.png){kind=icon}
返回
Fusing multi-sensor data for bag filter system risk early warning based on deep learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.psep.2025.107096.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于MTCN-Q-Informer模型和云模型（CM）的袋式除尘系统多传感器数据融合风险早期预警方法被提出，这对于防止粉尘爆炸事故至关重要。首先，基于袋式除尘系统的多传感器数据，包括除尘箱温度、灰斗温度、进出口压差、清灰用气源压力和消防装置喷水压力等监测参数，通过多尺度时序卷积网络（MTCN）提取数据特征序列。其次，将提取的特征序列输入到Q-learning优化的Informer模型中，以获取监测参数的预测值。随后，构建CM以整合多传感器预测数据，实现协同多传感器风险早期预警。最后，在案例研究中，监测参数预测结果显示，与Informer模型相比，MTCN-Q-Informer模型使均方根误差（RMSE）降低了26.9%，平均绝对误差（MAE）降低了41.8%。在此基础上结合CM，实现了持续120分钟的功能性风险早期预警。
Keyword:
Bag filter system
Risk early warning
Informer
Multi-scale temporal convolutional networks
Q -learning
Multi-sensor data
期刊
IF:
7.8
论文数:
9.9K
被引数:
3.8W
机构
引用论文
Application of Deep Learning Algorithm in Optimization Control of Electrostatic Precipitator in Coal-Fired Power Plants深学习算法在燃煤电厂静电除尘器优化控制中的应用.png)
Processes
OAAI
ProcessesIF0
OAAI分享收藏Rainfall-induced unstable slope monitoring and early warning through tilt sensors通过倾斜传感器监测和预警降雨引起的不稳定斜坡
OAAI
OAAI分享收藏分享收藏
查看更多内容