JP6824859B2 - 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 - Google Patents
炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 Download PDFInfo
- Publication number
- JP6824859B2 JP6824859B2 JP2017199427A JP2017199427A JP6824859B2 JP 6824859 B2 JP6824859 B2 JP 6824859B2 JP 2017199427 A JP2017199427 A JP 2017199427A JP 2017199427 A JP2017199427 A JP 2017199427A JP 6824859 B2 JP6824859 B2 JP 6824859B2
- Authority
- JP
- Japan
- Prior art keywords
- state quantity
- estimation model
- furnace
- image
- estimation
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/26—Details
- F23N5/265—Details using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/10—Arrangement of sensing devices
- F23G2207/101—Arrangement of sensing devices for temperature
- F23G2207/1015—Heat pattern monitoring of flames
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/30—Oxidant supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/08—Microprocessor; Microcomputer
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/48—Learning / Adaptive control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2229/00—Flame sensors
- F23N2229/20—Camera viewing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Incineration Of Waste (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習により作成された推定モデルを取得する推定モデル取得部と、
前記画像情報であって前記推定モデルへの入力となる入力画像情報を取得する入力画像情報取得部と、
前記入力画像情報で示される燃焼状態に応じた推定状態量を、前記推定モデルを用いて算出する推定状態量算出部と、を備える。
前記学習データの前記機械学習を行い、前記推定モデルを作成する推定モデル作成部を、さらに備える。
上記(2)の構成によれば、炉内の燃焼時の画像情報と、その画像情報が撮像された際の状態量とを対応付けることにより学習データを作成し、作成した学習データから機械学習することにより、推定モデルを作成することができる。
前記推定モデル作成部は、
前記過去の画像から少なくとも1つの特徴量を抽出する特徴量抽出部と、
前記過去画像情報である前記少なくとも1つの特徴量と前記状態量とを対応付けることにより前記学習データを生成する学習データ生成部と、
前記学習データの前記機械学習を実行する機械学習実行部と、を有する。
上記(3)の構成によれば、過去の画像の特徴量と状態量とが対応づけられた学習データを作成し、この学習データを用いて機械学習を行う。このように、特徴量と状態量との関係に着目して機械学習を行うことにより、推定精度の高い推定モデルを作成することができる。
前記特徴量抽出部は複数の前記特徴量を抽出するものとし、
前記推定モデル作成部は、
前記特徴量抽出部によって抽出された前記複数の特徴量のうちから、前記状態量に対する貢献度に基づいてN個(Nは1以上の整数を示す。)の前記特徴量を選択する特徴量選択部を、さらに有し、
前記学習データ生成部は、前記特徴量選択部によって選択された前記N個の特徴量と前記状態量とを対応付けることにより、前記学習データを生成する。
上記(4)の構成によれば、貢献度に基づいて特徴量を絞りこむと共に、絞り込んだ特徴量と状態量とを対応付けて学習データを生成する。このような学習データの機械学習を行うことにより、推定モデルによる状態量の推定精度を向上させることができる。
前記特徴量抽出部は、前記特徴量を、前記過去の画像から得られる輝度情報に基づいて抽出する。
上記(5)の構成によれば、輝度情報は火炎そのものを検出することなく画像から得られる情報であり、例えば炉内の上部に撮像装置を設置するなど火炎が排ガスで撮像されないような場合であっても画像情報を得ることができる。これによって、炉内を撮像するための撮像装置(炉内カメラ)の設置を容易化することもできる。
前記状態量は、前記炉内の燃焼時に生じる排ガスまたは排出物に関する状態量であり、
