JP2013210108A - 焼却炉における燃焼状態検出装置および燃焼制御装置 - Google Patents

Abstract

【課題】ごみの燃え切り位置などの燃焼状態を精度良く検出し得る燃焼状態検出装置を提供する。
【解決手段】撮影画像取得部21で取得された画像データから燃焼用火格子に係る主燃焼段部分及び後燃焼用火格子に係る後燃焼段部分から成る燃焼域を抽出する燃焼域抽出部24と、この燃焼域抽出部で抽出された燃焼域を小区画、大区画及び中長区画でもってそれぞれ区画して３種類の大きさの画像データを得る燃焼域区画部25と、この燃焼域区画部で得られた小区画、大区画及び中長区画の画像データに対して燃焼状態をファジィｃ平均法を用いてそれぞれ分析する燃焼状態分析部26と、この燃焼状態分析部で得られた各分析データに基づき燃焼状態を検出する燃焼状態検出部27とから構成したもの。
【選択図】図２

Description

本発明は、ごみ焼却炉における燃焼室内の燃焼状態を検出するための燃焼状態検出装置およびこの検出装置により検出された燃焼状態に基づきごみの燃焼を制御する燃焼制御装置に関するものである。

従来、ごみ焼却炉においては、炉内のごみの燃焼状態を認識する場合、すなわち燃焼状態を検出する場合、焼却炉における燃焼室内を撮影カメラにより撮影し、この撮影画像に画像処理を施すとともにその輝度値に基づき、例えば燃え切り位置などが検出されていた（例えば、特許文献１参照）。

特開２００４−８５０９４号公報

しかし、従来の燃焼状態を検出する場合には撮影画像に画像処理を施すとともにその輝度値により燃え切り位置などの燃焼状態を検出するものにあっては、その検出精度が良いとは言えず、外乱等に左右され制御に使用できない。したがって、燃焼状態の悪化、火炎の変化などに十分に対処し得ないという問題があった。

そこで、本発明は、ごみの燃え切り位置などの燃焼状態を精度良く検出し得るとともに、燃焼状態の悪化、火炎の変化などに十分に対処し得るごみ焼却炉における燃焼状態検出装置および当該燃焼状態検出装置を用いた燃焼制御装置を提供することを目的とする。

上記課題を解決するため、本発明の請求項１に係る焼却炉における燃焼状態検出装置は、燃焼室の底壁部に燃焼用火格子およびその下手側に後燃焼用火格子が配置された焼却炉におけるごみの燃焼状態を検出する燃焼状態検出装置であって、
燃焼室内を下手側から撮影カメラにより撮影した撮影画像を所定時間間隔でもって取得する撮影画像取得部と、
この撮影画像取得部で取得された画像データから燃焼用火格子が設けられた主燃焼段部分および後燃焼用火格子が設けられた後燃焼段部分から成る燃焼域を抽出する燃焼域抽出部と、
この燃焼域抽出部で抽出された燃焼域を小区画、大区画および中長区画でもってそれぞれ区画して３種類の大きさの画像データを得る燃焼域区画部と、
この燃焼域区画部で得られた小区画、大区画および中長区画の画像データに対して燃焼状態をファジィｃ平均法を用いてそれぞれ分析する燃焼状態分析部と、
この燃焼状態分析部で得られた各分析データに基づき燃焼状態を検出する燃焼状態検出部とから構成したものである。

また、本発明の請求項２に係る焼却炉における燃焼状態検出装置は、請求項１に記載の燃焼状態検出装置における燃焼状態分析部を、
小区画の画像データを入力してこれら各小区画毎に、燃焼状態か未燃状態であるかをファジィｃ平均法を用いた識別器により識別する燃焼識別部と、
大区画の画像データを入力してこれら大区画毎に、未燃塊の有無をファジィｃ平均法を用いた識別器により識別する未燃塊識別部と、
中長区画の画像データを入力してこれら中長区画毎に、火炎の強度をファジィｃ平均法を用いた識別器により識別する火炎識別部とから構成したものである。

また、本発明の請求項３に係る焼却炉における燃焼状態検出装置は、請求項１に記載の燃焼状態検出装置における燃焼状態検出部を、
燃焼状態分析部の燃焼識別部で得られた燃焼状態の小区画を検出して燃焼塊を検出するとともにこの燃焼塊の下端位置を検出することにより燃え切り位置を検出する燃え切り位置検出部と、
この燃え切り位置検出部で検出された燃え切り位置および燃焼状態分析部の未燃塊識別部で得られた未燃塊の区画データに基づき、未燃ごみ塊である度合いおよびその位置を検出する未燃ごみ塊検出部と、
燃焼状態分析部の火炎識別部で得られた火炎の区画データに基づき火炎の強度およびその位置を検出する火炎領域検出部とから構成したものである。

また、本発明の請求項４に係る焼却炉における燃焼制御装置は、請求項１乃至３のいずれかに記載の燃焼状態検出装置と、当該燃焼状態検出装置で検出された燃え切り位置、未燃ごみ塊である度合いおよびその位置、並びに火炎の強度およびその位置のデータを入力するとともにこれら各データに基づきファジィ推論を行い、燃焼用空気およびごみの供給量の制御指令を出力するファジィ演算部と、上記燃焼状態検出装置で検出された未燃ごみ塊の位置および火炎の位置のデータを入力して上記ファジィ演算部から出力される燃焼用空気の制御対象位置を検出する空気制御対象位置検出部とを具備したものである。

さらに、本発明の請求項５に係る焼却炉における燃焼制御装置は、請求項４に記載の燃焼制御装置におけるファジィ演算部を、
時系列で入力される複数個のデータの平均値およびこの平均値の変化率を求めるファジィ推論用データ作成部と、
このファジィ推論用データ作成部で求められた平均値および変化率を入力するとともに、これら平均値および変化率に所定のファジィルールを適用して燃焼用空気およびごみの供給量の制御用出力値を求めるファジィ推論部とから構成したものである。

上記燃焼状態検出装置の構成によると、燃焼室内を燃焼用火格子に係る主燃焼段部分および後燃焼用火格子に係る後燃焼段部分から成る燃焼域を抽出するとともに、この燃焼域抽出部で抽出された燃焼域を小区画、大区画および中長区画でもってそれぞれ区画して３種類の画像データを得るとともに、これら得られた小区画、大区画および中長区画の画像データに対して燃焼状態をファジィｃ平均法を用いてそれぞれ分析するようにしたので、燃焼室内の燃焼状態を精度良く検出することができる。

