Como un parámetro importante que refleja el proceso de combustión, la distribución de la temperatura dentro del horno está relacionada con la seguridad, la economía y el nivel de emisiones contaminantes del proceso de combustión, y es de gran importancia para estudiar el control de la caldera y el proceso de combustión dentro del horno. El método de imágenes por radiación, debido a su alta resolución espacio-temporal y facilidad de implementación en el sitio, es adecuado para la reconstrucción del campo de temperatura dentro del horno. Basado en esto, se propone una técnica de medición en línea del campo de temperatura dentro del horno basada en tomografía óptica, que utiliza un algoritmo de reconstrucción que combina aprendizaje profundo y regularización para resolver problemas mal condicionados en el proceso de reconstrucción del campo de temperatura. Primero, se establece un modelo de imágenes por radiación según las dimensiones de la cámara de combustión, las características de radiación del medio y la posición de la cámara CCD, obteniendo una gran cantidad de datos mediante el cálculo del problema directo; luego, mediante un algoritmo de optimización automática se encuentra el parámetro de regularización de Tikhonov adecuado para construir el conjunto de datos de entrenamiento, evaluando simultáneamente la precisión y estabilidad de la solución; finalmente, se construye un modelo de red neuronal profunda para predecir el parámetro de regularización óptimo y reconstruir el campo de temperatura. Los resultados muestran que el algoritmo propuesto para la reconstrucción del campo de temperatura del horno tiene un error menor al 5% y una buena precisión. Tras añadir el error de medición, el error de reconstrucción se mantiene dentro del 5%, lo que demuestra la robustez del método. Al mismo tiempo, este método tiene una alta eficiencia computacional que puede satisfacer los requisitos de monitoreo en tiempo real del campo de temperatura.

caldera de carbón;campo de temperatura;tomografía óptica;medición en línea;red neuronal profunda