前記学習データ生成部は、前記過去画像情報に対して、該過去画像情報の基になる前記画像が撮像された時から所定の時間経過後に前記状態量の計測地点で計測された計測値を対応付けることによって前記学習データを生成する。
上記(6)の構成によれば、学習データは、過去画像情報によって示される燃焼状態で生じた排ガスまたは排出物が状態量の計測地点に到達するまでのタイムラグを考慮して作成される。このようなタイムラグは燃焼炉の種類や計測地点の位置によって無視できないほど異なる場合があり、タイムラグを考慮して学習データを作成することにより、推定精度の高い推定モデルを作成することができる。
前記推定モデル作成部は、複数の前記機械学習の手法を用いて複数の前記推定モデルを作成する。
上記(7)の構成によれば、複数の機械学習手法(アルゴリズム)に基づいてそれぞれ作成された複数の推定モデルの各々で状態量を推定することができる。例えば、複数の機械学習手法の各々による推定結果と学習データを構成する状態量(計測値など)とを比較することにより、複数の推定モデルのうちから推定精度の高い推定モデルを選択することができるようになり、学習データなどの条件(画像サイズ、学習データ数など)や燃焼炉の種類などに適した推定モデルの選択を可能にすることができる。
前記推定状態量と、前記状態量の計測値との差異が所定の閾値を超えた場合に、再学習による前記推定モデルの再作成を決定する再学習決定部を、さらに備える。
上記(8)の構成によれば、推定精度の低下が認められた場合には、再学習による推定モデルの再作成が必要と判定される。この判定に応じて、再学習により新たに推定モデルを作成し、新たな推定モデルを再取得するようにすれば、適切な推定精度による推定を継続することが可能となる。よって、燃焼炉の運転環境の変化などに追従しつつ、入力画像情報から状態量を精度良く推定することができる。
炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習を行い、前記炉内を撮像した入力画像情報から推定状態量を推定する推定モデルを作成する推定モデル作成部を備える。
コンピュータに、
炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習により作成された推定モデルを取得する推定モデル取得ステップと、
前記画像情報であって前記推定モデルへの入力となる入力画像情報を取得する入力画像情報取得ステップと、
前記入力画像情報で示される燃焼状態に応じた推定状態量を、前記推定モデルを用いて算出する推定状態量算出ステップと、を実行させるためのプログラムである。
前記学習データの前記機械学習を行い、前記推定モデルを作成する推定モデル作成ステップを、さらにコンピュータに実行させる。
上記(11)の構成によれば、上記(2)と同様の効果を奏する。
前記推定モデル作成ステップとして、
前記過去の画像から少なくとも1つの特徴量を抽出する特徴量抽出ステップと、
前記過去画像情報である前記少なくとも1つの特徴量と前記状態量とを対応付けることにより前記学習データを生成する学習データ生成ステップと、
前記学習データの前記機械学習を実行する機械学習実行ステップと、をコンピュータに実行させる。
上記(12)の構成によれば、上記(3)と同様の効果を奏する。
前記特徴量抽出ステップは複数の前記特徴量を抽出するものとし、
前記推定モデル作成ステップとして、
前記特徴量抽出ステップによって抽出された前記複数の特徴量のうちから、前記状態量に対する貢献度に基づいてN個(Nは1以上の整数を示す。)の前記特徴量を選択する特徴量選択ステップを、さらにコンピュータに実行させるものとし、
前記学習データ生成ステップは、前記特徴量選択ステップによって選択された前記N個の特徴量と前記状態量とを対応付けることにより、前記学習データを生成する。
上記(13)の構成によれば、上記(4)と同様の効果を奏する。
前記特徴量抽出ステップは、前記特徴量を、前記過去の画像から得られる輝度情報に基づいて抽出する。
上記(14)の構成によれば、上記(5)と同様の効果を奏する。
前記状態量は、前記炉内の燃焼時に生じる排ガスに関する状態量であり、
前記学習データ生成ステップは、前記過去画像情報に対して、該過去画像情報の基になる前記画像が撮像された時から所定の時間経過後に前記状態量の計測地点で計測された計測値を対応付けることによって前記学習データを生成する。
上記(15)の構成によれば、上記(6)と同様の効果を奏する。
前記推定モデル作成ステップは、複数の前記機械学習の手法を用いて複数の前記推定モデルを作成する。
上記(16)の構成によれば、上記(7)と同様の効果を奏する。
前記推定状態量と、前記状態量の計測値との差異が所定の閾値を超えた場合に、再学習による前記推定モデルの再作成を決定する再学習決定ステップを、さらにコンピュータに実行させる。
上記(17)の構成によれば、上記(8)と同様の効果を奏する。
コンピュータに、炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習を行い、前記炉内を撮像した入力画像情報から推定状態量を推定する推定モデルを作成する推定モデル作成ステップを実行させるためのプログラムである。
炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習により作成された推定モデルを取得する推定モデル取得ステップと、
前記画像情報であって前記推定モデルへの入力となる入力画像情報を取得する入力画像情報取得ステップと、
前記入力画像情報で示される燃焼状態に応じた推定状態量を、前記推定モデルを用いて算出する推定状態量算出ステップと、を備える。
炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習を行い、前記炉内を撮像した入力画像情報から推定状態量を推定する推定モデルを作成する推定モデル作成ステップを備える。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。
上記の機能部について、それぞれ説明する。
幾つかの実施形態では、図2に示すように、推定モデル作成部2は、特徴量抽出部21と、学習データ生成部23と、機械学習実行部24と、を備える。上記の機能部について、それぞれ説明する。
上述した状態量Sが、炉内の燃焼時に生じる排ガスE、または、排ガスE中に含まれる燃焼灰などの排出物に関する状態量Sである場合において、幾つかの実施形態では、図2に示すように、上述した学習データ生成部23は、上述した過去画像情報Ipに対して、この過去画像情報Ipの基になる画像Vが撮像された時から所定の時間経過後に状態量Sの計測地点で計測された計測値Srを対応付けることによって学習データDを生成する。燃料Fgの燃焼により生じる排ガスEは、燃焼領域8から排ガス通路91に向かって流れるが(図1参照)、画像Vで示される撮像地点(位置)から状態量Sの計測地点までに距離が有る場合には、画像Vで示される燃焼状態で生じた排ガスEが状態量Sの計測地点まで到達するまでにタイムラグ(所定時間)が存在する。このため、このタイムラグを考慮して、画像Vと状態量Sの計測値Srとを対応付けるようにする。なお、例えば、ごみ焼却炉でのタイムラグは、微粉炭炊きのボイラなど燃料Fgを細かく粉砕して燃焼させる場合と比べると、長くなる。
図3に示す炉内状態量推定方法を、図3のステップ順に説明する。
図4に示す推定モデル作成ステップ(S1)を、図4のステップ順に説明する。
1m 記憶装置
13 再学習決定部
2 推定モデル作成部
21 特徴量抽出部
22 特徴量選択部
23 学習データ生成部
24 機械学習実行部
2b 推定モデル作成装置
3 推定モデル取得部
4 入力画像情報取得部
5 推定状態量算出部
6 撮像装置
7 燃焼炉
7c 燃焼炉の上部
7s 燃焼炉の側壁部
71 燃料供給口
72 燃料押込装置
73 火格子(ストーカ)
74 灰排出口
76 気体供給装置
77 気体供給管
78a 第1気体流量調節弁
78b 第2気体流量調節弁
8 燃焼領域
81 一次燃焼領域
81a 主燃焼領域
82b おき燃焼領域
82 二次燃焼領域
91 排ガス通路
92 排ガス処理装置
93 煙突
Fg 燃料
G 燃焼用気体
E 排ガス
S 状態量
Sr 状態量の計測値
D 学習データ
V 画像
I 画像情報
Ip 過去画像情報
It 入力画像情報
M 推定モデル
Se 推定状態量
F 特徴量
C 貢献度
ai 係数
bi 係数
Claims (14)
- 炉内を撮像した画像から特徴量を抽出する特徴量抽出部と、
抽出された前記特徴量のうちから、1以上の前記特徴量を選択する特徴量選択部と、
前記画像で示される燃焼状態に応じた前記炉の状態量と、選択された前記特徴量とを対応付けることにより学習データを生成する学習データ生成部と、
前記学習データを用いて前記炉内の画像から燃焼状態を推定する推定モデルを作成する推定モデル作成部と、
炉内を撮像した前記画像を取得すると、取得された前記画像に示される燃焼状態に応じた前記状態量を、前記推定モデルを用いて推定する推定状態量算出部と、
を備え、
前記特徴量は、推定対象となる前記状態量に対する貢献度を基に選択される、
ことを特徴とする炉内状態量推定装置。 - 前記推定モデル作成部は、前記学習データを用いて機械学習を行うことにより前記推定モデルを作成する、
ことを特徴とする請求項1に記載の炉内状態量推定装置。 - 前記貢献度は、前記状態量に対する相関の大小を示す指標である請求項1又は2に記載の炉内状態量推定装置。
- 前記特徴量選択部は、
前記特徴量の各々から前記状態量を算出する回帰式を算出し、
算出された前記回帰式における前記特徴量の各々の寄与率を前記貢献度とする、
請求項1乃至3のいずれか一項に記載の炉内状態量推定装置。 - 前記特徴量抽出部は、前記特徴量を、過去の前記画像から得られる輝度情報に基づいて抽出することを特徴とする請求項1乃至4のいずれか一項に記載の炉内状態量推定装置。
- 前記状態量は、前記炉内の燃焼時に生じる排ガスまたは排出物に関する状態量であり、
前記学習データ生成部は、前記画像が撮像された時から所定の時間経過後に前記状態量の計測地点で計測された計測値を対応付けることによって前記学習データを生成することを特徴とする請求項1乃至5のいずれか1項に記載の炉内状態量推定装置。 - 前記推定モデル作成部は、複数の機械学習の手法を用いて複数の前記推定モデルを作成することを特徴とする請求項1乃至6のいずれか1項に記載の炉内状態量推定装置。
- 前記状態量の推定値と、前記状態量の計測値との差異が所定の閾値を超えた場合に、再学習による前記推定モデルの再作成を決定する再学習決定部を、さらに備えることを特徴とする請求項1乃至7のいずれか1項に記載の炉内状態量推定装置。
- 炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量とが対応付けられた学習データの機械学習を行い、前記炉内を撮像した入力画像情報から推定状態量を推定する推定モデルを作成する推定モデル作成部を備え、
前記過去画像情報は、前記過去の前記画像から抽出される特徴量のうち、推定対象となる前記状態量に対する貢献度を基に選択される1以上の特徴量である
ことを特徴とする推定モデル作成装置。 - コンピュータに、
炉内を撮像した画像から特徴量を抽出する特徴量抽出ステップと、
抽出された前記特徴量のうちから、1以上の前記特徴量を選択する特徴量選択ステップと、
前記画像で示される燃焼状態に応じた前記炉の状態量と、選択された前記特徴量とを対応付けることにより学習データを生成する学習データ生成ステップと、
前記学習データを用いて前記炉内の画像から燃焼状態を推定する推定モデルを作成する推定モデル作成ステップと、
炉内を撮像した前記画像を取得すると、取得された前記画像に示される燃焼状態に応じた前記状態量を、前記推定モデルを用いて推定する推定状態量算出ステップと、
を実行させるための炉内状態量推定プログラムであって、
前記特徴量は、推定対象となる前記状態量に対する貢献度を基に選択される、ことを特徴とする炉内状態量推定プログラム。 - 前記推定モデル作成ステップは、前記学習データを用いて機械学習を行うことにより前記推定モデルを作成する、
ことを特徴とする請求項10に記載の炉内状態量推定プログラム。 - 炉内を撮像した画像から特徴量を抽出する特徴量抽出ステップと、
抽出された前記特徴量のうちから、1以上の前記特徴量を選択する特徴量選択ステップと、
前記画像で示される燃焼状態に応じた前記炉の状態量と、選択された前記特徴量とを対応付けることにより学習データを生成する学習データ生成ステップと、
前記学習データを用いて前記炉内の画像から燃焼状態を推定する推定モデルを作成する推定モデル作成ステップと、
炉内を撮像した前記画像を取得すると、取得された前記画像に示される燃焼状態に応じた前記状態量を、前記推定モデルを用いて推定する推定状態量算出ステップと、
を備え、
前記特徴量は、推定対象となる前記状態量に対する貢献度を基に選択される、
ことを特徴とする炉内状態量推定方法。 - 前記推定モデル作成ステップは、前記学習データを用いて機械学習を行うことにより前記推定モデルを作成する、
ことを特徴とする請求項12に記載の炉内状態量推定方法。 - 炉内を撮像した画像に基づいて得られる画像情報であって過去の前記画像に基づいて得られる過去画像情報と、前記過去画像情報で示される燃焼状態に応じた状態量の計測値とが対応付けられた学習データの機械学習を行い、前記炉内を撮像した入力画像情報から推定状態量を推定する推定モデルを作成する推定モデル作成部を備え、
前記学習データは、前記過去画像情報と、該過去画像情報の撮像位置と前記状態量の計測位置に応じて設定される所定時間だけ前記過去画像情報の撮像タイミングより遅れた計測タイミングにて計測された前記状態量の前記計測値とが対応付けられた
推定モデル作成装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199427A JP6824859B2 (ja) | 2017-10-13 | 2017-10-13 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
DE112018005479.9T DE112018005479T8 (de) | 2017-10-13 | 2018-10-02 | Ofenzustandsgrösse-schätzvorrichtung, schätzmodellerzeugungs-vorrichtung, und programm und verfahren dafür |
PCT/JP2018/036793 WO2019073852A1 (ja) | 2017-10-13 | 2018-10-02 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
TW107135344A TWI680260B (zh) | 2017-10-13 | 2018-10-08 | 爐內狀態量推定裝置、推定模型作成裝置、其之程式以及方法 |
PH12019502446A PH12019502446A1 (en) | 2017-10-13 | 2019-10-29 | Furnace state amount estimation device, estimation model generation device, and program and method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199427A JP6824859B2 (ja) | 2017-10-13 | 2017-10-13 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019074240A JP2019074240A (ja) | 2019-05-16 |
JP2019074240A5 JP2019074240A5 (ja) | 2019-11-21 |
JP6824859B2 true JP6824859B2 (ja) | 2021-02-03 |
Family
ID=66100742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017199427A Active JP6824859B2 (ja) | 2017-10-13 | 2017-10-13 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6824859B2 (ja) |
DE (1) | DE112018005479T8 (ja) |
PH (1) | PH12019502446A1 (ja) |
