CN117406608A - 一种隧道除尘控制方法及系统 - Google Patents
一种隧道除尘控制方法及系统 Download PDFInfo
- Publication number
- CN117406608A CN117406608A CN202311715109.9A CN202311715109A CN117406608A CN 117406608 A CN117406608 A CN 117406608A CN 202311715109 A CN202311715109 A CN 202311715109A CN 117406608 A CN117406608 A CN 117406608A
- Authority
- CN
- China
- Prior art keywords
- dust removal
- removal control
- tunnel
- control
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000428 dust Substances 0.000 title claims abstract description 580
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000009412 basement excavation Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000007670 refining Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F5/00—Means or methods for preventing, binding, depositing, or removing dust; Preventing explosions or fires
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Ventilation (AREA)
Abstract
本发明公开了一种隧道除尘控制方法及系统,涉及智能控制技术领域,该方法包括:交互目标隧道的空气监测端,读取实时空气监测源;进行除尘需求度识别,判断除尘需求系数是否满足除尘需求约束;若满足,对目标隧道进行除尘控制特征挖掘,获得除尘控制空间;基于第一除尘控制寻优约束和第二除尘控制寻优约束对除尘控制空间进行粗糙寻优,获得除尘控制寻优域;基于第三除尘控制寻优约束对除尘控制寻优域进行深度寻优,获得除尘控制方案,进行除尘控制。本发明解决了现有技术中传统的隧道除尘控制精细化程度低,导致除尘效果差、能耗高的技术问题,达到了通过隧道内实时监测数据进行除尘方案灵活寻优,提高除尘质量、降低能耗的技术效果。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种隧道除尘控制方法及系统。
背景技术
隧道作为相对密闭的空间,在长期使用过程中,由于汽车尾气排放产生的有毒有害气体和粉尘,会影响隧道内的空气环境,容易造成环境指数超标,影响车流人员和隧道检修人员身心健康。因此,需要对隧道系统做好空气净化除尘,但传统的除尘设备控制方法无法根据隧道内情况进行精细化、针对性的除尘,导致除尘效果不理想并且会造成较高的能耗。
发明内容
本申请提供了一种隧道除尘控制方法及系统,用于解决现有技术中传统的隧道除尘控制精细化程度低,导致除尘效果差、能耗高的技术问题。
本申请的第一个方面,提供了一种隧道除尘控制方法,所述方法包括:交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;判断所述除尘需求系数是否满足除尘需求约束;若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;根据所述除尘控制方案对所述目标隧道进行除尘控制。
本申请的第二个方面,提供了一种隧道除尘控制系统,所述系统包括:实时空气监测源读取模块,所述实时空气监测源读取模块用于交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;除尘需求系数获得模块,所述除尘需求系数获得模块用于基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;除尘需求约束判断模块,所述除尘需求约束判断模块用于判断所述除尘需求系数是否满足除尘需求约束;隧道除尘指令获得模块,所述隧道除尘指令获得模块用于若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;除尘控制空间获得模块,所述除尘控制空间获得模块用于基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;除尘控制寻优域获取模块,所述除尘控制寻优域获取模块用于基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;除尘控制方案获取模块,所述除尘控制方案获取模块用于基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;除尘控制模块,所述除尘控制模块用于根据所述除尘控制方案对所述目标隧道进行除尘控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种隧道除尘控制方法,涉及智能控制技术领域,通过读取实时空气监测源,进行除尘需求度识别,对目标隧道进行除尘控制特征挖掘,获得除尘控制空间,基于第一除尘控制寻优约束和第二除尘控制寻优约束对除尘控制空间进行粗糙寻优,获得除尘控制寻优域;基于第三除尘控制寻优约束对除尘控制寻优域进行深度寻优,获得除尘控制方案,进行除尘控制,解决了现有技术中传统的隧道除尘控制精细化程度低,导致除尘效果差、能耗高的技术问题,实现了通过隧道内实时监测数据进行除尘方案灵活寻优,提高除尘质量、降低能耗的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种隧道除尘控制方法流程示意图;
