CN118168348B - 一种炉膛双光谱温度监测系统及监测方法 - Google Patents

Abstract

本申请公开了一种炉膛双光谱温度监测系统及监测方法，属于制造监测技术领域，包括接收来自采集设备所采集的第一数据，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；对第一数据进行分布式处理；设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测；根据预测结果对炉膛的燃料投入量进行调整。在本申请的技术方案实施过程中，通过采集炉膛内的温度以及火焰图像数据，设置参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，根据预测结果调整燃料投入量，实现降低能耗的效果。

Description

一种炉膛双光谱温度监测系统及监测方法

技术领域

本申请涉及制造监测技术领域，具体为一种炉膛双光谱温度监测系统及监测方法。

背景技术

浮法玻璃是一种采用海沙、石英砂岩粉、纯碱、白云石等原料，按一定比例配置，经熔窑高温熔融，在经过一系列加工后形成的，是一种具有表面光滑、厚度均匀、光学畸变较小的玻璃，常用于汽车、仪器等行业中。

在浮法玻璃的制造过程中，高温熔融是重要的一环，决定了浮法玻璃的成型质量，高温熔融的过程包括：将配置好的原料投入炉窑中，然后添加燃料对原料进行燃烧加热，在这个过程中会耗费大量能源，我国的大部分浮法玻璃熔窑的玻璃液单耗可达6500KJ/kg-7500KJ/kg，并且受限于熔窑的结构设计以及保温措施不合理，玻璃熔窑的热效率较低，在生产过程中会产生大量的能耗浪费，导致玻璃生产成本较高。

为了降低玻璃熔窑的能耗，目前通常采用的方法是对窑内温度进行监测，当窑内温度大于工作温度时，停止或减少燃料的投入，当窑内温度小于工作温度时，增加燃料的投入，从而实现控制能耗的效果，在现有的浮法玻璃熔窑中，通常是通过采集炉内温度的方式来进行判断，但是这种方法在应用过程中，经常会出现当监测到的温度小于工作温度时，添加燃料后，燃料燃烧产生的热量文存在延迟，导致窑内实时温度不会立马上升，进而导致原料的熔融出现空档期，不仅增加了熔融时间，还会导致燃料浪费，虽然可以通过提高工作温度的方式来减少上述情况，但是提高工作温度后又会需要更多的燃料投入。

所以有必要提供一种炉膛双光谱温度监测系统及监测方法来解决上述问题。

需要说明的是，本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

发明内容

基于现有技术中存在的上述问题，本申请所要解决的问题是：提供一种炉膛双光谱温度监测系统及监测方法，达到根据炉膛内特定点的温度以及火焰图像实现温度趋势预测，并根据预测结果实现燃料的调整，达到节能的效果。

本申请解决其技术问题所采用的技术方案是：一种炉膛双光谱温度监测方法，包括

接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

根据预测结果对炉膛的燃料投入量进行调整。

在本申请的技术方案实施过程中，通过采集炉膛内的温度以及火焰图像数据，设置参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，根据预测结果调整燃料投入量，实现降低能耗的效果。

进一步的，对温度信息进行多响应筛选包括：

调节采集设备的响应时间，并根据响应时间设置测试间隔，生成至少两组具有不同响应时间的分组温度数据；

对分组温度数据进行组内均值计算，生成不同响应时间下对应的分组温度均值；

设置温度差别阈值，并对生成的分组温度均值进行绝对差值计算，并将计算结果与温度差别阈值进行比对，判断采集设备的温度采集准确性。

进一步的，温度差别阈值与采集设备的故障率有关，温度差别阈值等于1+1×故障率。

进一步的，采集设备的温度采集准确性判断方法为：当生成的分组温度均值的绝对差值小于等于温度差别阈值时，采集设备正常运行；当生成的分组温度均值的绝对差值大于温度差别阈值时，采集设备需要检修。