TW (1) | TWI680260B (ja) |
WO (1) | WO2019073852A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7104653B2 (ja) * | 2019-03-29 | 2022-07-21 | Jx金属株式会社 | 燃焼設備の操業方法 |
JP7443683B2 (ja) * | 2019-07-02 | 2024-03-06 | Jfeエンジニアリング株式会社 | 自動燃焼制御方法および監視センタ |
JP7308392B2 (ja) * | 2019-08-02 | 2023-07-14 | 日本エア・リキード合同会社 | 炉の制御システム、炉の制御方法およびその制御システムを備える炉 |
JP7403295B2 (ja) * | 2019-11-29 | 2023-12-22 | 三菱重工業株式会社 | 燃焼設備、演算方法およびプログラム |
JP7316234B2 (ja) * | 2020-02-26 | 2023-07-27 | 三菱重工業株式会社 | 制御装置、制御方法およびプログラム |
JP7085039B1 (ja) | 2021-03-03 | 2022-06-15 | 三菱重工業株式会社 | 予測モデル作成装置、排ガス濃度制御システム、予測モデル作成方法、及び排ガス濃度制御方法 |
JP7391286B2 (ja) | 2022-03-02 | 2023-12-05 | 荏原環境プラント株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
TW202403235A (zh) * | 2022-03-02 | 2024-01-16 | 日商荏原環境工程股份有限公司 | 資訊處理裝置、資訊處理方法、及資訊處理程式 |
JP7390581B2 (ja) | 2022-03-02 | 2023-12-04 | 荏原環境プラント株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04143515A (ja) | 1990-10-02 | 1992-05-18 | Mitsubishi Heavy Ind Ltd | バーナの異常検出方法 |
US5249954A (en) * | 1992-07-07 | 1993-10-05 | Electric Power Research Institute, Inc. | Integrated imaging sensor/neural network controller for combustion systems |
JP3210473B2 (ja) * | 1993-03-11 | 2001-09-17 | 株式会社東芝 | ビジュアルフィードバック制御装置 |
JPH08128615A (ja) * | 1994-11-01 | 1996-05-21 | Kubota Corp | ゴミ焼却炉の燃焼制御装置 |
JP2860782B2 (ja) * | 1996-07-23 | 1999-02-24 | 川崎重工業株式会社 | カラー画像を利用した燃焼判定・制御方法および判定・制御装置 |
JPH10160142A (ja) * | 1996-11-26 | 1998-06-19 | Kubota Corp | 排ガス性状推定システム及び運転訓練システム |
JP2001004116A (ja) | 1999-06-18 | 2001-01-12 | Mitsubishi Heavy Ind Ltd | 燃焼炉の燃焼制御方法及び燃焼制御装置 |
JP5080416B2 (ja) * | 2008-10-15 | 2012-11-21 | ファナック株式会社 | 入力画像から検出対象物の像を検出する画像処理装置 |
JP2014234981A (ja) * | 2013-06-05 | 2014-12-15 | 株式会社タクマ | 燃焼炉内の燃焼管理システムおよび燃焼炉の燃焼制御システム |
KR101480130B1 (ko) * | 2013-06-28 | 2015-01-07 | (주) 태종 엔이씨 | 열정산 및 설계프로그램과 운전원(Operater)의 운전형태 분석을 통한 소각시설과 고형 연료보일러의 진단과 제어 및 설비생애주기관리 시스템 및 방법 |
JP6179286B2 (ja) * | 2013-09-06 | 2017-08-16 | 新日鐵住金株式会社 | 高炉の操業状況判定方法 |
CN105678295B (zh) * | 2016-01-04 | 2019-03-19 | 武汉科技大学 | 基于roi平均图像分析的燃气加热炉火焰实时监测方法 |
JP6696816B2 (ja) * | 2016-04-06 | 2020-05-20 | 日立造船株式会社 | ストーカ式焼却炉 |
-
2017
- 2017-10-13 JP JP2017199427A patent/JP6824859B2/ja active Active
-
2018
- 2018-10-02 WO PCT/JP2018/036793 patent/WO2019073852A1/ja active Application Filing
- 2018-10-02 DE DE112018005479.9T patent/DE112018005479T8/de active Active
- 2018-10-08 TW TW107135344A patent/TWI680260B/zh active
-
2019
- 2019-10-29 PH PH12019502446A patent/PH12019502446A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
TW201923286A (zh) | 2019-06-16 |
JP2019074240A (ja) | 2019-05-16 |
DE112018005479T8 (de) | 2020-09-10 |
TWI680260B (zh) | 2019-12-21 |
DE112018005479T5 (de) | 2020-07-16 |
PH12019502446A1 (en) | 2020-07-13 |
WO2019073852A1 (ja) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6824859B2 (ja) | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 | |
US7231078B2 (en) | Method for monitoring a thermodynamic process | |
JP7443683B2 (ja) | 自動燃焼制御方法および監視センタ | |
JP6723864B2 (ja) | ごみ移動速度検出機能を備えた燃焼制御装置 | |
JP2007272361A (ja) | プラントの制御装置 | |
JP2014234981A (ja) | 燃焼炉内の燃焼管理システムおよび燃焼炉の燃焼制御システム | |
JP7154537B2 (ja) | 画像特徴抽出方法、および、画像特徴抽出装置 | |
JP2022161065A (ja) | ごみ質予測装置、焼却炉の燃焼制御装置、ごみ質予測方法、ごみ質予測モデルの学習方法およびごみ質予測モデルプログラム | |
Vogelbacher et al. | Image-based characterization of alternative fuel combustion with multifuel burners | |
KR102276894B1 (ko) | 발열량 추정 방법, 발열량 추정 장치 및 쓰레기 저장 설비 | |
JP4976496B2 (ja) | 焼却施設での排ガス燃焼品質を特性化する方法 | |
JP7085039B1 (ja) | 予測モデル作成装置、排ガス濃度制御システム、予測モデル作成方法、及び排ガス濃度制御方法 | |
JP7308016B2 (ja) | ごみ質推定システム及び方法、並びに、ごみ貯蔵設備 | |
GOLGİYAZ et al. | An artificial intelligence regression model for prediction of nox emission from flame image | |
TWI819707B (zh) | 焚化爐設備之控制裝置 | |
TW202323728A (zh) | 控制裝置 | |
JP5203763B2 (ja) | 石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法 | |
Garami et al. | Reaction zone monitoring in biomass combustion | |
JP2021173496A (ja) | 廃棄物供給異常検知方法、廃棄物供給制御方法、廃棄物供給異常検知装置および廃棄物供給制御装置 | |
JP2021173497A (ja) | 廃棄物供給異常検知方法、廃棄物供給制御方法、廃棄物供給異常検知装置および廃棄物供給制御装置 | |
WO2023171293A1 (ja) | 画像検査装置、機械学習装置、画像検査方法、画像検査プログラム | |
JP7428080B2 (ja) | 情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法 | |
JP7071437B2 (ja) | 燃焼炉の状態推定装置、プログラム及び方法並びに燃焼炉システム | |
JP2024001991A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2021173495A (ja) | 廃棄物供給異常検知方法、廃棄物供給制御方法、廃棄物供給異常検知装置および廃棄物供給制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191010 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191010 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200630 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200817 |
|
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: 20210105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210113 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6824859 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |