CN117473207B - 一种喷漆废气治理设备及其治理方法 - Google Patents
一种喷漆废气治理设备及其治理方法 Download PDFInfo
- Publication number
- CN117473207B CN117473207B CN202311823819.3A CN202311823819A CN117473207B CN 117473207 B CN117473207 B CN 117473207B CN 202311823819 A CN202311823819 A CN 202311823819A CN 117473207 B CN117473207 B CN 117473207B
- Authority
- CN
- China
- Prior art keywords
- waste gas
- spray
- sequence
- gas
- paint
- 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.)
- Active
Links
- 239000002912 waste gas Substances 0.000 title claims abstract description 232
- 239000003973 paint Substances 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000005507 spraying Methods 0.000 title claims abstract description 98
- 239000007789 gas Substances 0.000 claims abstract description 204
- 238000001228 spectrum Methods 0.000 claims abstract description 100
- 230000003595 spectral effect Effects 0.000 claims abstract description 97
- 238000007592 spray painting technique Methods 0.000 claims abstract description 71
- 239000007921 spray Substances 0.000 claims abstract description 64
- 230000003647 oxidation Effects 0.000 claims abstract description 57
- 238000007254 oxidation reaction Methods 0.000 claims abstract description 57
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000004332 deodorization Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001831 conversion spectrum Methods 0.000 claims description 6
- 230000001590 oxidative effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 150000003254 radicals Chemical class 0.000 description 3
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007084 catalytic combustion reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010815 organic waste Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009284 supercritical water oxidation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/32—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by electrical effects other than those provided for in group B01D61/00
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/38—Removing components of undefined structure
- B01D53/44—Organic components
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2258/00—Sources of waste gases
- B01D2258/02—Other waste gases
