JP2019134316A - 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム - Google Patents
制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム Download PDFInfo
- Publication number
- JP2019134316A JP2019134316A JP2018015267A JP2018015267A JP2019134316A JP 2019134316 A JP2019134316 A JP 2019134316A JP 2018015267 A JP2018015267 A JP 2018015267A JP 2018015267 A JP2018015267 A JP 2018015267A JP 2019134316 A JP2019134316 A JP 2019134316A
- Authority
- JP
- Japan
- Prior art keywords
- image
- monitoring target
- transmission
- target part
- furnace
- 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
Images
Landscapes
- Studio Devices (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
この微粉炭焚きボイラの火炉の炉壁、バーナ等には、燃焼による灰(クリンカ)などの付着物が付着し、これが堆積するとバーナノズルの閉塞やパネルの伝熱特性悪化、さらには堆積した付着物が落下して火炉の損傷が発生する虞がある。そのため、付着物の付着状況を監視することが求められている。
近年、機械学習を利用した画像認識技術は急速に発展しており、例えば人間に近い精度にて画像から物体を判別可能な技術が実用化されつつある。特に、Deep Learning(ディープラーニング、深層学習)と呼ばれる機械学習手法は、その発展が著しく、計算機能力の向上とも相まって、画像認識分野での実用化も期待されている。
本発明の幾つかの実施形態における一態様に係る制御装置は、火炉を備えたボイラの監視を行う制御装置であって、赤外線カメラによる火炉内部の監視対象部位の撮影動画をデータとして取得する画像取得部と、前記画像取得部が取得した撮影動画データをフレームごとに複数の領域に分割し、各前記領域ごとに輝度に基づく画像処理を行い、画像処理後の処理画像の輝度を所定時間積算して得られる積算画像から、前記監視対象部位まで透過した透過領域を取得する画像処理部と、複数の前記透過領域に基づき前記監視対象部位の透過画像を作成する透過画像作成部と、を備える。
赤外線カメラによって撮影された動画は、炉内の燃焼状態や燃料濃度が非定常に変動しているため、監視対象部位が火炎や燃料等によって遮られ、瞬間的・部分的にしか監視対象部位を確認することができない。しかし本態様では、画像処理を行って積算画像から透過領域を取得し透過画像を作成するため、短時間の変動成分の影響を除去した透過画像により視認性が改善され、監視対象部位を鮮明に確認することができる。
これにより、運転中においても火炉内の監視対象部位に対する監視が可能となる。監視対象部位における付着物の監視を行っている場合は、監視対象部位に付着物が付着しているか否かを判断することができることとなり、付着物に起因するトラブルを未然に防ぐことが可能である。
また、火炉内の時間変動による変動成分の影響を低減した透過画像を用いて機械学習を行うため、機械学習の精度が向上し、予測モデルの予測精度が向上する。
また、監視対象部位への付着物の付着状態が定量化されることにより、作業者は報知された予測結果に基づき作業計画を立案可能なため、付着物に起因するトラブルを未然に防ぐことが可能である。
また本発明によれば、付着物の付着状況について機械学習を行い、予測モデルを作成するので、赤外線カメラによる撮影画像に基づき付着物の付着についてその状態を定量的に評価することができる。
図1に示されるように、微粉炭焚きボイラ(ボイラ)10は、コンベンショナルボイラであって、火炉11と燃焼装置12とを有している。火炉11は、四角筒の中空形状をなして鉛直方向に沿って設置され、この火炉11を構成する火炉壁が伝熱管により構成されている。
赤外線カメラ40は、火炉11の内部を動画で撮影するものであり、そのフレームレートは例えば250fps程度である。また赤外線カメラ40は、波長が4μm程度の中赤外線カメラが好適に用いられる。
制御装置30は、例えば、CPU(Central Processing Unit)、RAM(Random Access Memory)、ROM(Read Only Memory)、及びコンピュータ読み取り可能な記憶媒体等から構成されている。そして、各種機能を実現するための一連の処理は、一例として、プログラムの形式で記憶媒体等に記憶されており、このプログラムをCPUがRAM等に読み出して、情報の加工・演算処理を実行することにより、各種機能が実現される。なお、プログラムは、ROMやその他の記憶媒体に予めインストールしておく形態や、コンピュータ読み取り可能な記憶媒体に記憶された状態で提供される形態、有線又は無線による通信手段を介して配信される形態等が適用されてもよい。コンピュータ読み取り可能な記憶媒体とは、磁気ディスク、光磁気ディスク、CD−ROM、DVD−ROM、半導体メモリ等である。
