En tant que paramètre important reflétant le processus de combustion, la distribution de la température à l'intérieur du four affecte la sécurité, l'économie et le niveau d'émission des polluants du processus de combustion, et revêt une grande importance pour l'étude du contrôle de la chaudière et du processus de combustion dans le four. La méthode d'imagerie par rayonnement, en raison de sa haute résolution spatio-temporelle et de sa facilité d'implémentation sur site, est adaptée à la reconstruction du champ de température à l'intérieur du four. Sur cette base, une technique de mesure en ligne du champ de température à l'intérieur du four basée sur la tomographie optique a été proposée, utilisant un algorithme de reconstruction combinant apprentissage profond et régularisation pour résoudre les problèmes mal posés lors de la reconstruction du champ de température. Tout d'abord, un modèle d'imagerie par rayonnement est établi selon les dimensions de la chambre de combustion, les caractéristiques de rayonnement du milieu et la position de la caméra CCD, et une grande quantité de données est obtenue par le calcul du problème direct; ensuite, un algorithme d'optimisation automatique est utilisé pour trouver le paramètre de régularisation de Tikhonov approprié pour construire un ensemble de données d'entraînement, tout en évaluant la précision et la stabilité de la solution; enfin, un modèle de réseau neuronal profond est construit pour prédire le paramètre de régularisation optimal et ainsi reconstruire le champ de température. Les résultats montrent que l'algorithme proposé de reconstruction du champ de température à l'intérieur du four présente une erreur inférieure à 5% et une bonne précision. Après ajout d'erreurs de mesure, l'erreur de reconstruction reste inférieure à 5%, ce qui démontre la robustesse de la méthode. Par ailleurs, cette méthode présente une haute efficacité de calcul, pouvant répondre aux exigences de surveillance en temps réel du champ de température.

chaudière à charbon;champ de température;tomographie optique;mesure en ligne;réseau neuronal profond