- B01D2258/0258—Other waste gases from painting equipments or paint drying installations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明涉及废气处理技术领域,提出了一种喷漆废气治理设备及其治理方法,包括:对喷漆废气进行预处理并获取喷漆废气光谱状态参数;获取喷漆废气光谱状态参数,计算喷漆废气光谱异常缩放系数和缩放变换强度,获取喷漆废气深度氧化治理缩放变换光谱序列;计算协同筛选特征值,获取喷漆废气有害气体监测波段集合,获取有害气体初始聚合序列和有害气体治理深度氧化聚合序列,计算喷漆废气有害气体的深度氧化动态排尽系数;利用喷漆废气有害气体的深度氧化动态排尽系数和喷漆废气治理经验阈值对微气泡深度氧化挥发性有机物处理设备治理时间进行调整,并利用窄脉冲放电除臭技术对喷漆废气治理。本发明实现了对喷漆废气有害气体治理监测过程的准确性。
Description
技术领域
本发明涉及废气处理技术领域,具体涉及一种喷漆废气治理设备及其治理方法。
背景技术
在工业零件生产加工过程中,为了防止工业产品在使用过程中程出现腐蚀磨损,提升工业产品的美观性,在工业零件加工生产阶段,通常会在其表面喷洒一层喷漆保护材料。在对工业产品喷漆过程中,受限于喷漆材料和喷漆加工处理工艺,会出现一定程度的漆料挥发。挥发后的喷漆废气会使局部空气中的有害的成分明显升高,对日常生活工作环境造成严重的破坏,危害人体健康。通常情况下会使用活性炭吸附法、RCO催化燃烧、RTO蓄热燃烧等处理方法对喷漆废气进行处理,从而消除有害气体成分对环境的危害。
微气泡深度氧化技术利用微气泡空化效应,在秒时间内溃灭,瞬时产生4,000k的高温和1,800atm的高压,释放出大量的羟基自由基,与捕捉到的有机气体发生机械剪切、热解、自由基氧化、超临界水氧化的物理化学反应,达到分解和去除有机废气的作用,针对成分复杂的喷漆废气气体均具有很高的反应速率,对不同成分的废气具有良好的适应性,同时因湿式液相处理方法能够较好地排除喷漆废气中颗粒物。同时,窄脉冲放电除臭技术对气体放电反应处理,可以有效消除气体中恶臭异味。因此通过微气泡深度氧化技术和窄脉冲放电除臭技术可以有效避免常规处理过程中对设备稳定性和安全性的要求,提高喷漆废气治理过程中能源的有效利用。
发明内容
本发明提供一种喷漆废气治理设备及其治理方法,以解决传统喷漆废气治理过程中对有害气体光谱聚类不准确导致喷漆废气治理效果较差的影响,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种喷漆废气治理方法,该方法包括以下步骤:
对喷漆废气进行预处理并获取喷漆废气光谱状态参数;
获取预设短时间的喷漆废气光谱状态参数,根据短时间的喷漆废气光谱状态参数计算不同时间处的喷漆废气光谱异常缩放系数,根据不同时间处的喷漆废气光谱异常缩放系数计算不同时间处的喷漆废气光谱参数不同波长的缩放变换强度,根据缩放变换强度获取喷漆废气深度氧化治理缩放变换光谱序列;
获取喷漆废气光谱状态参数短序列,根据喷漆废气光谱状态参数短序列计算协同筛选特征值,根据协同筛选特征值获取喷漆废气有害气体监测波段集合,根据喷漆废气有害气体波段集合聚类获取不同时间处的有害气体初始聚合序列和有害气体治理深度氧化聚合序列,根据有害气体初始聚合序列和有害气体治理深度氧化聚合序列计算不同时间处的喷漆废气有害气体的深度氧化动态排尽系数;
利用喷漆废气有害气体的深度氧化动态排尽系数和喷漆废气治理经验阈值对喷漆废气微气泡深度氧化治理滞留时间进行调整,并通过窄脉冲放电除臭技术消除喷漆废气中的异味,完成对喷漆废气的治理。
优选地,所述喷漆废气光谱状态参数包括:漆废气有害气体成分光谱波段序列,喷漆废气治理光谱波段序列,喷漆废气初始光谱波段序列。
优选地,所述根据短时间的喷漆废气光谱状态参数计算不同时间处的喷漆废气光谱异常缩放系数的数学表达式为:
式中,表示了以自然常数为底的指数函数,/>表示了预设时间长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数。
优选地,所述根据缩放变换强度获取喷漆废气深度氧化治理缩放变换光谱序列的方法为:
将不同时间位置处的光谱异常缩放系数按时间先后顺序排列得到喷漆废气深度氧化治理缩放变换光谱序列。
优选地,所述根据不同时间处的喷漆废气光谱异常缩放系数计算不同时间处的喷漆废气光谱参数不同波长的缩放变换强度的数学表达式为:
式中,表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了预设时间长度内所有不同时间位置处喷漆废气治理光谱波段序列中第/>个波长处反射强度的均值,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数,/>,/>,/>分别表示了第/>,/>,/>三个不同相邻时间处喷漆废气治理光谱波段序列第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列第/>个波长的缩放变换强度数值。
优选地,所述根据喷漆废气光谱状态参数短序列计算协同筛选特征值的数学表达式为:
式中,表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体光谱反射强度的最大值,/>表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处光谱波段序列中光谱反射强度的最大值,/>表示了两个不同序列之间的/>距离,表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体成分光谱波段序列,表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列,/>表示了第/>种有害气体成分与喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列的协同筛选特征值。
优选地,所述根据协同筛选特征值获取喷漆废气有害气体监测波段集合的方法为:
将喷漆废气光谱状态参数按照预设步长滑动得到不同时间处的状态短序列,将不同时间处状态短序列的协同筛选特征均值记为第一均值,将所有喷漆废气最小协同筛选特征值小于第一均值的喷漆废气光谱状态参数构成喷漆废气有害气体监测波段集合。
优选地,所述根据喷漆废气有害气体波段集合聚类获取不同时间处的有害气体初始聚合序列和有害气体治理深度氧化聚合序列的方法为:
将喷漆废气光谱状态参数和喷漆废气深度氧化治理缩放变换光谱序列作为KMeans算法的输入,将喷漆废气有害气体监测波段集合中每种元素序列的均值作为不同的初始聚类中心分别获取不同波段聚类结果,将每个不同聚类中心获取得到的聚类结果分别记为不同时间处有害气体初始聚合序列和有害气体治理深度氧化聚合序列。
优选地,所述根据有害气体初始聚合序列和有害气体治理深度氧化聚合序列计算不同时间处的喷漆废气有害气体的深度氧化动态排尽系数的数学表达式为:
式中,,/>分别表示了时间/>处的第/>种有害气体初始聚合序列和有害气体治理深度氧化聚合序列/>的长度,/>表示了最小值函数,/>,分别表示了时间/>处的第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列/>中第/>个位置波段反射强度的数值大小,/>表示了时间/>处第/>种有害气体的相合变换系数,/>表示了归一化函数,/>表示了喷漆废气初始状态短序列构成有害气体监测波段集合中元素个数,/>表示了时间/>处喷漆废气有害气体的深度氧化动态排尽系数。
第二方面,本发明实施例还提供了一种喷漆废气治理设备,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是:本发明通过喷漆废气治理过程中不同时间处光谱数据变化特点计算得到了光谱异常缩放系数,并根据光谱的异常缩放系数计算得到不同波长的缩放变换强度,有效地规避了喷漆废气治理过程中废气光谱不同波段数据容易受到治理过程影响从而导致的喷漆废气光谱数据发生异常变化,从而无法准确反映治理过程汇总喷漆废气状态变化的缺点。
同时,本发明为了确定喷漆废气治理过程中有害气体的变化状态,通过对不同光谱波段序列进行数值匹配计算得到协同筛选特征值,并利用协同筛选特征数值获取喷漆废气治理过程中有害气体的监测波段集合,较为准取地获取了喷漆废气治理过程中有害气体的光谱波段特征。
进一步地,本发明根据有害气体的监测波段集合对KMeans聚类算法中初始聚类中心进行优化,从而较为准取地获取了喷漆废气有害气体深度氧化动态排尽系数,准确地表征了喷漆废气治理过程中有害气体的变化情况,避免了喷漆废气治理过程中由于有害气体变化过程中监测不准确而导致的喷漆废气治理效果较差。
更进一步地,本发明利用准确反应喷漆废气有害气体变化情况的深度氧化动态排尽系数对微气泡深度氧化挥发性有机物处理设备的气体治理反应时间进行动态调节,同时通过窄脉冲放电除臭技术消除喷漆废气的异味,有效地避免了常规传统燃烧治理过程中对设备安全性要求较高,治理反应安全系数较低和治理过程能耗相对较高的缺点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种喷漆废气治理方法的流程示意图;
图2为喷漆废气初始状态短序列划分获取示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种喷漆废气治理方法流程图,该方法包括以下步骤:
步骤S001,对喷漆废气进行预处理并获取喷漆废气光谱状态参数。
需要说明的是,通常情况下,为了消除喷漆废气中的颗粒物,对喷漆废气首先进行预处理,尽可能使喷漆废气中颗粒物与气体分离,本发明使用湿式过滤法去除喷漆废气中的颗粒物。同时,在喷漆废气治理过程中,由于喷漆材料通常含有甲苯、二甲苯等多种不同的有害气体成分,喷漆材料中不同的有害气体成分对不同波段光谱的吸收和反射波长有所差异,此时可以利用喷漆材料中不同有害气体对光谱吸收反射波长之间的差异特点对喷漆废气中有害气体成分含量进行检测。
因此,获取喷漆废气光谱状态参数,包括喷漆废气有害气体成分光谱波段序列,喷漆废气治理光谱波段序列,喷漆废气初始光谱波段序列。假设喷漆废气中常见的有害气体成分共有种,对于每种不同的有害气体成分光谱波段序列分别记为/>,其中/>分别表示了第1种、第2种和第/>种喷漆废气种有害气体对应的光谱波段序列。由于喷漆废气治理过程中,不同时刻状态下喷漆废气的气体成分会发生不同程度的变化,因此还需要获取不同时刻状态下的喷漆废气治理光谱波段序列,将第/>个时刻处的光谱波段序列记为/>。同时,获取喷漆废气进行处理前初始状态下的喷漆废气的初始光谱波段序列,记为/>,为了对喷漆废气治理处理过程废气成分变化状态实时监测,令采样间隔时间/>取经验值为/>,在具体应用中,实施者可根据具体情况进行设置。
步骤S002,获取预设短时间的喷漆废气光谱状态参数,根据短时间的喷漆废气光谱状态参数计算不同时间处的喷漆废气光谱异常缩放系数,根据不同时间处的喷漆废气光谱异常缩放系数计算不同时间处的喷漆废气光谱参数不同波长的缩放变换强度,根据缩放变换强度获取喷漆废气深度氧化治理缩放变换光谱序列。
需要说明的是,在对喷漆废气进行治理处理过程中,会对不同时刻采集得到的喷漆废气治理光谱波段序列造成数据异常变动影响,从而导致采集得到的喷漆废气治理光谱波段序列无法准确地反映当前时刻下喷漆废气成分的变化情况,因此,需要对采集得到的喷漆废气治理光谱波段序列中的异常数据变化情况进行计算。
具体地,假设在时刻处的喷漆废气治理光谱波段序列为/>,在时刻/>处喷漆废气治理光谱波段序列的长度为/>,即表示了在时刻/>处喷漆废气对/>个不同的光谱波段数据。考虑到某个单独的时刻点处喷漆废气治理光谱波段序列无法判断当前时刻下光谱波段数据的异常变化情况,因此需要根据预设时间长度/>,以每个不同时间为起点向后取/>个不同时刻的数据点到短时间内的喷漆废气治理光谱波段序列,为了便于计算,令预设时间长度/>取值为16,在具体应用中,实施者可根据具体情况进行设置。
式中,表示了以自然常数为底的指数函数,/>表示了预设时间长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数。
通过上式可以计算得到不同时间处的喷漆废气光谱异常缩放系数,若在预设时间长度中不同时间处喷漆废气治理光谱波段序列方差与时间处喷漆废气治理光谱波段序列方差数值差异越大,同时,不同时间的喷漆废气治理光谱波段序列与时间/>处喷漆废气治理光谱序列的光谱反射强度数值差异越大,说明在时间/>处喷漆废气治理光谱波段序列的光谱反射强度与预设时间长度中其他不同时刻处的光谱反射强度数值差异较为明显,时间/>处的喷漆废气治理光谱数据有较大可能出现异常,则此时计算得到时间/>处的喷漆废气治理光谱波段序列的光谱异常缩放系数数值会相对较小。
需要说明的是,由于喷漆废气治理过程中气体成分会发生变化,因此不同时间处的气体成分光谱反射强度数据会有所不同,但正常情况下,由于预设时间长度较短,在较短预设长度时间段的喷漆废气通过微气泡深度氧化获取得到的治理光谱波段序列数据变化应相对平缓。但若某个时间位置处出现光谱数据突变,则说明对应时刻处的光谱数据受到治理过程影响较大,此时需要结合光谱异常缩放系数对异常状态数据进行调整。
式中,表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了预设时间长度内所有不同时间位置处喷漆废气治理光谱波段序列中第/>个波长处反射强度的均值,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数,/>,/>,/>分别表示了第/>,/>,/>三个不同相邻时间处喷漆废气治理光谱波段序列第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列第/>个波长的缩放变换强度数值。
通过上式可以计算得到第个时间位置处喷漆废气治理光谱波段序列中第/>个波长的缩放变化强度数值,同理可以计算得到不同时间位置处喷漆废气治理光谱波段序列中不同波长处的缩放变化强度数值。假设在时间/>处的喷漆废气治理光谱波段序列中第/>个波长处反射强度数值大于所有不同时间处第/>个波长处反射强度数值的均值,则认为该时间位置处对应波长处的反射强度数值出现异常,且喷漆废气治理过程对光谱反射强度数据影响越大,真实光谱反射强度应相对较小。通过光谱异常缩放系数尽可能减弱治理过程对光谱反射数据造成数值变动影响,获取得到缩放变换强度数值与喷漆废气治理光谱波段序列中不同波长处的真实光谱反射强度数值保持一致。
对于所有不同波长的喷漆废气治理光谱序列均可以计算得到相应的缩放变换强度数值,按照时间排列顺序构成喷漆废气深度氧化治理缩放变换光谱序列。
步骤S003,获取喷漆废气光谱状态参数短序列,根据喷漆废气光谱状态参数短序列计算协同筛选特征值,根据协同筛选特征值获取喷漆废气有害气体监测波段集合,根据喷漆废气有害气体波段集合聚类获取不同时间处的有害气体初始聚合序列和有害气体治理深度氧化聚合序列,根据有害气体初始聚合序列和有害气体治理深度氧化聚合序列计算不同时间处的喷漆废气有害气体的深度氧化动态排尽系数。
需要说明的是,喷漆废气治理过程中由于治理反应时间不足,治理设备运行效率较低等缺点导致喷漆废气中有害气体治理效果较差。因此,为了确保喷漆废气治理过程中有害气体成分充分治理,需要将喷漆废气治理光谱波段序列的变化情况与有害气体成分光谱特征进行匹配对比确定有害气体变化状态。