また、上記燃焼制御装置の構成によると、上記燃焼状態検出装置により検出された燃焼状態、すなわち燃え切り位置、未燃ごみ塊である度合い、火炎の強度などの燃焼状態を示す各データを入力するとともに、その平均値および変化率を所定のファジィルールに適用することにより推論を行うようにしたので、燃焼の傾向を加味した制御を行うことができ、したがって燃焼状態の悪化、火炎の変化などに十分に対処することができる。

本発明の実施例に係るごみ焼却炉の概略構成を示す模式図である。 同実施例に係るごみ焼却炉における燃焼制御装置の概略構成を示すブロック図である。 同燃焼制御装置にて用いられるＦＣＭ識別器の概略構成を示すブロック図である。 同ＦＣＭ識別器によるファジィクラスタリングの説明図である。 同燃焼制御装置のファジィ推論部で用いられる入力用のファジィ集合を示すグラフである。 同燃焼制御装置のファジィ推論部で用いられる出力用のファジィ集合を示すグラフである。 同ファジィ推論部で用いられるファジィルールを示す。 同ファジィ推論部で用いられるファジィルールを示す。 同ファジィ推論部にて用いられるファジィルールを示す。 同ファジィ推論部で用いられるファジィルールを示す。 同ファジィ推論部で用いられるファジィルールを示す。 同ごみ焼却炉における燃焼室内の撮影画像の燃焼段部分を抽出した燃焼状態を示す図である。 同ごみ焼却炉における燃焼室内の撮影画像の燃焼段部分を抽出した燃焼状態を示す図である。 同ごみ焼却炉における燃焼室内の撮影画像の燃焼段部分を抽出した燃焼状態を示す図である。 同ごみ焼却炉における燃焼室内の撮影画像の燃焼段部分を抽出した燃焼状態を示す図である。 同ごみ焼却炉における燃焼室内の撮影画像の燃焼段部分を抽出した燃焼状態を示す図である。

以下、本発明の実施例に係るごみ焼却炉における燃焼状態検出装置および燃焼制御装置について説明する。
なお、本実施例においては、ごみ焼却炉内でのごみ（廃棄物）の燃焼状態を検出した後、この検出データを用いて焼却炉における燃焼、すなわち少なくともごみ供給量および燃焼用空気供給量を制御するようにしたものであり、このため、燃焼状態検出装置を含めた燃焼制御装置について説明する。

まず、本発明に係る燃焼制御装置が用いられるごみ焼却炉の概略構成について説明する。
図１に示すように、ごみ焼却炉はストーカ炉であって、炉本体１内の下部に配置され前部にごみ投入口２が設けられるとともに後部に焼却残渣取出口３が設けられてごみを燃焼させ且つ前寄り上方にフリーボード空間部が設けられた燃焼室４と、この燃焼室４で発生した排ガスを外部に導くための第１煙道６および熱回収用のボイラ部７が配置された第２煙道８とから構成されている。また、炉本体１の前寄りつまり燃焼室４の左右の側壁部には、燃焼室４内の左右にそれぞれ燃焼用空気を吹き込むための空気供給ノズル９が設けられている。

上記燃焼室４の底部には、主燃焼段（主燃焼段部分とも言う）Ａを構成する可動式の燃焼用火格子１０（１０Ａ）および後燃焼段（後燃焼段部分とも言う）Ｂを構成する後燃焼用火格子（１０Ｂ）が設けられている。この燃焼室４には、ごみが供給されるとともに上記左右の空気供給ノズル９から燃焼用空気が供給されており、これらの供給量については本発明に係る燃焼制御装置１１により制御されている。また、燃焼室４の後壁部１ａには、前方を撮影する撮影用カメラ（例えば、ＣＣＤカメラなどの工業用カメラが用いられる）１２が設けられており、この撮影用カメラ１２にて撮影された撮影画像、すなわち画像データが燃焼制御装置１１に入力される。

以下、燃焼制御装置１１について説明するが、簡単に言うと、燃焼室４内を後壁側（焼却残渣取出口側）から前壁側（ごみ投入口側）に向かって撮影し、この撮影画像にファジィクラスタリングを適用し、燃焼の有無、火炎の強弱つまり火炎の強度などの燃焼状態を検出し、これらの検出データを用いて、最適な燃焼が行われるように、燃焼室４に供給される燃焼用空気およびごみの供給量をそれぞれ制御するものである。

以下、この燃焼制御装置１１を図２に基づき説明する。
この燃焼制御装置１１においては、ファジィｃ平均法（fuzzy c−means；以下、ＦＣＭ識別法とも言う）を用いたファジィクラスタリングが行われるため、ファジィｃ平均法による識別器（以下、ＦＣＭ識別器とも言い、ソフトウエアにより構成されている）が具備されている。

このＦＣＭ識別器によるクラスタリングが複数個所で行われており、その適用箇所は異なるが、識別方法そのものは同じであり、ここで説明しておく。
ここでは、燃焼状態の検出に、特に後述する燃焼識別部に用いられる識別方法について説明するが、このファジィｃ平均法の適用に際しては、各種パラメータを選定する予備工程と実際に識別が行われる実工程とがある。

予備工程では、最初に訓練用データを用いて、燃焼状態（クラス１と称す）と未燃状態（クラス２と称す）とにクラス分けを行なう、つまり分類するとともに、クラス毎についても、複数個のクラスターに例えば２つのクラスターに分類し、そしてこのとき得られたクラスター中心位置（以下、クラスター中心という）、分散共分散行列などのデータおよび評価用データを用いて、メンバーシップ関数（後述する）の各パラメータの最適化が図られる。なお、訓練用データは、予め撮影された燃焼室での燃焼状態の画像データであり、評価用データについても、撮影用カメラにて撮影された燃焼室での燃焼状態の画像データである。

次に、ファジィｃ平均法について説明する。
このファジィｃ平均法は繰返し重み付き最小二乗法を用いるので目的関数Ｊ_ｉは下記（１）式のように設定される。

但し、（１）式中、ｕ_ｋｉはメンバーシップ、Ｄはマハラノビス距離で下記（２）式にて表わされる。

Ｓ_ｉは分散共分散行列（ファジィ分散共分散行列）、ｖ_ｉはデータの平均値つまりクラスター（ｉ）の中心で、それぞれ下記（３）式および（４）式にて表わされる。なお、ｋはデータ番号である。

また、クラスター（ｉ）の混合比率αを下記（５）式にて表わす。

上記（２）式〜（５）式を（１）式で示す目的関数値が収束するまで繰り返すのがＦＣＭ識別器によるクラスタリングである。

そして、予備工程には、マハラノビス距離を計算するためのクラスター中心と分散共分散行列を求めるために訓練用データのクラスタリングをクラス毎に行う第１フェーズと、メンバーシップ関数のパラメータの最適化を行うために評価用データをクラス毎に分類する第２フェーズとが具備されている。

ところで、ｋ番目のデータｘ_ｋのクラスｑへのメンバーシップ（値）（チルダｕ_ｑｋ）は下記（６）式にて表わされる。式中では、ｕの頭に、チルダの記号（〜）を付加しており、この「チルダｕ」を文章中では、「＊ｕ」として表記する。なお、メンバーシップ関数については、下記に示すように「ｕ^＊」と表記する。

（６）式中、ｕ_ｑｋｊ ^＊はクラスターｊに対するメンバーシップ関数で、下記（７）式で表わされる。

π_ｑはクラスｑの混合比率（訓練用データの混合比率）、すなわち事前確率であり、ｃはクラス毎のクラスターｊの数で、本実施例では２（ｃ＝２）である。

上記（７）式のメンバーシップ関数ｕ_ｑｋｊ ^＊には複数のパラメータが含まれており、これらのパラメータは、訓練用データおよび評価用データを用いて（訓練用データだけを用いてもよい）最適化が行われる。

そして、クラスタリングを行う際に、計算時間の短縮化を図るために、セミハードクラスタリングが行われる。このセミハードクラスタリングにおいては、メンバーシップとして離散値（例えば、０．６とか、０．８など）が用いられる。

また、このセミハードクラスタリングにおいては、上述したように、クラスを２つに分けるとともに、これら各クラスを２つのクラスターに分けるものとする。これは、経験上、各クラスを２つのクラスターに分割するのが、効率良くクラスタリングを行い得ることが判っているからである。なお、クラスター個数については、２つに限定されるものでもなく、例えば１つまたは３つ以上であってもよい。例えば、上記離散値を０．５とすると、クラスター数は１となり、離散値を１．０とすると、ハード（ファジィではない）な２つのクラスターとなる。勿論、クラスの個数についても、２つに限定されるものでもなく、３つ以上であってもよい。

第１フェーズでは、訓練用データを用いて、クラス毎に、つまり燃焼状態の画像データに対して、セミハードクラスタリングが行われる。
すなわち、ハードとファジイの中間的なセミハードクラスタリングをするために、メンバーシップｕ_ｋｉを下記（８）式のように設定する。

以下、具体的な手順について説明する（クラスター数（ｉ）は２個とする）。なお、βは上述した離散値で指定される。

まず、クラスター毎の初期メンバーシップ（ｕ_ｋ１，ｕ_ｋ２）を下記（９）式および（１０）式のように設定する。

なお、上記式中、ｆ_ｋは１つのクラスの画像データｘ_ｋの主成分得点である。

上記の式により、メンバーシップが与えられると、（４）式からｖを、（３）式からＳを求め、そして（２）式と（３）式とからマハラノビス距離Ｄを求め、（８）式でメンバーシップｕを更新する。この更新は、メンバーシップが収束するまで繰り返し行われる。

次に、訓練用データを用いて、各クラス毎（クラス１，２）にクラスタリングを行う。すなわち、各クラスをそれぞれ２つのクラスターに分割する。
このとき、目的関数Ｊを用いてセミハードクラスタリングを行う。

すなわち、目的関数Ｊが最小となるような訓練用データ毎のメンバーシップｕを求める。これにより、各クラスターの中心ｖとそのメンバーシップｕとが求められる。
そして、上記求められたメンバーシップｕに基づき、各クラス毎にクラスタリングが行われる。

第２フェーズでは、評価用データを用いてクラスタリングが行われる。
すなわち、第１フェーズにて求められた各クラスターの中心ｖに対して、マハラノビス距離Ｄを求める。このとき、第１フェーズで求められたメンバーシップｕが用いられる。

そして、予め定められた（６）式にて示すメンバーシップ関数ｕ^＊に、上記求められたマハラノビス距離Ｄを適用して（用いて）、メンバーシップ関数ｕ^＊における各パラメータ（ｍ，γ，ν，α；これらを自由パラメータまたはハイパーパラメータともいう）の最適化を図る。この最適化においては、粒子群最適化法（ＰＳＯ）が用いられる。

ここで、この粒子群最適化法を簡単に説明しておく。
この粒子群最適化法は、メンバーシップ関数ｕ^＊における３つのパラメータ（ｍ，γ，ν）と同じくパラメータであるクラスターの混合比率αの最適化が行われる。

すなわち、この粒子群最適化法では、粒子群の最良位置の探索が、以下に示す（１１）式および（１２）式の更新式により行われる。

上記式中、Paraは粒子の位置を示すパラメータで、α，ｍ，γ，νからなるベクトルである。Veloは粒子の速度ベクトルである。Randは「０」と「１」との間の乱数の対角行列である。ｗ_０，ｃ_１，ｃ_２はスカラー定数である。pbset とgbest はそれぞれpbset とgbestの位置ベクトルである。

そして、これらの自由パラメータは、評価用データの誤識別率を最小にするように決定される。
すなわち、上記メンバーシップ関数ｕ^＊を用いたメンバーシップ＊ｕが、正しいクラスに属するように、言い換えれば、正しいクラスのメンバーシップ＊ｕの方が大きくなるように、最適化が図られる。

上述した準備工程にて、メンバーシップ関数ｕ^＊が求められる。
次に、上記ＦＣＭ識別器を用いて燃焼状態を検出する場合の実工程について簡単に説明しておく。ここでは、燃焼室４内の燃焼状態と未燃状態とを識別する場合について説明する。

まず、撮影され且つ所定の処理（後述する）が施された画像データの、上記準備工程で求められた各クラスターの中心ｖに対するマハラノビス距離Ｄを求めるとともに、このマハラノビス距離を上記（６）式に代入して求められるメンバーシップ関数値ｕ^＊を上記（５）式に代入し、各クラスのクラスターに対するメンバーシップ＊ｕを求める。そして、クラスター毎に求められたメンバーシップ＊ｕを加算し、クラス毎のメンバーシップ＊ｕ_ｉを求め、その中で、クラス１のメンバーシップ＊ｕ_１とクラス２のメンバーシップ＊ｕ_２とを比較し、値の大きい方が、当該画像データが所属するクラスと判断する。