画像取得部31は、赤外線カメラ40によって撮影された火炉11の内部の監視対象部位の撮影動画をデータとして取得する。
画像処理部32は、画像取得部31が取得した撮影動画データに対し、後述する画像処理を行い、監視対象部位まで透過した透過領域を取得する。
透過画像作成部33は、画像処理部32が取得した複数の透過領域に基づき、監視対象部位の透過画像を作成する。
学習部34は、監視対象部位の透過画像から作成された教師データに基づき機械学習を行って予測モデルを作成する。このとき、機械学習は複数の透過領域毎に、必要に応じて複数の予測モデルを作成してもよい。
予測部35は、赤外線カメラ40によって撮影された監視対象部位の撮影動画データに対して対象領域にひも付けられた予測モデルを参照して付着物の状態を予測し、外部に報知する。
そこで、本実施形態では、カメラによる撮影画像を用い、画像処理及び学習を行うことで付着物の付着状況の監視及び予測を行う。
まず、火炉11内の変動による影響を低減する画像処理の方法について説明する。
図2には、可視光線カメラによる画像と、赤外線カメラによる画像とが示されている。
図3には、参考例としての画像全体を画像処理した例が示されている。
図2及び3の各画像はそれぞれ同じ監視対象部位を撮影した画像であり、図2(a)は可視光線カメラによる画像、図2(b)は赤外線カメラ40による画像、図2(c)は図2(b)の画像のコントラストを強調した画像、図2(d)は図2(c)の画像を複数積算して得られる画像を示す。
図2(a)に示されるように、火炉11内部を可視光線カメラで撮影しても、微粉炭火炎の輻射が強く、監視対象部位を確認することは困難である。
図2(b)に示されるように、火炉11内部を赤外線カメラ40で撮影すると、監視対象部位を遮るように火炉11内の浮遊物が白く撮影される。そのため、監視対象部位は瞬間的かつ部分的にしか観察することができない。
画像処理部32は、図2(c)の点線で示されるように画像取得部31が取得した撮影動画データをフレームごとに複数の小さい領域(小領域)に分割する処理を行う。
次に、分割された各小領域ごとに、コントラストを強調する処理(ヒストグラム平滑化処理)を行う。これにより、浮遊物によって遮られていない監視対象部位の小領域において、コントラストが強調され、監視対象部位まで透過した透過領域が得られる。透過領域では、監視対象部位の輪郭を確認することが可能となる。
ここで、フレームごとに浮遊物の位置が異なるため、図2(c)に示される透過領域もその位置が異なる。そこで、各フレームの小領域ごとにヒストグラム平滑化処理を行った画像の輝度を所定時間積算し、積算後の画像(以下、積算画像とする)の輝度と、所定時間に相当するフレームの小領域ごとにヒストグラム平滑化処理を行った画像の平均輝度に所定時間に相当するフレーム数を乗算した値との差分を求める。これにより、透過領域のみをつなぎ合せて浮遊物などの火炉11内の時間変動の影響を低減し、監視対象部位のみが鮮明に表示される透過画像(図2(d)参照)を得ることができる。
図4には、監視対象部位の透過画像及び教師データ用画像が示されている。
図4(a)は、監視対象部位の透過画像であり、図4(b)は、監視対象部位の教師データ用画像である。ここで、教師データとは、パターンを学習するために与えられる入力されたデータに対する結果に相当するデータである。
図2(d)に示されたように、画像処理を行うことで、監視対象部位が鮮明に表示される透過画像が得られる。ここで、監視対象部位に付着物が付着している場合は、図4(a)に示されるように、透過画像にも付着物が白く映ることとなる。しかし、火炎の輻射など、画像処理を行っても除去できない影響もあり、これら影響も付着物と同様に白く映ることがわかっている。
そこで、画像処理により得られた透過画像に対し、作業者が付着物か否かの判断を行う。作業者は、画像処理により得られた透過画像を確認し、白く映る領域がそれぞれ付着物によるものか、火炎の輻射など付着物以外の他の影響によるものかを判断する。作業者が付着物であると判断した領域は、図4(b)に示されるように透過画像上でマーキングを行う。このように付着物をマーキングした透過画像を、教師データとして用いる。このとき、教師データは領域の画像類似度に応じて分類して作成するとしてもよい。この場合、分類された領域毎にパターンを学習させる。このように、教師データを領域の画像類似度に応じて分類して作成することも有効である。
まず、予測モデルの構築にあたり学習を行う学習段階の説明を行う。
ステップS501において、画像取得部31が赤外線カメラ40によって撮影された火炉11の内部の監視対象部位の撮影動画をデータとして取得(読み込み)を行う。
次に、ステップS502において、画像処理部32は、画像取得部31が取得した撮影動画データに対し画像処理を行い、監視対象部位まで透過した透過領域を取得する。さらに透過画像作成部33が画像処理部32が取得した複数の透過領域に基づき、監視対象部位の透過画像を作成する。作業者は、監視対象部位の透過画像から教師データ(学習データ)を作成する。
学習部34は、監視対象部位の透過画像から作成された教師データに基づき機械学習を行って予測モデルを作成する。ここで機械学習には、例えばDeep Learning等の学習手法を用いる。Deep Learningの代表的な手法としては、CNN(Convolutional Neural Network、畳み込みニューラルネットワーク)等が挙げられる。
学習部34は、教師データのデータ画像の輝度情報から画像の特徴を数値化し、付着物の付着状況を教師データから学習する。これにより、学習部34は、画像情報から付着物の付着領域を判断する数値モデルを作成する。この数値モデルが、付着物の付着領域の予測モデルとなる。
精度の高いモデルを構築するため、学習段階ではステップS501からステップS503までの処理を繰り返し行い、予測モデルの更新を行う。
また、観察対象によって、学習は領域の画像類似度に応じて分割して実施してもよい。監視対象領域は本来の機能に応じた形態となっており、付着物の形態および特性も異なることから、学習時に予め分類しておくことで、学習効率や数値モデルによる推定精度が改善される効果が見込める。
このようにして作成された予測モデルを保存する(S504)。
また、火炉11の内部において、位置により付着物の付着状況は異なる。そのため、予測モデルは、燃焼バーナ21、22、23、24、25を撮影した画像から作成されたバーナモデル、過熱器51、52を撮影した画像から作成されたSHモデルなど、監視対象部位ごとに作成し保存しておくことが望ましい。
ステップS511において、画像取得部31が赤外線カメラ40によって撮影された火炉11の内部の監視対象部位の撮影動画をデータとして取得(読み込み)を行う。そして、画像処理部32は、画像取得部31が取得した撮影動画データに対し画像処理を行い、監視対象部位まで透過した透過領域を取得する。さらに透過画像作成部33が画像処理部32が取得した複数の透過領域に基づき、監視対象部位の透過画像を作成する。
次に、ステップS512において、予測部35は、赤外線カメラ40によって撮影された監視対象部位の撮影動画データの透過画像に対して、ステップS504にて保存された予測モデルを参照して付着物の状態を予測する。
予測部35は、監視対象部位に対応する予測モデルを参照することで、撮影動画データの透過画像から自動的に付着物の付着領域を抽出することができる。
次に、ステップS513において、予測部35は、付着物の付着領域の予測結果を外部に報知する。報知する方法としては、ディスプレイに表示する、ランプを点灯する、音声で通知する等の方法が挙げられる。
図6には、本実施形態に係る火炉の監視対象部位の灰付着量の時間推移がグラフに示されている。
図6において、縦軸は灰の付着量、横軸は時間を表す。
図6に示されるように、灰の付着量は、時間とともに少しずつ堆積する。また、灰の付着量には所定の閾値が設定されている。所定の閾値は、あらかじめ作業者が様々な画像に基づき許容可能範囲の限界となる付着量の画像を選定し、その画像の付着量を所定の閾値として設定された値である。本実施形態では、所定の閾値をαとする。
時間の推移とともに増加する灰の付着量が、所定の閾値αを超えると、制御装置30の予測部35はアラームを鳴らす。
作業者は、アラームの報知により灰の付着が進行していることを認識し、不具合などが発生する前に必要な対応策をとることが可能である。
本実施形態によれば、赤外線カメラ40によって撮影された火炉11内部の動画を取得し、これをフレームごとに複数の領域に分割して、各領域ごとに輝度に基づく画像処理を行って、処理画像の輝度を所定時間積算して得られる積算画像から、監視対象部位まで透過した透過領域を取得し、複数の透過領域から監視対象部位の透過画像を作成するため、目視や通常のカメラでは確認することができない運転中の火炉11の内部の状況を画像にて確認することができる。
赤外線カメラ40によって撮影された動画は、火炉11内の燃焼状態や燃料濃度が非定常に変動しているため、監視対象部位が火炎や燃料等によって遮られ、瞬間的・部分的にしか監視対象部位を確認することができない。しかし本実施形態では、画像処理を行って積算画像から透過領域を取得し透過画像を作成するため、短時間の変動成分の影響を除去した透過画像により視認性が改善され、監視対象部位を鮮明に確認することができる。
これにより、運転中においても火炉11内の監視対象部位に対する監視が可能となる。監視対象部位における付着物の監視を行っている場合は、監視対象部位に付着物が付着しているか否かを判断することができることとなり、付着物に起因するトラブルを未然に防ぐことが可能である。
また、各領域を画像類似度に応じて分類して作成された教師データを、分類した教師データの領域ごとに機械学習を行って予測モデルを作成するため、学習効率が向上し、予測誤差を縮小することができる。
また、火炉11内の時間変動による変動成分の影響を低減した透過画像を用いて機械学習を行うため、機械学習の精度が向上し、予測モデルの予測精度が向上する。
また、監視対象部位への付着物の付着状態が定量化されることにより、作業者は報知された予測結果に基づき作業計画を立案可能なため、付着物に起因するトラブルを未然に防ぐことが可能である。
図7の各画像はそれぞれ同じ監視対象部位を撮影した画像であり、図7(a)は、赤外線カメラ40による画像、図7(b)は、監視対象部位の積算画像、図7(c)は、監視対象部位に対しぶれ補正処理を行った積算画像を示す。
火炉11の内部は、運転中にガスの流れなどの影響を受け、例えば過熱器51、52や再熱器53、54などが振動している場合がある。
監視対象部位が振動していても、図7(a)に示されるように、赤外線カメラ40による画像には特に問題は生じない。
しかし、図7(b)に示されるように、図7(a)の画像を複数積算した積算画像では、監視対象部位が多重に露光され、その像がぶれるという課題が生じる場合がある。
画像処理部32が位置の補正(ぶれの補正)を行うことで、図7(c)に示されるように監視対象部位の輪郭が鮮明に表示される積算画像を得ることができる。但し、ぶれの補正を行うことにより、監視対象部位の背景はぶれることとなる。
本実施形態によれば、監視対象部位が振動していることを検知した場合は、監視対象部位の振動を認識し、位置の補正を行うことから、監視対象部位が振動している場合の積算画像において監視対象部位が多重に露光されて像がぶれる虞があるが、これを防止し、ぶれのない積算画像を取得することができる。これにより、振動が発生している監視対象部位においても画像認識の精度を向上させることができる。
例えば、上述した各実施形態においては付着物の付着領域(付着量)を予測するとしたが、予測した付着物の付着量に基づき、スーツブロワの運用タイミングを決定するとしてもよい。
スーツブロワの運用タイミングを予測モデルを用いて決定することにより、スーツブロワの運用改善を行うことができ、スーツブロワで使用される蒸気の蒸気量を削減して発電量を増加させることが可能となる。また、スーツブロワの運用過多により生じるエロージョンを抑制することができる。
11 火炉
12 燃焼装置
21、22、23、24、25 燃焼バーナ
30 制御装置
31 画像取得部
32 画像処理部
33 透過画像作成部
34 学習部
35 予測部
40 赤外線カメラ
50 煙道
51、52 過熱器(スーパーヒータ)
53、54 再熱器
55、56、57 節炭器(エコノマイザ)
Claims (12)
- 火炉を備えたボイラの監視を行う制御装置であって、
赤外線カメラによる火炉内部の監視対象部位の撮影動画をデータとして取得する画像取得部と、
前記画像取得部が取得した撮影動画データをフレームごとに複数の領域に分割し、各前記領域ごとに輝度に基づく画像処理を行い、画像処理後の処理画像の輝度を所定時間積算して得られる積算画像から、前記監視対象部位まで透過した透過領域を取得する画像処理部と、
複数の前記透過領域に基づき前記監視対象部位の透過画像を作成する透過画像作成部と、
を備える制御装置。 - 前記画像処理部は、各前記領域ごとにコントラストを強調するように画像処理を行う請求項1に記載の制御装置。
- 前記画像処理部は、前記積算画像の輝度と、前記所定時間の前記処理画像の平均輝度に前記所定時間のフレーム数を乗算した値との差分に基づき前記透過領域を取得する請求項1または請求項2に記載の制御装置。
- 前記画像処理部は、前記監視対象部位の振動の有無を検知し、前記監視対象部位が振動していることを検知した場合は、前記監視対象部位の振動を認識し、前記監視対象部位の位置の補正を行う請求項1から請求項3のいずれかに記載の制御装置。
- 前記透過画像作成部が作成した前記透過画像に対して付着物の付着範囲をマーキングして作成された教師データの画像の特徴を数値化し、数値化された前記教師データに基づき機械学習を行って予測モデルを作成する学習部を備える請求項1から請求項4のいずれかに記載の制御装置。
- 各前記領域を画像類似度に応じて分類して作成された教師データを、分類した前記教師データの前記領域ごとに機械学習を行って予測モデルを作成する学習部を備える請求項1から請求項4のいずれかに記載の制御装置。
- 前記赤外線カメラによって撮影された前記撮影動画の前記透過画像に対して前記予測モデルを参照して付着物の状態を予測し、予測結果を報知する予測部を備える請求項5または請求項6に記載の制御装置。
- 前記予測部は、前記付着物の状態の前記予測結果のモニタリングを行い、前記付着物の状態の前記予測結果が所定の閾値を超えるとアラームを報知する請求項7に記載の制御装置。
- 前記学習部は、前記火炉の複数の前記監視対象部位に対してそれぞれ前記予測モデルを作成する請求項5から請求項8のいずれかに記載の制御装置。
- 請求項1から請求項9のいずれかに記載の制御装置を備えたボイラ。
- 赤外線カメラによる火炉内部の監視対象部位の撮影動画をデータとして取得する画像取得工程と、
前記画像取得工程にて取得された前記撮影動画をフレームごとに複数の領域に分割し、各前記領域ごとに輝度に基づく画像処理を行う画像処理工程と、
画像処理後の処理画像の輝度を所定時間積算して得られる積算画像から、前記監視対象部位まで透過した透過領域を取得する透過領域取得工程と、
複数の前記透過領域に基づき前記監視対象部位の透過画像を作成する透過画像作成工程と、
を備えるボイラの監視画像取得方法。 - 赤外線カメラによる火炉内部の監視対象部位の撮影動画をデータとして取得する画像取得ステップと、
前記画像取得ステップにて取得された前記撮影動画をフレームごとに複数の領域に分割し、各前記領域ごとに輝度に基づく画像処理を行う画像処理ステップと、
画像処理後の処理画像の輝度を所定時間積算して得られる積算画像から、前記監視対象部位まで透過した透過領域を取得する透過領域取得ステップと、