式中,表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体光谱反射强度的最大值,/>表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处光谱波段序列中光谱反射强度的最大值,/>表示了两个不同序列之间的/>距离,表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体成分光谱波段序列,表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列,/>表示了第/>种有害气体成分与喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列的协同筛选特征值。
通过上式可以计算得到不同种类有害气体在喷漆废气初始光谱波段序列中的协同筛选特征值,假设喷漆废气初始光谱波段序列中第个预设时间长度处的光谱波段序列与第/>个种类的喷漆废气有害气体光谱波段序列中光谱反射强度最大值之间的差值越小,同时对于不同种类喷漆废气有害气体光谱波段序列与喷漆废气初始光谱波段序列之间距离越小,说明喷漆废气有害气体与喷漆废气初始光谱波段序之间的重合度越高,此时计算得到的第/>种有害气体成分与喷漆废气初始光谱波段序列之间的协同筛选特征值越小,说明在喷漆废气进行治理处理前初始状态下含有有害气体成分的可能性相对越高。
需要说明的是,在喷漆分废气治理处理前初始状态下,由于喷漆废气成分相对较多,此时喷漆废气的初始光谱波段序列中会含有多种不同的气体光谱波段数据,因此,如图2所示,在喷漆废气的初始光谱波段序列中按步长进行滑动,得到/>个不同的喷漆废气初始状态短序列,将/>个不同的喷漆废气初始状态短序列分别与/>种不同的有害气体成分光谱波段序列计算得到相应的协同筛选特征值。为了避免过小的步长导致的计算成本较高的问题,本发明令步长/>,在具体应用中,实施者可根据具体情况进行设置。
为了在喷漆废气初始光谱波段序列中获取有害气体成分光谱波段,对于第种喷漆废气有害气体,在/>个不同的喷漆废气初始状态短序列中获取协同筛选特征值数值最小所在的喷漆废气初始状态短序列进行计算,将最小协同筛选特征值记为/>,其中/>表示了在/>个不同的喷漆废气初始状态短序列的第/>个短序列存在最小的协同筛选特征值。计算第/>个短序列中不同位置处数值协同筛选特征值的均值,记为/>。若第/>种喷漆废气有害气体的最小协同筛选特征值记为/>小于均值/>,说明此时在喷漆废气初始状态序列中第/>种有害气体存在的可能性极高。
由于喷漆废气共有种不同喷漆废气,对于每种不同得喷漆废气均可以计算得到相应的协同筛选特征数值,将所有最小协同筛选特征值小于均值的喷漆废气协同筛选特征值对应的喷漆废气初始状态短序列构成有害气体监测波段集合,假设该集合中共有/>个不同的元素。
步骤S004,利用喷漆废气有害气体的深度氧化动态排尽系数和喷漆废气治理经验阈值对喷漆废气进行治理。
需要说明的是,在喷漆废气治理过程中,有害气体成分也会动态变化,此时对应的光谱波段也会随之变化,因此需要根据有害气体监测波段集合分别获取喷漆废气初始光谱波段序列和喷漆废气治理光谱波段序列中的有害气体波段。
具体地,对有害气体监测波段集合每个元素均表示了喷漆废气中一种有害气体对应的光谱波段,因此喷漆废气有害气体监测波段集合中元素序列的均值表征了当前种类下有害气体的光谱波段,假设第个元素的均值为/>,将/>作为初始类中心使用算法在喷漆废气初始光谱波段序列和喷漆废气深度氧化治理缩放变换光谱序列中分别获取时间/>处的第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列。
式中,,/>分别表示了时间/>处的第/>种有害气体初始聚合序列和有害气体治理深度氧化聚合序列/>的长度,/>表示了最小值函数,/>,分别表示了时间/>处的第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列/>中第/>个位置波段反射强度的数值大小,/>表示了时间/>处第/>种有害气体的相合变换系数,/>表示了归一化函数,/>表示了喷漆废气初始状态短序列构成有害气体监测波段集合中元素个数,/>表示了时间/>处喷漆废气有害气体的深度氧化动态排尽系数。
在喷漆废气治理时间处,若第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列/>的长度相差越大,同时,两个不同序列中对应位置处波段反射强度数值大小也相差越大,则此时计算得到的时间/>处第/>种有害气体的相合变换系数数值越大,说明在时间/>处喷漆废气中第/>种有害气体治理反应较为充分,对于有害气体监测波段集合中共/>种不同的有害气体,若所有不同有害气体计算得到的相合变换系数数值均相对较大,则时间/>处计算得到的喷漆废气有害气体的深度氧化动态排尽系数也会相对较大,说明在时间/>处喷漆废气中有害气体微气泡深度氧化治理效果较为理想,喷漆废气中有害气体成分含量相对较少。
本发明取喷漆废气治理经验阈值,在具体应用中,实施者可根据具体情况进行设置,当时间/>处喷漆废气有害气体的深度氧化动态排尽系数大于等于经验阈值/>时,说明当前时间处的喷漆废气中有害气体治理效果较好;反之,当时间/>处喷漆废气有害气体的深度氧化动态排尽系数小于等于经验阈值/>时,说明当前喷漆废气中有害气体成分较高,应将气体滞留在微气泡深度氧化挥发性有机物处理设备中,加长喷漆废气在微气泡深度氧化挥发性有机物处理设备的治理时间,直至深度氧化动态排尽系数小于喷漆废气治理经验阈值。
进一步地,为了尽可能减弱甚至完全消除喷漆废气的异常气味,将充分治理反应后的气体通过窄脉冲放电除臭技术进行处理。窄脉冲放电除臭技术是一种通过高功率窄脉冲放电设备将异味气体分子断健处理得洁净气流的技术,通过窄脉冲放电除臭技术可以有效避免常规燃烧处理过程中能耗需求高,技术处理难度大的缺点。
基于与上述方法相同的发明构思,本发明实施例还提供了一种喷漆废气治理设备,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种喷漆废气治理方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种喷漆废气治理方法,其特征在于,该方法包括以下步骤:
对喷漆废气进行预处理并获取喷漆废气光谱状态参数;
获取预设短时间的喷漆废气光谱状态参数,根据短时间的喷漆废气光谱状态参数计算不同时间处的喷漆废气光谱异常缩放系数,根据不同时间处的喷漆废气光谱异常缩放系数计算不同时间处的喷漆废气光谱参数不同波长的缩放变换强度,根据缩放变换强度获取喷漆废气深度氧化治理缩放变换光谱序列;
获取喷漆废气光谱状态参数短序列,根据喷漆废气光谱状态参数短序列计算协同筛选特征值,根据协同筛选特征值获取喷漆废气有害气体监测波段集合,根据喷漆废气有害气体波段集合聚类获取不同时间处的有害气体初始聚合序列和有害气体治理深度氧化聚合序列,根据有害气体初始聚合序列和有害气体治理深度氧化聚合序列计算不同时间处的喷漆废气有害气体的深度氧化动态排尽系数;
利用喷漆废气有害气体的深度氧化动态排尽系数和喷漆废气治理经验阈值对喷漆废气微气泡深度氧化治理滞留时间进行调整,并通过窄脉冲放电除臭技术消除喷漆废气中的异味,完成对喷漆废气的治理。
2.根据权利要求1所述的一种喷漆废气治理方法,其特征在于,所述喷漆废气光谱状态参数包括:漆废气有害气体成分光谱波段序列,喷漆废气治理光谱波段序列,喷漆废气初始光谱波段序列。
3.根据权利要求2所述的一种喷漆废气治理方法,其特征在于,所述根据短时间的喷漆废气光谱状态参数计算不同时间处的喷漆废气光谱异常缩放系数的数学表达式为:
式中,表示了以自然常数为底的指数函数,/>表示了预设时间长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的长度,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的方差大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数。
4.根据权利要求3所述的一种喷漆废气治理方法,其特征在于,所述根据缩放变换强度获取喷漆废气深度氧化治理缩放变换光谱序列的方法为:
将不同时间位置处的光谱异常缩放系数按时间先后顺序排列得到喷漆废气深度氧化治理缩放变换光谱序列。
5.根据权利要求3所述的一种喷漆废气治理方法,其特征在于,所述根据不同时间处的喷漆废气光谱异常缩放系数计算不同时间处的喷漆废气光谱参数不同波长的缩放变换强度的数学表达式为:
式中,表示了第/>个时间位置处喷漆废气治理光谱波段序列中第/>个波长处的反射强度大小,/>表示了预设时间长度内所有不同时间位置处喷漆废气治理光谱波段序列中第/>个波长处反射强度的均值,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列的光谱异常缩放系数,/>,/>,/>分别表示了第/>,/>,/>三个不同相邻时间处喷漆废气治理光谱波段序列第/>个波长处的反射强度大小,/>表示了第/>个时间位置处喷漆废气治理光谱波段序列第/>个波长的缩放变换强度数值。
6.根据权利要求4所述的一种喷漆废气治理方法,其特征在于,所述根据喷漆废气光谱状态参数短序列计算协同筛选特征值的数学表达式为:
式中,表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体光谱反射强度的最大值,/>表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处光谱波段序列中光谱反射强度的最大值,/>表示了两个不同序列之间的/>距离,/>表示了喷漆废气有害气体成分光谱波段序列中第/>种有害气体成分光谱波段序列,/>表示了喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列,/>表示了第/>种有害气体成分与喷漆废气初始光谱波段序列中第/>个预设时间长度处的光谱波段序列的协同筛选特征值。
7.根据权利要求5所述的一种喷漆废气治理方法,其特征在于,所述根据协同筛选特征值获取喷漆废气有害气体监测波段集合的方法为:
将喷漆废气光谱状态参数按照预设步长滑动得到不同时间处的状态短序列,将不同时间处状态短序列的协同筛选特征均值记为第一均值,将所有喷漆废气最小协同筛选特征值小于第一均值的喷漆废气光谱状态参数构成喷漆废气有害气体监测波段集合。
8.根据权利要求6所述的一种喷漆废气治理方法,其特征在于,所述根据喷漆废气有害气体波段集合聚类获取不同时间处的有害气体初始聚合序列和有害气体治理深度氧化聚合序列的方法为:
将喷漆废气光谱状态参数和喷漆废气深度氧化治理缩放变换光谱序列作为KMeans算法的输入,将喷漆废气有害气体监测波段集合中每种元素序列的均值作为不同的初始聚类中心分别获取不同波段聚类结果,将每个不同聚类中心获取得到的聚类结果分别记为不同时间处有害气体初始聚合序列和有害气体治理深度氧化聚合序列。
9.根据权利要求7所述的一种喷漆废气治理方法,其特征在于,所述根据有害气体初始聚合序列和有害气体治理深度氧化聚合序列计算不同时间处的喷漆废气有害气体的深度氧化动态排尽系数的数学表达式为:
式中,,/>分别表示了时间/>处的第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列/>的长度,/>表示了最小值函数,/>,/>分别表示了时间/>处的第/>种有害气体初始聚合序列/>和有害气体治理深度氧化聚合序列中第/>个位置波段反射强度的数值大小,/>表示了时间/>处第/>种有害气体的相合变换系数,/>表示了归一化函数,/>表示了喷漆废气初始状态短序列构成有害气体监测波段集合中元素个数,/>表示了时间/>处喷漆废气有害气体的深度氧化动态排尽系数。
10.一种喷漆废气治理设备,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823819.3A CN117473207B (zh) | 2023-12-28 | 2023-12-28 | 一种喷漆废气治理设备及其治理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823819.3A CN117473207B (zh) | 2023-12-28 | 2023-12-28 | 一种喷漆废气治理设备及其治理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117473207A CN117473207A (zh) | 2024-01-30 |
CN117473207B true CN117473207B (zh) | 2024-03-29 |
Family
ID=89635148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311823819.3A Active CN117473207B (zh) | 2023-12-28 | 2023-12-28 | 一种喷漆废气治理设备及其治理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473207B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107081062A (zh) * | 2017-06-05 | 2017-08-22 | 山东天意设备科技有限公司 | 一种基于光氧催化与高能等离子的废气处理器 |
WO2020232959A1 (zh) * | 2019-05-22 | 2020-11-26 | 安徽大学 | 基于函数性主元分析的近红外光谱特征提取方法和系统 |
CN117210639A (zh) * | 2023-11-09 | 2023-12-12 | 山东宇信铸业有限公司 | 一种一罐制铁水预处理喷粉控制方法及系统 |
-
2023
- 2023-12-28 CN CN202311823819.3A patent/CN117473207B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107081062A (zh) * | 2017-06-05 | 2017-08-22 | 山东天意设备科技有限公司 | 一种基于光氧催化与高能等离子的废气处理器 |
WO2020232959A1 (zh) * | 2019-05-22 | 2020-11-26 | 安徽大学 | 基于函数性主元分析的近红外光谱特征提取方法和系统 |
CN117210639A (zh) * | 2023-11-09 | 2023-12-12 | 山东宇信铸业有限公司 | 一种一罐制铁水预处理喷粉控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117473207A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ardekani et al. | Ultrasonic assisted removal of methylene blue on ultrasonically synthesized zinc hydroxide nanoparticles on activated carbon prepared from wood of cherry tree: Experimental design methodology and artificial neural network | |
Azqhandi et al. | Application of random forest, radial basis function neural networks and central composite design for modeling and/or optimization of the ultrasonic assisted adsorption of brilliant green on ZnS-NP-AC | |
Attia et al. | Photocatalytic degradation of textile dyeing wastewater using titanium dioxide and zinc oxide | |
Kubacka et al. | UV and visible light optimization of anatase TiO2 antimicrobial properties: Surface deposition of metal and oxide (Cu, Zn, Ag) species | |
CN117473207B (zh) | 一种喷漆废气治理设备及其治理方法 | |
CN207641265U (zh) | 一种餐厨预处理车间的除臭系统 | |
Sumegová et al. | Influence of reaction conditions on the ozonation process | |
CN205199311U (zh) | 后段三版有机废气高效回收装置 | |
CN108169202B (zh) | 痕量检测汞离子的方法 | |
CN203668049U (zh) | 一种微波水处理设备 | |
Wang et al. | Enhanced removal of humic acid from micro-polluted source water in a surface discharge plasma system coupled with activated carbon | |
Peacok et al. | Improvement of a new acoustic emission analysis technique to determine the activated carbon saturation level: A comparative study | |
KR101872291B1 (ko) | 티타늄 스크랩을 활용한 광촉매 필터의 제조 방법 | |
KR101258092B1 (ko) | 황화합물 악취제거제 제조방법 및 이를 이용한 악취제거제 | |
Gan et al. | Enhanced removal efficiency of Methylene blue and water hardness using NaOH-modified Durian and Passion fruit peel adsorbents | |
CN108094838A (zh) | 一种家用蔬果消毒装置及消毒方法 | |
AU2021365810A1 (en) | Combined electrochemical advanced oxidation process for removal of organic contamination in water | |
Saleem et al. | Experimental and statistical analysis of dielectric barrier discharge plasma effect on sonochemically TiO2 coated cotton fabric using complete composite design | |
CN208553676U (zh) | 一种养殖场污染空气的一站式小型净化装置 | |
TWI606864B (zh) | 用於製備光觸媒的膏體以及光觸媒的製備方法 | |
Felea et al. | Electrical characterization of the double crossing Glidarc reactor with cylindrical symmetry | |
Khanmohammadi et al. | Insightful properties-performance study of Ti–Cu–O heterojunction sonochemically embedded in mesoporous silica matrix for efficient tetracycline adsorption and photodegradation: RSM and ANN-based modeling and optimization | |
Yildiz | The production of a novel adsorbent from forest waste (Platanus orientalis L.) for dye adsorption: Adsorption process optimization and experimental design | |
Derbasova et al. | Studying the effect of monochrome light on the photocatalytic activity of tungsten oxide | |
CN213101597U (zh) | 一种气体处理系统 |
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 |