[發明專利]一種油煙在線監控方法及裝置

有效

• 申請號: 202011521612.7
• 申請日: 2020-12-21
• 公開（公告）號: CN112649337B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 任志廣;孫朋
• 申請（專利權）人: 張家口市杰星電子科技有限公司
• 主分類號: G01N15/06
• 分類號: G01N15/06;F24C15/20
• 代理公司: 北京卓特專利代理事務所(普通合伙) 11572
• 代理人: 段旺

1.一種油煙在線監控方法，其特征在于，包括如下步驟：

步驟S110、實時采集煙道內的油煙樣本；

步驟S120、獲得油煙樣本中的顆粒物的數量；

獲取油煙樣本中的顆粒物的數量，包括如下子步驟：

步驟S121、向油煙樣本中射入一束平行的檢測光束；

步驟S122、接收經油煙樣本中懸浮的顆粒物散射后偏離原來傳播方向的光線；

步驟S123、依據檢測光束的入射強度和散射后光線的強度計算得到油煙樣本中的顆粒物的數量；

依據檢測光束的入射強度和散射后光線的強度計算得到油煙樣本中的顆粒物的數量，包括如下子步驟：

步驟S1231、依據檢測光束的入射強度和散射后光線的強度得到散射光束的極化率；

依據公式計算得到散射光束的極化率α，其中I_O為檢測光束的入射強度，I(θ)為散射后的光線的強度，ω為檢測光束的光線波長，γ為促使光線散射的顆粒物至散射光線接收處的距離，θ為檢測光束與散射光線之間的夾角；

步驟S1232、依據油煙樣本的介質折射率得到油煙樣本的介質的介電常數；

步驟S1233、依據散射光束的極化率、油煙樣本的體積和油煙樣本的介質的介電常數，得到油煙樣本中的顆粒物的數量；

步驟S130、依據油煙樣本中的顆粒物的數量和油煙樣本的體積得到油煙樣本中的顆粒物的濃度；

依據公式計算得到油煙樣本中的顆粒物的濃度c；其中N為油煙樣本中的顆粒物的數量；N_a為阿伏伽德羅常數；V為油煙樣本的體積；A為維里系數，是定量描述溶劑-溶質相互作用的參數；

步驟S140、依據不同時間的顆粒物濃度，預測下一時刻油煙樣本中的顆粒物濃度；

步驟S141、構建油煙樣本向量集；

取前m天的油煙樣本中顆粒物的濃度形成油煙樣本向量集S＝{c(t-24i)、c(t-(24i+1))……c(t-(24i+23))}，其中i＝0、1、2……m，c(t-24i)為當前時刻的前i天的油煙樣本中顆粒物的濃度，c(t-(24i+1))為當前時刻的前i天的前一時刻油煙樣本中顆粒物的濃度，c(t-(24i+23))為當前時刻的前i天的前二十三時刻油煙樣本中顆粒物的濃度；

步驟S142、將油煙樣本向量集輸入神經網絡預測模型，在神經網絡預測模型中進行預測；在通過神經網絡預測模型進行預測之前，構建輸入層的節點數為L個，輸出層的節點數為K個；依據公式計算得到隱含層的節點個數G，其中，a為0-10之間的常數，以預先構建神經網絡預測模型；

神經網絡預測模型可以表示為：其中，為下一時刻油煙樣本中顆粒物濃度的預測值；t為當前時刻；W₁為輸入層到隱含層的權值；W₂為隱含層到輸出層的權值；β₁為輸入層到隱含層的閾值；β₂為隱含層到輸出層的閾值；μ(c(i))為神經網絡預測模型的輸入，即μ函數變量分別取油煙樣本向量集中的每一個特征向量；其中，e為自然常數；

步驟S143、輸出下一時刻的預測結果；

步驟S150、依據下一時刻的預測結果，預先計算添加至煙道中的堿性處理液的流量，以對煙道中的油煙氣體進行處理。

2.根據權利要求1所述的油煙在線監控方法，其特征在于，依據下一時刻的預測結果，預先構建油煙氣體處理方案，并依據構建的油煙氣體處理方案，對煙道內下一時刻的油煙氣體進行處理。