、样本验证集数据占比为15%。

根据所述样本训练集和所述样本验证集对所述积尘量预测模型进行监督训练和监督验证，首先，在所述样本训练集中随机选取一样本训练数据作为第一样本训练数据，并根据所述第一样本训练数据对所述积尘量预测模型进行监督训练，获得模型输出的第一积尘量预测结果；然后将所述第一积尘量预测结果与所述第一样本训练数据中的历史积尘累积量进行比对；当结果一致时，继续根据下一样本训练数据对模型进行监督训练；当结果不一致时，则计算所述第一积尘量预测结果与所述第一样本训练数据中的历史积尘累积量的结果偏差，并根据所述结果偏差对模型的权重参数进行优化调整，然后进行下一训练数据的监督训练，不断进行迭代训练，直到模型趋于收敛状态时，通过所述样本验证集对模型的输出结果进行验证，直到模型输出结果准确率大于或等于预设准确率指标时，获得训练完成的积尘量预测模型，所述预设准确率指标本领域技术人员可根据实际情况进行设置，例如：设置预设准确率指标为输出结果准确率96%。

然后将所述第一标准粉尘浓度数据、所述第二标准粉尘浓度数据和所述入口烟气流动速度输入训练完成的积尘量预测模型中，输出第一布袋积尘量预测结果。利用获得所述第一布袋积尘量预测结果相同的方法依次进行多个预设时间窗口内的布袋积尘量预测，获得多个预设时间窗口内的布袋积尘量预测结果，并将多个布袋积尘量预测结果进行相加求和，得到布袋预测积尘累积量。

通过基于BP神经网络构建积尘量预测模型，并基于工业大数据技术获得模型训练样本数据对积尘量预测模型进行监督训练和验证，可以提高布袋积尘量预测的准确性和效率。

在一个实施例中，所述方法还包括：

调取所述目标布袋除尘器的除尘操作日志，并基于所述除尘操作日志得到最大历史粉尘浓度数据；

基于所述最大历史粉尘浓度数据生成预设时间窗口内的最大布袋积尘量预测结果；

基于所述第一布袋积尘量预测结果和所述最大布袋积尘量预测结果生成所述布袋预测积尘累积量。

在本申请实施例中，在生成布袋预测积尘累积量之前，首先，调取所述目标布袋除尘器的除尘操作日志，并提取所述除尘操作日志中的最大历史粉尘浓度数据。通过所述积尘量预测模型对预设时间窗口内的最大历史粉尘浓度数据进行布袋积尘量预测，其中所述积尘量预测模型中输入的相邻两个时间节点的浓度数据均为最大历史粉尘浓度数据，得到预设时间窗口内的最大布袋积尘量预测结果。

通过计算最大布袋积尘量预测结果的目的是为了防止下一预设时间窗口内的布袋积尘量超标对除尘效果和除尘器质量造成损害，所以最大化下一预设时间窗口内的布袋积尘量预测结果。然后在每次计算布袋预测积尘累积量时，都必须加上所述最大布袋积尘量预测结果，将多个预设时间窗口内的布袋积尘量预测结果之和所述最大布袋积尘量预测结果相加得到所述布袋预测积尘累积量。通过生成最大布袋积尘量预测结果对所述布袋预测积尘累积量进行优化，可以提高布袋预测积尘累积量获得的合理性，从而进一步提高除尘控制的准确性。

当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；

在本申请实施例中，根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断，当所述布袋预测积尘累积量大于等于所述最大积尘承受量阈值时，则生成脉冲阀激活指令，其中所述脉冲阀激活指令中包括指令激活时间节点。

在一个实施例中，所述方法还包括：

根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断；

当所述布袋预测积尘累积量小于所述最大积尘承受量阈值时，则根据在预设时间节点下依次对所述布袋预测积尘累积量进行判断；

当所述布袋预测积尘累积量大于等于所述最大积尘承受量阈值时，则记录当前预设时间节点为第一预设时间节点，并基于所述第一预设时间节点生成脉冲阀激活指令。

在本申请实施例中，首先，根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断，当所述布袋预测积尘累积量小于所述最大积尘承受量阈值时，则按照预设时间节点顺序依次对下一预设相邻时间节点的布袋预测积尘累积量进行判断；当所述布袋预测积尘累积量大于等于所述最大积尘承受量阈值时，则记录当前预设时间节点，并将所述当前预设时间节点作为第一预设时间节点，然后根据所述第一预设时间节点生成脉冲阀激活指令，所述脉冲阀激活指令用于开启脉冲阀进行冲洗工作。

在一个实施例中，所述方法还包括：

将所述第一预设时间节点的相邻下一时间节点作为指令激活时间节点，并将所述指令激活时间节点嵌入所述脉冲阀激活指令中，生成脉冲阀激活指令。

在本申请实施例中，将所述第一预设时间节点的相邻下一时间节点作为指令激活时间节点，因为在计算布袋预测积尘累积量时，已经添加了相邻下一时间节点的最大布袋积尘量预测结果，则将相邻下一时间节点作为指令激活时间节点是比较准确且合理的，并将所述指令激活时间节点嵌入所述脉冲阀激活指令中，生成脉冲阀激活指令。通过生成脉冲阀激活指令，为下一步进行脉冲阀启动控制提供了支持。

将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。

在本申请实施例中，然后将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并控制所述脉冲阀控制单元在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。其中脉冲阀的反向气流冲洗时间和反向气流风速为满足最大积尘承受量阈值设置的除尘标准冲洗参数。通过上述方法可以解决现有的布袋除尘器控制方法存在除尘控制准确性较低的技术问题，提高布袋除尘器除尘控制的准确性，从而在粉尘浓度较高时减少对除尘器的设备质量损害、延长除尘器使用寿命；在粉尘浓度较低时降低不必要的能源损耗，节约电能资源。

在一个实施例中，如图3所示提供了一种基于粉尘浓度监测的除尘器智能控制***，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，包括：粉尘数据获取模块01、阈值确定模块02、有效粉尘粒径占比确定模块03、标准粉尘浓度数据生成模块04、布袋预测积尘累积量生成模块05、脉冲阀激活指令生成模块06、反向气流冲洗处理模块07、其中：

粉尘数据获取模块01，所述粉尘数据获取模块01用于获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；

阈值确定模块02，所述阈值确定模块02用于获取所述目标布袋除尘器的除尘布袋的基本数据信息，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值，其中所述基本数据信息包括数量信息、规格参数、材质属性、密度数据；

有效粉尘粒径占比确定模块03，所述有效粉尘粒径占比确定模块03用于根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；

标准粉尘浓度数据生成模块04，所述标准粉尘浓度数据生成模块04用于根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；

布袋预测积尘累积量生成模块05，所述布袋预测积尘累积量生成模块05用于基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；

脉冲阀激活指令生成模块06，所述脉冲阀激活指令生成模块06用于当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；

反向气流冲洗处理模块07，所述反向气流冲洗处理模块07用于将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。

在一个实施例中，所述***还包括：

有效除尘粒径阈值生成模块，所述有效除尘粒径阈值生成模块用于基于所述材质属性和所述密度数据对所述除尘布袋进行有效除尘性能分析，生成有效除尘粒径阈值；

最大积尘承受量计算模块，所述最大积尘承受量计算模块用于基于所述规格参数、所述材质属性、所述密度数据进行单个除尘布袋的最大积尘承受量计算，生成单个除尘布袋的最大积尘承受量；

最大积尘承受量阈值获得模块，所述最大积尘承受量阈值获得模块用于根据所述数量信息对所述最大积尘承受量进行相加求和，获得最大积尘承受量阈值。

在一个实施例中，所述***还包括：

灰度粉尘图像生成模块，所述灰度粉尘图像生成模块用于对所述粉尘图像数据进行灰度化处理，生成灰度粉尘图像；

粉尘轮廓数据生成模块，所述粉尘轮廓数据生成模块用于基于所述灰度粉尘图像进行粉尘轮廓特征提取和边缘拟合，生成多个粉尘轮廓数据；

粉尘粒径数据得到模块，所述粉尘粒径数据得到模块用于基于所述多个粉尘轮廓数据进行粉尘粒径计算，得到多个粉尘粒径数据；

有效粉尘粒径占比获得模块，所述有效粉尘粒径占比获得模块用于将所述多个粉尘粒径数据中小于所述有效除尘粒径阈值的粉尘粒径标记为有效粉尘粒径，并将有效粉尘粒径数量与粉尘粒径数据数量的比值作为有效粉尘粒径占比。

在一个实施例中，所述***还包括：

第一预设时间窗口获取模块，所述第一预设时间窗口获取模块用于获取第一预设时间窗口，所述第一预设时间窗口为第一预设时间节点与第二预设时间节点的时间间隔；

标准粉尘浓度数据获得模块，所述标准粉尘浓度数据获得模块用于获得所述第一预设时间节点的第一标准粉尘浓度数据和所述第二预设时间节点的第二标准粉尘浓度数据；

第一布袋积尘量预测结果得到模块，所述第一布袋积尘量预测结果得到模块用于将所述第一标准粉尘浓度数据、所述第二标准粉尘浓度数据和所述入口烟气流动速度输入积尘量预测模型，得到第一布袋积尘量预测结果；

布袋预测积尘累积量生成模块，所述布袋预测积尘累积量生成模块用于基于所述第一布袋积尘量预测结果生成所述布袋预测积尘累积量。

在一个实施例中，所述***还包括：

最大历史粉尘浓度数据得到模块，所述最大历史粉尘浓度数据得到模块用于调取所述目标布袋除尘器的除尘操作日志，并基于所述除尘操作日志得到最大历史粉尘浓度数据；

最大布袋积尘量预测结果生成模块，所述最大布袋积尘量预测结果生成模块用于基于所述最大历史粉尘浓度数据生成预设时间窗口内的最大布袋积尘量预测结果；

布袋预测积尘累积量生成模块，所述布袋预测积尘累积量生成模块用于基于所述第一布袋积尘量预测结果和所述最大布袋积尘量预测结果生成所述布袋预测积尘累积量。

在一个实施例中，所述***还包括：

布袋预测积尘累积量判断模块，所述布袋预测积尘累积量判断模块用于根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断；

布袋预测积尘累积量依次判断模块，所述布袋预测积尘累积量依次判断模块用于当所述布袋预测积尘累积量小于所述最大积尘承受量阈值时，则根据在预设时间节点下依次对所述布袋预测积尘累积量进行判断；

脉冲阀激活指令生成模块，所述脉冲阀激活指令生成模块用于当所述布袋预测积尘累积量大于等于所述最大积尘承受量阈值时，则记录当前预设时间节点为第一预设时间节点，并基于所述第一预设时间节点生成脉冲阀激活指令。

在一个实施例中，所述***还包括：

指令激活时间节点获得模块，所述指令激活时间节点获得模块用于将所述第一预设时间节点的相邻下一时间节点作为指令激活时间节点，并将所述指令激活时间节点嵌入所述脉冲阀激活指令中，生成脉冲阀激活指令。

综上所述，与现有技术相比，本公开的实施例具有以下技术效果：

（1）通过生成脉冲阀激活指令，可以提高布袋除尘器除尘控制的准确性，从而在粉尘浓度较高时减少对除尘器的设备质量损害、延长除尘器使用寿命；在粉尘浓度较低时降低不必要的能源损耗，节约电能资源。

（2）通过对烟气图像进行粉尘粒径识别，确定有效粉尘粒径占比，并根据有效粉尘粒径占比对粉尘浓度数据进行校正，可以提高粉尘浓度数据获得的准确性，从而可以提高布袋积尘量预测的准确性。

（3）通过基于BP神经网络构建积尘量预测模型，并基于工业大数据技术获得模型训练样本数据对积尘量预测模型进行监督训练和验证，可以提高布袋积尘量预测的准确性和效率。

（4）通过生成最大布袋积尘量预测结果对所述布袋预测积尘累积量进行优化，可以提高布袋预测积尘累积量获得的合理性，从而进一步提高除尘控制的准确性。

以上所述实施例仅表达了本公开的几种实施方式，但并不能因此而理解为对发明专利范围的限制。因此，在不脱离如由所附权利要求限定的本公开构思的范围的情况下，本领域普通技术人员可做出各种类型的替换、修改和变更，并且这些替换、修改和变更都属于本公开的保护范围。

Claims (8)

1.基于粉尘浓度监测的除尘器智能控制方法，其特征在于，所述方法应用于一基于粉尘浓度监测的除尘器智能控制***，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，所述方法包括：

获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；

获取所述目标布袋除尘器的除尘布袋的基本数据信息，所述基本数据信息包括数量信息、规格参数、材质属性、密度数据，其中所述规格参数为除尘布袋的尺寸、形状数据，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值；

根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；

根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；

基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；

当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；

将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。

2.如权利要求1所述的方法，其特征在于，所述基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值，还包括：

基于所述材质属性和所述密度数据对所述除尘布袋进行有效除尘性能分析，生成有效除尘粒径阈值；

基于所述规格参数、所述材质属性、所述密度数据进行单个除尘布袋的最大积尘承受量计算，生成单个除尘布袋的最大积尘承受量；

根据所述数量信息对所述最大积尘承受量进行相加求和，获得最大积尘承受量阈值。

3.如权利要求1所述的方法，其特征在于，所述根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比，还包括：

对所述粉尘图像数据进行灰度化处理，生成灰度粉尘图像；

基于所述灰度粉尘图像进行粉尘轮廓特征提取和边缘拟合，生成多个粉尘轮廓数据；

基于所述多个粉尘轮廓数据进行粉尘粒径计算，得到多个粉尘粒径数据；

将所述多个粉尘粒径数据中小于所述有效除尘粒径阈值的粉尘粒径标记为有效粉尘粒径，并将有效粉尘粒径数量与粉尘粒径数据数量的比值作为有效粉尘粒径占比。

4.如权利要求1所述的方法，其特征在于，基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，还包括：

获取第一预设时间窗口，所述第一预设时间窗口为第一预设时间节点与第二预设时间节点的时间间隔；

获得所述第一预设时间节点的第一标准粉尘浓度数据和所述第二预设时间节点的第二标准粉尘浓度数据；

将所述第一标准粉尘浓度数据、所述第二标准粉尘浓度数据和所述入口烟气流动速度输入积尘量预测模型，得到第一布袋积尘量预测结果；

基于所述第一布袋积尘量预测结果生成所述布袋预测积尘累积量。

5.如权利要求4所述的方法，其特征在于，所述基于所述第一布袋积尘量预测结果生成所述布袋预测积尘累积量，还包括：

调取所述目标布袋除尘器的除尘操作日志，并基于所述除尘操作日志得到最大历史粉尘浓度数据；

基于所述最大历史粉尘浓度数据生成预设时间窗口内的最大布袋积尘量预测结果；

基于所述第一布袋积尘量预测结果和所述最大布袋积尘量预测结果生成所述布袋预测积尘累积量。

6.如权利要求1所述的方法，其特征在于，所述当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，还包括：

根据所述最大积尘承受量阈值对所述布袋预测积尘累积量进行判断；

当所述布袋预测积尘累积量小于所述最大积尘承受量阈值时，则根据在预设时间节点下依次对所述布袋预测积尘累积量进行判断；

当所述布袋预测积尘累积量大于等于所述最大积尘承受量阈值时，则记录当前预设时间节点为第一预设时间节点，并基于所述第一预设时间节点生成脉冲阀激活指令。

7.如权利要求6所述的方法，其特征在于，所述基于所述第一预设时间节点生成脉冲阀激活指令，还包括：

将所述第一预设时间节点的相邻下一时间节点作为指令激活时间节点，并将所述指令激活时间节点嵌入所述脉冲阀激活指令中，生成脉冲阀激活指令。

8.基于粉尘浓度监测的除尘器智能控制***，其特征在于，用于执行权利要求1-7任意一项所述的基于粉尘浓度监测的除尘器智能控制方法中的步骤，所述***与粉尘浓度检测仪、工业摄像机、脉冲阀控制单元通信连接，包括：

粉尘数据获取模块，所述粉尘数据获取模块用于获取预设时间节点下的粉尘浓度数据和粉尘图像数据，其中所述粉尘浓度数据通过所述粉尘浓度检测仪对目标布袋除尘器的入口烟气进行粉尘浓度检测获得，所述粉尘图像数据通过所述工业摄像机对所述入口烟气进行图像采集获得；

阈值确定模块，所述阈值确定模块用于获取所述目标布袋除尘器的除尘布袋的基本数据信息，所述基本数据信息包括数量信息、规格参数、材质属性、密度数据，其中所述规格参数为除尘布袋的尺寸、形状数据，并基于所述基本数据信息确定有效除尘粒径阈值和最大积尘承受量阈值；

有效粉尘粒径占比确定模块，所述有效粉尘粒径占比确定模块用于根据所述粉尘图像数据进行粉尘粒径占比分析，并基于粉尘粒径占比分析结果和所述有效除尘粒径阈值确定有效粉尘粒径占比；

标准粉尘浓度数据生成模块，所述标准粉尘浓度数据生成模块用于根据所述有效粉尘粒径占比对所述粉尘浓度数据进行校正，生成标准粉尘浓度数据；

布袋预测积尘累积量生成模块，所述布袋预测积尘累积量生成模块用于基于所述标准粉尘浓度数据和入口烟气流动速度进行预设时间窗口内的布袋积尘量预测，生成布袋预测积尘累积量，所述布袋预测积尘累积量为多个所述预设时间窗口内的布袋积尘量预测结果之和，其中所述预设时间窗口为相邻预设时间节点的时间间隔；

脉冲阀激活指令生成模块，所述脉冲阀激活指令生成模块用于当所述布袋预测积尘累积量满足所述最大积尘承受量阈值时，则生成脉冲阀激活指令，所述脉冲阀激活指令中包括指令激活时间节点；

反向气流冲洗处理模块，所述反向气流冲洗处理模块用于将所述脉冲阀激活指令传输至所述脉冲阀控制单元，并在所述指令激活时间节点下启动脉冲阀对所述除尘布袋进行反向气流冲洗处理。