图2为本申请实施例提供的一种隧道除尘控制方法中获得除尘需求系数的流程示意图;
图3为本申请实施例提供的一种隧道除尘控制方法中获得除尘控制空间的流程示意图;
图4为本申请实施例提供的一种隧道除尘控制系统结构示意图。
附图标记说明:实时空气监测源读取模块11,除尘需求系数获得模块12,除尘需求约束判断模块13,隧道除尘指令获得模块14,除尘控制空间获得模块15,除尘控制寻优域获取模块16,除尘控制方案获取模块17,除尘控制模块18。
具体实施方式
本申请提供了一种隧道除尘控制方法,用于解决现有技术中传统的隧道除尘控制精细化程度低,导致除尘效果差、能耗高的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书及上述附图中的术语“第一”“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种隧道除尘控制方法,所述方法包括:
P10:交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;
可选的,与目标隧道内的空气监测端进行信息交互,通过所述空气监测端的监测数据获取目标隧道内的实时空气监测数据,所述空气监测端由布置在目标隧道内的各个位置的空气监测设备构成,如隧道空气质量检测仪等,与除尘控制系统通讯连接,可提供隧道内各部位的实时空气监测数据,包括二氧化碳浓度、一氧化碳浓度、颗粒物浓度等,作为实时空气监测源。
P20:基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;
进一步的,如图2所示,本申请实施例步骤P20还包括:
P21:获得所述目标隧道的实时隧道布局数据和实时隧道环境数据;
P22:基于所述实时隧道布局数据进行建模,获得目标隧道模型;
P23:将所述实时空气监测源和所述实时隧道环境数据输入所述目标隧道模型,获得隧道空气特征云图;
P24:基于BP神经网络,构建满足预设识别精度约束的除尘需求解析通道;
P25:基于所述隧道空气特征云图,根据所述除尘需求解析通道进行除尘需求度识别,生成所述除尘需求系数。
应当理解的是,获得所述目标隧道的实时隧道布局数据和实时隧道环境数据,所述实时隧道布局数据是指目标隧道的结构布局,包括隧道各部分的连接关系、走向、结构尺寸等,所述实时隧道环境数据是指目标隧道内的温度、湿度、风速等环境数据。进一步的,通过三维仿真技术,采用所述实时隧道布局数据进行数字建模,获得目标隧道模型,并将所述实时空气监测源和所述实时隧道环境数据输入所述目标隧道模型中,进行扩散模拟,并根据扩散情况生成隧道空气特征云图,所述隧道空气特征云图可以反映目标隧道当前各部位的空气质量特征。
进一步的,基于BP神经网络原理,结合历史除尘需求记录数据作为训练数据,构建除尘需求解析通道并进行有监督训练,直至除尘需求解析通道的输出达到收敛并满足预设识别精度约束,例如识别精度达到90%以上,得到所述除尘需求解析通道,进一步的,将所述隧道空气特征云图输入所述除尘需求解析通道进行除尘需求度识别,得到目标隧道当前的除尘需求系数。
进一步的,本申请实施例步骤P24还包括:
P24-1:调取隧道空气特征云图记录数据和除尘需求系数记录数据;
P24-2:以所述隧道空气特征云图记录数据作为输入数据,以所述除尘需求系数记录数据作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取除尘需求识别精度;
P24-3:若所述除尘需求识别精度满足所述预设识别精度约束,生成所述除尘需求解析通道。
示例性的,基于历史除尘需求记录数据,采集多个隧道空气特征云图记录数据和多个除尘需求系数记录数据作为训练数据,并以所述隧道空气特征云图记录数据作为输入数据,以所述除尘需求系数记录数据作为输出监督数据,对BP神经网络进行训练,根据输出数据与监督数据的偏差进行网络参数调整,直至达到预设的训练次数,通过测试获取当前的除尘需求识别精度,若所述除尘需求识别精度满足所述预设识别精度约束,示例性的,若所述预设识别精度约束为90%,所述除尘需求识别精度为95%,则满足要求,得到所述除尘需求解析通道。
P30:判断所述除尘需求系数是否满足除尘需求约束;
P40:若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;
可选的,根据目标隧道的正常使用需求,例如粉尘浓度标准、氮氧化物浓度标准等,设置所述除尘需求约束,进一步的,判断所述除尘需求系数是否满足除尘需求约束,若所述除尘需求系数满足所述除尘需求约束,也就是说当前目标隧道的粉尘浓度已超过允许范围,需要进行除尘处理,则生成隧道除尘指令。
P50:基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;
进一步的,如图3所示,本申请实施例步骤P50还包括:
P51:根据隧道空气特征云图进行隧道除尘控制记录回溯,获得隧道除尘控制记录库;
P52:基于所述隧道除尘控制记录库进行同指标参数聚类,获得多个除尘控制指标参数聚类集;
P53:遍历所述多个除尘控制指标参数聚类集进行除尘控制触发域标定,获得除尘控制触发域,其中,所述除尘控制触发域包括多个除尘控制触发分区;
P54:根据所述除尘控制触发域进行多次随机取值,获得多个除尘控制粒子,并将所述多个除尘控制粒子添加至所述除尘控制空间。
应当理解的是,根据所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,首先根据目标隧道的空气特征云图,进行目标隧道的历史除尘控制记录回溯,采集过去一段时间内的隧道除尘记录数据,构建隧道除尘控制记录库,所述隧道除尘控制记录库中包含多个不同除尘记录的除尘指标参数,将所述隧道除尘控制记录库内的除尘指标参数进行同指标参数聚类,例如按照隧道除尘器参数、通风设备参数、加湿设备参数等进行参数聚类,获得多个除尘控制指标参数聚类集。
进一步的,遍历所述多个除尘控制指标参数聚类集进行除尘控制触发域标定,也就是根据历史除尘参数值划定各项除尘指标的调整范围,以此作为除尘控制触发域,所述除尘控制触发域包括多个除尘控制触发分区,也就是说每一个除尘控制指标包含多个调整参数,例如除尘器的控制参数包括设备开启数量、设备运行功率等。进一步的,在所述除尘控制触发域内进行多次随机取值,获得多组不同的除尘控制参数,构成多个不同的除尘控制方案,将多个不同的除尘控制方案定义为多个除尘控制粒子,并将其添加至所述除尘控制空间,所述除尘控制空间可作为除尘控制方案的寻优空间。
P60:基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;
进一步的,本申请实施例步骤P60还包括:
P61:基于所述除尘控制空间进行随机选择,获得第一除尘控制粒子;
P62:基于预先构建的除尘控制适应度解析通道对所述第一除尘控制粒子进行除尘控制适应度评价,获得第一除尘控制适应度;
P63:判断所述第一除尘控制适应度是否满足所述第一除尘控制寻优约束;
P64:若所述第一除尘控制适应度满足所述第一除尘控制寻优约束,将所述第一除尘控制粒子添加至所述除尘控制寻优域;
P65:基于所述第一除尘控制寻优约束和所述除尘控制适应度解析通道,继续对所述除尘控制空间进行粗糙寻优,直至生成满足所述第二除尘控制寻优约束的除尘控制寻优域。
具体的,从所述除尘控制空间中随机选择任意除尘控制粒子,作为第一除尘控制粒子,并使用预先构建的除尘控制适应度解析通道对所述第一除尘控制粒子进行除尘控制适应度评价,也就是进行第一除尘方案的除尘效果等级评价,所述除尘控制适应度即可反映除尘方案的除尘效果,适应度越大,除尘效果越好。并且,所述除尘控制适应度解析通道可使用历史除尘效果数据结合机器学习训练得到。
进一步的,判断所述第一除尘控制适应度是否满足所述第一除尘控制寻优约束,所述第一除尘控制寻优约束是预先设定的除尘适应度范围,也就是适应度最小值,若所述第一除尘控制适应度满足预设的适应度最小值,则将所述第一除尘控制粒子添加至所述除尘控制寻优域中,作为备选除尘方案,若不满足,则放弃所述第一除尘控制粒子。以此类推,继续从所述除尘控制空间中选取除尘控制粒子,使用所述除尘控制适应度解析通道进行适应度计算,并将满足所述第一除尘控制寻优约束的除尘控制粒子添加进行除尘控制寻优域,直至满足所述第二除尘控制寻优约束,也就是获得满足预设数量的除尘控制粒子,完成所述除尘控制寻优域的搭建。
进一步的,本申请实施例步骤P62还包括:
P62-1:构建所述除尘控制适应度解析通道,其中,所述除尘控制适应度解析通道包括模拟除尘控制单元和基于全连接神经网络构建的模拟除尘质量评价单元;
P62-2:基于隧道空气特征云图,根据所述模拟除尘控制单元和所述第一除尘控制粒子对所述目标隧道进行模拟除尘,获得隧道空气除尘云图;
P62-3:将所述隧道空气特征云图和所述隧道空气除尘云图输入所述模拟除尘质量评价单元,生成所述第一除尘控制适应度。
示例性的,基于三维仿真技术,结合目标隧道的除尘控制设备信息,搭建模拟除尘控制单元,可用来进行模拟除尘控制,进一步的,采集历史隧道除尘记录数据作为训练数据,基于全连接神经网络原理构建并训练得到模拟除尘质量评价单元,所述模拟除尘质量评价单元可以用来计算不同除尘质量对应的除尘控制适应度,除尘质量越好,相应的除尘方案的除尘控制适应度越高。
可选的,基于隧道空气特征云图,通过所述模拟除尘控制单元,使用所述第一除尘控制粒子对所述目标隧道进行模拟除尘,根据模拟结果生成隧道空气除尘云图,也就是模拟除尘后的隧道空气质量示意图,进一步的,将所述隧道空气特征云图和所述隧道空气除尘云图输入所述模拟除尘质量评价单元,进行模拟除尘质量评估,并根据除尘质量,生成所述第一除尘控制适应度,所述第一除尘控制适应度可反映所述第一除尘控制粒子的优劣。
P70:基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;
进一步的,本申请实施例步骤P70还包括:
P71:基于所述除尘控制寻优域,筛选初始优胜除尘控制适应度,以及所述初始优胜除尘控制适应度对应的初始优胜除尘控制决策;
P72:基于所述除尘控制寻优域进行多次随机调整,获得除尘控制扩充域;
P73:基于所述除尘控制扩充域进行随机选择,获得第一除尘控制决策;
P74:基于除尘控制适应度解析通道对所述第一除尘控制决策进行除尘控制适应度评价,获得第一决策除尘控制适应度;
P75:判断所述第一决策除尘控制适应度是否大于所述初始优胜除尘控制适应度;
P76:若所述第一决策除尘控制适应度大于所述初始优胜除尘控制适应度,以所述第一除尘控制决策为当前优胜除尘控制决策,并以所述第一决策除尘控制适应度为当前优胜除尘控制适应度;
P77:若所述第一决策除尘控制适应度小于/等于所述初始优胜除尘控制适应度,以所述初始优胜除尘控制决策为所述当前优胜除尘控制决策,并以所述初始优胜除尘控制适应度为所述当前优胜除尘控制适应度;
P78:基于所述当前优胜除尘控制决策和所述当前优胜除尘控制适应度,继续对所述除尘控制扩充域进行迭代寻优,当迭代寻优次数满足所述第三除尘控制寻优约束时,生成所述除尘控制方案。
应当理解的是,基于所述除尘控制寻优域,筛选出最大的除尘控制适应度作为初始优胜除尘控制适应度,并选择对应的除尘控制粒子作为初始优胜除尘控制决策,进一步的,将所述除尘控制寻优域中的所有除尘方案进行多次随机调整,示例性的,将所述初始优胜除尘控制决策的参数特征作为调整方向,按照一定的调整步长将所有除尘方案进行调整,并由多个调整后的除尘方案组成除尘控制扩充域。
进一步的,在所述除尘控制扩充域中进行随机选择,获得第一除尘控制决策,并使用除尘控制适应度解析通道对所述第一除尘控制决策进行除尘控制适应度评价,获得第一决策除尘控制适应度,判断所述第一决策除尘控制适应度是否大于所述初始优胜除尘控制适应度,若大于,则说明所述第一除尘控制决策优于初始优胜除尘控制决策,则以所述第一除尘控制决策为当前优胜除尘控制决策,并以所述第一决策除尘控制适应度为当前优胜除尘控制适应度。若所述第一决策除尘控制适应度小于或等于所述初始优胜除尘控制适应度,则保留所述初始优胜除尘控制决策为所述当前优胜除尘控制决策,以此类推,继续对所述除尘控制扩充域进行迭代寻优,当迭代寻优次数满足预设迭代寻优次数阈值时,将最后一次迭代得到的优胜除尘控制决策作为所述除尘控制方案。
P80:根据所述除尘控制方案对所述目标隧道进行除尘控制。
具体的,参照所述除尘控制方案,调节目标隧道内各项除尘设备,对所述目标隧道进行除尘控制,以针对性的去除隧道内的粉尘和有害气体,并尽可能的节约设备能耗,净化隧道内空气。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过交互目标隧道的空气监测端,读取实时空气监测源;进行除尘需求度识别,判断除尘需求系数是否满足除尘需求约束;若满足,对目标隧道进行除尘控制特征挖掘,获得除尘控制空间;基于第一除尘控制寻优约束和第二除尘控制寻优约束对除尘控制空间进行粗糙寻优,获得除尘控制寻优域;基于第三除尘控制寻优约束对除尘控制寻优域进行深度寻优,获得除尘控制方案,进行除尘控制。
达到了通过隧道内实时监测数据进行除尘方案灵活寻优,提高除尘质量、降低能耗的技术效果。
实施例二
基于与前述实施例中一种隧道除尘控制方法相同的发明构思,如图4所示,本申请提供了一种隧道除尘控制系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
实时空气监测源读取模块11,所述实时空气监测源读取模块11用于交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;
除尘需求系数获得模块12,所述除尘需求系数获得模块12用于基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;
除尘需求约束判断模块13,所述除尘需求约束判断模块13用于判断所述除尘需求系数是否满足除尘需求约束;
隧道除尘指令获得模块14,所述隧道除尘指令获得模块14用于若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;
除尘控制空间获得模块15,所述除尘控制空间获得模块15用于基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;
除尘控制寻优域获取模块16,所述除尘控制寻优域获取模块16用于基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;
除尘控制方案获取模块17,所述除尘控制方案获取模块17用于基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;
除尘控制模块18,所述除尘控制模块18用于根据所述除尘控制方案对所述目标隧道进行除尘控制。
进一步的,所述除尘需求系数获得模块12还用于执行以下步骤:
获得所述目标隧道的实时隧道布局数据和实时隧道环境数据;
基于所述实时隧道布局数据进行建模,获得目标隧道模型;
将所述实时空气监测源和所述实时隧道环境数据输入所述目标隧道模型,获得隧道空气特征云图;
基于BP神经网络,构建满足预设识别精度约束的除尘需求解析通道;
基于所述隧道空气特征云图,根据所述除尘需求解析通道进行除尘需求度识别,生成所述除尘需求系数。
进一步的,所述除尘需求系数获得模块12还用于执行以下步骤:
调取隧道空气特征云图记录数据和除尘需求系数记录数据;
以所述隧道空气特征云图记录数据作为输入数据,以所述除尘需求系数记录数据作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取除尘需求识别精度;
若所述除尘需求识别精度满足所述预设识别精度约束,生成所述除尘需求解析通道。
进一步的,所述除尘控制空间获得模块15还用于执行以下步骤:
根据隧道空气特征云图进行隧道除尘控制记录回溯,获得隧道除尘控制记录库;
基于所述隧道除尘控制记录库进行同指标参数聚类,获得多个除尘控制指标参数聚类集;
遍历所述多个除尘控制指标参数聚类集进行除尘控制触发域标定,获得除尘控制触发域,其中,所述除尘控制触发域包括多个除尘控制触发分区;
根据所述除尘控制触发域进行多次随机取值,获得多个除尘控制粒子,并将所述多个除尘控制粒子添加至所述除尘控制空间。
进一步的,所述除尘控制寻优域获取模块16还用于执行以下步骤:
基于所述除尘控制空间进行随机选择,获得第一除尘控制粒子;
基于预先构建的除尘控制适应度解析通道对所述第一除尘控制粒子进行除尘控制适应度评价,获得第一除尘控制适应度;
判断所述第一除尘控制适应度是否满足所述第一除尘控制寻优约束;
若所述第一除尘控制适应度满足所述第一除尘控制寻优约束,将所述第一除尘控制粒子添加至所述除尘控制寻优域;
基于所述第一除尘控制寻优约束和所述除尘控制适应度解析通道,继续对所述除尘控制空间进行粗糙寻优,直至生成满足所述第二除尘控制寻优约束的除尘控制寻优域。
进一步的,所述除尘控制寻优域获取模块16还用于执行以下步骤:
构建所述除尘控制适应度解析通道,其中,所述除尘控制适应度解析通道包括模拟除尘控制单元和基于全连接神经网络构建的模拟除尘质量评价单元;
基于隧道空气特征云图,根据所述模拟除尘控制单元和所述第一除尘控制粒子对所述目标隧道进行模拟除尘,获得隧道空气除尘云图;
将所述隧道空气特征云图和所述隧道空气除尘云图输入所述模拟除尘质量评价单元,生成所述第一除尘控制适应度。
进一步的,所述除尘控制方案获取模块17还用于执行以下步骤:
基于所述除尘控制寻优域,筛选初始优胜除尘控制适应度,以及所述初始优胜除尘控制适应度对应的初始优胜除尘控制决策;
基于所述除尘控制寻优域进行多次随机调整,获得除尘控制扩充域;
基于所述除尘控制扩充域进行随机选择,获得第一除尘控制决策;
基于除尘控制适应度解析通道对所述第一除尘控制决策进行除尘控制适应度评价,获得第一决策除尘控制适应度;
判断所述第一决策除尘控制适应度是否大于所述初始优胜除尘控制适应度;
若所述第一决策除尘控制适应度大于所述初始优胜除尘控制适应度,以所述第一除尘控制决策为当前优胜除尘控制决策,并以所述第一决策除尘控制适应度为当前优胜除尘控制适应度;
若所述第一决策除尘控制适应度小于/等于所述初始优胜除尘控制适应度,以所述初始优胜除尘控制决策为所述当前优胜除尘控制决策,并以所述初始优胜除尘控制适应度为所述当前优胜除尘控制适应度;
基于所述当前优胜除尘控制决策和所述当前优胜除尘控制适应度,继续对所述除尘控制扩充域进行迭代寻优,当迭代寻优次数满足所述第三除尘控制寻优约束时,生成所述除尘控制方案。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种隧道除尘控制方法,其特征在于,所述方法包括:
交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;
基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;
判断所述除尘需求系数是否满足除尘需求约束;
若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;
基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;
基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;
基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;
根据所述除尘控制方案对所述目标隧道进行除尘控制。
2.如权利要求1所述的隧道除尘控制方法,其特征在于,基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数,包括:
获得所述目标隧道的实时隧道布局数据和实时隧道环境数据;
基于所述实时隧道布局数据进行建模,获得目标隧道模型;
将所述实时空气监测源和所述实时隧道环境数据输入所述目标隧道模型,获得隧道空气特征云图;
基于BP神经网络,构建满足预设识别精度约束的除尘需求解析通道;
基于所述隧道空气特征云图,根据所述除尘需求解析通道进行除尘需求度识别,生成所述除尘需求系数。
3.如权利要求2所述的隧道除尘控制方法,其特征在于,基于BP神经网络,构建满足预设识别精度约束的除尘需求解析通道,包括:
调取隧道空气特征云图记录数据和除尘需求系数记录数据;
以所述隧道空气特征云图记录数据作为输入数据,以所述除尘需求系数记录数据作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取除尘需求识别精度;
若所述除尘需求识别精度满足所述预设识别精度约束,生成所述除尘需求解析通道。
4.如权利要求1所述的隧道除尘控制方法,其特征在于,基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间,包括:
根据隧道空气特征云图进行隧道除尘控制记录回溯,获得隧道除尘控制记录库;
基于所述隧道除尘控制记录库进行同指标参数聚类,获得多个除尘控制指标参数聚类集;
遍历所述多个除尘控制指标参数聚类集进行除尘控制触发域标定,获得除尘控制触发域,其中,所述除尘控制触发域包括多个除尘控制触发分区;
根据所述除尘控制触发域进行多次随机取值,获得多个除尘控制粒子,并将所述多个除尘控制粒子添加至所述除尘控制空间。
5.如权利要求1所述的隧道除尘控制方法,其特征在于,基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域,包括:
基于所述除尘控制空间进行随机选择,获得第一除尘控制粒子;
基于预先构建的除尘控制适应度解析通道对所述第一除尘控制粒子进行除尘控制适应度评价,获得第一除尘控制适应度;
判断所述第一除尘控制适应度是否满足所述第一除尘控制寻优约束;
若所述第一除尘控制适应度满足所述第一除尘控制寻优约束,将所述第一除尘控制粒子添加至所述除尘控制寻优域;
基于所述第一除尘控制寻优约束和所述除尘控制适应度解析通道,继续对所述除尘控制空间进行粗糙寻优,直至生成满足所述第二除尘控制寻优约束的除尘控制寻优域。
6.如权利要求5所述的隧道除尘控制方法,其特征在于,基于预先构建的除尘控制适应度解析通道对所述第一除尘控制粒子进行除尘控制适应度评价,获得第一除尘控制适应度,包括:
构建所述除尘控制适应度解析通道,其中,所述除尘控制适应度解析通道包括模拟除尘控制单元和基于全连接神经网络构建的模拟除尘质量评价单元;
基于隧道空气特征云图,根据所述模拟除尘控制单元和所述第一除尘控制粒子对所述目标隧道进行模拟除尘,获得隧道空气除尘云图;
将所述隧道空气特征云图和所述隧道空气除尘云图输入所述模拟除尘质量评价单元,生成所述第一除尘控制适应度。
7.如权利要求1所述的隧道除尘控制方法,其特征在于,基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案,包括:
基于所述除尘控制寻优域,筛选初始优胜除尘控制适应度,以及所述初始优胜除尘控制适应度对应的初始优胜除尘控制决策;
基于所述除尘控制寻优域进行多次随机调整,获得除尘控制扩充域;
基于所述除尘控制扩充域进行随机选择,获得第一除尘控制决策;
基于除尘控制适应度解析通道对所述第一除尘控制决策进行除尘控制适应度评价,获得第一决策除尘控制适应度;
判断所述第一决策除尘控制适应度是否大于所述初始优胜除尘控制适应度;
若所述第一决策除尘控制适应度大于所述初始优胜除尘控制适应度,以所述第一除尘控制决策为当前优胜除尘控制决策,并以所述第一决策除尘控制适应度为当前优胜除尘控制适应度;
若所述第一决策除尘控制适应度小于/等于所述初始优胜除尘控制适应度,以所述初始优胜除尘控制决策为所述当前优胜除尘控制决策,并以所述初始优胜除尘控制适应度为所述当前优胜除尘控制适应度;
基于所述当前优胜除尘控制决策和所述当前优胜除尘控制适应度,继续对所述除尘控制扩充域进行迭代寻优,当迭代寻优次数满足所述第三除尘控制寻优约束时,生成所述除尘控制方案。
8.一种隧道除尘控制系统,其特征在于,所述系统包括:
实时空气监测源读取模块,所述实时空气监测源读取模块用于交互目标隧道的空气监测端,基于所述空气监测端读取所述目标隧道的实时空气监测源;
除尘需求系数获得模块,所述除尘需求系数获得模块用于基于所述实时空气监测源,对所述目标隧道进行除尘需求度识别,获得除尘需求系数;
除尘需求约束判断模块,所述除尘需求约束判断模块用于判断所述除尘需求系数是否满足除尘需求约束;
隧道除尘指令获得模块,所述隧道除尘指令获得模块用于若所述除尘需求系数满足所述除尘需求约束,获得隧道除尘指令;
除尘控制空间获得模块,所述除尘控制空间获得模块用于基于所述隧道除尘指令,对所述目标隧道进行除尘控制特征挖掘,获得除尘控制空间;
除尘控制寻优域获取模块,所述除尘控制寻优域获取模块用于基于第一除尘控制寻优约束和第二除尘控制寻优约束对所述除尘控制空间进行粗糙寻优,获得除尘控制寻优域;
除尘控制方案获取模块,所述除尘控制方案获取模块用于基于第三除尘控制寻优约束对所述除尘控制寻优域进行深度寻优,获得除尘控制方案;
除尘控制模块,所述除尘控制模块用于根据所述除尘控制方案对所述目标隧道进行除尘控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715109.9A CN117406608B (zh) | 2023-12-14 | 2023-12-14 | 一种隧道除尘控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715109.9A CN117406608B (zh) | 2023-12-14 | 2023-12-14 | 一种隧道除尘控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117406608A true CN117406608A (zh) | 2024-01-16 |
CN117406608B CN117406608B (zh) | 2024-03-12 |
Family
ID=89500308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311715109.9A Active CN117406608B (zh) | 2023-12-14 | 2023-12-14 | 一种隧道除尘控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117406608B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5719350A (en) * | 1993-09-24 | 1998-02-17 | John Humphries Parkes | Blast and splinter proof screening device and his method of use |
CN105804783A (zh) * | 2014-11-28 | 2016-07-27 | 昆明中铁大型养路机械集团有限公司 | 隧道除尘方法 |
RU2658690C1 (ru) * | 2017-04-14 | 2018-06-22 | Юрий Владимирович Горлов | Многофункциональная автоматическая система локализации взрывов пылегазовоздушных смесей в подземных горных выработках и входящие в нее устройства локализации взрывов |
WO2019155350A1 (es) * | 2018-02-07 | 2019-08-15 | Experticia Ingenieros S.A. | Sistema de supresión de polvo por aglomeración mediante atomización para minas subterráneas |
CN111810219A (zh) * | 2020-08-01 | 2020-10-23 | 中国水利水电第七工程局有限公司 | 一种隧道自动降尘喷雾控制系统及其控制方法 |
CN114046174A (zh) * | 2021-11-11 | 2022-02-15 | 招商局重庆交通科研设计院有限公司 | 一种隧道施工期粉尘监测与分段降尘系统及方法 |
CN114087013A (zh) * | 2021-11-18 | 2022-02-25 | 甘肃新网通科技信息有限公司 | 一种隧道用智能防火装置 |
CN114722482A (zh) * | 2022-06-08 | 2022-07-08 | 北京邦业智能科技有限公司 | 高原隧道形变量的预测方法及高原隧道健康检测系统 |
CN115126524A (zh) * | 2022-07-07 | 2022-09-30 | 中铁三局集团投资有限公司 | 一种便于安装的隧道施工用降尘式空气循环装置 |
CN115576203A (zh) * | 2022-10-19 | 2023-01-06 | 福建龙净环保股份有限公司 | 基于神经网络的嵌入式电除尘智能控制方法和系统 |
US20230075710A1 (en) * | 2020-05-13 | 2023-03-09 | Rubble Master Hmh Gmbh | Method of dust suppression for crushers with spraying devices |
-
2023
- 2023-12-14 CN CN202311715109.9A patent/CN117406608B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5719350A (en) * | 1993-09-24 | 1998-02-17 | John Humphries Parkes | Blast and splinter proof screening device and his method of use |
CN105804783A (zh) * | 2014-11-28 | 2016-07-27 | 昆明中铁大型养路机械集团有限公司 | 隧道除尘方法 |
RU2658690C1 (ru) * | 2017-04-14 | 2018-06-22 | Юрий Владимирович Горлов | Многофункциональная автоматическая система локализации взрывов пылегазовоздушных смесей в подземных горных выработках и входящие в нее устройства локализации взрывов |
WO2019155350A1 (es) * | 2018-02-07 | 2019-08-15 | Experticia Ingenieros S.A. | Sistema de supresión de polvo por aglomeración mediante atomización para minas subterráneas |
US20230075710A1 (en) * | 2020-05-13 | 2023-03-09 | Rubble Master Hmh Gmbh | Method of dust suppression for crushers with spraying devices |
CN111810219A (zh) * | 2020-08-01 | 2020-10-23 | 中国水利水电第七工程局有限公司 | 一种隧道自动降尘喷雾控制系统及其控制方法 |
CN114046174A (zh) * | 2021-11-11 | 2022-02-15 | 招商局重庆交通科研设计院有限公司 | 一种隧道施工期粉尘监测与分段降尘系统及方法 |
CN114087013A (zh) * | 2021-11-18 | 2022-02-25 | 甘肃新网通科技信息有限公司 | 一种隧道用智能防火装置 |
CN114722482A (zh) * | 2022-06-08 | 2022-07-08 | 北京邦业智能科技有限公司 | 高原隧道形变量的预测方法及高原隧道健康检测系统 |
CN115126524A (zh) * | 2022-07-07 | 2022-09-30 | 中铁三局集团投资有限公司 | 一种便于安装的隧道施工用降尘式空气循环装置 |
CN115576203A (zh) * | 2022-10-19 | 2023-01-06 | 福建龙净环保股份有限公司 | 基于神经网络的嵌入式电除尘智能控制方法和系统 |
Non-Patent Citations (4)
Title |
---|
WU, J.; SA, Z.; LU, S.; LIU, J.; WANG, H.; YANG, H.: "Simulation study of airflow-coal dust migration and diffusion law at entrance section of railway tunnel", 《2022 4TH INTERNATIONAL ACADEMIC EXCHANGE CONFERENCE ON SCIENCE AND TECHNOLOGY INNOVATION (IAECST)》, 30 April 2023 (2023-04-30), pages 158 - 163 * |
林一川: "山岭公路隧道施工作业环境特征及其消烟除尘照明改善对策研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 June 2020 (2020-06-15), pages 034 - 684 * |
秦亚璐: "气固两相流自循环抑尘除尘装置分析与结构参数优化", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, 15 January 2022 (2022-01-15), pages 027 - 1546 * |
苏天庆等: "算法模型在烟气排放治理中的应用研究", 《科技创新与生产力》, 31 August 2023 (2023-08-31), pages 131 - 133 * |
Also Published As
Publication number | Publication date |
---|---|
CN117406608B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531029B (zh) | 一种基于环保物联网大数据预测空气质量趋势的装置 | |
CN107918821A (zh) | 基于人工智能技术的教师课堂教学过程分析方法和系统 | |
CN114858976A (zh) | 一种工业园区大气质量智能分析方法及系统 | |
CN110083639A (zh) | 一种基于聚类分析的数据血缘智能溯源的方法及装置 | |
CN110895565A (zh) | 一种电力设备故障缺陷文本分类方法与系统 | |
Sanjeev | Implementation of machine learning algorithms for analysis and prediction of air quality | |
CN112183709A (zh) | 一种垃圾焚烧废气二噁英超标预测预警方法 | |
CN110704616A (zh) | 设备告警工单识别方法及装置 | |
CN115879670A (zh) | 高耗电量企业碳排量提取方法及提取系统 | |
CN117406608B (zh) | 一种隧道除尘控制方法及系统 | |
CN112257351A (zh) | 一种考虑地形和风向的环境空气质量监测异常值检测方法 | |
CN116038076A (zh) | 一种基于场景匹配的焊接保护气体控制方法 | |
CN112182257A (zh) | 一种基于神经网络的人工智能数据清洗方法 | |
CN109376903B (zh) | 一种基于博弈神经网络的pm2.5浓度值预测方法 | |
CN110779843A (zh) | 一种大气二次颗粒物污染过程的分型分析系统 | |
CN113530589A (zh) | 一种煤矿掘进工作面按需供风的智能局部通风系统及方法 | |
CN117634678A (zh) | 基于实际运行场景的低碳园区碳排放预测方法 | |
CN117150677A (zh) | 一种电除尘器选型参数的确定方法及装置 | |
Cruz et al. | Machine learning-based indoor air quality baseline study of the offices and laboratories of the northwest and southwest building of Mapúa University–Manila | |
CN110610203A (zh) | 基于dwt和极限学习机的电能质量扰动分类方法 | |
CN112560811B (zh) | 端到端的音视频抑郁症自动检测研究方法 | |
CN112947639B (zh) | 一种台球比赛环境控制方法及系统 | |
CN114037006B (zh) | 电力系统典型日负荷曲线生成方法 | |
CN117437976B (zh) | 基于基因检测的疾病风险筛查方法及系统 | |
CN117284817B (zh) | 用于带式输送机的除尘方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |