打开文本图片集

摘要：由于除尘风机是再生铝行业熔炼车间的主要能耗设备，占整个车间总体能耗一半以上，因此降低风机的能耗在节能改造十分重要，实现能源消耗优化是提高能源利用效率和经济效益的关键。本文讨论了现有除尘风机运行效率低下的两个来源：烟尘浓度变化和风机负荷运行。本研究旨在通过基于AI视觉烟尘识别，智能控制变频风机为需求响应最终达到节能目的。

1.引言

由于除尘风机是再生铝行业熔炼车间的主要能耗设备，高达一半以上的电力需求来自于除尘风机的不间断运作，因此降低风机的能耗在节能改造十分重要。通过采取积极调控除尘风机运行频率，有显著的机会减少冷却成本。我们提出了一种基于AI视觉烟尘识别神经元驱动算法来进行需求响应的变频风机频率预测。我们在烟尘视觉感知负载平衡算法中利用这种基于神经元驱动算法的变频控制，并证明了这种方法可以满足控制烟尘浓度和降低风机用能。

2.AI视觉烟尘识别技术

在烟尘识别方面，因为检测烟尘对象的形状特征不规则和时空变化多样，使得基于传统的光电或离子化探测器部署的烟尘识别准确性较低。我们提出通过成像系统对烟尘进行视觉识别，并结合电子围栏技术，实现对多组烟尘产生区域的分区识别运算。AI视觉识别技术在实时检测熔炼炉排放的烟尘浓度上，相比于传统烟尘传感器部署的方案，不仅可以克服烟感探测器难以承受高温的缺陷，还具有更灵敏的响应速度。

3.神经元驱动算法原理

神经元驱动算法是一种根据实时数据动态调节控制系统参数的算法。设计基于神经网络的反馈回路，这些网络能够根据烟尘浓度的实时监测数据来调整风机的运行状态，例如其频率和功率。算法的工作原理是通过持续监测熔炼炉门口的烟尘，神经网络会学习并通过烟尘浓度的变信号，然后计算出最优的风机响应策略。

总结为以下四个步骤：

1.监控风机中烟尘浓度以及运行状态：使用高分辨率摄像头在熔炼炉工作过程中不断监控烟尘浓度。

2.对收集到的数据进行预处理：对捕获的图像进行边缘检测处理，包括去噪、对比度增强等，以提高图像质量和烟尘特征的可识别性，提取烟尘的关键特征，如烟尘浓淡、形状分布等。

3.训练专门的神经网络模型：利用预处理后的图像数据，采用如卷积神经网络（CNN）等分类算法，训练模型区分烟尘与其他视觉噪声，并准确预测烟尘浓度。

4.将训练好的神经网络部署于实时烟尘浓度预测中：基于神经网络的预测结果，神经元驱动算法动态计算出最佳的风机转速，并向变频器发送控制指令，调整风机转速以优化风机工作状态。

4基于AI视觉烟尘识别寻找最优工作点策略

针对本研究，变频风机技术在工业环境中的应用，特别是在再生铝熔炼行业，关键在于能够根据需求的变化动态调整风机速度。变频风机的工作原理在于使用变频驱动器（VFDs）来调节供应给风机电机的电力。这允许改变风机的转速，进而按比例调节气流速率，上述公式（1～3）根据相似性定律表述为：

由于在需求较低的时段以减速运行风机，由于速度与功率之间的立方关系，能够带来指数级的能源节省，因此节能潜力显著。

通过将频率转换技术与神经元驱动算法结合，可以优化性能，使用AI视觉进行烟尘识别。AI算法分析实时视觉数据以检测烟尘，并相应地调节VFD。这个系统控制逻辑的公式表示为：

其中：

是时间t下的风机速度；

NAI是处理时间t的输入图像并确定有效管理烟尘水平所需的风机功率Popt的神经元驱动算法。

Sreq是所需的烟尘控制水平，这是AI烟尘识别能力和工业过程的通风需求的函数。

为了确定AI驱动系统中风机的最佳工作点，需要最小化的目标函数可以定义为：

受到以下条件的约束：

Pfan是风机的功率消耗。

是空气密度

Q是空气流量

H是风机提供的压力增加，以“扬程/压力”表示Qreq和Hreq分别是保持适当通风所需的气流率和压力增加。

Pmax是风机允许的最大功率消耗。

基于AI视觉烟尘识别寻找最佳工作点的策略涉及实时分析视觉数据以确定烟尘水平，并将风机速度调整到保持必要气流和压力的最低水平，同时最小化能耗。这可以通过响应AI的反馈循环动态调整VFD参数来实现，从而确保风机系统的高效运行和能源节约。

5结果与讨论

2号除尘风机2023年10月5日开始正式电耗计量，12月8日开始进入系统试运行，2024年1月3日进入连续运行期，后再次升级后于3月1日进入最终节能运行状态。其中通过电表计量正常生产状态下非节能期11月30天用电量39555度，平均每天1319度。节能期3月份运行31天用电量18653度，平均每天602度，平均每天节约716度，风机节能率54.3%。

通过对2号风机节能系统的监测，该系统效果完全符合并超出预期，AI视觉提供的烟气信号准确率达到95%以上，在满足生产的前提下减少了风机的电能消耗。

6结论

本应用主要是在原有除尘风机控制系统的基础上增加的智慧控制功能，在保证正常生产的前提下减少能源的浪费，未对原有风机设备进行改动，一旦本控制系统出现故障可随时切换至原有的控制模式，实现最大程度的节能和实现除尘风机的智慧控制。

参考文献

[1]高佳篷，洪波，贾爱亭，等.集装箱大梁熔化极气体保护电弧焊的焊缝跟踪系统[J].中国机械工程，2023，34（2）：238-244，251.

[2]董金枋，汤大赟，吴頔，等.强噪声下的激光视觉焊缝跟踪图像处理研究现状及展望[J].电焊机，2022，52（12）：1-16.

[3]许潇，池顺鑫，李想.颗粒物质量浓度智慧计量平台的研制[J].计量科学与技术，2022，66（10）：71-76.