複数の前記透過領域に基づき前記監視対象部位の透過画像を作成する透過画像作成ステップと、
を備えるボイラの監視画像取得プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018015267A JP6983684B2 (ja) | 2018-01-31 | 2018-01-31 | 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018015267A JP6983684B2 (ja) | 2018-01-31 | 2018-01-31 | 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019134316A true JP2019134316A (ja) | 2019-08-08 |
JP6983684B2 JP6983684B2 (ja) | 2021-12-17 |
Family
ID=67547637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018015267A Active JP6983684B2 (ja) | 2018-01-31 | 2018-01-31 | 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6983684B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021165683A (ja) * | 2020-04-07 | 2021-10-14 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
JP2021165684A (ja) * | 2020-04-07 | 2021-10-14 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
WO2021235388A1 (ja) * | 2020-05-18 | 2021-11-25 | 株式会社Ihi | 火炉監視装置 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114540627A (zh) * | 2022-04-01 | 2022-05-27 | 万载志成实业有限公司 | 一种铜泥回收金银的生产方法及装置 |
CN114698204A (zh) * | 2022-04-26 | 2022-07-01 | 星慧照明工程集团有限公司 | 一种智慧路灯控制系统 |
JP7416123B2 (ja) | 2021-05-24 | 2024-01-17 | Jfeスチール株式会社 | 堆積物検知装置及び堆積物検知方法 |
JP7517415B2 (ja) | 2020-05-18 | 2024-07-17 | 株式会社Ihi | 火炉監視装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0618025A (ja) * | 1992-07-02 | 1994-01-25 | Ishikawajima Harima Heavy Ind Co Ltd | 火炉壁面温度計測方法 |
JP2017187265A (ja) * | 2016-03-31 | 2017-10-12 | 一般財団法人電力中央研究所 | 燃焼場の観察方法、観察装置、及び観察プログラム |
-
2018
- 2018-01-31 JP JP2018015267A patent/JP6983684B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0618025A (ja) * | 1992-07-02 | 1994-01-25 | Ishikawajima Harima Heavy Ind Co Ltd | 火炉壁面温度計測方法 |
JP2017187265A (ja) * | 2016-03-31 | 2017-10-12 | 一般財団法人電力中央研究所 | 燃焼場の観察方法、観察装置、及び観察プログラム |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021165684A (ja) * | 2020-04-07 | 2021-10-14 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
JP2021165683A (ja) * | 2020-04-07 | 2021-10-14 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
JP7358290B2 (ja) | 2020-04-07 | 2023-10-10 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
JP7358291B2 (ja) | 2020-04-07 | 2023-10-10 | Jfeエンジニアリング株式会社 | 排ガス通路内壁面の付着物厚み推定方法及び装置 |
WO2021235388A1 (ja) * | 2020-05-18 | 2021-11-25 | 株式会社Ihi | 火炉監視装置 |
JP7517415B2 (ja) | 2020-05-18 | 2024-07-17 | 株式会社Ihi | 火炉監視装置 |
AU2021275268B2 (en) * | 2020-05-18 | 2024-02-01 | Ihi Corporation | Furnace monitoring device |
JP7416123B2 (ja) | 2021-05-24 | 2024-01-17 | Jfeスチール株式会社 | 堆積物検知装置及び堆積物検知方法 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114018982B (zh) * | 2021-10-14 | 2023-11-07 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114540627B (zh) * | 2022-04-01 | 2023-10-27 | 万载志成实业有限公司 | 一种铜泥回收金银的生产方法及装置 |
CN114540627A (zh) * | 2022-04-01 | 2022-05-27 | 万载志成实业有限公司 | 一种铜泥回收金银的生产方法及装置 |
CN114698204A (zh) * | 2022-04-26 | 2022-07-01 | 星慧照明工程集团有限公司 | 一种智慧路灯控制系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6983684B2 (ja) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6983684B2 (ja) | 制御装置、ボイラ、ボイラの監視画像取得方法およびボイラの監視画像取得プログラム | |
JP6596121B1 (ja) | 炉内状況判定方法、及び、燃焼制御方法 | |
JP2018021686A (ja) | ごみ移動速度検出機能を備えた燃焼制御装置 | |
JP2022092448A (ja) | 学習済モデル生成装置、学習済モデル生成プログラム、炉内温度予測装置、炉内温度予測プログラム、学習済モデル、および焼却システム | |
SE462066B (sv) | Saett foer generering av realtidsreglerparametrar foer roekgenererande foerbraenningsprocesser med hjaelp av en videokamera | |
JP7256016B2 (ja) | 予測モデル生成装置、予測モデル生成装置による予測モデル生成方法、及び予測装置 | |
CN114008679A (zh) | 确定余热锅炉的烟道气中的一个或多个颗粒组比例份额 | |
JP7193231B2 (ja) | ストーカ炉の燃焼制御装置及び方法、並びに、燃料移動量の検出装置及び方法 | |
JP2021042870A (ja) | ボイラ管群付着灰除去システム | |
JP3469189B2 (ja) | 溶融炉のスラグ流監視・制御方法及び装置 | |
AU2021275268B2 (en) | Furnace monitoring device | |
JP6880141B2 (ja) | 燃焼状況評価方法及び燃焼制御方法 | |
JP7180093B2 (ja) | 炉内監視装置及び炉内監視方法 | |
WO2024106008A1 (ja) | 崩落検知システム、および崩落検知方法 | |
JP5281315B2 (ja) | スラグ固化判定装置、スラグ固化判定プログラムおよびスラグ固化判定方法 | |
JP7243491B2 (ja) | 炉内監視装置及び炉内監視方法 | |
TW202421966A (zh) | 崩落偵測系統及崩落偵測方法 | |
JP7516963B2 (ja) | 情報処理装置および情報処理方法 | |
JP7507931B1 (ja) | 燃焼設備用システム、および情報処理方法 | |
JP7445058B1 (ja) | 燃焼設備用システムおよび燃焼制御方法 | |
TWI823354B (zh) | 焚化爐設備的控制裝置 | |
JP2673355B2 (ja) | 画像処理による焼却炉の燃え切り点検出方法 | |
JP7394713B2 (ja) | 溶融炉監視システム、溶融炉監視方法、及びプログラム | |
JP2019007703A (ja) | 火炎終端位置検出方法、自動燃焼制御方法、及び廃棄物焼却炉 | |
CN114026392A (zh) | 对离开余热锅炉的熔体流的自动监测 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20201120 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210916 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211124 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6983684 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |