JP2005506540A

JP2005506540A - 酸化剤として高濃度酸素を含む空気又は純粋酸素を使用する加熱炉の排気筒出口の窒素酸化物ソフトウェアセンサ

Info

Publication number: JP2005506540A
Application number: JP2003537398A
Authority: JP
Inventors: アムーリ、フーアド; バルブ、ティエリー
Priority date: 2001-10-25
Filing date: 2002-10-04
Publication date: 2005-03-03
Also published as: FR2831666B1; FR2831666A1; US7266460B2; WO2003034819A3; WO2003034819A8; EP1444510A2; WO2003034819A2; US20040249578A1; AU2002356209A1

Abstract

【課題】酸化剤として高濃度酸素を含む空気又は純粋酸素を使用する加熱炉の排気筒出口の窒素酸化物ソフトウェアセンサ
【解決手段】本発明は、加熱炉（４６）内の燃焼によって発生される煤煙中の窒素酸化物含有量を測定する方法に関する。本発明の方法は、（ａ）燃焼中に、加熱炉内の少なくとも１つの圧力データと、加熱炉内及び／又は燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとを測定する工程と、（ｂ）燃焼から生じる煤煙中の窒素酸化物濃度又は含有量を表す少なくとも１つの出力データを与えるニューラルネットワークの入力データとして、上記データ、又は、上記データから処理若しくは取得されるデータを取り入れる工程と、を有することを特徴とする。

Description

【技術分野】
【０００１】
本発明は、特に、工業プロセスにおける窒素酸化物タイプの排ガスを測定する分野に関する。
【背景技術】
【０００２】
多くの工業プロセスは、天然ガス、ＬＰＧ等のような様々な燃料の燃焼に基づいている。これらのプロセスの中で、特に、二次融解・製錬プロセス、又は、ガラス溶融用の加熱炉で利用されるそれらのプロセスの例を挙げることができる。
【０００３】
これらのプロセスのための酸化剤である従来からの空気は、酸素濃度を高めることが可能であり、あるケースでは、酸素によって置き換えることさえ可能である。これらのプロセスは、特に、窒素酸化物（ＮＯｘ）化合物のようなガスを発生する。これらの化合物の形成は多数のパラメータに依存し、パラメータ自体はプロセスに依存する（チャージの性質、酸化剤及び燃料流体の組成、バーナー、加熱炉の圧力など）。
【０００４】
環境に対する配慮に関して、絶えずより厳しい基準が課される。
【０００５】
これらの化合物の連続的な測定によって、課された基準にできる限り適合するように、それらの化合物を発するプロセスをより良好に制御できるようになり、及び／又は、窒素酸化物の放出又は排出を最小限に抑えることが可能になるであろう。
【０００６】
従来の測定方法は二つのカテゴリーに大別することが可能であり、一方は、適切なＮＯｘ物理センサによる原位置測定であり、もう一方は、ソフトウェアセンサによる測定又は推定である。
【０００７】
加熱炉で行われているプロセスの例では、加熱炉から出る煙は、たいてい高温（１４００℃ないし１６００℃）であり、煤塵を含んでいる。したがって、これらの全ての条件が、加熱炉の出口に設置されるＮＯｘ物理センサの動作に影響を与える。
【０００８】
煙の過度に高い温度を低下させるため、ガス調整手順に頼らざるを得ない。
更に、物理センサによって行われる測定は、センサの頻繁な較正、並びに、技術的監視を必要とする。
物理センサは、それ自体が高価であるため、妥当なコストでの連続トラッキングに適していない。
ソフトウェアセンサも公知であるが、ソフトウェアセンサは、現時点では、高精度を実現できない。
特に、達成されている相対的な推定誤差は７０％のオーダーであり、現状の要求に対して高すぎる。
更に、このようなセンサは、実際上、かなりの数（約１４個）の入力を必要とするので、これらのデータを取得するために多数の物理センサを利用する。その結果として、入力データに多量のノイズが生じる。
【発明の開示】
【発明が解決しようとする課題】
【０００９】
したがって、煤煙中の窒素酸化物（ＮＯｘ）、特に、加熱炉の出口で窒素酸化物を測定する新しい方法及び新しい装置を求める課題が生じる。
【００１０】
また、この課題は、煤煙中の窒素酸化物（ＮＯｘ）の濃度に関して、これらの窒素酸化物を直接物理的に測定することなく、信頼性の高い情報を与える方法及び装置を求める課題を生じさせる。
【００１１】
また、この課題は、特に、加熱炉の出口で煤煙中の窒素酸化物の放出を、信頼性の高い方法で、かつ、工業上許容できる範囲内の保守で、連続測定できるセンサを求める課題を生じさせる。
【００１２】
更に、上記課題は、あまり多数の入力データを必要としないソフトウェア型のセンサを求める課題を生じさせる。
【課題を解決するための手段】
【００１３】
本発明は、燃焼によって発生される煤煙中に含まれるＮＯｘ化合物（Ｘ＝１又は２）の含有量を測定する方法に関する。
【００１４】
本発明は、加熱炉内の燃焼によって発生される煤煙中のＮＯｘ含有量を測定する方法であって、
加熱炉内の少なくとも１つの圧力データと、加熱炉内及び／又は燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとが燃焼の進行中に測定され、
これらのデータ、又は、これらのデータから処理若しくは取得されるデータを、ニューラルネットワークのための入力データとして取り入れ、該ニューラルネットワークは、燃焼から生じる煤煙中のＮＯｘの濃度又は含有量を表す少なくとも１つの出力データを与える、
ことを特徴とする方法に関する。
【００１５】
上記方法によれば、測定はＮＯｘ物理センサを必要とせず、ニューラルネットワークの入力データに関する測定、又は、これらの入力データを計算するためのデータに関する測定だけが実行される。
【００１６】
ニューラルネットワークを利用するこのようなセンサは、再較正も保守も不要である。
【００１７】
ＮＯｘ値の推定は、ＮＯｘ物理センサによる測定よりも即時性があり、本発明による方法の実施は、物理センサの実施よりも費用が安くつく。
【００１８】
提案された方法では、煤煙中の窒素の量又は濃度に関する情報を取得するため、最小限の個数の入力データだけが、即ち、圧力測定量、温度測定量、及び、１つ又は２つの濃度データ（煤煙中の二酸化炭素（ＣＯ2）又は酸素（Ｏ2）の濃度）が使用される。
【００１９】
更に、達成される精度は、現在までに知られているソフトウェアセンサで達成される精度よりも遙かに優れている。
【００２０】
入力データを５個以下に制限することにより、非常に多数のデータによって生ずるノイズも制限される。
【００２１】
燃料は、天然ガス、その他の燃料油、又は、天然ガスと燃料油の混合物でもよい。
【００２２】
酸化剤は、酸素でもよく、又は、酸化剤としての高濃度酸素を含む空気でもよい。
【００２３】
特定の一実施形態によれば、加熱炉内の少なくとも２つの圧力データが燃焼の進行中に測定され、これらの圧力データはそれらの平均を計算するために処理され、この平均圧力データはニューラルネットワークの入力データとして取り入れられる。
【００２４】
本発明の別の態様によれば、加熱炉内の少なくとも２つの温度データが燃焼の進行中に測定され、これらの温度データはそれらの平均を計算するために処理され、この平均温度データはニューラルネットワークの入力データとして取り入れられる。
【００２５】
好ましくは、測定されたデータは、所定の程度よりも高いＮＯｘ濃度又は含有量データとの相関の程度を示す。
【００２６】
ＮＯｘ含有量を表すデータを与えるためのデータの処理は、連続的に、即ち、数秒のオーダーの時間的周期性で実行可能である。
【００２７】
また、本発明は、加熱炉内の燃焼によって発生される煤煙中のＮＯｘ含有量を測定する装置であって、
加熱炉内の少なくとも１つの圧力データと、加熱炉内及び／又は燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとを測定するセンサと、
前記データをニューラルネットワークによって処理させ、又は、ニューラルネットワークへの入力データを形成するため前記データの少なくとも一部を処理し、ニューラルネットワークによって処理された前記データを処理し、
燃焼から生じる煤煙中のＮＯｘの濃度又は含有量を表す少なくとも１つの出力データを与える、
ための手段、又は、そのためにプログラムされる手段と、
を含む装置に関する。
【００２８】
また、本発明は、バーナー、加熱炉、燃焼生成物を排出する手段、及び、上記の測定装置を含む燃焼システムに関する。
【００２９】
加熱炉は、例えば、ガラス加熱炉、２次融解回転式製錬加熱炉、又は、焼却加熱炉である。
【００３０】
また、本発明は、ニューラルネットワークに基づいて、加熱炉の少なくとも１つの圧力データと、加熱炉内及び／又は前記加熱炉内で起こる燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとを処理する命令と、このニューラルネットワークに基づいて、燃焼から生じる煤煙中のＮＯｘの濃度又は含有量を表す少なくとも１つの出力データを計算する命令と、を備えるコンピュータプログラムに関する。
【００３１】
また、本発明は、加熱炉の少なくとも１つの圧力データと、同じ加熱炉内及び／又は前記加熱炉内で起こる燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとのうちの少なくとも一部のデータを処理し、ニューラルネットワーク（３２）への入力データを形成する命令と、
このニューラルネットワークに基づいて、燃焼から生じる煤煙中のＮＯｘの濃度又は含有量を表す少なくとも１つの出力データを計算する命令と、
を備えるコンピュータプログラムに関する。
【発明を実施するための最良の形態】
【００３２】
本発明の特徴及び利点は、以下の説明の観点からより明らかになるであろう。以下の説明は、添付図面を参照して非限定的な例として挙げられた典型的な実施形態に関するものである。
【００３３】
本発明は、燃焼によって発生される窒素酸化物の量の測定又は推定を行うためニューラルネットワークを利用する。
【００３４】
ニューラルネットワーク３２は、図１に概略的に示されている。参照符号２０、２２、２４、２６は、様々なネットワーク層を表し、入力層２０、出力層２６、及び、多数の隠れ層２２、２４が含まれる。
【００３５】
図１には、二つの隠れ層しか示されていないが、ネットワークを構成する隠れ層は１層でもよく、或いは、３層以上でもよい。本発明の場合、出力層２６は、ＮＯｘの量をユーザに与える。
【００３６】
各層ｋは、ある数（層２０にはＮ１個、層２２にはＮ２個、層２４にはＮ３個、出力層２６には２個）のシナプスｉｋにより構成される。
【００３７】
入力データ（処理済データ）は入力層のシナプスに取り入れられる。
【００３８】
ニューラルネットワークの各シナプスには、双曲線正接関数又はシグモイド関数のような非線形活性化関数Ｆ、及び、活性化レベルが対応する。
【００３９】
その上、各層の各シナプスｉは、次の層のシナプスｊに結合され、荷重Ｐｉｊは、シナプスｉとシナプスｊの間の各リンクに重み付けする。
【００４０】
この荷重は、シナプスｉが結合されている各シナプスｊによって与えられる結果の計算の際に、各シナプスｉの結果の影響に重み付けする。
【００４１】
シナプスｊからの出力Ｓｊは、シナプスｊに接続されたシナプスｉの活性化関数の結果Ａｉの、シナプス間の荷重Ｐｉｊによる、荷重和に適用された活性化関数Ｆｊの値と同等である。即ち、
【数１】

【００４２】
である。
【００４３】
図１に示されるネットワーク３２はオープンネットワークである。ループ型ネットワークの場合、出力データの一つが入力データとして再使用される。
【００４４】
Ｉ．Ｒｉｖａｌｓ、Ｌ．Ｐｅｒｓｏｎｎａｚ、Ｇ．Ｄｒｅｙｆｕｓ、Ｊ．Ｌ．Ｐｌｏｉｘによる文献：「ニューラルネットワークを用いるモデリング、分類及び制御：設計方法論及び工業用実例(Modlisation, Classification et Coomande par Reseaus de Neurones)」（コーディネーターがＪ．Ｐ．Ｃｏｒｒｉｏｕである「プロセスモデリング及び制御用のニューラルネットワーク(Les Reseaux de Neurones pour la Modelisation et la Commande de Procedes)」ＬａｖｏｉｓｉｅｒＴｅｃｅｔＤｏｃ、１９９５年）は、ニューラルネットワークに関する更なる情報を提供する。
【００４５】
ＮＯｘ化合物を生成する燃焼プロセスに関連した物理データは、そのようなプロセスの実行中に測定可能であり、これらの物理データがネットワークへ入力される。
【００４６】
物理データは、この物理データが関連するデータであり、好ましくは冗長ではなく、好ましくは、プロセスの完全な判定を与えるかどうかを確認するために、事前に処理してもよい。
【００４７】
関連性とは、入力データの各々に含まれる情報が結果（ＮＯｘ含有量）の形成に寄与することを意味する。この寄与の数学的形式は、この結果を取得するためにはわからなくても構わない。
【００４８】
非冗長性とは、選択された入力間の相関が小さいということを意味する。
完全性とは、ニューラルネットワークを生成するために必要な全ての情報が１組のデータ中に存在することを意味する。
【００４９】
ニューラルネットワークの構築を目的としたデータ処理は、プロセスに関する生データ又は物理データの取得を必要とする。この取得は、好ましくは、システムを予測可能な範囲の全体を対象とする。
【００５０】
また、図２に示されるように、生データは最初に測定される（ステップ２９）。
【００５１】
これらのデータは、次に、ニューラルネットワークを構築するソフトウェア３０に取り込まれる。
【００５２】
このソフトウェア内で、多数のデータは学習フェーズ３４のため使用され、残りのデータはネットワークの検証に寄与する（ステップ３６）。
【００５３】
最終的な最も良いネットワークの選定は、実際には、定められた目標に依存する。ある場合には、実際に、測定量（ＮＯｘセンサを用いて実行されるＮＯｘの測定）と、ネットワークの予測量との間で、最小の相対偏差、又は、所定の相対偏差を取得することが求められる。
【００５４】
様々なデータ処理ツールを更に使用することができる。
したがって、前処理フェーズでは、取得ノイズを低減するためにデータを平均化又はフィルタ処理することが可能である。
処理フェーズでは、ネットワークへの入力候補の共分散行列は、同じ情報を与える冗長データを制限するために使用可能である。
また、入力／出力相関ベクトルは、上記出力の予測のために最も影響力のある入力を決定するために使用できる。
【００５５】
本発明によれば、関連性があり、非冗長であり、システムの完全性を保証する１組のデータは、以下の、
−加熱炉内で測定される少なくとも１つの圧力、
−加熱炉内又は煤煙中で測定される少なくとも１つの温度、
−煤煙中の窒素の濃度又は量を表す少なくとも１つのデータ
である。
【００５６】
一例として、
−加熱炉内の少なくとも１つの圧力と、
−煤煙の温度と、
−煤煙中のＣＯ2濃度と、
−煤煙中のＯ2濃度と、
が利用される。
【００５７】
煤煙中の窒素量は、煤煙中のＣＯ2濃度及びＯ2濃度から、
［Ｎ2］＝１−［ＣＯ2］−［Ｏ2］
によって推定可能である。
【００５８】
これらのデータは全て、ハードウェアセンサ（圧力センサ、温度センサ、煤煙中の濃度を測定するセンサ）を用いた測定によって取得される。
【００５９】
ＮＯｘの測定量は、ＮＯｘハードウェアセンサをある期間に亘ってオペレータが監視することによって獲得可能である。
【００６０】
これらの生データは、ニューラルネットワーク３２の入力層２０に供給され、全体として、連続モードで使用可能なニューラルネットワークを生成するために十分なデータセットを構成する。
【００６１】
また、特に、結果の精度を高めるため、又は、ニューラルネットワークの収束速度を増大させるため、その他の付加データを使用することが可能である。
【００６２】
たとえば、単一の圧力の代わりに加熱炉内の平均圧力を使用可能であり、この平均は複数個のセンサによって獲得された複数個の圧力データから得られる。
【００６３】
同様に、煤煙中の温度の代わりに、又は、煤煙中の温度に加えて、加熱炉内の平均温度を使用することができる。この平均温度は、加熱炉内に設置された複数個のセンサによって獲得された複数個の温度データから得られる。
【００６４】
ネットワーク自体は、ネトラル社（ＮＥＴＲＡＬＣｏｍｐａｎｙ）製のＮｅｕｒｏＯｎｅソフトウェアのようなニューラルネットワーク構築ソフトウェアを組み込むことによって実現できる。
【００６５】
上述のＩ．ＲＩＶＡＬＳらの文献には、このようなニューラルネットワークを構築するための全ての指示が記載されている。更に、Ｉ．ＲＩＶＡＬＳによる「ニューラルネットワークによるプロセスモデリング及び制御：自動車のステアリングへのアプリケーション(Modelisation et commnde de processus par reseaux de neurones; application au pilotage d'un vehicule autonome)」、Universite Pierre et Marie Curie、１９９５を引用する。
【００６６】
ネットワークのユーザ又は設計者は、このアルゴリズム又は使用されるソフトウェアに対し、以下のデータを指示する。
【００６７】
−望ましい隠れ層の数。
【００６８】
−望ましい活性化関数の形（双曲線正接関数又はシグモイド関数）。
【００６９】
−ループ型ネットワーク又はオープンネットワークの選定。
【００７０】
−入力データ及び対応するＮＯｘの測定量。これらの測定量は、ある期間に亘って排気筒出口にＮＯｘハードウェアセンサを設置し、オペレータが監視することによって獲得される。ネットワークが構成され調整されると、このＮＯｘハードウェアセンサは使用されなくなる。
【００７１】
これらのデータを用いて、ソフトウェア又はアルゴリズムは、ニューラルネットワークのシナプス、及び、対応した荷重を決定する。より詳細に説明すると、ソフトウェアは、ソースコード又は実行可能コードで生成され、ユーザが、プロセスに関して直接測定された物理データ又は生データに従って、ＮＯｘ濃度データを取得できるようにする。
【００７２】
生データの測定が連続的に、又は、ほぼ連続的（即ち、数秒のオーダーの周期、例えば、１ないし５又は１ないし１５秒の周期で、即ち、１Ｈｚないし０．０１Ｈｚの頻度で）に実行されるならば、このようにして構築されたセンサは、連続的又は準連続的に（同じ周期又は頻度で）、生成されたＮＯｘ含有量の測定量又は測定量を表す信号を与えることができる。
【００７３】
好ましくは、ＮＯｘ測定へのアプリケーションの場合に選定されるニューラルネットワークは、
−単一の隠れ層を含み、２層以上の隠れ層を含むネットワークの計算時間は、非常に長いので、約数秒、例えば、１ないし５秒又は１ないし１５秒の望ましい期間を使用できず、
−静的であり、ループを含まない。
【００７４】
一例として、データ処理、及び、具体的な加熱炉のモデリングを説明する。この加熱炉は、酸化剤として純粋酸素を、燃料として天然ガスを使用し、１ＭＷのバーナーを具備している。
【００７５】
この構造体は図３に概略的に示され、同図において、参照番号４０はバーナー自体を示し、バーナーには、パイプ４２及び４４を介して、それぞれ燃料及び酸化剤が供給され、参照番号４６は燃焼が起こる加熱炉を示す。
【００７６】
排気筒４８は加熱炉４６の出口に設置され、ダンパー５０の開口は加熱炉内の圧力を調節することができる。
【００７７】
水循環システム（図示せず）はエネルギーをチャージに運ぶことができる。
【００７８】
熱電対は、加熱炉の外側の壁に設置され、加熱炉の外側温度を測定することができる。
【００７９】
温度センサは、加熱炉４６の内側の天井に取り付けられる。例えば、１１個のセンサ（そのうちの２個だけが図示されている）が、加熱炉の入口から出口まで天井に沿って設置される。このようにして、センサ５４は、火炎５２の根本付近で天井温度を測定可能であり、一方、センサ５６は、加熱炉４６の出口付近で天井温度を測定可能である。
【００８０】
また、２個の圧力センサ５５及び５７が加熱炉に設置される。
【００８１】
温度センサ５８は、排気筒４８に更に設置され、煤煙の温度を測定する。同様に、センサ６０及び６２は、（好ましくは、乾燥状態）ＣＯ2濃度及び酸素濃度を測定可能である。
【００８２】
このような加熱炉用のニューラルネットワークは、ネトラル社製のＮｅｕｒｏＯｎｅソフトウェアを用いて構築可能である。したがって、このネットワークは実行可能コードの形式で配布される。
【００８３】
測定された物理データ又は使用された生データは、（センサ５５及び５７によって測定された）加熱炉の２個の圧力と、（センサ６２によって測定された）煤煙中のＣＯ2及び酸素の百分率と、加熱炉内で長手方向に測定された天井温度と、燃料中の窒素の百分率と、使用された酸素の純度と、パイプ４４を介して導入された酸素の流速と、（センサ５８によって測定された）煤煙の温度と、パイプ４２によって導入された燃料の流速である。
【００８４】
データを処理することによって、
・センサ５５及び５７によって与えられた圧力の平均を計算すること、
・１１個のセンサ５４、５６の各々によって測定された温度から加熱炉内の平均温度を計算すること、
が可能になる。
【００８５】
したがって、ニューラルネットワークへの５個の入力データは、
−加熱炉内の平均圧力
−煤煙の温度
−煤煙中のＣＯ2濃度
−煤煙中のＯ2濃度
−加熱炉内の平均温度
である。
【００８６】
実際には、これらのデータの各々は、好ましくは、ある時間区間に亘る平均、例えば、１５秒の周期で獲得された３分間の移動平均であると考えられる。
【００８７】
更に、ニューラルネットワーク構築用のソフトウェアによってバイアスが生成される。
【００８８】
ネットワーク出力は、好ましくは、閾値処理され、即ち、ある閾値よりも低いＮＯｘ濃度、又は、ある所定の限界値、例えば、２００ｐｐｍよりも低いＮＯｘ濃度は無視される。なぜならば、このような閾値よりも低いＮＯｘ値は、あるセンサの欠陥に対応することがあり、したがって、モデリングの際に重要性がないからである。
【００８９】
獲得されたネットワークの構造は図４に概略的に示されている。ネットワークは、１層だけの隠れ層２２により構成される。ネットワークは、入力層２０及び出力層２６を更に含み、参照番号２１は入力バイアスを示す。
【００９０】
データは、記号＜．．．＞によって示されるように時間的に平均化される。添字ｆは、加熱炉内で測定されたデータに関係する。複数個のセンサの間で平均が生成されたデータは、上線付きになっている。
【００９１】
実行された測定量を処理するシステムは図５及び図６に示されている。
【００９２】
このようなシステムは、マイクロコンピュータＰＣ７０を備え、センサ５４ないし６２によって測定されたデータがリンク６１を介してこのマイクロコンピュータ７０へ送信される。
【００９３】
より詳細に説明すると、マイクロコンピュータ７０（図６）は、マイクロプロセッサ８２、１組のＲＡＭメモリ８０（データ蓄積用）と、ＲＯＭメモリ８４（プログラム命令蓄積用）とを備える。
【００９４】
データ取得カード８９は、センサによって与えられたアナログデータをデジタルデータへ変換し、それらのデータを、マイクロコンピュータによって要求されるフォーマットで表現する。これらの種々の構成要素はバス８８に連結される。
【００９５】
周辺装置（スクリーン又は表示装置７４、マウス９０）は、ユーザとの双方向対話を可能にさせる。特に、表示手段（スクリーン）７４は、ユーザに、計算ＮＯｘ含有量に関する視覚的表示を与えることができる。
【００９６】
オプションとして、リンク６３は、燃焼プロセスのある種の操作用パラメータを修正可能である。
【００９７】
マイクロコンピュータ７０にロードされるのは、データ、又は、本発明による生データ又は物理データの処理を実現する命令、特に、生データ又は直接測定データの前処理３０（図２を参照のこと）を実行し、ニューラルネットワーク３２を用いてＮＯｘ含有量を計算する命令である。
【００９８】
これらのデータ又は生データ又は物理データを処理する命令は、マイクロコンピュータ若しくはコンピュータが読み取り可能なディスケット又はその他の媒体（例えば、ハードディスク、リードオンリーメモリＲＯＭ、ダイナミックランダムアクセスメモリＤＲＡＭ若しくはその他の任意のタイプのＲＡＭメモリ、コンパクト光ディスク、磁気若しくは光記憶素子）から、マイクロコンピュータ７０のメモリ領域へ転送可能である。
【００９９】
比較結果が図７に示されている。曲線Ｉはモデリングによって取得された結果を表し、曲線ＩＩは、排気筒４８に直接設置され、継続的に監視されたＮＯｘセンサによる測定によって取得された結果を表す。計算された濃度と物理センサによって測定された濃度との間の相対誤差の標準偏差は２％未満になるので、モデリングはＮＯｘ含有量に関する最良の近似を行えることがわかる。換言すると、ソフトウェアセンサによって予測されたＮＯｘ値のうちの９５．４５％は、測定値から±４％に収まる。
【０１００】
表Ｉには学習データ及び検証データに関して獲得されたＮＯｘ濃度の誤差の標準偏差が記載されている。
【表１】

【０１０１】
本例で示された５入力は、他のタイプのバーナーに対しても有効である。
【０１０２】
より一般的に説明すると、本発明によるソフトウェアセンサは、酸化剤又は純水酸素として高濃度酸素を含む空気を使用するあらゆるタイプの加熱炉に適応できる。
【０１０３】
更に、本発明は、制御システムからは独立し、あらゆるコンピュータ言語を受け入れるので、既存の工業用燃焼プロセスの任意の制御システムに統合することが可能である。
【０１０４】
本発明に従って実行されるＮＯｘ測定は、例えば、ＮＯｘ含有量がある閾値を超過すると直ちにアラームを起動するために、監視モードで使用することが可能である。
【０１０５】
それは、監視されるプロセスの入力パラメータを調節するためループ状で使用することが可能である。例えば、一つを除いて、全ての入力パラメータが固定され、固定されていないパラメータは、ＮＯｘ含有量を一定値、又は、変動の範囲を定める２つの値の間に収まる値に維持するように調節される。調節は、例えば、調節コマンドをプロセスへ送るリンク５３（図５を参照）を用いて行われる。
【０１０６】
本発明の多数の分野に使用できる。本発明は、特に、火炎の存在を必要とし、酸化剤が高濃度酸素を含む空気である、ガラス加熱炉、２次融解回転式製錬加熱炉、焼却加熱炉、化学反応器に適用される。
【０１０７】
本発明によれば、従って、静的なモデルが、様々な工業プロセスにおいて、特に、酸化剤として、高濃度酸素を含む空気又は酸素を使用する加熱炉からの煤煙中のＮＯｘ排出量を計算するために導入される。
【図面の簡単な説明】
【０１０８】
【図１】ニューラルネットワークを表す図である。
【図２】ニューラルネットワーク構築の基本的な説明略図である。
【図３】加熱炉構造体を表す図である。
【図４】本発明によるセンサのニューラルネットワークを表す図である。
【図５】本発明の枠組み内で使用されるデータ取得手段を表す図である。
【図６】本発明の枠組み内で使用されるデータ処理手段を表す図である。
【図７】一方が本発明によるセンサである２個のセンサを用いて獲得された比較結果を表す図である。

Claims

加熱炉（４６）内の燃焼によって発生される煤煙中のＮＯｘ含有量を測定する方法であって、
前記加熱炉内の少なくとも１つの圧力データと、前記加熱炉内及び／又は燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとが燃焼の進行中に測定され、
これらのデータ、又は、これらのデータから処理若しくは取得されるデータを、ニューラルネットワーク（３２）への入力データとして取り入れ、このニューラルネットワークは、燃焼から生じる煤煙中のＮＯｘ濃度又は含有量を表す少なくとも１つの出力データを与える、
ことを特徴とする方法。
前記燃焼は、燃料と、酸化剤としての酸素又は高濃度酸素を含む空気とを利用する、請求項１記載の方法。
前記燃料は、天然ガス、燃料油、又は、天然ガスと燃料油の混合物である、請求項２記載の方法。
前記加熱炉内の少なくとも２つの圧力データが燃焼の進行中に測定され、これらの圧力データはそれらの平均を計算するために処理され、この平均圧力データは前記ニューラルネットワークの入力データとして取り入れられる、請求項１ないし３のいずれか１項に記載の方法。
前記加熱炉内の少なくとも２つの温度データが燃焼の進行中に測定され、これらの温度データはそれらの平均を計算するために処理され、この平均温度データは前記ニューラルネットワークの入力データとして取り入れられる、請求項１ないし４のいずれか１項に記載の方法。
煤煙中の二酸化炭素（ＣＯ2）の濃度及び酸素（Ｏ2）の濃度は、煤煙中の窒素の濃度を表すデータとして測定される、請求項１ないし５のいずれか１項に記載の方法。
前記ニューラルネットワークへの前記入力データは、個数が５個未満である、請求項１ないし６のいずれか１項に記載の方法。
前記入力データは、所定の程度よりも高いＮＯｘ濃度又は含有量データとの相関の程度を示す、請求項１ないし７のいずれか１項に記載の方法。
前記ニューラルネットワークは、単一の隠れ層（２２）を含む、請求項１ないし８のいずれか１項に記載の方法。
前記ニューラルネットワークは、静的である、請求項１ないし９のいずれか１項に記載の方法。
前記ニューラルネットワークの出力は、閾値を含む、請求項１ないし１０のいずれか１項に記載の方法。
前記データの処理は、１ないし０．０１Ｈｚの頻度で周期的に実行され、燃焼から生じる煤煙中のＮＯｘ濃度又は含有量を表すデータは同じ頻度で生成される、請求項１ないし１１のいずれか１項に記載の方法。
加熱炉（４６）内の燃焼によって発生される煤煙中のＮＯｘ含有量を測定する装置であって、
前記加熱炉内の少なくとも１つの圧力データと、前記加熱炉内及び／又は燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとを測定するセンサ（５４、５５、５６、５７、５８、６０）と、
前記データをニューラルネットワークによって処理させ、又は、ニューラルネットワーク（３２）への入力データを形成するため前記データの少なくとも一部を処理し、ニューラルネットワークによって処理された前記データを処理し、燃焼から生じる煤煙中のＮＯｘ濃度又は含有量を表す少なくとも１つの出力データを与える、又は、与えるためにプログラムされる手段（７０，８２）と、
を具備することを特徴とする装置。
バーナー（４０）、加熱炉（４６）、燃焼生成物を排出する手段（４８）、及び、請求項１３記載の測定装置を含む燃焼システム。
前記加熱炉は、ガラス加熱炉、２次融解回転式製錬加熱炉、又は、焼却加熱炉である、請求項１４記載のシステム。
ニューラルネットワークに基づいて、加熱炉の少なくとも１つの圧力データと、前記加熱炉内及び／又は前記加熱炉内で起こる燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとを処理し、このニューラルネットワークに基づいて、燃焼から生じる煤煙中のＮＯｘ濃度又は含有量を表す少なくとも１つの出力データを計算する命令と、を備えるコンピュータプログラム。
加熱炉の少なくとも１つの圧力データと、同じ加熱炉内及び／又は前記加熱炉内で起こる燃焼によって生じる煤煙中の少なくとも１つの温度データと、煤煙中の窒素濃度を表す少なくとも１つのデータとのうちの少なくとも一部のデータを処理し、ニューラルネットワーク（３２）への入力データを形成する命令と、
このニューラルネットワークに基づいて、燃焼から生じる煤煙中のＮＯｘ濃度又は含有量を表す少なくとも１つの出力データを計算する命令と、
を備えるコンピュータプログラム。
前記ニューラルネットワーク（３２）は、単一の隠れ層（２２）を含む、請求項１６又は１７記載のコンピュータプログラム。
前記ニューラルネットワーク（３２）は、静的である、請求項１６ないし１８のいずれか１項に記載のプログラム。
前記ニューラルネットワークの出力は、閾値を含む、請求項１６ないし１９のいずれか１項に記載のプログラム。
請求項１６ないし２０のいずれか１項に記載のプログラムのための符号化された命令を含む、コンピュータにより読み取り可能なデータ媒体。