具体的には、クラス１のメンバーシップ＊ｕ_１が大きい場合には、燃焼状態であると判断され、クラス２のメンバーシップ＊ｕ_２が大きい場合には、未燃状態であると判断される。

また、未燃塊の有無の判断時には、メンバーシップ＊ｕの値に基づき、未燃ごみ塊である度合いすなわち確率が出力される。
以下、上述した準備工程および燃焼状態の実工程を実行する燃焼状態検出装置１３を含む燃焼制御装置１１について説明する。

なお、以下の説明において、自由パラメータ（ｍ，γ，ν，α）およびクラスター中心ｖ，分散共分散行列Ｓ、クラスの混合比率πなどが識別に関わる要素であり、識別用パラメータでもある。

この燃焼制御装置１１は、図２に示すように、撮影用カメラ１２にて後壁部１ａ側から撮影した燃焼室４内の撮影画像（静止画像である）を第１所定時間間隔でもって、例えば１秒間隔でもって取得（入力）する撮影画像取得部２１と、この撮影画像取得部２１で取得された撮影画像すなわち画像データにおける燃焼状態のバランス（ごみの燃え切り点などが比較的明瞭に分かる程度を、バランスが整っていると言うことができる）を判定するためのＦＣＭ識別器が具備された燃焼良否判定部２２と、この燃焼良否判定部２２で判定された画像データを第２所定時間間隔、例えば、１０秒間隔でもって平均化する画像データ平均化処理部２３と、この画像データ平均化処理部２３で平均化された画像データを入力して、図１２に示すように、燃焼域である主燃焼用火格子１０（１０Ａ）および後燃焼用火格子１０（１０Ｂ）、つまり主燃焼段部分Ａおよび後燃焼段部分Ｂ以外の部分を黒色にてマスキング処理を行い燃焼域を抽出する燃焼域抽出部２４と、この燃焼域抽出部２４で抽出された燃焼域に対して３種類の大きさでもって区画（ブロック化）する燃焼域区画部２５と、この燃焼域区画部２５で得られた３種類の画像データを入力するとともにＦＣＭ識別器を用いて燃焼状態の分析を行う燃焼状態分析部２６と、この燃焼状態分析部２６で分析された分析データを入力するとともにＦＣＭ識別器を用いて燃焼状態を検出する燃焼状態検出部２７と、この燃焼状態検出部２７で検出された検出データを入力しファジィ推論を行うことにより、燃焼用空気の供給量（以下、空気供給量という）およびごみの供給量（以下、ごみ供給量という）の制御指令（制御信号）つまり現在の指令値に対する補正指令（補正信号）を出力するファジィ演算部２８と、上記燃焼状態検出部２７で検出された未燃ごみ塊の位置および火炎の位置のデータを入力して上記ファジィ演算部２８から出力される燃焼用空気の制御対象位置すなわち左右いずれかの空気供給ノズル９を検出する空気制御対象位置検出部２９とから構成されている。

上記燃焼良否判定部２２では、ＦＣＭ識別器により、見た目に燃焼状態が全体的に良好で燃え切り点である燃え切り位置がはっきりとしている状態（バランス良好）、見た目に燃焼状態が悪く燃え切り位置がはっきりとしない状態（バランス不良）、または灰の舞い上がり、水蒸気の充満などにより、燃焼状態が目視で確認できない状態（判定不能）であるかが判定される。

そして、この燃焼良否判定部２２では、例えば１０枚分の撮影画像を判定した後、半数以上がバランス不良であった場合に、バランス異常警報が出力され、バランス良好のものが１枚もない場合には、以後の処理は停止される。

上記画像データ平均化処理部２３では、燃焼良否判定部２２でバランス良好であると判断された画像データ（例えば、４８０×６４０画素）に対して、画素毎に、ＲＧＢ成分値（輝度値）の平均値が求められる。

上記燃焼域区画部２５では、燃焼域抽出部２４で抽出された燃焼域が、３種類の大きさに、すなわち小区画（１０×１０画素程度；幅が小さい正方形の第１区画ともいえる）、大区画（６０×６０画素程度；幅が大きい正方形の第２区画ともいえる）および中長区画（３０×８０画素程度；幅が中ぐらいで縦に長い長方形の第３区画ともいえる）に区画される。したがって、燃焼域で見ると、図１３に示すように、小区画（Ｄ１）は５００個程度、図１４に示すように、大区画（Ｄ２：１区画を斜線で示す）は１４個、図１５に示すように、中長区画（Ｄ３：１区画を斜線で示す）は４０個得られる。なお、これら各区画の個数および各区画に対する画素数については、必要に応じて変更し得るものである。

ところで、大区画（Ｄ２）および中長区画（Ｄ３）については、区画する際に、隣接する区画同士はその一部が重なるように、例えば左右方向および上下方向で、その区画の半分の距離でもってずらして配置される。このように、隣接する区画同士をずらせたのは、大きい区画でありながら、燃焼状態を適確に判断し得るように、すなわちその燃焼状態を呈する位置をできるだけ狭い範囲で特定するためである。

上記燃焼状態分析部２６では、ＦＣＭ識別器により、燃焼・未燃の状態、未燃塊の有無つまり未燃塊である度合い、火炎の強度などが識別される。
すなわち、図２に示すように、この燃焼状態分析部２６には、燃焼域区画部２５で得られた各小区画の画像データをＦＣＭ識別器で、燃焼／未燃の２つのクラスに分ける燃焼識別部４１と、同じく燃焼域区画部２５で得られた各大区画の画像データをＦＣＭ識別器で、未燃塊の有無を判断する未燃塊識別部４２と、同じく燃焼域区画部２５で得られた中長区画の画像データをＦＣＭ識別器で、火炎の強度に応じて４つのクラスに、例えば強火炎、中火炎、小火炎、火炎無しに識別する火炎識別部４３とが具備されている。

上記燃焼状態検出部２７では、燃焼ごみの燃え切り位置、未燃ごみの塊である度合い（未燃ごみである確率である）およびその位置、並びに火炎の強度すなわち火炎の強い領域（例えば、強火炎）およびその位置が検出される。

図２に示すように、上記燃焼状態検出部２７には、上記燃焼状態分析部２６の燃焼識別部４１で得られた燃焼状態の小区画に基づき燃焼塊を検出するとともにこの燃焼塊に基づき燃焼塊の下端位置を検出することにより燃え切り位置を検出する燃え切り位置検出部５１と、この燃え切り位置検出部５１で検出された燃え切り位置および燃焼状態分析部２６の未燃塊識別部４２で得られた未燃塊のデータに基づき、未燃ごみ塊である度合いおよびその位置を検出する未燃ごみ塊検出部５２と、燃焼状態分析部２６の火炎識別部４３で得られた火炎のデータに基づき火炎の強い領域を検出する火炎領域検出部５３とが具備されている。

上記燃え切り位置検出部５１では、燃焼識別部４１で得られた燃焼状態の小区画のデータを用いて、燃焼している塊である燃焼塊を抽出するとともにこの燃焼塊を例えば上方から走査して当該塊部が無くなった位置が、燃え切り位置Ｌと判断される（逆に、下方から走査して塊部が現れた位置を燃え切り位置と判断してもよい）（図１６参照）。

なお、燃焼塊については、小区画に対してラべリング処理を行い、燃焼している小区画が例えば８個以上連続する場合（８連結ラべリング処理）に検出される。
上記未燃ごみ塊検出部５２では、未燃塊識別部４２で得られた大区画のデータに基づき、すなわち燃え切り位置より上側で燃えていない大区画がある場合、未燃ごみ塊である度合いおよびその位置（大区画の位置）が検出される。

また、上記火炎領域検出部５３では、未燃ごみ塊検出部５２同様に、火炎識別部４３で得られた中長区画のデータに基づき、強く燃えている火炎（強火炎）の強度およびその位置（中長区画の位置）が検出される。

なお、ここでは火炎の強度として、ＦＣＭ識別器により識別した際のメンバーシップの値（識別の確からさを表す確率でもある）に基づき、０〜１００（％）の数値が用いられる。また、隣接する大区画または中長区画が存在する場合には、それぞれの位置は、両区画が重なっている部分が位置として出力される。つまり、両方とも、比較的大きい区画でありながら、狭い部分を特定することができる。

上記ファジィ演算部２８は、時系列で入力される燃焼状態の検出データの複数個、例えば１０個の平均値およびこの平均値の変化率を求めるファジィ推論用データ作成部（以下、データ作成部という）６１と、このデータ作成部６１で求められたデータを入力するとともに、このデータをファジィルールに適用して推論を行うことにより出力としての燃焼用空気およびごみの供給量の制御指令（補正指令）を得るファジィ推論部６２とから構成されている。

まず、データ作成部６１について説明する。
すなわち、燃え切り位置を示すデータ、未燃ごみ塊の検出データ（未燃ごみ塊である度合い）、火炎の検出データ（火炎の強度）が時系列でデータ作成部６１に入力されて、それぞれ１０個分のデータの平均値Ｅが求められるとともに、この得られた前後における２つの平均値Ｅの差分を求めてその変化率［（Ｅ_ｋ−Ｅ_ｋ−１）／Δｔ］が求められる。

次に、ファジィ推論部６２について説明する。
このファジィ推論部６２には、図示しないが、上記データ作成部６１で求められたデータの平均値（以下に示すファジィ集合では現在値と称す）およびその変化率に基づき、それぞれに対応する入力用メンバーシップ関数（前件部に相当する）から出力用メンバーシップ関数（後件部に相当する）を推論するファジィルール（後述する）を有する推論部６２ａと、この推論部６２ａで求められた出力用メンバーシップ関数からその出力を例えばミニ・マックス法により非ファジィ化（数値化）する非ファジィ化部６２ｂが具備されている。なお、以下、メンバーシップ関数をＭＳＦと称して説明する。

例えば、入力用のファジィ集合としては、図５に示すように、それぞれ３つのＭＳＦ［ＶＳ（小），ＭＥ（中），ＶＢ（大）］からなるものが用いられ、また出力用のファジィ集合としては、図６に示すように、５つのＭＳＦ［ＶＳ（非常に少なく），ＭＳ（やや少なく），ＭＥ（ゼロ），ＭＢ（やや多く），ＶＢ（非常に多く）］からなるものが用いられる。なお、具体的なファジィ集合を表すグラフについては、後で説明する。

以下、ファジィ推論部６２で行われる推論内容を具体的に説明する。
（１）まず、ごみ供給量を求める場合について説明する。
ごみ供給量については、未燃ごみ塊である度合い、火炎の強度、および燃え切り位置が考慮される。

例えば、未燃ごみ塊である度合いが５０％（０〜１００％の範囲の値）で、その変化率が−５％（−５０〜＋５０％の範囲の値）である場合、図７に示すように、入力用ＭＳＦは、それぞれ、ＭＥ（５０％に対応）およびＭＥ（−５％に対応）となり、出力用ＭＳＦとしてはＭＥ（ゼロ）が選択される。

そして、この場合、２つの入力用ＭＳＦのグレードの小さい方が選択され、このグレードが出力用のＭＳＦに適用される。例えば、出力用ＭＳＦ（ＭＥ）が三角形状である場合には、そのグレード値から上の部分が切除された台形状のグラフが出力となる。

同様にして、火炎の強度および燃え切り位置についても、出力用のＭＳＦが求められる。
そして、このようにして求められた３つのＭＳＦが合成されるとともに、その重心が求められて出力値が得られる。

この出力値としては、未燃ごみ塊がある場合には、その度合いに応じて供給速度（つまり、火格子の送り速度である）が遅くされる。これは、ごみを乾燥させるためである。また、火炎の強度が大きい場合には、供給速度が速くされる。

なお、火炎の強度のファジィルールを図８に、燃え切り位置のファジィルールを図９に示しておく。
（２）次に、空気供給量を求める場合について説明する。

空気供給量については、未燃ごみ塊の度合いおよび火炎の強度に加えてそれぞれの位置が考慮される。
以下、ごみ供給量の場合と同様の手順ではあるが説明しておく。

すなわち、未燃ごみ塊である度合いが５０％（０〜１００％の範囲の値）で、その変化率が−５％（−５０〜＋５０％の範囲の値）である場合、図１０に示すように、入力用ＭＳＦは、それぞれ、ＭＥ（５０％に対応）およびＭＥ（−５％に対応）となり、出力用ＭＳＦとしてはＭＥ（ゼロ）が選択される。

そして、この場合、２つの入力用ＭＳＦのグレードの小さい方が選択され、このグレードが出力用のＭＳＦに適用される。例えば、出力用ＭＳＦ（ＭＥ）が三角形状である場合には、そのグレード値から上の部分が切除された台形状のグラフが出力となる。

同様にして、火炎の強度についても、出力用のＭＳＦが求められる。
そして、このようにして求められた未燃ごみ塊および火炎の強度用の２つのＭＳＦが合成されるとともに、例えばその重心が求められて、制御指令としての出力値つまり空気供給量が得られる。この出力値としては、火炎が強い場合には、空気供給量が減らされ、また未燃ごみ塊がある場合には、空気供給量が増やされる。なお、火炎の強度についてのファジィルールを図１１に示しておく。

また、上記空気制御対象位置検出部２９では、上述したように、ファジィ演算部２８により空気供給量が制御される際に、未燃ごみ塊検出部５２から出力された大区画の位置データおよび火炎領域検出部５３から出力された中長区画の位置データが入力されて、左右いずれの空気供給ノズル９からの空気供給量を制御するかが判断（選択）される。

したがって、空気供給量の制御指令とともに制御対象となる空気供給ノズル９の選択指令が出力されることになる。
ここで、上述したＦＣＭ識別器の構成について説明しておく。

ここでは、燃焼状態分析部２６の燃焼識別部４１に設けられて燃焼状態であるかまたは未燃状態であるかを識別するものとして説明する。
このＦＣＭ識別器は、図３に示すように、燃焼域区画部２５から入力された小区画の画像データを１０２４（縦横ともに３２区画して同一のデータ個数にする）に区画する正規化部７１と、この正規化部７１で正規化された画像データを１０２４次元のベクトルにするベクトル化部７２と、このベクトル化部７２でベクトル化されたベクトルデータの次元を主成分分析により例えば５０次元のデータに圧縮する次元圧縮部７３と、この次元圧縮部７３で次元圧縮された画像データの予め求められたクラスターの中心に対するマハラノビス距離を求めるマハラノビス距離計算部７４と、このマハラノビス距離計算部７４で求められたマハラノビス距離に基づきメンバーシップ関数ｕ^＊およびメンバーシップ＊ｕを求める上記（７）式および（６）式が具備されたメンバーシップ計算部７５と、このメンバーシップ計算部７５で求められたメンバーシップ＊ｕに基づき、当該画像データが、どのクラスに属するかつまり燃焼状態か未燃状態であるかを判断する状態判断部７６とから構成されている。なお、次元圧縮部７３、マハラノビス距離計算部７４、メンバーシップ計算部７５および状態判断部７６での計算に際しては、データベース部（図示せず）から適切な燃焼室位置情報、画像圧縮係数、識別用パラメータなどが読み込まれて使用される。なお、実稼動時において、読み込まれる識別用パラメータは訓練などにより最適に調整された値である（説明を省略するが、パラメータの調整部などが具備されている）。

具体的には、マハラノビス距離計算部７４では、画像データの予め求められているクラスター中心に対するマハラノビス距離Ｄが求められ、そしてメンバーシップ計算部７５では、マハラノビス距離Ｄに基づきメンバーシップ関数ｕ^＊（関数値）が求まり、このメンバーシップ関数ｕ^＊に基づきメンバーシップ＊ｕが求められる。つまり、各クラスターに対してメンバーシップ＊ｕ_１，＊ｕ_２が求められる。そして、各クラス毎において、メンバーシップが加算されて、クラスにおけるメンバーシップ＊ｕ_ｃ１，＊ｕ_ｃ２が求められる。

そして、状態判断部７６において、これら求められた各クラスでのメンバーシップ＊ｕ_ｃ１，＊ｕ_ｃ２同士が比較されて、その値が大きい方に、この画像データが属していると判断される。

例えば、この判断時の各クラスにおけるメンバーシップを図４に示す。図４は、２つのクラス１およびクラス２に、それぞれ２つのクラスター１およびクラスター２をそれぞれ形成したもので、クラス１側には、ｖ_１１のクラスター１とｖ_１２のクラスター２とがあり、またクラス２側にも、ｖ_２１のクラスター１と、ｖ_２２のクラスター２とがある。図４において、Ｘの地点が判断すべき画像データであるとすると、クラス１における一方のクラスター１に対するＸのメンバーシップをｕ_１１、他方のクラスター２に対するＸのメンバーシップをｕ_１２とし、またクラス２の一方のクラスター１に対するＸのメンバーシップをｕ_２１、他方のクラスター２に対するＸのメンバーシップをｕ_２２とすると、Ｘのクラス１に対するメンバーシップｕ_１は、ｕ_１１＋ｕ_１２となり、またＸのクラス２に対するメンバーシップｕ_２は、ｕ_２１＋ｕ_２２となる。つまり、各クラスにおける各クラスターのメンバーシップの合計値（両クラスターに対するメンバーシップの高さの合計である）が各クラスに対するメンバーシップとなる。そして、そのメンバーシップｕ_１，ｕ_２のうち、大きい方のクラスに所属していることになる。クラス１に所属していれば、燃焼状態であり、またクラス２に所属していれば、未燃状態を示している。

なお、上述した粒子群最適化法にて誤識別率が最小となるように自由パラメータが探索されるが、例えばクラスターの混合比率αを変化させると、図４のクラスターの領域（等高線で示す）の形状が変化することになり、したがって２つのクラスの境界線も非線形に変化する。

次に、上記燃焼制御装置１１による燃焼状態の全体的な制御方法について説明する。
燃焼状態検出装置１３にて、予め、訓練用データおよび評価用データにより、各種識別用のパラメータが決定されている状態において、燃焼室４内の状態が撮影カメラ１２で撮影画像取得部２１にて取り込まれると、まず、燃焼良否判定部２２で燃焼室４内の燃焼が適正に行われているか否かが判定される。この燃焼良否判定部２２では、取り込まれた燃焼室４の画像データにＦＣＭ識別法が適用されて、燃焼が正常に行われているか否かが判断される。正常な場合とは、燃焼の制御が可能な状態であり、例えば燃焼室４内の燃え切り位置などが比較的明瞭に写っている場合を言う。一方、正常でない場合つまり異常である場合は、燃焼の制御をすることができないような状態であり、例えば燃焼室４内に灰が舞い上がり、または水蒸気などが充満して燃え切り位置が不明であるような場合を言う。このような状態が、画像１０枚（１０秒程度）続いた場合には、燃焼状態が異常（バランス不良）である旨の警報が出力される。

そして、燃焼良否判定部２２で燃焼が異常でなく、正常であると判断された場合には、その画像データが画像データ平均化処理部２３に入力されて、画像データの平均化、つまり、各画素毎のＲＧＢデータの平均化が行われる。

この平均化された画像データは燃焼域抽出部２４に入力されて、燃焼室４における主燃焼段部分Ａおよび後燃焼段部分Ｂが抽出される。
次に、抽出された燃焼域が燃焼域区画部２５に入力されて、３種類の区画に、すなわち小区画、大区画、中長区画の画像データに区画される。なお、小区画および大区画は、燃焼域全体１０Ａ，１０Ｂに対して行われるが、中長区画は主燃焼域１０Ａに対して行われる。

次に、これら区画された画像データが燃焼状態分析部２６に入力される。
すなわち、小区画の画像データが燃焼識別部４１に入力され、小区画毎にＦＣＭ識別器にて燃焼状態か未燃状態かが判断される。

また、大区画の画像データは未燃塊識別部４２に入力され、大区画毎にＦＣＭ識別器にて燃焼している燃焼状態であるか燃焼していない未燃状態かが判断される。
さらに、中長区画の画像データは火炎識別部４３に入力され、中長区画毎にＦＣＭ識別器にて、火炎の強度、つまり、火炎の有無および火炎の強弱など４つに分類される。すなわち、強火炎、中火炎、弱火炎および火炎無しの４つに分類される。

次に、上記燃焼状態検出部２７にて燃焼状態が検出される。
すなわち、燃え切り位置検出部５１では、燃焼識別部４１で得られた小区画毎の燃焼・未燃データを入力するとともに、燃焼している小区画に対して例えば８連結ラべリング処理を行うことにより、燃焼塊が検出される。なお、８連結より少ない塊については、部分的に燃えている状態であると考えられるため考慮しない。

そして、燃焼塊であると判断された領域に対して、例えば上方から小区画の列毎に走査して、その下端列の位置を求める。この位置が燃え切り位置として検出される。
次に、未燃ごみ塊検出部５２では、上記燃え切り位置検出部５１で検出された燃え切り位置を入力するとともに、未燃塊検出部４２で検出された未燃塊の大区画データを入力し、この大区画の位置が燃え切り位置より上方であるか否かを判断し、上方にある場合には、未燃ごみ塊が存在していると判断され、その大区画の位置が検出される。この大区画の位置としては、燃焼域の全長を０〜１００（％）とし前側からの数値として表したものが用いられる。また、未燃ごみ塊である度合いについても、０〜１００％の範囲の数値で出力される。この数値としては、ＦＣＭ識別器により大区画に対して燃焼・未燃のクラス分けを行ったときに得られたメンバーシップ値が用いられる。

次に、火炎領域検出部５３では、火炎識別部４３で強火炎、中火炎、弱火炎および火炎無しの４つに識別された識別結果を入力して、火炎の強度が最も高い中長区画の位置（この場合も、燃焼域の全長を０〜１００（％）とし前側からの数値として表したもの）とその強度が数値として検出される。

次に、上記求められた値、すなわち燃え切り位置のデータ（前後方向における燃焼域を０〜１００％の範囲とした場合の数値）、未燃ごみ塊である度合い（０〜１００％の範囲とした場合の数値）、火炎の強度（０〜１００％の範囲とした場合の数値）のデータが、ファジィ演算部２８に入力される。

そして、ファジィ演算部２８のデータ作成部６１では、上述したように、それぞれ入力されたデータに基づき、ファジィ推論用のデータとして、例えば１０個分の平均値およびその変化率が求められる。

次に、これら平均値および変化率が、それぞれに用意されたファジィルールが適用されて推論が行われた後、非ファジィ化されてごみ供給量および空気供給量が求められるとともに、空気制御対象位置検出部２９にて検出された空気制御対象である空気供給ノズル９が選択され、これら求められたごみ供給量および空気供給量並びにその制御対象となる空気供給ノズル９の位置が、焼却炉におけるごみ供給制御部および燃焼空気制御部に出力されて、最適な燃焼状態となるように制御される。例えば、燃え切り位置が前寄りにある場合には、ごみ供給量が増加されつまりごみ供給速度が速くされ、また未燃ごみ塊がある場合には、それに対応する空気供給ノズル９からの空気供給量が増加され、また火炎が強い場合には、それに対応する空気供給ノズル９からの空気供給量が減少される。

上述した燃焼状態検出装置およびこれを用いた燃焼制御装置の構成によると、燃焼室内を燃焼用火格子に係る主燃焼段部分および後燃焼用火格子に係る後燃焼段部分から成る燃焼域を抽出するとともに、この燃焼域抽出部で抽出された燃焼域を小区画、大区画および中長区画でもってそれぞれ区画して３種類の画像データを得るとともに、これら得られた小区画、大区画および中長区画の画像データに対して燃焼状態をファジィｃ平均法を用いてそれぞれ分析するようにしたので、燃焼室内の燃焼状態を精度良く検出することができる。

また、これら検出された燃焼状態、すなわち燃え切り位置、未燃ごみ塊である度合い、火炎の強度などの燃焼状態を示す各データを入力するとともに、その平均値および変化率を所定のファジィルールに適用して推論を行うようにしたので、燃焼の傾向を加味した制御を行うことができ、したがって燃焼状態の悪化、火炎の変化などに十分に対処することができる。例えば、焼却炉内で未燃ごみ塊が発生した場合でも、直ちに、それを解消し得る最適な燃焼を行うことができる。

より具体的に言えば、従来、燃焼状態を検出する場合、燃焼室内の画像を客観的に分析するだけで、例えば輝度値の大小だけで炎の有無を判定して燃え切り位置を検出することになるため、大勢に影響のない小さな炎の塊などを検出してしまい、その検出精度が低いという問題がある。これに対して、本実施例では、ベテラン運転員の経験が生かされた燃焼状態判定用アルゴリズムを組み込んだＦＣＭ識別器を用いることにより、焼却炉における、特にストーカ炉におけるごみの燃え切り位置などの燃焼状態を精度良く検出するようにしたものである。すなわち、燃焼室内の燃焼状態はごみを燃やしている関係上、非常に複雑であり、計算や流量・温度などのセンサから得られるデータに基づき再現できない性質のものであるが、ＦＣＭ識別器を用いることにより、火炎状態を直接に学習し判断モデルを自己生成できるので、燃焼状態を精度良く検出することができる。なお、従来の輝度値を用いた方法では、判断のもとになる指標は、人が何らかの数値を与えるものであり、ごみ質や運転条件によってその適正値が変化してしまうため、やはり、精度の低下に繋がる。
なお、上述したＦＣＭ識別器の構成を一般的に且つ簡単に説明すると、以下のようになる。

このＦＣＭ識別器は、撮影用カメラにより撮影された撮影画像データ（区画の画像データ）から複数の代表値を取得して正規化する正規化部と、この正規化部で得られた代表値よりなる画像データをベクトル化するベクトル化部と、このベクトル化部でベクトル化されたベクトルデータの次元を圧縮する次元圧縮部と、この次元圧縮部で圧縮されたベクトルデータの予め訓練用データで求められたクラスター中心に対するマハラノビス距離を求めるマハラノビス距離計算部と、このマハラノビス距離計算部で求められたマハラノビス距離を下記（１）式に示すメンバーシップ関数（ｕ^＊）に代入するとともにこの関数値を下記（２）式に代入してメンバーシップ（チルダｕ）を求めるメンバーシップ計算部と、このメンバーシップ計算部で求められたメンバーシップを用いて撮影画像を、例えば２つのクラス（燃焼している燃焼状態および燃焼していない未燃状態のいずれかのクラス）に分ける状態判断部とを具備したものである。

但し、上記式中、α_ｑｊはクラスｑ内のクラスターｊの混合比率、Ｓは分散共分散行列、π_ｑはクラスｑの混合比率である。

また、次元圧縮部にて次元を圧縮する際に、主成分分析法を用いたものである。
さらに、（１）式にて示すメンバーシップ関数（ｕ^＊）における各パラメータ（ｍ，γ，ν，α）の最適化を行う際に、粒子群最適化法が用いられている。

１ 炉本体
２ ごみ投入口
３ 焼却残渣取出口
４ 燃焼室
９ 空気供給ノズル
１０ 火格子
１１ 燃焼制御装置
１２ 撮影カメラ
１３ 燃焼状態検出装置
２１ 撮影画像取得部
２２ 燃焼良否判定部
２３ 画像データ平均化処理部
２４ 燃焼域抽出部
２５ 燃焼域区画部
２６ 燃焼状態分析部
２７ 燃焼状態検出部
２８ ファジィ演算部
２９ 空気制御対象位置検出部
４１ 燃焼識別部
４２ 未燃塊識別部
４３ 火炎識別部
５１ 燃え切り位置検出部
５２ 未燃ごみ塊検出部
５３ 火炎領域検出部
６１ ファジィ推論用データ作成部
６２ ファジィ推論部
６２ａ 推論部
６２ｂ 非ファジィ化部
７１ 正規化部
７２ ベクトル化部
７３ 次元圧縮部
７４ マハラノビス距離計算部
７５ メンバーシップ計算部
７６ 状態判断部

Claims (5)

1. 燃焼室の底壁部に燃焼用火格子およびその下手側に後燃焼用火格子が配置された焼却炉におけるごみの燃焼状態を検出する燃焼状態検出装置であって、
   燃焼室内を下手側から撮影カメラにより撮影した撮影画像を所定時間間隔でもって取得する撮影画像取得部と、
   この撮影画像取得部で取得された画像データから燃焼用火格子が設けられた主燃焼段部分および後燃焼用火格子が設けられた後燃焼段部分から成る燃焼域を抽出する燃焼域抽出部と、
   この燃焼域抽出部で抽出された燃焼域を小区画、大区画および中長区画でもってそれぞれ区画して３種類の大きさの画像データを得る燃焼域区画部と、
   この燃焼域区画部で得られた小区画、大区画および中長区画の画像データに対して燃焼状態をファジィｃ平均法を用いてそれぞれ分析する燃焼状態分析部と、
   この燃焼状態分析部で得られた各分析データに基づき燃焼状態を検出する燃焼状態検出部と
   から構成したことを特徴とする焼却炉における燃焼状態検出装置。
2. 燃焼状態分析部を、
   小区画の画像データを入力してこれら各小区画毎に、燃焼状態か未燃状態であるかをファジィｃ平均法を用いた識別器により識別する燃焼識別部と、
   大区画の画像データを入力してこれら大区画毎に、未燃塊の有無をファジィｃ平均法を用いた識別器により識別する未燃塊識別部と、
   中長区画の画像データを入力してこれら中長区画毎に、火炎の強度をファジィｃ平均法を用いた識別器により識別する火炎識別部と
   から構成したことを特徴とする請求項１に記載の焼却炉における燃焼状態検出装置。
3. 燃焼状態検出部を、
   燃焼状態分析部の燃焼識別部で得られた燃焼状態の小区画を検出して燃焼塊を検出するとともにこの燃焼塊の下端位置を検出することにより燃え切り位置を検出する燃え切り位置検出部と、
   この燃え切り位置検出部で検出された燃え切り位置および燃焼状態分析部の未燃塊識別部で得られた未燃塊の区画データに基づき、未燃ごみ塊である度合いおよびその位置を検出する未燃ごみ塊検出部と、
   燃焼状態分析部の火炎識別部で得られた火炎の区画データに基づき火炎の強度およびその位置を検出する火炎領域検出部と
   から構成したことを特徴とする請求項１に記載の焼却炉における燃焼状態検出装置。
4. 請求項１乃至３のいずれかに記載の燃焼状態検出装置と、当該燃焼状態検出装置で検出された燃え切り位置、未燃ごみ塊である度合いおよびその位置、並びに火炎の強度およびその位置のデータを入力するとともにこれら各データに基づきファジィ推論を行い、燃焼用空気およびごみの供給量の制御指令を出力するファジィ演算部と、上記燃焼状態検出装置で検出された未燃ごみ塊の位置および火炎の位置のデータを入力して上記ファジィ演算部から出力される燃焼用空気の制御対象位置を検出する空気制御対象位置検出部と
   を具備したことを特徴とする焼却炉における燃焼制御装置。
5. ファジィ演算部を、
   時系列で入力される複数個のデータの平均値およびこの平均値の変化率を求めるファジィ推論用データ作成部と、
   このファジィ推論用データ作成部で求められた平均値および変化率を入力するとともに、これら平均値および変化率に所定のファジィルールを適用して燃焼用空気およびごみの供給量の制御用出力値を求めるファジィ推論部と
   から構成したことを特徴とする請求項４に記載の焼却炉における燃焼制御装置。

Images