燃焼過程を反映する重要なパラメータとして、炉内温度分布は炉内燃焼の安全性、経済性および汚染物質の排出レベルに関わっており、ボイラーの制御および炉内燃焼過程の研究に非常に重要な意義を持っている。放射イメージング法は時空間分解能が高く、現場での実施が容易であるという特徴から、炉内温度場の再構成に適している。これに基づき、光学トモグラフィーに基づく炉内温度場オンライン測定技術を提案し、深層学習と正則化アルゴリズムを組み合わせた再構成アルゴリズムを用いて、温度場再構成過程の病的問題を解決した。まず、設定された炉膛サイズ、媒質の放射特性、CCDカメラの設置位置などのパラメータに基づいて放射イメージングモデルを構築し、正問題計算により大量のデータを取得した。次に、自動最適化アルゴリズムを用いて適切なチホノフ正則化パラメータを見つけて訓練データセットを構築し、同時に解の精度と安定性を評価した。最後に、深層ニューラルネットワークモデルを構築して最適な正則化パラメータを予測し、温度場を再構成した。結果は、提案された炉内温度場再構成アルゴリズムの誤差が5％未満であり、精度が良好であることを示した。測定誤差を加えた後でも再構成誤差は5％以内にとどまり、この方法のロバスト性を示している。同時に、この方法は計算効率が高く、温度場のリアルタイム監視の要求を満たすことができる。

石炭ボイラー;温度場;光学トモグラフィー;オンライン測定;深層ニューラルネットワーク