CN117203469A

CN117203469A - 预测装置、预测方法、预测程序、设施控制装置、设施控制方法、以及控制程序

Info

Publication number: CN117203469A
Application number: CN202280030887.1A
Authority: CN
Inventors: 山本圭太; 白石裕司
Original assignee: Hitachi Zosen Corp
Current assignee: Hitachi Zosen Corp
Priority date: 2021-04-26
Filing date: 2022-03-03
Publication date: 2023-12-08
Also published as: JP2022168717A; WO2022230356A1

Abstract

有助于改善焚烧设施的运行。预测装置(1)具备：移动数据生成部(103)，其在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄料斗而得到的时序的多个图像，来生成表示焚烧对象物的移动状态的移动数据；以及性状预测部(105)，其基于所生成的所述移动数据和所述速度来预测焚烧对象物的性状。

Description

预测装置、预测方法、预测程序、设施控制装置、设施控制方法、以及控制程序

技术领域

本发明涉及一种对在焚烧炉中焚烧的焚烧对象物的性状进行预测的预测装置等。

背景技术

在一般的垃圾的焚烧设施中，设置有被称为料斗的漏斗状的装置。贮存在被称为垃圾坑的贮存设备中的垃圾被起重机等抓取并投入到料斗中。并且，料斗内的垃圾从先投入的垃圾开始依次被进料装置送入焚烧炉进行焚烧。作为与料斗相关的技术，例如可举出下述的专利文献1。专利文献1记载了基于周期性测量的料斗水平来检测架桥。

现有技术文献

专利文献

专利文献1：日本特开平10-238735号

发明内容

(一)要解决的技术问题

如上所述，投入到料斗内的垃圾依次被进料装置送入焚烧炉进行焚烧，但是燃烧的方式会因送入的垃圾的性状而不同。例如，在送入包含较多水分的湿垃圾的情况下，焚烧炉内的温度可能会降低。另一方面，在送入干燥的容易燃烧的垃圾的情况下，焚烧炉内的温度可能会提高。这种情况不限于垃圾，在焚烧任何焚烧对象物时都是共同的现象。

因此考虑：如果能够在对投入料斗内的焚烧对象物进行焚烧之前的阶段把握其性状，则也有助于改善焚烧设施的运行。例如，能够根据焚烧对象物的性状来预测焚烧炉内的状态，由此也能够预防状态的恶等。另外，例如也能够进行焚烧炉的自动控制、向料斗投入焚烧对象物的自动控制等。但是，现有技术不预测向料斗内投入的焚烧对象物的性状。例如，上述专利文献1也没有启示对投入料斗内的垃圾的性状进行预测。

本发明的一方式针对上述问题做出，其目的在于，提供一种有助于改善焚烧设施的运行的预测装置等。

(二)技术方案

为了解决上述问题，本发明一方式的预测装置具备：移动数据生成部，其在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及预测部，其基于所述移动数据生成部生成的所述移动数据和所述速度来预测进行焚烧的所述焚烧对象物的性状。

另外，为了解决上述问题，本发明一方式的设施控制装置具备：移动数据生成部，其在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及设备控制部，其基于所述移动数据生成部所生成的所述移动数据和所述速度来进行如下至少任一的控制，即：(1)向所述料斗投入焚烧对象物的控制、(2)所述速度的控制、(3)所述焚烧炉内的所述焚烧对象物的输送速度的控制、(4)所述焚烧炉内的所述焚烧对象物的燃烧控制、以及(5)所述焚烧对象物的搅拌控制。

为了解决上述问题，本发明一方式的预测方法由一个或多个信息处理装置执行，预测焚烧对象物的性状，包含如下步骤：在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及基于在上述步骤中生成的所述移动数据和所述速度，预测进行焚烧的所述焚烧对象物的性状。

为了解决上述问题，本发明一方式的设施控制方法由一个或多个信息处理装置执行，包含如下步骤：在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及基于在所述步骤中所成的所述移动数据和所述速度来进行如下至少任一的控制，即：(1)向所述料斗投入焚烧对象物的控制、(2)所述速度的控制、(3)所述焚烧炉内的所述焚烧对象物的输送速度的控制、(4)所述焚烧炉内的所述焚烧对象物的燃烧控制、以及(5)所述焚烧对象物的搅拌控制。

(三)有益效果

根据本发明的一方式，能够有助于改善焚烧设施的运行。

附图说明

图1是表示本发明的实施方式1的预测装置的主要部分结构的一例的框图。

图2是表示包含上述预测装置的设施控制系统的结构例的图。

图3是表示有无垃圾的判定方法的例子的图。

图4是表示移动数据的生成方法的例子的图。

图5是表示进料速度与移动量之间的关系的图。

图6是表示上述预测装置执行的处理的一例的流程图。

图7是表示本发明的实施方式2的预测装置的主要部分结构的一例的框图。

图8是对于体积密度示出预测值与实际值之间的关系的图。

图9是说明低位发热量的预测方法的图。

图10是表示上述预测装置执行的处理的一例的流程图。

图11是表示本发明的实施方式3的设施控制装置的主要部分结构的一例的框图。

图12是表示上述设施控制装置执行的处理的一例的流程图。

具体实施方式

(实施方式1)

(系统结构)

基于图2对本实施方式的设施控制系统100的结构进行说明。图2是表示设施控制系统100的结构例的图。在图2中示出将设施控制系统100应用于垃圾焚烧设施的例子。此外，设施控制系统100不限于垃圾，能够应用于对任意的焚烧对象物进行焚烧的任意的焚烧设施。

在图2所示的垃圾焚烧设施中，设置有贮存垃圾G的垃圾坑B和焚烧垃圾G的焚烧炉C。垃圾坑B内的垃圾G通过起重机被投入料斗A。在料斗A的上部形成有以向外侧扩展的方式倾斜的倾斜面A1，垃圾G在该倾斜面A1上滑落而进入料斗A的内部，并暂时收容于此。此外，料斗A内的垃圾G从其下部的开口部A2依次被送入焚烧炉C焚烧。

设施控制系统100是对在焚烧炉C中焚烧的垃圾的性状进行预测的系统，包含预测装置1和摄影装置2。摄影装置2配置于料斗A的上方，每隔规定时间从上方对料斗A进行拍摄。并且，预测装置1获取摄影装置2拍摄的各图像，并使用这些图像来预测进行焚烧的垃圾的性状。

更详细而言，摄影装置2对料斗A拍摄时序的多个图像。并且，预测装置1基于移动数据对垃圾的性状进行预测，所述移动数据根据摄影装置2拍摄的时序的多个图像而生成，表示在拍摄多个该图像期间中的垃圾G的移动状态。

本发明的发明人对从上方拍摄料斗而得到的图像进行了仔细检查，结果发现：焚烧对象物的性状的不同表现为焚烧对象物的移动状态的不同。例如可知：即使向焚烧炉送入焚烧对象物的速度相同，水分含量较多而难以燃烧的焚烧对象物与水分含量较少而容易燃烧的焚烧对象物相比，具有料斗内的单位时间的移动量较大的倾向。

预测装置1基于该见解来预测垃圾的性状。即，垃圾的性状的不同表现为映现于图像的垃圾的移动状态的不同，因此根据上述的结构，能够预测垃圾的性状。并且，把握垃圾的性状有助于焚烧设施的适当的运行，因此根据预测装置1，能够有助于改善焚烧设施的运行。

具体而言，预测装置1基于垃圾性状的预测结果来控制垃圾焚烧设施内的设备。由此，能够进行与垃圾的性状相对应的适当的控制，有助于改善焚烧设施的运行。此外，对于垃圾焚烧设施内的设备的控制可以由垃圾焚烧设施的操作员等进行，在这种情况下，预测装置1只要向操作员等输出垃圾性状的预测结果即可。在这种情况下，预测装置1不需要控制设备。

预测装置1的配置场所没有特别限定，例如，可以配置于垃圾焚烧设施，也可以配置于对多个垃圾焚烧设施进行监视的监视中心等。另外，图2示出了利用一个预测装置1对一个垃圾焚烧设施中的垃圾的性状进行预测的例子，但是也能够利用一个预测装置1对多个垃圾焚烧设施中的垃圾的性状进行预测。在这种情况下，例如可以使预测装置1为云服务器。

(预测装置的结构)

基于图1来说明预测装置1的结构。图1是表示预测装置1的主要部分结构的一例的框图。如图所示，预测装置1具备：控制部10，其对预测装置1的各部进行综合控制；以及存储部11，其存储预测装置1使用的各种数据。另外，预测装置1具备：通信部12，其用于预测装置1与其他装置通信；输入部13，其接受针对预测装置1的各种数据输入；以及输出部14，其用于预测装置1输出各种数据。

另外，在控制部10中包含：数据获取部101、判定部102、移动数据生成部103、标准移动量计算部104、性状预测部(预测部)105、影响预测部106、以及设备控制部107。并且，在存储部11中存储有图像DB111和标准移动量计算式112。

数据获取部101获取从上方拍摄料斗A而得到的时序的多个图像。如上所述，在设施控制系统100中，摄影装置2拍摄从上方拍摄料斗A而得到的时序的多个图像，因此数据获取部101只要获取摄影装置2拍摄的图像即可。此外，数据获取部101可以经由通信部12的通信从摄影装置2获取图像，也可以获取经由输入部13输入的图像。数据获取部101将得到的图像存储于图像DB111。此外，摄影装置2也可以拍摄动态图像。在这种情况下，数据获取部101只要从摄影装置2拍摄的动态图像中获取时序的多个图像(例如，每隔规定时间的帧图像)即可。

判定部102对如下情况进行判定，即：在数据获取部101得到的图像中的对象区域是否映现有垃圾，该对象区域是用于预测垃圾性状的解析的对象。关于对象区域中的垃圾的判定方法，将在后面基于图3进行详细说明。

移动数据生成部103根据数据获取部101获取并记录于图像DB111的时序的多个图像，生成表示在拍摄多个该图像期间中的垃圾的移动状态的移动数据。关于移动数据的生成方法，将后面基于图4进行详细说明。

标准移动量计算部104确定：将垃圾送入焚烧炉的速度，即进料速度。并且，标准移动量计算部104根据所确定的进料速度，使用标准移动量计算式112来计算：当以上述确定的进料速度将垃圾送入焚烧炉时的、标准的垃圾的移动量(以下称为标准的移动量)。

标准移动量计算式112是表示进料速度、与当以该进料速度将垃圾送入焚烧炉时的该垃圾的标准的移动量之间的关系的数学式。关于标准移动量计算式112和使用了该标准移动量计算式112的标准的移动量的计算方法，将在后面基于图5进行详细说明。

性状预测部105基于移动数据生成部103生成的移动数据和进料速度来预测进行焚烧的垃圾的性状。具体而言，性状预测部105计算移动数据生成部103生成的移动数据所表示的移动量、与标准移动量计算部104计算的标准的移动量的差，作为垃圾性状的预测结果。

影响预测部106基于性状预测部105预测出的垃圾的性状来预测因焚烧该垃圾而对焚烧炉的燃烧状态的影响。影响预测部106输出的预测结果也可以表示对燃烧状态的影响的大小。例如，在将对燃烧状态的影响的大小用大、中、小、以及没有影响这4个阶段表现的情况下，影响预测部106只要输出表示一阶段的信息作为预测结果即可。另外，影响预测部106也可以输出燃烧状态的预测值(例如，低位发热量的预测值)作为预测结果。关于对燃烧状态的影响的预测，将在后面基于图5进行说明。

设备控制部107基于影响预测部106的预测结果来控制垃圾焚烧设施的设备。例如，设备控制部107可以进行如下至少任一的控制，即：(1)向料斗投入垃圾的控制、(2)进料速度的控制、(3)焚烧炉内的垃圾的输送速度(炉排速度)的控制、以及(4)焚烧炉内的垃圾的燃烧控制。

此外，关于上述(1)，可以进行如下控制，即：在希望促进燃烧的情况下，将垃圾坑内的垃圾中的比较容易燃烧的垃圾投入料斗，在希望抑制燃烧的情况下，将比较难以燃烧的垃圾投入料斗。也可以另行对垃圾坑内的垃圾的性状分布进行管理，也可以如后面说明的那样基于性状预测部105的预测结果来进行确定。

另外，关于上述(2)，可以是，在希望促进燃烧的情况下，提高进料速度，在希望抑制燃烧的情况下，降低进料速度。对于上述(3)的炉排速度也是同样的。此外，根据状况，作为用于促进燃烧的控制，采用降低进料速度和降低炉排速度的至少一种方式也可能是有效的。

另外，关于上述(4)，垃圾的燃烧控制例如能够通过使用燃烧器的加热、控制燃烧空气的供给量来实现。即，在希望促进燃烧的情况下(希望提高产生热量的情况下)，只要利用燃烧器进行加热、或者增加燃烧空气的供给量即可，相反，在希望抑制燃烧的情况下(希望降低产生热量的情况下)，只要减少燃烧空气的供给量即可。此外，根据状况，作为用于抑制燃烧的控制，有时减少燃烧空气的供给量也是有效的。

另外，在从上方拍摄料斗时所映现的垃圾是到当前为止存在于垃圾坑内的垃圾，能够确定在垃圾坑内的哪个位置获取了该垃圾。因此，能够根据性状预测部105的预测结果、或者影响预测部106的预测结果，来预测垃圾坑内的垃圾的性状分布。

设备控制部107可以基于该性状分布来进行垃圾坑内的垃圾的搅拌控制。例如，设备控制部107可以控制为在分布有难以燃烧的垃圾的区域优先进行搅拌，也可以控制为对分布有难以燃烧的垃圾的区域的垃圾、和分布有容易燃烧的垃圾的区域的垃圾进行混合/搅拌使其均质化。此外，垃圾的搅拌是指：为了改善垃圾的性状(特别是燃烧难易度)而进行的处理，例如是通过利用起重机抓取垃圾使其下落、使抓取的垃圾分散来进行。

如上所述，预测装置1具备：移动数据生成部103、性状预测部105。移动数据生成部103在将投入到料斗的垃圾以指定的进料速度送入焚烧炉的焚烧设施中，根据从上方拍摄料斗而得到的时序的多个图像，生成表示垃圾的移动状态的移动数据。性状预测部105基于所生成的移动数据和进料速度来预测垃圾的性状。

如上所述，垃圾的性状的不同表现为在图像中映现的垃圾的移动状态的不同，因此根据上述的结构，能够预测垃圾的性状。并且，把握垃圾的性状有助于焚烧设施的适当的运行，因此根据上述的结构，能够有助于改善焚烧设施的运行。

另外，移动数据只要有在不同的时刻拍摄的2张图像即可生成，详情后述。因此，不需要进行机器学习等就能够立即在垃圾焚烧设施中开始预测装置1的运行。另外，即使摄影装置2的设置场所、拍摄角度稍微变更，也能够不受影响地预测垃圾的性状。此外，也设想在设置于垃圾焚烧设施内的摄影装置2的透镜上附着有污垢，但是由于附着的污垢不活动，因此这样的污垢对移动数据的生成所造成的影响也是有限的。即，包含预测装置1的设施控制系统100具有容易导入且能够进行稳定的运行的优点。

(关于有无垃圾的判定)

基于图3对基于判定部102的有无垃圾的判定进行说明。图3是表示判定有无垃圾的方法的例子的图。图3所示的图像D是从上方拍摄料斗而得到的图像。在图像D中映现有在料斗的倾斜面上滑落的垃圾，但是没有在倾斜面的整体映现垃圾。具体而言，在料斗的倾斜面中的下游侧的区域d2映现有垃圾，但是在上游侧的区域d1没有映现垃圾。

在此，如果假设移动数据生成部103对如区域d1那样未映现垃圾的区域生成了移动数据，则移动数据所表示的移动量有可能为零或者是接近零的值。并且，当移动量是零或者接近零的值时，有可能输出关于实际上不存在的垃圾的错误的预测结果。

为了避免上述这样的错误的检测，预测装置1具备判定部102。判定部102判定在图像中的对象区域是否映现有垃圾。此外，移动数据生成部103生成移动数据，该移动数据表示在判定部102判定为在对象区域映现有垃圾的图像间的移动量。由此，对象区域没有映现对象物的图像不会用于垃圾性状的预测，因此能够防止上述那样的错误的预测。此外，优选对象区域设定于料斗的倾斜面上，更详细而言，是如区域d2那样设定于下游侧的倾斜面上，详情后述。

可以使用所拍摄的图像来判定是否映现有垃圾，也可以通过对所拍摄的图像实施规定的图像处理而容易地判定有无垃圾，再进一步进行判定。作为上述图像处理，例如可以举出Canny法。Canny法是用于图像中的边缘检测的算法。图3所示的图像D1是通过使用Canny法对图像D进行边缘检测而生成的图像。垃圾的外观通常比料斗的表面形状复杂得多。因此，在图3例中，与没有映现垃圾的区域d1相比，在映现有垃圾的区域d2检出大量的边缘。

因此，判定部102可以将Canny法应用于拍摄料斗而得到的图像来进行边缘检测，将在对象区域检出的边缘的数量为阈值以上的图像判定为映现有垃圾的图像，将在对象区域检出的边缘的数量小于阈值的图像判定为没有映现垃圾的图像。

当然，也可以应用Canny法以外的边缘检测方法。另外，也能够通过边缘检测以外的方法判定有无垃圾。例如，判定部102可以通过对构成图像的各像素的亮度值和RGB值中的至少一方进行解析来判定有无垃圾。另外，例如判定部102可以通过以能够判别有无垃圾的方式进行了学习的已学习模型(例如神经网络模型)来判定有无垃圾。

(移动数据的生成方法)

基于图4对基于移动数据生成部103生成移动数据的方法进行说明。图4是表示移动数据的生成方法的例子的图。更详细而言，图4示出了通过图像相关法生成移动数据F的例子，该移动数据F表示：在时刻t对料斗的倾斜面上进行拍摄而得到的图像E1、与在时刻t+Δt对料斗的倾斜面上进行拍摄而得到的图像E2之间的垃圾的移动状态。此外，在图4中，y方向是垃圾下降的方向，也就是从料斗的倾斜面(参照图2的倾斜面A1)的上游侧朝向下游侧的方向，x方向是与上述倾斜面上的y方向垂直的方向。

图像相关法是如下这样的方法，即：针对时序的2张图像，通过图像处理对映现于各图像中的各粒子的移动量进行运算，并将算出的移动量表示为矢量。例如，在图像E1中，虚线的包围框所示的垃圾映现于位置e1，但是在图像E2中，则是映现于比位置e1靠下方的位置e2。该垃圾的移动状态在移动数据F中表示为表示从位置e1到位置e2的位移的矢量f1。另外，对于其他位置也同样地算出矢量。

由此，在移动数据F中，表示图像E1和E2中的各位置的垃圾的移动状态。具体而言，根据移动数据F可知，图像E1和E2中的各位置的垃圾朝向y方向(料斗的倾斜面的下游侧、即下降方向)移动。此外，在移动数据F中，对于y方向分量的值为阈值以上的矢量用实线的箭头表示，针对小于阈值的矢量则用虚线的箭头表示。由此，可知，存在垃圾的移动较快的位置和较慢的位置。

如上所述，移动数据生成部103可以针对分别映现于多个规定的位置的图像要素，生成表示该图像要素在图像E1、E2之间向下降方向移动的移动量的移动数据，所述多个规定的位置设定于在图像E1、E2中映现的倾斜面。

由于在料斗的倾斜面上，垃圾朝向大致相同的下降方向而滑落，因此料斗的倾斜面是适于判定垃圾是否顺畅地下降或者下降是否停滞的位置。因此，根据上述的结构，能够生成准确地表示垃圾是否顺畅地下降、下降是否停滞的移动数据。并且，通过使用该移动数据来预测垃圾的性状，从而能够进行可靠性较高的预测。这是因为，如上所述，垃圾的性状的不同表现为在图像中映现的垃圾的移动状态的不同。

此外，移动数据也可以一并生成映现有倾斜面以外的其他部分的图像部分。在这种情况下，性状预测部105只要使用移动数据生成部103生成的移动数据中的在映现有倾斜面的部分设定的对象区域内的移动数据来预测垃圾的性状即可。

当然，只要将垃圾的移动方向为大致相同的方向的区域作为对象区域即可，也可以将倾斜面以外的区域作为对象区域。例如，可以将料斗的内表面中的在倾斜面的下游侧与该倾斜面连接的内表面上的区域(通常沿垂直方向延伸)作为对象区域，也可以将包含倾斜面上和此外其他部分双方的区域作为对象区域。

另外，移动数据只要是表示垃圾的移动状态的数据即可，不限于上述例。例如，可以将垃圾的移动速度作为移动数据。另外，也可以将表示在不同时刻拍摄的2张图像的差分的差分图像作为移动数据。

(标准移动量的计算～燃烧状态的预测)

基于图5来说明：标准移动量计算部104计算标准移动量的方法、性状预测部105预测垃圾性状的方法、以及影响预测部106对燃烧状态的预测。图5是表示进料速度与移动量之间的关系的图。

图5所示的曲线图H描绘了在一垃圾焚烧设施中在各种进料速度下测量出的各种性状的垃圾的移动量。此外，在曲线图H的上侧示出表示进料速度的分布的直方图h1，在曲线图H的右侧示出表示移动量的分布的直方图h2。此外，这里所说的移动量是指：映现于拍摄垃圾的时序的2张图像间的朝向该垃圾的下降方向的移动量。

如图所示，在进料速度与垃圾的移动量之间存在进料速度越大则移动量也越大的相关关系。该相关关系能够通过例如回归分析而定式化。在图5的例子中，用h3表示通过回归分析求出的、表示y＝F(x)的直线，该y＝F(x)是表示进料速度与垃圾的移动量之间的关系的回归式。即，h3是回归直线。预测装置1将这样的回归式作为标准移动量计算式112存储于存储部11。

标准移动量计算部104通过确定当前的进料速度并代入标准移动量计算式112，从而计算当前的进料速度下的标准的移动量。由此，能够计算适当值的标准的移动量。例如，在当前的进料速度是x1的情况下，标准的移动量为y＝F(x1)。

在这种情况下，性状预测部105可以计算移动数据生成部103生成的移动数据所表示的移动量、与垃圾的标准的移动量的差作为预测结果。如上所述，根据本发明的发明人的研究结果可知：水分含量较多而难以燃烧的垃圾与水分含量较少而容易燃烧的垃圾相比，具有料斗内的单位时间的移动量较大的倾向。因此可以说：移动数据所表示的移动量与标准的移动量的差表示垃圾的燃烧难易度。因此，根据上述的结构，能够计算表示垃圾的燃烧难易度的值作为预测结果。

例如，如图5的例子所示，假设在当前的进料速度是x1的情况下，移动数据生成部103生成的移动数据所表示的移动量是y1。在图5中用曲线图H的曲线图平面上的点h4来表示该进料速度与移动量的组合。如上所述，由于进料速度是x1时的标准的移动量是y＝F(x1)，因此在该例中性状预测部105计算y’＝y1－F(x1)作为预测结果。

这样算出的y’的值越大，表示该垃圾的性状越背离标准的垃圾的性状。更详细而言，在y’是负的值的情况下，表示y’的绝对值越大则该垃圾的移动量越小。一般而言，较轻的垃圾与标准重量的垃圾相比移动速度较小，水分较少而容易燃烧，因此y’是负的值且y’的绝对值较大的垃圾容易燃烧。

另一方面，在y’是正的值的情况下，表示y’的绝对值越大则该垃圾的移动量越大。一般而言，较重的垃圾是与标准重量的垃圾相比移动速度较大，水分较多而难以燃烧，因此y’是正的值且y’的绝对值较大的垃圾难以燃烧。

因此，例如，在图5中，在一垃圾的移动量和进料速度描绘于比回归直线h3设定于上侧的区域h5内的情况下，该垃圾是难以燃烧的垃圾。另一方面，在图5中，在一垃圾的移动量和进料速度描绘于比回归直线h3设定于下侧的区域h6内的情况下，该垃圾是容易燃烧的垃圾。点h4位于比回归直线h3靠向下侧的区域h6内，因此点h4的垃圾是容易燃烧的垃圾。

根据以上情况，影响预测部106可以根据y’的值对垃圾进行分类，并输出该分类结果作为预测结果。例如，影响预测部106也可以在性状预测部105算出的y’的值描绘在区域h5或者h6内的情况下预测为存在对燃烧状态的影响。关于影响的大小，影响预测部106只要对应y’的值的大小进行判定即可。另外，影响预测部106可以在描绘于区域h5与h6之间的区域的情况下预测为对燃烧状态没有影响。

此外，燃烧状态的预测方法只要适当使用与作为预想的对象的燃烧状态对应的方法即可，不限于上述的例子。例如，影响预测部106可以预测低位发热量。在这种情况下，只要使y’的值与低位发热量的相关关系定式化即可。并且，影响预测部106只要使用该式来预测低位发热量即可。

另外，标准移动量的求出方法也不限于上述的例子。例如，与上述例子同样地，可以在垃圾焚烧设施中在各种进料速度下测量出各种性状的垃圾的移动量之后，将进料速度区分到多个数值范围中，并求出各区分中的标准的移动量。标准的移动量可以作为例如各区分中的移动量的平均值、中央值等。在这种情况下，标准移动量计算部104只要根据当前的进料速度属于哪个区分来确定标准的移动量即可。

另外，也可以取代利用回归分析那样的线性模型求出标准的移动量，而利用例如神经网络等非线性模型来求出标准的移动量。在这种情况下，预先准备机器学习了进料速度与标准的移动量之间的关系的标准移动量预测模型。并且，标准移动量计算部104只要通过向该标准移动量预测模型输入进料速度来计算标准的移动量即可。

(处理的流程)

基于图6来说明预测装置1执行的处理的流程(预测方法)。图6是表示预测装置1执行的处理的一例的流程图。此外，例如每当摄影装置2拍摄新的图像时进行图6的处理。

在S1中，数据获取部101获取从上方拍摄料斗而得到的时序的图像并记录于图像DB111。如上所述，由于摄影装置2(参照图2)拍摄这些图像，因此数据获取部101只要获取摄影装置2拍摄的图像即可。

在S2中，判定部102判定在通过S1得到的图像中的对象区域是否映现有垃圾。关于判定在对象区域是否映现有垃圾的判定方法，如同基于图3说明过的那样，在此不进行重复说明。在在S2中判定为是时则进入S3，当在S2中判定为否时则结束图6的处理。

在S3(移动数据生成步骤)中，移动数据生成部103根据通过S1得到的图像、和在该图像之前拍摄的图像，生成表示在拍摄这些图像期间中的垃圾的移动状态的移动数据。例如，在通过S1获取在时刻t+Δt拍摄的图像的情况下，移动数据生成部103从图像DB111读取在时刻t拍摄的图像。此外，移动数据生成部103生成表示从时刻t到时刻t+Δt的期间的垃圾的移动状态的移动数据。关于移动数据的生成方法，如同基于图4说明过的那样，在此不进行重复说明。

在S4中，标准移动量计算部104确定进料速度，并且根据所确定的进料速度而使用标准移动量计算式112来计算标准的移动量。此外，进料速度设定成什么样的值，可以由预测装置1的用户经由输入部13输入，也可以通过经由通信部12与垃圾处理设施的控制装置通信来确定。

在S5(预测性状的步骤)中，性状预测部105预测进行焚烧的垃圾的性状。更详细而言，性状预测部105计算在S3中移动数据生成部103生成的移动数据所表示的移动量、与在S4中标准移动量计算部104使用进料速度算出的标准的移动量的差作为预测的结果。如上所述，由于标准的移动量是使用进料速度计算的，因此在S5中，性状预测部105基于移动数据和进料速度来预测垃圾的性状。

在S6中，影响预测部106基于在S5中性状预测部105预测出的垃圾的性状来对焚烧该垃圾所造成的对焚烧炉的燃烧状态的影响进行预测。此外，燃烧状态的预测不是必须的，也可以基于S5的预测结果来进行S7以后的处理。

在S7中，设备控制部107基于S6的预测结果来判定：是否进行使焚烧炉中的燃烧状态保持良好的控制。在S7中判定为是的情况下，进入S8的处理，在S8中，设备控制部107进行使焚烧炉中的燃烧状态保持良好的控制。另一方面，在S7中判定为否的情况下，不进行S8的处理，而结束图6的处理。

此外，S7的判定基准只要预先确定即可，S8的控制内容的确定方法也只要预先确定即可。例如，可以是，在将对燃烧状态的影响的大小用大、中、小、以及没有影响这4个阶段预测的情况下，如果是没有影响以外的预测结果则进行控制(在S7中判定为是)。并且，还可以是，越是在预测为对燃烧状态的影响较大的情况下，设备控制部107越可以增大用于促进或者抑制燃烧的控制的控制量。

在此，设备控制部107可以如例如以下这样来确定是进行促进燃烧的控制，还是进行抑制的控制。首先，设备控制部107判定在S3中移动数据生成部103生成的移动数据所表示的移动量是否比在S4中标准移动量计算部104使用进料速度算出的标准的移动量大。在该判定中，在判定为移动数据生成部103生成的移动数据所表示的移动量较大的情况下，考虑该垃圾是比标准的垃圾水分量多而难以燃烧的垃圾。因此，设备控制部107只要确定进行促进燃烧的控制(例如，利用燃烧器进行加热、增加燃烧空气量的控制)即可。另一方面，在判定为标准的移动量较大的情况下，考虑该垃圾是水分量比标准的垃圾少而容易燃烧的垃圾，因此设备控制部107只要确定进行抑制燃烧的控制(例如，减少燃烧空气量的控制)即可。由此，能够将焚烧炉内的燃烧状态保持为良好的状态。

另外，在S7中，也可以进行考虑了投入到料斗的垃圾被送入焚烧炉的延迟的控制。例如，设备控制部107也可以使用进料速度等来计算投入到料斗的垃圾被送入焚烧炉的时间，并在经过该时间时，对该垃圾进行与对预测的燃烧状态的影响相对应的控制。

另外，根据控制内容不同，也存在该控制的结果反映到燃烧状态产生延迟的情况。因此，设备控制部107也可以进行控制，以使得控制的结果反映到燃烧状态的时刻与该垃圾被送入焚烧炉的时刻相同，或者比该垃圾被送入焚烧炉的时刻早。

另外，在S7中，也可以成为设备控制部107根据性状预测部105的预测结果来确定控制内容的结构。在这种情况下，省略S6的处理，并且不需要影响预测部106。

如以上所述，本实施方式的预测方法包含：步骤(S3)、步骤(S5)。在步骤(S3)中，根据在以指定的进料速度将投入到料斗的垃圾送入焚烧炉的焚烧设施中从上方拍摄所述料斗而得到的时序的多个图像来生成表示所述垃圾的移动状态的移动数据。在步骤(S5)中，基于在所述步骤(S3)中生成的所述移动数据和所述进料速度来预测进行焚烧的所述垃圾的性状。根据该预测方法，能够有助于改善焚烧设施的运行。

此外，如在实施方式1的开头所述那样，设施控制系统100不限于垃圾焚烧设施，能够应用于焚烧任意的焚烧对象物的焚烧设施，收纳于料斗的焚烧对象物不限于垃圾。即，在上述的实施方式中记载的“垃圾”能够替换成任意的“焚烧对象物”。这在后面说明的实施方式2以后中也同样。

(实施方式2)

以下对本发明的另一个实施方式进行说明。此外，为了方便说明，对于与在上述实施方式中说明过的部件具有相同的功能的部件标记相同的附图标记并不重复其说明。这在后面说明的实施方式3中也同样。

(预测装置的结构)

图7是表示本实施方式的预测装置1A的主要部分结构的一例的框图。预测装置1A在不具备标准移动量计算部104并代替性状预测部105和影响预测部106而具备体积密度预测部(预测部)105A和发热量预测部106A方面与图1所示的预测装置1不同。另外，也在预测装置1A的存储部11中未存储有标准移动量计算式112，并取而代之而存储有体积密度预测式112A和发热量预测式113A方面与预测装置1不同。

体积密度预测部105A使用移动数据生成部103生成的移动数据所表示的移动量、进料速度、体积密度预测式112A来计算体积密度。体积密度预测式112A是表示垃圾的移动量及进料速度、与该垃圾的体积密度之间的关系的数学式。后面基于图8对体积密度的预测方法进行详细说明。

发热量预测部106A使用表示垃圾的体积密度、与焚烧该垃圾时的低位发热量(发热量)之间的关系的发热量预测式113A来计算焚烧该垃圾时的低位发热量(发热量)的预测值。后面基于图9对低位发热量(发热量)的预测方法进行详细说明。

(体积密度的预测方法)

本发明的发明人研究了使用垃圾的移动量和进料速度能否表示体积密度。该研究的结果发现了，对各种体积密度的垃圾利用下述数学式(1)能够预测体积密度，其中，所述数学式(1)是通过使用了测量出移动量和进料速度的结果的重回归分析求出的。

y＝ax1+bx2+cx1＊x2+d (1)

此外，在上述数学式(1)中，y是体积密度[t/m³](t是质量的单位：吨)，x1是进料速度[m/h]，X2是垃圾的移动量(用图像相关法算出的无量纲量)，a～d是通过重回归分析求出的系数。

图8是将利用上述数学式(1)算出的体积密度的预测值作为纵轴，将实际的体积密度作为横轴，并示出预测值与实际值之间的关系的图。根据图8所示的曲线图J可知，利用上述数学式(1)，能够高精度地预测体积密度。在曲线图J所示的例子中，确定系数是0.8565。

此外，本发明的发明人为了比较也对利用下述的数学式(2)预测体积密度进行了尝试。

y＝ax1+b (2)

虽然利用数学式(2)的体积密度的预测值也与实际的体积密度在一定程度上一致，但是确定系数却不及使用了数学式(1)的情况。由此可知，垃圾的移动量有助于提高体积密度的推定精度。

当然，除了使用数学式(1)以外也能够利用各种方法根据进料速度和垃圾的移动量来计算体积密度的预测值。即，使用将进料速度以及垃圾的移动量、与体积密度之间的关系进行了模型化的任意的预测模型能够计算体积密度的预测值。

如上所述，本发明的发明人的研究结果可知，在料斗内的垃圾的移动量及进料速度、与该垃圾的体积密度之间存在相关关系。因此，根据预测装置1A能够计算适当值的体积密度作为预测结果，其中，该预测装置1A具备体积密度预测部105A，其使用表示垃圾的移动量、进料速度、该垃圾的体积密度之间的关系的体积密度预测式112A来计算体积密度。

另外，进料速度是每秒变化的值，实时性较高。另外，垃圾的移动量也是例如能够以每分为单位得到的实时性较高的信息。并且，如以下说明那样，垃圾的移动量也是取决于体积密度的值。

首先，可知进料速度与垃圾的移动量之间存在相关关系。但是，即使是相同的进料速度，垃圾的移动量也存在偏差。作为该偏差的一个原因，考虑是垃圾的重量不同。即，当垃圾沿着料斗内沉淀时，较重的垃圾比较轻的垃圾利用自重压缩的程度较大，由此单位时间的移动量即移动速度变大。这样，垃圾沿着料斗内沉淀的速度受到进料速度和垃圾的自重引起的压缩的影响。因此，根据进料速度和基于垃圾的自重的压缩程度，单位体积的重量即体积密度会变化。因此，垃圾的移动量除了取决于进料速度之外，也取决于体积密度。

这样，根据上述的结构，能够根据实时性较高的信息推定料斗内的垃圾的体积密度。具体而言，只要从上方多次拍摄料斗，并确定其拍摄时的进料速度，就能够计算体积密度的预测值。由此，也能够根据体积密度实时推定垃圾的低位发热量，并且也能够将推定结果有效用于焚烧炉的控制中。

此外，体积密度也能够使用后面说明的数学式(3)来计算。但是，在该方法中，为了使垃圾的处理量(重量)成为适当的值，而需要将上述规定期间设定成例如1天等比较长的期间，无法以能够用于焚烧炉的控制的时刻来计算体积密度。

(低位发热量的预测方法)

基于图9对利用发热量预测部106A预测低位发热量的方法进行说明。图9是说明低位发热量的预测方法的图。另外，在图9中也一并示出图2所示的料斗A的下部开口部A2附近的剖面概要图。

在垃圾焚烧设施中，投入料斗的垃圾在料斗内滞留一段时间，之后，被送入焚烧炉进行焚烧，因此难以测量出在从上方拍摄料斗而得到的图像中映现的垃圾焚烧时的低位发热量。

因此，本发明的发明人首先根据焚烧炉中的一天的平均发热量和该一天的平均的体积密度来确定体积密度与低位发热量之间的关系。发热量预测部106A使用这样确定之间的关系并根据体积密度求出了低位发热量。

如图9所示，收纳于料斗A的内部的垃圾从开口部A2送入焚烧炉C。因此，将开口部A2的剖面面积设定为So、将平均进料速度设定为V、使焚烧炉C运转了一天(24小时)时的、该焚烧炉C的处理量如下述那样表示。

(1天的处理量)[吨/天]＝{V[m/h]×24[h/天]}×So[m²]×(体积密度)[吨/m³]

因此，体积密度如下述那样表示。

(体积密度)＝(1天的处理量)/(V×24×So)(3)

图9的K是表示如上述这样求出的体积密度、与焚烧炉C中的这天的低位发热量Hu之间的关系的曲线图。如图所示，可知，虽然有偏差，但是作为整体在体积密度与低位发热量之间具有相关。更详细而言，体积密度与低位发热量存在比例关系，因此，体积密度与低位发热量之间的关系能够用直线k1表示。

因此，如果将该直线k1的数学式作为发热量预测式113A存储于存储部11，则发热量预测部106A能够使用该数学式并根据体积密度预测部105A预测出的体积密度来求出低位发热量。

如上所述，可知垃圾的体积密度与焚烧该垃圾时的低位发热量具有相关。因此，根据预测装置1A能够计算适当值的低位发热量作为预测结果，其中，该预测装置1A具备发热量预测部106A，其使用表示体积密度与低位发热量之间的关系的发热量预测式113A来预测低位发热量。

此外，如上所述，能够根据垃圾的移动量和进料速度来计算体积密度，并能够根据体积密度来计算低位发热量，因此不计算体积密度也能够根据垃圾的移动量和进料速度来计算低位发热量。即，发热量预测部106A也可以使用表示移动数据生成部103生成的移动数据所表示的移动量、进料速度、以及焚烧以该进料速度送入焚烧炉的垃圾时的低位发热量之间的关系的数学式来计算该垃圾的低位发热量。即使是这样的结构，也能够计算适当值的低位发热量作为表示垃圾性状的预测结果。

作为计算垃圾的低位发热量的数学式，而应用例如上述这样的回归式，但不限于该例。发热量预测部106A能够使用使进料速度及垃圾的移动量、与低位发热量之间的关系模型化的任意的预测模型来计算低位发热量的预测值。

(处理的流程)

基于图10来说明预测装置1A所执行的处理的流程(预测方法)。

图10是表示预测装置1A执行的处理的一例的流程图。此外，图10的S11～S13的处理与图6的S1～S3相同，因此省略说明。

在S14(预测性状的步骤)中，体积密度预测部105A将在S13中生成的移动数据所表示的移动量、和当垃圾以该移动量移动时的进料速度代入体积密度预测式112A来计算体积密度的预测值。

在S15中，发热量预测部106A将在S14中算出的体积密度的预测值代入发热量预测式113A来计算低位发热量的预测值。此外，如上所述，不计算体积密度也能够根据垃圾的移动量和进料速度计算低位发热量。在这种情况下，省略S14，S15成为预测垃圾的性状(具体而言是低位发热量)的步骤。

在S16中，设备控制部107基于S15的预测结果来判定是否进行使焚烧炉中的燃烧状态保持良好的控制。在S16中判定为是的情况下，进入S17的处理，在S17中，设备控制部107进行使焚烧炉中的燃烧状态保持良好的控制。另一方面，在S16中判定为否的情况下，不进行S17的处理，而结束图10的处理。

此外，S16的判定基准只要预先确定即可，S17的控制内容的确定方法也只要预先确定即可。例如，也可以在S15中计算的低位发热量的预测值是预先确定的正常范围外时进行控制(在S16中判定为是)。并且，在产生热量的预测值小于正常范围的下限值的情况下，设备控制部107只要进行用于提高产生热量的控制(例如，利用燃烧器进行加热、增加燃烧空气量的控制)即可。另一方面，在产生热量的预测值超出正常范围的上限值的情况下，设备控制部107只要进行用于降低产生热量的控制(例如，减少燃烧空气量的控制)即可。由此，能够将焚烧炉内的燃烧状态保持为良好的状态。

(实施方式3)

(设施控制装置的结构)

图11是表示本实施方式的设施控制装置1B的主要部分结构的一例的框图。设施控制装置1B基于根据从上方拍摄料斗而得到的时序的多个图像来生成的移动数据和进料速度而对垃圾焚烧设施内的设备进行控制。

设施控制装置1B与上述的预测装置1及预测装置1A相比，在根据从上方拍摄料斗而得到的时序的多个图像来生成移动数据方面相同，在不进行垃圾性状的预测而对设备进行控制方面不同。因此，在图2中，也能够构成将预测装置1置换成设施控制装置1B的设施控制系统100。

设施控制装置1B与图1所示的预测装置1相比，不具备标准移动量计算部104、性状预测部105、以及影响预测部106，取而代之具备控制内容确定部105B。另外，在设施控制装置1B的存储部11中未存储有标准移动量计算式112，取而代之存储有控制内容确定模型112B。

控制内容确定部105B基于移动数据生成部103生成的移动数据和进料速度来确定针对垃圾焚烧设施内的设备的控制内容。例如，控制内容确定部105B也可以确定针对(1)向料斗投入垃圾的控制、(2)进料速度的控制、(3)焚烧炉内的垃圾的输送速度(炉排速度)的控制、(4)焚烧炉内的垃圾的燃烧控制、以及(5)坑内的垃圾的搅拌控制的至少一个的控制内容。也可以在控制内容中包含例如控制对象和控制量等。

此外，这些控制是用于维持适当的燃烧状态所需要的控制。因此，控制内容确定部105B在没有为了维持适当的燃烧状态而应该进行的控制时，确定不进行控制。

更详细而言，控制内容确定部105B使用控制内容确定模型112B来确定控制内容。控制内容确定模型112B是以能够根据移动数据和进料速度来确定控制内容的方式构建的模型。例如，在确定炉排速度的控制量的情况下，也可以使用控制内容确定模型112B，其将移动量和进料速度作为说明变量，将用于维持适当的燃烧状态而最佳的炉排速度作为目标变量。这样的控制内容确定模型112B能够用重回归分析来构建，也能够用神经网络等其他的算法来构建。

并且，设备控制部107对垃圾焚烧设施的设备进行控制内容确定部105B确定的控制。如上所述，由于控制内容确定部105B基于移动数据和进料速度来确定控制内容，因此设备控制部107基于移动数据和进料速度来控制垃圾焚烧设施的设备。

如上所述，设施控制装置1B具备：移动数据生成部103、设备控制部107。移动数据生成部103根据在以指定的进料速度将投入到料斗的垃圾送入焚烧炉的焚烧设施中从上方拍摄料斗而得到的时序的多个图像来生成表示垃圾的移动状态的移动数据。设备控制部107基于移动数据生成部103生成的移动数据和进料速度来进行(1)向料斗投入垃圾的控制、(2)进料速度的控制、(3)焚烧炉内的垃圾的输送速度的控制、(4)焚烧炉内的垃圾的燃烧控制、以及(5)坑内的垃圾的搅拌控制的至少一个。

如上所述，垃圾等焚烧对象物的性状的不同表现为在图像中映现的焚烧对象物的移动状态的不同。并且，焚烧对象物的性状的不同对用于维持焚烧对象物的适当的燃烧状态所需要的控制的内容带来影响。因此，能够根据在图像中映现的垃圾的移动状态来确定用于维持垃圾的适当的燃烧状态所需要的控制。因此，根据上述的结构，进行与垃圾的性状相对应的适当的控制，能够有助于改善焚烧设施的运行。

(处理的流程)

基于图12来说明设施控制装置1B所执行的处理的流程(设施控制方法)。图12是表示设施控制装置1B执行的处理的一例的流程图。此外，图12的S21～S23的处理与图6的S1～S3相同，因此省略说明。

在S24中，控制内容确定部105B使用控制内容确定模型112B来确定控制内容。例如，设定在S23中生成的移动数据是表示移动量的数据，控制内容确定模型112B是将移动量和进料速度作为说明变量、将用于维持适当的燃烧状态而最佳的进料速度的变化量作为目标变量的模型。在这种情况下，控制内容确定部105B根据通过以下方式获得的值来确定用于维持适当的燃烧状态而最佳的进料速度的变化量，即，将在S23中生成的移动数据所表示的移动量、和进料速度输入控制内容确定模型112B。

在S25中，设备控制部107判定是否进行使焚烧炉中的燃烧状态保持良好的控制。在S25中判定为是的情况下，进入S26的处理，在S26中，设备控制部107进行在S24中确定的内容的控制。另一方面，在S25中判定为否的情况下，不进行S26的处理，而结束图12的处理。

此外，只要预先确定S25的判定基准即可。例如，只要不确定为在S24中不进行控制，或者控制量是零，则可以判定为进行控制(在S25中为是)。另外，例如，也可以是，在使用预测为最佳的控制内容和输出表示该预测的可靠度的数值的控制内容确定模型112B的情况下，在可靠度为阈值以上的情况下，判定为进行控制(在S25中为是)。另外，例如，也可以是，向操作员提示在S24中确定的控制内容，并使操作员输入是否执行该控制。

如上所述，本实施方式的设施控制方法包含：步骤(S23)、步骤(S26)。在步骤(S23)中，根据在以指定的进料速度将投入到料斗的垃圾送入焚烧炉的焚烧设施中从上方拍摄料斗而得到的时序的多个图像来生成表示垃圾的移动状态的移动数据。在步骤(S26)中，基于在步骤(S23)中生成的移动数据和进料速度来进行(1)向料斗投入垃圾的控制、(2)进料速度的控制、(3)焚烧炉内的垃圾的输送速度的控制、(4)焚烧炉内的垃圾的燃烧控制、以及(5)坑内的垃圾的搅拌控制的至少一个。根据该设施控制方法，能够有助于改善焚烧设施的运行。

(关于架桥的发生)

在料斗中，会发生料斗内的垃圾堵塞成架桥状的架桥。如果发生架桥，则料斗的上部(架桥的发生部位以及其上方)的垃圾的移动量不取决于垃圾的性状而显著减少或者为零。因此，难以根据发生架桥时拍摄的图像来预测垃圾的性状。

因此，也可以是，在上述各实施方式中说明的预测装置1以及1A具备检测架桥的发生的架桥检测部，当架桥检测部检出了架桥的发生时，不进行垃圾性状的预测。另外，也可以是，预测装置1及1A在发生架桥时保持垃圾性状的预测结果，并在架桥消除后重新开始性状的预测。

检测架桥的发生及消除的方法没有特别限定，例如也能够基于移动数据生成部103生成的移动数据所表示的垃圾的移动量来检测架桥的发生及消除。设施控制装置1B也同样，可以是，检测架桥的发生，在发生架桥时保持控制，并在架桥消除后重新开始控制。

另外，相反，也能够利用架桥的发生对垃圾性状的预测结果带来影响而根据垃圾性状的预测结果来检测架桥的发生。例如，预测装置1A也可以在预测的体积密度与实测的体积密度之间产生背离的情况下，判定为发生了架桥。另外，在架桥持续了长时间的情况下，由于也产生对低位发热量的影响，因此预测装置1A也可以在预测的低位发热量从图9所示的直线k1背离的情况下，判定为发生了架桥。

(变形例)

在上述各实施方式中说明的各处理的执行主体是任意的，不限于上述的例子。即，能够利用可相互通信的多个装置来构建具有与预测装置1、1A、设施控制装置1B同样的功能的系统。例如，可以使一信息处理装置执行图6中的S1～S3的处理，并将生成的移动数据向另一信息处理装置发送，并利用该另一信息处理装置来进行S4～S8的处理。对于图9及图12所示的各处理也是同样的。

(利用软件实现的例子)

预测装置1、1A、设施控制装置1B(以下称为“装置”)的功能能够通过使计算机作为该装置发挥功能的程序来实现，即，通过使计算机作为该装置的各控制块(特别是包含于控制部10的各部)发挥功能的程序(预测程序/控制程序)来实现。

在这种情况下，上述装置作为用于执行上述程序的硬件而具备计算机，该计算机具有至少一个控制装置(例如处理器)和至少一个存储装置(例如存储器)。通过利用该控制装置和存储装置来执行上述程序，从而实现在上述各实施方式中说明的各功能。

上述程序可以记录于非暂时性的、且计算机能够读取的一个或多个记录介质。上述装置可以具备该记录介质，也可以不具备。在后者的情况下，上述程序可以经由有线或无线的任意的传送介质向上述装置提供。

另外，上述各控制块的功能的一部分或全部也能够通过逻辑电路实现。例如，形成有作为上述各控制块发挥功能的逻辑电路的集成电路也包含于本发明的范围。此外，例如也能够通过量子计算机实现上述各控制块的功能。

本发明不限于上述的各实施方式，能够在权利要求的范围内进行各种变更，将在不同的实施方式中分别公开的技术手段适当地组合而得到的实施方式也包含于本发明的技术范围。

附图标记说明

1-预测装置

103-移动数据生成部

104-标准移动量计算部

105-性状预测部(预测部)

1A-预测装置

103-移动数据生成部

105A-体积密度预测部(预测部)

1B-设施控制装置

103-移动数据生成部

107-设备控制部。

Claims

1.一种预测装置，具备：

移动数据生成部，其在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及

预测部，其基于所述移动数据生成部生成的所述移动数据和所述速度，预测进行焚烧的所述焚烧对象物的性状。

2.根据权利要求1所述的预测装置，其特征在于，

所述移动数据是表示所述焚烧对象物的移动量的数据，

所述预测部计算如下的移动量的差作为所述预测的结果，即：所述移动数据生成部生成的所述移动数据所表示的移动量；当以所述速度将所述焚烧对象物送入所述焚烧炉时的所述焚烧对象物的标准的移动量。

3.根据权利要求2所述的预测装置，其特征在于，

具备标准移动量计算部，该标准移动量计算部使用如下的数学式来计算所述标准的移动量，所述数学式表示将所述焚烧对象物送入所述焚烧炉的速度、与当以该速度将焚烧对象物送入所述焚烧炉时的该焚烧对象物的标准的移动量之间的关系。

4.根据权利要求1所述的预测装置，其特征在于，

所述移动数据是表示所述焚烧对象物的移动量的数据，

所述预测部使用如下的数学式来计算所述体积密度作为所述预测的结果，所述数学式表示所述移动数据生成部生成的所述移动数据所表示的移动量、与将所述焚烧对象物送入所述焚烧炉的速度、以及该焚烧对象物的体积密度之间的关系。

5.根据权利要求1所述的预测装置，其特征在于，

所述移动数据是表示所述焚烧对象物的移动量的数据，

所述预测部使用如下的数学式来计算所述低位发热量作为所述预测的结果，所述数学式表示所述移动数据生成部生成的所述移动数据所表示的移动量、与将所述焚烧对象物送入所述焚烧炉的速度、以及当焚烧该焚烧对象物时的低位发热量之间的关系。

6.一种设施控制装置，具备：

设备控制部，其基于所述移动数据生成部生成的所述移动数据和所述速度来进行如下至少任一的控制，即：(1)向所述料斗投入焚烧对象物的控制、(2)所述速度的控制、(3)所述焚烧炉内的所述焚烧对象物的输送速度的控制、(4)所述焚烧炉内的所述焚烧对象物的燃烧控制、以及(5)所述焚烧对象物的搅拌控制。

7.一种预测方法，由一个或多个信息处理装置执行，预测焚烧对象物的性状，包含如下步骤：

在将投入料斗的焚烧对象物以指定的速度送入焚烧炉的焚烧设施中，根据从上方拍摄所述料斗而得到的时序的多个图像，生成表示所述焚烧对象物的移动状态的移动数据；以及

基于在上述步骤中生成的所述移动数据和所述速度，预测进行焚烧的所述焚烧对象物的性状。

8.一种设施控制方法，由一个或多个信息处理装置执行，包含如下步骤：

基于在上述步骤中生成的所述移动数据和所述速度来进行如下至少任一的控制，即：(1)向所述料斗投入焚烧对象物的控制、(2)所述速度的控制、(3)所述焚烧炉内的所述焚烧对象物的输送速度的控制、(4)所述焚烧炉内的所述焚烧对象物的燃烧控制、以及(5)所述焚烧对象物的搅拌控制。

9.一种预测程序，是用于使计算机作为权利要求1所述的预测装置发挥功能的预测程序，用于使计算机作为上述移动数据生成部及上述预测部发挥功能。

10.一种控制程序，是用于使计算机作为权利要求6所述的设施控制装置发挥功能的控制程序，用于使计算机作为所述移动数据生成部及所述设备控制部发挥功能。