【目的】従来のデータ駆動型空冷ユニットの背圧予測は、通常プロセスパラメータの利用に焦点を当てており、フィンチューブの温度分布画像内に隠れた熱力学的特徴情報を十分に考慮していない問題に対し、機械視覚と言語モデルを融合したハイブリッド深層学習機構に基づく背圧予測モデルを提案する。 【方法】 フィンチューブの赤外線画像とユニットのプロセスパラメータで構成されるマルチモーダルデータに基づき、畳み込みニューラルネットワーク（CNN）、双方向長短期記憶ネットワーク（BiLSTM）、注意機構（Attention）を融合する。モデルはCNNによりフィンチューブ束の赤外線画像の空間的熱力特性を抽出し、BiLSTMによりユニット運転パラメータの時系列特性を抽出し、Attention機構により重要な時間ステップ情報を強化し、特徴レベルで二種類のモーダリティ情報を融合する。同時に、モデルのロバスト性と精度を向上させるため、ベイズ最適化を用いてニューラルネットワークのハイパーパラメータをチューニングし、特徴選択および正規化処理を通じてマルチモーダルデータの質を高めた。 【結果】 実験結果は、従来の機械学習および熱画像を含まない深層学習と比較して、提案するBiLSTM+CNN+Attentionモデルが予測精度および汎化能力において明確な優位性を示し、背圧予測の精度とリアルタイム性を大幅に改善したことを示す。 【結論】 研究成果は、空冷ユニット冷却端のモデル予測制御および多目的運転最適化に対して有効なオンラインモデリングソリューションを提供する。

空冷ユニット;背圧予測;BiLSTM;CNN;注意機構;マルチモーダルデータ