进一步的，所述工作温度值为1500摄氏度，参考温度值为1475摄氏度。

进一步的，根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测包括：

对所监测的温度数据按照运行时间进行拆分，得到多个处于变化过程中的温度值；

通过自动微分算法对多个温度值进行计算，并得到具有顺序的微分离散点，该微分离散点与不同的温度值的变化趋势有关；

设置第一模型，该第一模型具有输入端和输出端，将得到的微分离散点输入到第一模型的输入端中，第一模型根据输入的微分离散点输出参考温度值和工作温度值处温度值的变化概率；

分别获取参考温度值以及工作温度值处的变化情况，并将对应温度下采集到的火焰图像拟合为修正因子，对输出的变化概率进行修正。

进一步的，所述第一模型为时序预测模型，其中，第一模型的输出格式为：变化趋势为增长或放缓，继续增长或放缓的概率大小关系。

进一步的，修正因子等于当前火焰图像对应的温度与实际温度之比。

进一步的，预测结果包含以下情况：在参考温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率大于放缓的概率；

在参考温度值处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率大于增长的概率；

在工作温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率大于放缓的概率；

在工作温度处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率大于增长的概率。

一种炉膛内部火焰温度监测系统，该系统包括：

数据接收模块，用于接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

分布式处理模块，用于对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

变化趋势预测模块，用于设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

燃料投入量调整模块，用于根据预测结果对炉膛的燃料投入量进行调整。

本申请的有益效果是：本申请提供的一种炉膛双光谱温度监测系统及监测方法，通过采集炉膛内的温度以及火焰图像数据，设置参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，根据预测结果调整燃料投入量，实现降低能耗的效果。

除了上面所描述的目的、特征和优点之外，本申请还有其它的目的、特征和优点。下面将参照图，对本申请作进一步详细的说明。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请中一种炉膛双光谱温度监测方法的整体流程示意图；

图2为温度变化曲线示意图；

图3为本申请中一种炉膛双光谱温度监测系统的模块示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

实施例一：如图1所示，本申请提供了一种炉膛双光谱温度监测方法，该方法通常应用于浮法玻璃的制造过程中，用于对炉膛内部进行监测，减少能耗，降低玻璃的生产成本，该方法包括：

步骤01：接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

为了对炉膛内部进行燃料控制，首先就需要获取炉膛内的信息，在本实施例中，同时采集炉膛内的温度以及炉膛内火焰的图像数据，而不是只采集温度数据，因为在一些情况下，只通过炉膛内的温度不能准确判断是否需要添加燃料，采集设备可以是高清摄像机，用于采集火焰图像信息，以及双光谱热成像仪，用于采集炉膛内温度，因此第一数据中包括炉膛的温度信息以及火焰的图像数据；

在本实施例中，可以采用组合式采集设备对炉膛内部进行采集，例如型号为LM-NZ200～700CW的测温型高温工业电视系统，该系统采用双光路系统结构，将彩色探测器和红外探测器相结合，利用高性能彩色探测器和红外探测器双波长的成像技术对炉膛内部的温度以及火焰图像进行采集；

步骤02：对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

在实际应用中，由于炉膛内部会存在灰尘、烟雾、油污等因素导致生产环境恶劣，会导致温度采集时受到干扰，从而使采集到的温度数据中存在噪声，同时火焰的图像采集会出现像素低、清晰度低等缺点，导致第一数据的可用性不高，因此需要分别对温度信息和火焰图像信息进行优化；

其中，对温度信息进行多响应筛选包括：

步骤201：调节采集设备的响应时间，并根据响应时间设置测试间隔，生成至少两组具有不同响应时间的分组温度数据；

采集设备具有可调节的响应时间，该响应时间是指，采集设备在进行温度采集时，会按照一个固定的采集频率进行，例如，当响应时间为两秒时，采集设备会每隔两秒进行一次温度采集，并且在这个响应时间下，生成一个分组温度数据，在调节响应时间至不同的数值时，会采集到多个分组温度数据；

测试间隔是指采集设备在不同的响应时间下，温度测量行为的总时间，因为炉膛的工作时间跨度较大，虽然能够采集全程的数据，但是该全程的数据没有统一的计算标准，因此无法用于对温度信息的优化中，通过设置测试间隔，根据测试间隔内所采集的温度数据对温度信息的准确性进行判断，为了使测试间隔内的温度数据处于同一时间段，测试间隔的数值大小为响应时间的公倍数，例如，当响应时间分别为两秒、三秒、五秒时，测试间隔可以选择三十秒、六十秒、九十秒等等，在本实施例中不一一举例说明；

通过设置响应时间实现多个分组温度数据的测量，并根据响应时间设置测试间隔，使不同的分组温度数据处于同一时间段；

步骤202：对分组温度数据进行组内均值计算，生成不同响应时间下对应的分组温度均值；

为了判断同一个测试间隔内，不同响应时间下的温度采集情况，对分组温度数据进行组内均值计算，计算方法为一个分组温度数据的总和与数据数量之比，生成不同的分组温度均值；

步骤203：设置温度差别阈值，并对生成的分组温度均值进行绝对差值计算，并将计算结果与温度差别阈值进行比对，判断采集设备的温度采集准确性；

在采集设备的温度采集功能正常的情况下，相同采集间隔内，即使响应时间不同，所获得的分组温度均值之间也只会存在较小的差异，如果不同的分组温度均值之间的差异大于预设的温度差别阈值，则说明采集设备在进行温度采集时，所采集到的温度数据中存在缺陷，并不能代表炉窑内的温度，此时需要对采集设备进行检修；

其中，温度差别阈值可以根据采集设备的故障率设定，具体的，温度差别阈值的计算方法为，设定基准温度为1摄氏度，并根据采集设备在投入使用至今的故障率（故障率等于确定出现故障的次数除以采集设备的运行天数）进行计算，具体公式为：温度差别阈值=1+1×故障率，故障率越高，表示温度采集过程中出现设备原因的误差可能性越大，并且当故障率到达该采集设备的设定标准时，需要对采集设备进行更换；

采集设备的温度采集准确性判断方法为：当生成的分组温度均值的绝对差值小于等于温度差别阈值时，采集设备正常运行；当生成的分组温度均值的绝对差值大于温度差别阈值时，采集设备需要检修。

其中，对火焰图像数据进行图像优化可以参考现有技术，例如公开号为CN106599911B的中国发明专利，在本实施例中不做详细说明。

步骤03：设置炉膛内的参考温度值和工作温度值，并根据温度数据，以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

由于浮法玻璃的制造成本中，能耗所占成本越来越高，而在工艺难以突破的情况下，只能通过控制燃料投入量的方式实现节能降耗，同时又不能影响正常生产，使炉膛内的最大温度不低于浮法玻璃的工作温度，因此需要设置炉膛内的参考温度值，并分别判断参考温度值以及工作温度值处的温度变化趋势，从而方便燃料投入量的计算；

在本实施例中，工作温度值为1500摄氏度，参考温度值为1475摄氏度；

在浮法玻璃行业中，一般需要炉膛内温度为1500摄氏度，低于该值会导致原料熔制速度变慢，澄清、均化质量差等问题，而高于该值又会导致耐火材料损耗加剧以及能耗增加，因此需要通过对炉膛内的温度进行监测，并根据监测结果调节燃料的添加量；

具体的，根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测包括：

步骤301：对所监测的温度数据按照运行时间进行拆分，得到多个处于变化过程中的温度值；

为了判断温度数据在某个点处的变化概率，首先需要对温度数据进行拆分，得到多个处于变化过程中的温度值，其中运行时间是指，当需要判断某个温度数据的变化概率时，该温度数据所处的时间与开始监测时的时间之差，因为炉膛在运行时，前期的温度处于直线上升状态，在该过程内无需进行监测，当炉膛内温度逐渐接近工作温度值时，才会开启采集设备的监测过程，从而在不影响监测结果的情况下减少采集的数据量，提高数据处理效率；

步骤302：通过自动微分算法对多个温度值进行计算，并得到具有顺序的微分离散点，该微分离散点与不同的温度值的变化趋势有关；

自动微分算法（Automatic Differentiation）是一种能够计算特定点斜率的计算技术，在向炉膛内添加燃料后，炉膛温度会随着时间逐渐上升，然而，在不同情况下，炉膛内的温度上升也会呈现不同状态，如图2所示，为两种不同的温度变化曲线，曲线一和曲线二都表示温度逐渐上升，但是曲线一中，不同的点的斜率是逐渐增加的，代表温度的变化趋势中，增长的概率较高，而曲线二中，不同的点的斜率是逐渐减小的，代表温度的变化趋势中，温度增加的幅度会逐渐放缓，甚至下降，而通过自动微分算法可以得到每个点的斜率，该斜率即表示温度的变化情况，将得到的每个斜率作为微分离散点；

步骤303：设置第一模型，该第一模型具有输入端和输出端，将得到的微分离散点输入到第一模型的输入端中，第一模型根据输入的微分离散点输出参考温度值和工作温度值处温度值的变化概率；

其中，第一模型可以为时序预测模型，例如LSTM（长短期记忆网络），该模型能够通过学习曲线的时间序列特征，从而预测未来的变化趋势，而微分离散点就是一种时间序列，因此适用于长短期记忆网络模型中；

需要说明的是，第一模型的输出格式为：变化趋势为增长或者放缓，继续增长或者放缓的概率均为具体数值，并以大小关系示出；

步骤304：分别获取参考温度值以及工作温度值处的变化情况，并将对应温度下采集到的火焰图像拟合为修正因子，对输出的变化概率进行修正；

在炉膛内的监测过程中，只通过采集温度还不能获取真实的状态，因为炉膛内的温度变化具有滞后性，会出现即使燃料供应不足的情况下，炉膛内部温度仍然会保持一段时间，但是这种情况下所采集的温度信息会引起误判，导致在一段时间后炉膛内部温度下降，影响原料的熔融进程，严重的还会导致澄清、均化质量差，影响成品的质量，因此还需要根据火焰状态进行综合判断，具体的，根据火焰判断可以根据现有技术，例如公开号为CN112200735A的中国发明专利，在该专利中，还可以根据火焰图像获取温度值；

为了对输出的变化概率进行修正，还需要根据火焰图像生成修正因子，作为对炉膛内的辅助判断，其中修正因子的获取与当前火焰图像对应的温度有关，具体的，修正因子等于当前火焰图像对应的温度与实际温度之比，并且，当火焰图像对应的温度大于实际温度时，说明实际温度的增长概率较大，因此修正因子大于1，当火焰图像对应的温度小于实际温度时，说明实际温度的增长概率较小，因此修正因子小于1，当火焰图像对应的温度与实际温度相等时，修正因子等于1，无需进行调节。

步骤04：根据预测结果对炉膛的燃料投入量进行调整。

其中预测结果包含以下情况：

情况A、在参考温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率为A%，放缓的概率为B%，其中A+B=100，并且A>B（下文同理），则在参考温度值处，当前火焰状态下炉膛内的温度增长的概率更高，并且由于参考温度值与工作温度值之间相差25摄氏度，因此此时可以减少一部分燃料投入，炉膛内温度值会逐渐上升到工作温度值，既能够减少能耗，又不会影响原料的熔融；

情况B、在参考温度值处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率为A%，增长的概率为B%，则在参考温度值处，当前火焰状态下炉膛内的温度放缓的概率更高，在保持当前燃料投放量的情况下，炉膛内温度会缓慢增加，并且会在一段时间后炉膛内温度才可能到达工作温度值，因此此时可以增加一部分燃料投入，减少炉膛内温度的增加时间，提高生产效率；

情况C：在工作温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率为A%，放缓的概率为B%，则说明炉膛内温度此时已经到达工作温度值，并且大概率会继续增长，当前的燃料投放量已经产生了额外能耗，因此需要减少燃料投放量；

步骤D：在工作温度处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率为A%，增长的概率为B%，则说明炉膛内温度此时已经到达工作温度值，并且大概率会缓慢增长，既能够使炉膛内温度处于工作温度下，又不需要添加额外燃料，当前的燃料投放量无需调整。

需要说明的是，在燃料投放量不变的情况下，以及参考温度值和工作温度值差值在二十五摄氏度以内的情况下，默认炉膛内的温度为线性变化，即情况A只会与情况C同时出现，情况B只会与情况D同时出现，如果出现情况A与情况D同时出现的情况，即在参考温度处温度增长，在工作温度处温度放缓，则可能出现炉膛内的燃料供热出现异常，温度变化未呈现线性变化，此时需要检查燃料以及炉膛的保温效果；如果出现情况B与情况C同时出现的情况，即在参考温度值处温度放缓，在工作温度处温度增长，则燃料可能存在燃烧不充分或者燃烧滞后的情况，需要检查燃料，必要时进行更换；因此能够根据单个情况以及两种情况的结合对炉膛内温度变化进行判断，控制燃料的投入量，并且由于燃料的种类不同，在本实施例中燃料的投入量不做限定，具体可参照本行业中不同燃料的热值决定。

实施例二：如图3所示，本实施例提供了一种炉膛双光谱温度监测系统，该系统运行实施例一中的监测方法，该系统包括：

数据接收模块，用于接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

分布式处理模块，用于对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

变化趋势预测模块，用于设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

燃料投入量调整模块，用于根据预测结果对炉膛的燃料投入量进行调整。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种炉膛双光谱温度监测方法，其特征在于：包括

接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

根据预测结果对炉膛的燃料投入量进行调整；

对温度信息进行多响应筛选包括：

调节采集设备的响应时间，并根据响应时间设置测试间隔，生成至少两组具有不同响应时间的分组温度数据；

对分组温度数据进行组内均值计算，生成不同响应时间下对应的分组温度均值；

设置温度差别阈值，并对生成的分组温度均值进行绝对差值计算，并将计算结果与温度差别阈值进行比对，判断采集设备的温度采集准确性；

温度差别阈值与采集设备的故障率有关，温度差别阈值等于1+1×故障率；

采集设备的温度采集准确性判断方法为：当生成的分组温度均值的绝对差值小于等于温度差别阈值时，采集设备正常运行；当生成的分组温度均值的绝对差值大于温度差别阈值时，采集设备需要检修；

所述工作温度值为1500摄氏度，参考温度值为1475摄氏度；

根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测包括：

对所监测的温度数据按照运行时间进行拆分，得到多个处于变化过程中的温度值；

通过自动微分算法对多个温度值进行计算，并得到具有顺序的微分离散点，该微分离散点与不同的温度值的变化趋势有关；

设置第一模型，该第一模型具有输入端和输出端，将得到的微分离散点输入到第一模型的输入端中，第一模型根据输入的微分离散点输出参考温度值和工作温度值处温度值的变化概率；

分别获取参考温度值以及工作温度值处的变化情况，并将对应温度下采集到的火焰图像拟合为修正因子，对输出的变化概率进行修正。

2.根据权利要求1所述的一种炉膛双光谱温度监测方法，其特征在于：所述第一模型为时序预测模型，其中，第一模型的输出格式为：变化趋势为增长或放缓，继续增长或放缓的概率大小关系。

3.根据权利要求1所述的一种炉膛双光谱温度监测方法，其特征在于：修正因子等于当前火焰图像对应的温度与实际温度之比。

4.根据权利要求1所述的一种炉膛双光谱温度监测方法，其特征在于：预测结果包含以下情况：在参考温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率大于放缓的概率；

在参考温度值处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率大于增长的概率；

在工作温度值处，第一模型的输出结果为：变化趋势为增长，继续增长的概率大于放缓的概率；

在工作温度处，第一模型的输出结果为：变化趋势为放缓，继续放缓的概率大于增长的概率。

5.一种炉膛双光谱温度监测系统，用于实施如权利要求1至4任一项所述的监测方法，其特征在于：该系统包括：

数据接收模块，用于接收来自采集设备所采集的第一数据，该采集设备设置于炉膛内，第一数据包括炉膛内的温度以及炉膛内火焰的图像数据；

分布式处理模块，用于对第一数据进行分布式处理，对温度信息进行多响应筛选，对火焰图像数据进行图像优化；

变化趋势预测模块，用于设置炉膛内的参考温度值和工作温度值，并根据温度数据以及火焰图像数据对参考温度值处以及工作温度值处的变化趋势进行预测，其中参考温度值为浮法玻璃的工作温度值减去二十五摄氏度；

燃料投入量调整模块，用于根据预测结果对炉膛的燃料投入量进行调整。