[发明专利]最优的农药废液焚烧炉有害物排放达标控制系统及方法有效
申请号: | 201310436908.2 | 申请日: | 2013-09-22 |
公开(公告)号: | CN103488087A | 公开(公告)日: | 2014-01-01 |
发明(设计)人: | 刘兴高;许森琪;张明明 | 申请(专利权)人: | 浙江大学 |
主分类号: | G05B13/04 | 分类号: | G05B13/04 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 周烽 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 最优 农药 废液 焚烧 有害物 排放 达标 控制系统 方法 | ||
1.一种最优的农药废液焚烧炉有害物排放达标控制系统,包括焚烧炉、智能仪表、DCS系统、数据接口以及上位机,所述的DCS系统包括控制站和数据库;所述现场智能仪表与DCS系统连接,所述DCS系统与上位机连接,其特征在于:所述的上位机包括:
数据预处理模块,用于将从DCS数据库输入的模型训练样本进行预处理,使得训练样本的均值为0,方差为1,该处理采用以下算式过程来完成:
计算均值:
计算方差:
标准化:
其中,TXi为第i个训练样本,是从DCS数据库中采集的生产正常时的关键变量、COD和相应的使COD排放达标时的操作变量的数据,N为训练样本数,为训练样本的均值,X为标准化后的训练样本。σx表示训练样本的标准差,σ2x表示训练样本的方差。
模糊神经网络模块,对从数据预处理模块传过来的输入变量,进行模糊推理和建立模糊规则。对从数据预处理模块传过来的经过预处理过的训练样本X进行模糊分类,得到模糊规则库中每个模糊聚类的中心和宽度。设第p个标准化后的训练样本Xp=[Xp1,…,Xpn],其中n是输入变量的个数。
设模糊神经网络有R个模糊规则,为了求得每个模糊规则对于训练样本Xp的每个输入变量Xpj,j=1,…,n,下面的模糊化方程将求出其对第i个模糊规则的隶属度:
其中mij和σij分别表示第i个模糊规则的第j个高斯成员函数的中心和宽度,由模糊聚类求得。
设训练样本Xp对模糊规则i的适应度为μ(i)(Xp),则μ(i)(Xp)的大小可由下式决定:
式中,Mij表示输入变量Xpj对第i个模糊规则的隶属度,mij和σij分别表示第i个模糊规则的第j个高斯成员函数的中心和宽度。
求得输入训练样本对于每个规则的适应度之后,模糊神经网络对模糊规则输出进行推导以得到最后的解析解。在常用的模糊神经网络结构中,每个模糊规则推导的过程都可以表示为如下:首先求得训练样本中所有输入变量的线性乘积和,然后用此线性乘积和与规则的适用度μ(i)(Xp)相乘,得到最终的每条模糊规则的输出。模糊规则i的推导输出可以表示如下:
式中,f(i)为第i条模糊规则的输出,是模糊神经网络模型对第p个训练样本的预测输出,aij,j=1,…,n是第i条模糊规则中第j个变量的线性系数,ai0是第i条模糊规则中输入变量线性乘积和的常数项,b是输出偏置量。
支持向量机优化模块,在式(7)中,输入变量线性乘积和中的参数的确定是模糊神经网络使用中用到的一个主要问题,这里我们采用把原有的模糊规则推导输出形式转换为支持向量机优化问题,再使用支持向量机进行线性优化,转换过程如下:
其中Xp0为常数项且恒等于1。令
其中,表示原训练样本的转化形式,即把原来的训练样本转换为如上式形式,作为支持向量机的训练样本:
其中y1,…,yN是训练样本的目标输出,取S作为新的输入训练样本集合,那么原有问题可以转化为如下的支持向量机对偶优化问题:
其中yp是输入训练样本Xp的目标输出,f(Xp)是对应于Xp的模型输出,Lε(yp,f(Xp))是输入训练样本Xp对应的目标输出yp和模型输出f(Xp)在优化问题的误差容限为ε时的一次不敏感函数。γ是支持向量机的惩罚因子,R(ω,b)是优化问题的目标函数,N是训练样本数,Lε(yp,f(Xp))表达式如下:
其中ε是优化问题的误差容限,接下来使用支持向量机求得模糊神经网络的模糊规则最优推导线性参数和对偶优化问题的预报输出:
其中αk,分别是yp-f(Xp)大于0和小于0时对应的拉格朗日乘子,即为对应于第p个训练样本Xp的COD预报值和使COD排放达标的操作变量值。
所述的上位机还包括:模型更新模块,用于按设定的采样时间间隔,采集现场智能仪表信号,将得到的实测COD与函数预报值比较,如果相对误差大于10%或实测COD数据不达标,则将DCS数据库中生产正常时的达标的新数据加入训练样本数据,更新模型。
结果显示模块,用于将COD预报值和使COD排放达标的操作变量值传给DCS系统,在DCS的控制站显示,并通过DCS系统和现场总线传递到现场操作站进行显示;同时,DCS系统将所得到的使COD排放达标的操作变量值作为新的操作变量设定值,自动执行COD排放达标操作。信号采集模块,用于依照设定的每次采样的时间间隔,从数据库中采集数据。
所述的关键变量包括进入焚烧炉的废液流量、进入焚烧炉的空气流量和进入焚烧炉的燃料流量;所述的操作变量包括进入焚烧炉的空气流量和进入焚烧炉的燃料流量。
2.一种如权利要求1所述的最优的农药废液焚烧炉有害物排放达标控制系统实现的控制方法,其特征在于:所述控制方法具体实现步骤如下:
1)、对农药废液焚烧炉有害物排放过程对象,根据工艺分析和操作分析,确定所用的关键变量,从DCS数据库中采集生产正常时所述变量的数据作为训练样本TX的输入矩阵,采集对应的COD和使COD排放达标的操作变量数据作为输出矩阵Y;
2)、将从DCS数据库输入的模型训练样本进行预处理,对训练样本中心化,即减去样本的平均值,然后对其进行标准化,使得其均值为0,方差为1。该处理采用以下算式过程来完成:
2.1)计算均值:
2.2)计算方差:
2.3)标准化:
其中,TXi为第i个训练样本,是从DCS数据库中采集的生产正常时的关键变量、COD和相应的使COD排放达标时的操作变量的数据,N为训练样本数,为训练样本的均值,X为标准化后的训练样本。σx表示训练样本的标准差,σ2x表示训练样本的方差。
3)、对从数据预处理模块传过来的输入变量,进行模糊推理和建立模糊规则。对从数据预处理模块传过来的经过预处理过的训练样本X进行模糊分类,得到模糊规则库中每个模糊聚类的中心和宽度。设第p个标准化后的训练样本Xp=[Xp1,…,Xpn],其中n是输入变量的个数。
设模糊神经网络有R个模糊规则,为了求得每个模糊规则对于训练样本Xp的每个输入变量Xpj,j=1,…,n,下面的模糊化方程将求出其对第i个模糊规则的隶属度:
其中mij和σij分别表示第i个模糊规则的第j个高斯成员函数的中心和宽度,由模糊聚类求得。
设训练样本Xp对模糊规则i的适应度为μ(i)(Xp),则μ(i)(Xp)的大小可由下式决定:
式中,Mij表示输入变量Xpj对第i个模糊规则的隶属度,mij和σij分别表示第i个模糊规则的第j个高斯成员函数的中心和宽度。
求得输入训练样本对于每个规则的适应度之后,模糊神经网络对模糊规则输出进行推导以得到最后的解析解。在常用的模糊神经网络结构中,每个模糊规则推导的过程都可以表示为如下:首先求得训练样本中所有输入变量的线性乘积和,然后用此线性乘积和与规则的适用度μ(i)(Xp)相乘,得到最终的每条模糊规则的输出。模糊规则i的推导输出可以表示如下:
式中,f(i)为第i条模糊规则的输出,是模糊神经网络模型对第p个训练样本的预测输出,aij,j=1,…,n是第i条模糊规则中第j个变量的线性系数,ai0是第i条模糊规则中输入变量线性乘积和的常数项,b是输出偏置量。
4)、在式(7)中,输入变量线性乘积和中的参数的确定是模糊神经网络使用中用到的一个主要问题,这里我们采用把原有的模糊规则推导输出形式转换为支持向量机优化问题,再使用支持向量机进行线性优化,转换过程如下:
其中Xp0为常数项且恒等于1。令
其中,表示原训练样本的转化形式,即把原来的训练样本转换为如上式形式,作为支持向量机的训练样本:
其中y1,…,yN是训练样本的目标输出,取S作为新的输入训练样本集合,那么原有问题可以转化为如下的支持向量机对偶优化问题:
其中yp是输入训练样本Xp的目标输出,f(Xp)是对应于Xp的模型输出,Lε(yp,f(Xp))是输入训练样本Xp对应的目标输出yp和模型输出f(Xp)在优化问题的误差容限为ε时的一次不敏感函数。ω是支持向量机超平面的法向量,f(Xp)是对应于Xp的模型输出,γ是支持向量机的惩罚因子,R(ω,b)是优化问题的目标函数,N是训练样本数,Lε(yp,f(Xp))表达式如下:
其中ε是优化问题的误差容限,接下来使用支持向量机求得模糊神经网络的模糊规则最优推导线性参数和对偶优化问题的预报输出:
其中αk,分别是yp-f(Xp)大于0和小于0时对应的拉格朗日乘子,即为对应于第p个训练样本Xp的COD预报值和使COD排放达标的操作变量值。
所述方法还包括:5)、判别模型更新模块,按设定的采样时间间隔,采集现场智能仪表信号,将得到的实测化学耗氧量排放值与函数预报值比较,如果相对误差大于10%或实测COD数据不达标,则将DCS数据库中生产正常时的达标新数据加入训练样本数据,更新模型。
6)、在所述的步骤4)中得到的COD预报值和使COD排放达标的操作变量值,将结果传给DCS系统,在DCS的控制站显示,并通过DCS系统和现场总线传递到现场操作站进行显示;同时,DCS系统将所得到的使COD排放达标的操作变量值作为新的操作变量设定值,自动执行COD排放达标操作。
所述的关键变量包括进入焚烧炉的废液流量、进入焚烧炉的空气流量和进入焚烧炉的燃料流量;所述的操作变量包括进入焚烧炉的空气流量和进入焚烧炉的燃料流量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310436908.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:具收纳功能的读卡机
- 下一篇:轮胎冠带层条带的生产方法