一种基于人工智能的粉尘清理系统

技术领域

本发明涉及除尘技术领域，具体涉及一种基于人工智能的粉尘清理系 统。

背景技术

尘肺是由于在职业活动中长期吸入生产性粉尘并在肺内潴留而引起 的以肺组织弥漫性纤维化为主的全身性疾病，多见于煤矿与其他矿石的开 采、粉碎、运输、以及机械制造、建筑等行业中长期接触生产性粉尘的工 人群体。

目前，很多工厂车间都存在粉尘多的问题，不仅影响车间的正常生产， 而且在粉尘比较严重的场所，人员长时间吸入过多，容易出现肺部疾病， 危害大。

因此，如何提供一种适合基于人工智能的粉尘清理系统以解决粉尘问 题成为本领域急需解决的问题。

发明内容

本发明目的是，针对现有上述各种技术的缺点与不足，经过分析、实 验及使用，提供一种基于人工智能的粉尘清理系统。

本发明的具体方案是：一种基于人工智能的粉尘清理系统，包括吸尘 罩、除尘塔和供水箱，所述除尘塔固定在供水箱上，所述除尘塔内从下至 上依次设有一级除尘机构和二级除尘机构，所述一级除尘机构侧部通过吸 尘管与外置在除尘塔外的吸尘罩相连，所述一级除尘机构底部通过过滤机 构与供水箱连通，所述一级除尘机构的顶部与二级除尘机构底部连通，所 述二级除尘机构上方设有喷淋机构，所述喷淋机构通过进水管与设置在供水箱内的循环水泵连接，所述除尘塔顶部设有排气孔。

优选地，所述除尘塔下部设置有对过滤机构拆装的人孔。

优选地，所述一级除尘机构包括安装壳、盖板、滤膜组件和冲洗组件， 所述安装壳固定在除尘塔内且顶部开口，所述盖板密封连接在安装壳顶 部，所述盖板与安装壳之间形成有过滤空间，所述安装壳侧部开设有连接 吸尘管的吸尘孔，所述安装壳底部开设有连接过滤机构的出水孔，所述盖 板中间设置有与安装壳内部连通的输气管，所述安装壳内壁垂直构造有向 内延伸到支撑板，所述滤膜组件设置在过滤空间内，所述滤膜组件包括顶 板、限位杆、底板和滤膜，所述限位杆等距间隔且左右对称连接在顶板、 底板之间，所述滤膜位于顶板、限位杆、底板之间且滤膜的开口与顶板固 定，所述顶板上开设有多个与滤膜的开口对应的出气口，所述滤膜组件通 过顶板与支撑板可拆卸连接并悬置在过滤空间内，所述冲洗组件包括多个 冲洗管和相同数量的冲洗喷头，所述冲洗管上端与二级除尘机构连接，所 述冲洗管下端穿过盖板插设在过滤空间内，所述冲洗喷头连接在冲洗管下 端并悬置在出气口上方。

优选地，所述滤膜两侧构造成折叠褶皱结构，所述滤膜内限定形成有 多个顶部开口的袋状空间，所述出气口与袋状空间数量相同且上下一一对 应。

优选地，所述输气管为可拆卸连接的上下两段管体，所述输气管在上 段管体内通过螺栓连接输气风机。

优选地，所述二级除尘机构包括集气罩、内套管、外套管和凝水盘组， 所述集气罩固定在除尘塔内壁上，所述集气罩的直径由下至上逐渐减小， 所述集气罩底部边缘环设有多个与冲洗管上端连通的下水孔，所述内套管 套装在集气罩顶部，所述内套管底部安装有支撑底板，所述支撑底板均匀 开设有多个通气孔，所述内套管内设置有导气机构并填充有过滤填充物， 所述外套管套设在内套管外，所述凝水盘组固定在外套管与内套管之间， 所述外套管顶部连接有顶部板并搭接在除尘塔内，所述顶板与外套管间隔 设置以形成气体上升通道，所述外套管下端与集气罩间隔设置以形成气体 通道。

优选地，所述导气机构包括中间隔板和导气板，所述中间隔板固定在 内套管中间将内套管分成两个空间，所述中间隔板沿长度方向等距间隔开 设有多个互通孔，所述中间隔板在每个互通孔下均垂直设置有导气板，所 述导气板与内套管之间形成有空隙流道，相邻两个导气板朝向不同空间方 向设置，所述互通孔和导气板均为半圆形。

优选地，所述内套管下部外壁环设有外凸的定位圈，所述定位圈用于 对凝水盘组进行支撑定位，所述凝水盘组包括上下相连的四层子凝水盘 组，所述子凝水盘组包括内置环、外置环和连接杆，所述内置环的内径与 内套管外径相同，所述外置环的外径与外套管内径相同，所述连接杆均匀 连接在内置环和外置环之间且数量为多个，所述内置环和外置环处于同一 水平面上，四层子凝水盘组的内置环之间通过多个均匀分布的第一支撑柱 相连，四层子凝水盘组的外置环之间通过多个均匀分布的第二支撑柱相 连，每个连接杆下还固定有一弧形底板，所述弧形底板沿着顺时针方向高 度逐渐降低，所述弧形底板降低总高度不大于第一支撑柱高度的三分之 一，四层子凝水盘组的连接杆、弧形底板均上下相对设置。

优选地，所述喷淋机构包括外散液环、内散液环和多个中间连接管， 所述中间连接管均匀间隔连接在外散液环、内散液环之间，所述外散液环 与进水管连通，所述外散液环的直径不大于内套管的直径，所述外散液环、 内散液环和中间连接管下均设置有喷头。

优选地，所述吸尘管上设有进气风机，所述除尘塔外壁在吸尘管处设 置有测量粉尘浓度的第一气体传感器，所述喷淋机构设置有测量出液量的 流量计，所述除尘塔顶部在排气孔处设置有测量粉尘浓度的第二气体传感 器，所述第一气体传感器、流量计、进气风机、输气风机和第二气体传感 器均与同一控制器相连，构建基于人工智能的粉尘清理模型，生成参数匹 配策略作为运行依据。

采用上述技术方案，本发明产生的技术效果有：本发明的基于人工智 能的粉尘清理系统用来对工厂车间存在粉尘进行清理，通过吸尘罩对工作 台或者粉尘区吸收粉尘和空气混合物，首先经过一级除尘机构进行分离过 滤，过滤后的空气进入二级除尘机构，二级除尘机构配合喷淋机构可实现 对剩余的粉尘进行充分吸收去除，然后洁净的空气通过除尘塔排出，实现 粉尘净化，因此，本发明实用性强和除尘效果好，可解决生产生活中粉尘的危害，避免肺部疾病；并且可实现智能除尘控制。

附图说明

图1是本发明实施例提供的基于人工智能的粉尘清理系统的结构示意 图；

图2是本发明实施例提供的一级除尘机构的结构示意图；

图3是本发明实施例提供的滤膜的结构示意图；

图4是本发明实施例提供的输气风机的结构示意图；

图5是本发明提供的导气机构的结构示意图；

图6是本发明提供的凝水盘组的结构示意图；

图7是本发明提供的外套管的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到： 除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、 数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作 为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术和设备可能不作详细讨论，但 在适当情况下，所述技术和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例 性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的 值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一 旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步 讨论。

需要说明的是，本发明实施例中的前、后、左、右、上、下等方位用 语，仅是互为相对概念或是以产品的正常使用状态为参考的，而不应该认 为是具有限制性的。

参考图1-图7，本发明实施例提供一种基于人工智能的粉尘清理系统。

如图1所示，该基于人工智能的粉尘清理系统包括吸尘罩1、除尘塔 2和供水箱，所述除尘塔2固定在供水箱3上。除尘塔2内从下至上依次 设有一级除尘机构4和二级除尘机构5，所述一级除尘机构4侧部通过吸 尘管与外置在除尘塔2外的吸尘罩1相连，所述一级除尘机构4底部通过 过滤机构6与供水箱3连通，所述除尘塔2下部设置有对过滤机构6拆装的人孔20，所述一级除尘机构4的顶部与二级除尘机构5底部连通，所述 二级除尘机构5上方设有喷淋机构7，所述喷淋机构7通过进水管与设置 在供水箱3内的循环水泵30连接，所述除尘塔2顶部设有排气孔21。

本发明的基于人工智能的粉尘清理系统用来对工厂车间存在粉尘进 行清理，通过吸尘罩对工作台或者粉尘区吸收粉尘和空气混合物，首先经 过一级除尘机构进行分离过滤，过滤后的空气进入二级除尘机构，二级除 尘机构配合喷淋机构可实现对剩余的粉尘进行充分吸收去除，然后洁净的 空气通过除尘塔排出，实现粉尘净化，因此，本发明实用性强和除尘效果 好，可解决生产生活中粉尘的危害，避免肺部疾病。另外，本发明依次通 过供水箱、喷淋机构、二级除尘机构、一级除尘机构、过滤机构、供水箱 实现在除尘过程中的水循环。

如图2所示，本发明实施例的一级除尘机构4包括安装壳40、盖板 41、滤膜组件和冲洗组件。安装壳40固定在除尘塔2内且顶部开口，所 述盖板41密封连接在安装壳40顶部，所述盖板41与安装壳40之间形成 有过滤空间，所述安装壳40侧部开设有连接吸尘管的吸尘孔，所述安装 壳40底部开设有连接过滤机构6的出水孔，所述盖板41中间设置有与安 装壳40内部连通的输气管410。

如图4所示，输气管410为可拆卸连接的上下两段管体，所述输气管 410在上段管体内通过螺栓连接输气风机411。

另外，安装壳40内壁垂直构造有向内延伸到支撑板，所述滤膜组件 设置在过滤空间内。其中，滤膜组件包括顶板42、限位杆43、底板44和 滤膜45，所述限位杆43等距间隔且左右对称连接在顶板42、底板44之 间，所述滤膜45位于顶板42、限位杆43、底板44之间且滤膜45的开口 与顶板42固定，所述顶板42上开设有多个与滤膜45的开口对应的出气 口420，所述滤膜45组件通过顶板42与支撑板可拆卸连接并悬置在过滤 空间内。

如图3所示，滤膜45两侧构造成折叠褶皱结构，所述滤膜45内限定 形成有多个顶部开口的袋状空间，所述出气口420与袋状空间数量相同且 上下一一对应。需要说明的是，滤膜的材料可以采用市场常见的滤膜，也 根据需要进行调整，例如可以是过滤粉尘的由合成纤维、天然纤维或金属 纤维制成的滤布。滤膜的特殊结构设计，可实现更好的粉尘过滤，并方便 冲洗组件进行冲洗，冲洗更干净，可以实现重复使用。

另外，冲洗组件包括多个冲洗管46和相同数量的冲洗喷头47，所述 冲洗管46上端与二级除尘机构5连接，所述冲洗管46下端穿过盖板41 插设在过滤空间内，所述冲洗喷头47连接在冲洗管46下端并悬置在出气 口上方。

本发明的滤膜组件结构安装方便，实用方便，可以对空气中的粉尘进 行过滤，并且可以通过冲洗组件将过滤的粉尘冲洗下来被过滤机构收集。

如图5-7所示，本发明实施例的二级除尘机构5包括集气罩50、内套 管51、外套管52和凝水盘组53。集气罩50固定在除尘塔2内壁上，所 述集气罩50的直径由下至上逐渐减小，所述集气罩50底部边缘环设有多 个与冲洗管46上端连通的下水孔，冲洗管46上还可以根据需要设置压力 泵。内套管51套装在集气罩50顶部，所述内套管51底部安装有支撑底板510，所述支撑底板510均匀开设有多个通气孔，所述内套管51内设置 有导气机构并填充有过滤填充物，过滤填充物为鲍尔环填料或空心球。外 套管52套设在内套管51外，所述凝水盘组53固定在外套管52与内套管 51之间，所述外套管52顶部连接有顶部板并搭接在除尘塔2内，所述顶 板与外套管52间隔设置以形成气体上升通道，所述外套管52下端与集气罩50间隔设置以形成气体通道。

如图5所示，导气机构包括中间隔板511和导气板512，所述中间隔 板511固定在内套管51中间将内套管51分成两个空间，所述中间隔板511 沿长度方向等距间隔开设有多个互通孔513，所述中间隔板511在每个互 通孔513下均垂直设置有导气板512，所述导气板512与内套管51之间形 成有空隙流道，相邻两个导气板512朝向不同空间方向设置，所述互通孔 513和导气板512均为半圆形。

其中，导气机构的中间隔板沿长度方向等距间隔开设有多个互通孔， 中间隔板在每个互通孔下均垂直设置有导气板，所述导气板与内套管之间 形成有空隙流道，相邻两个导气板朝向不同空间方向设置，使得喷淋机构 喷淋的循环液在内套管下降过程中与上升的空气充分接触，尤其是得导气 板左右交替地定位，并配合互通孔和空隙流道，使得喷淋液和空气流动方 向呈之字形，从而尽可能地延迟了空气前进速度，因此，最大程度地延长了喷淋液和粉尘在过滤填充物上的接触时间，提高了粉尘的拦截的效率。

如图6所示，内套管51下部外壁环设有外凸的定位圈，所述定位圈 用于对凝水盘组53进行支撑定位。凝水盘组53包括上下相连的四层子凝 水盘组，所述子凝水盘组包括内置环530、外置环531和连接杆532，所 述内置环530的内径与内套管51外径相同，所述外置环531的外径与外 套管52内径相同，所述连接杆532均匀连接在内置环530和外置环531 之间且数量为多个，所述内置环530和外置环531处于同一水平面上，四 层子凝水盘组的内置环530之间通过多个均匀分布的第一支撑柱533相 连，四层子凝水盘组的外置环531之间通过多个均匀分布的第二支撑柱 534相连，每个连接杆532下还固定有一弧形底板535，所述弧形底板535 沿着顺时针方向高度逐渐降低，所述弧形底板535降低总高度不大于第一 支撑柱533高度的三分之一，四层子凝水盘组的连接杆532、弧形底板535 均上下相对设置。

其中，弧形底板为扇形结构，并沿着顺时针方向高度逐渐降低，以减 小空气的流动阻力，同时，与喷淋液混合的空气接触弧形底板形成凝结的 水滴并落下，而凝水盘组的上下相连的四层子凝水盘组，进入下一层重复， 如此反复四次凝结释放，因此，实现水气分离，分离出来的水进入冲洗管 实现对滤膜冲洗，而分离的洁净的空气通过除尘塔的排气孔排出。

另外，喷淋机构7包括外散液环、内散液环和多个中间连接管，所述 中间连接管均匀间隔连接在外散液环、内散液环之间，所述外散液环与进 水管连通，所述外散液环的直径不大于内套管的直径，所述外散液环、内 散液环和中间连接管下均设置有喷头。

本发明实施例的吸尘管上设有进气风机，所述除尘塔2外壁在吸尘管 处设置有测量粉尘浓度的第一气体传感器，所述喷淋机构7设置有测量出 液量的流量计，所述第一气体传感器、流量计、进气风机、输气风机和第 二气体传感器均与同一控制器相连，所述除尘塔2顶部在排气孔处设置有 测量粉尘浓度的第二气体传感器，构建基于人工智能的粉尘清理模型，生 成参数匹配策略作为运行依据。进气风机、输气风机可以根据需要采用两 者，或者只使用其中一者。

其中，本发明基于递归神经网络的粉尘清理深度强化学习模型构建方 法包括：

使用训练样本对粉尘清理模型进行训练；训练样本包括以下参数：第 一气体传感器测量的粉尘浓度、流量计测量的喷淋机构的出液量、进气风 机的参数、输气风机的参数以及第二气体传感器测量的排气孔粉尘浓度； 并将训练样本中的参数中的每个参数输入粉尘清理深度强化学习模型；

对参数匹配策略进行预测：建立其对应的马尔可夫决策过程模型，动 作用a表示，参数调整，状态用s表示，其为由行为策略生成的排出粉尘 浓度，奖励用R表示；

训练数据，不断更新值函数V

最优值函数V

其中，V

基于上述最优值函数V

其中，π

采用递归神经网络来作为Q值的网络，参数为θ；

H

Q

L＝Q

其中，H

本发明实施例的递归神经网络具有很好的感知能力和特征提取能力， 其关键方面是实际特征的表示，一层又一层的自学习，以及限制参数空间 的稀疏约束，防止过拟合。

在Q值中定义损失函数L(θ)；

采用批量梯度下降的方法对递归神经网络参数进行训练，随着训练次 数的不断增加，通过网络输出的Q值选择Q值最大的动作，并最终收敛 到最优策略；

更新周期内，将预先分为测试集的参数数据，用来测试的训练好的模 型。

本发明实施例的损失函数L(θ)用公式表示如下：

其中，L(θ)表示损失函数，r表示奖励值，θ和θ′表示神经网络权值，

本发明实施例构建的深度强化学习模型用于递归Q网络，基于RNN 的组合特征处理和基于DQN的自实验分析实现自我探索和经验回放进行 预测，粉尘清理深度强化学习模型输出的参数匹配策略准确，模型鲁棒性 好，控制器利用参数匹配策略实现除尘塔的智能控制。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限 制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人 员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离 本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当 中。