[发明专利]基于多尺度融合ANFIS的玻璃液质量智能预报方法

说明书

基于多尺度融合ANFIS的玻璃液质量智能预报方法，属于自动控制、信息技术和先进制造领域，具体涉及用于玻璃液质量优化控制的基于多尺度融合ANFIS(自适应神经模糊推理系统)的玻璃液质量智能预报方法。其特征在于，针对玻璃液质量预报存在多个不同时间尺度特性的影响变量的特点，首先分析各输入变量的时间尺度特性，用ANFIS分别建立各影响变量与玻璃液质量间的定量关系单元模型，将各单元模型按照不同时间尺度特性进行融合，从而建立玻璃液质量智能预报模型。该方法可用于对玻璃窑炉的玻璃液质量进行预报，以实现对玻璃质量的有效控制，提高玻璃产品质量的目的。

技术领域

本发明属于自动控制、信息技术和先进制造领域，具体涉及用于玻璃液质量优化控制的基于多尺度融合ANFIS(自适应神经模糊推理系统)的玻璃液质量智能预报方法。

背景技术

玻璃窑炉可将玻璃原料进行加热，并熔化成玻璃液，供后道工序生产出不同的玻璃制品。玻璃液质量直接影响玻璃制品质量，对玻璃液质量进行预报，是实现玻璃液质量优化控制、提高玻璃液质量的重要前提。玻璃液质量包含单位体积内的小气泡数量、粘稠度等指标，其中单位体积内的小气泡数量是玻璃液质量的主要指标。

玻璃窑炉生产过程中，存在多个玻璃液质量的影响变量，包括玻璃窑炉池底盲孔温度、玻璃窑炉流液洞温度、玻璃窑炉碹顶温度、泡沫层厚度和玻璃窑炉原料含水率，上述变量由于采集周期不同，比如原料含水率一般4小时采集一次，玻璃窑炉池底盲孔温度每分钟可采集一次，玻璃窑炉流液洞温度每2小时可采集一次，泡沫层厚度每8小时采集一次，同时，上述变量对玻璃液质量的影响时滞也不尽相同，比如原料含水率发生变化后，大约在16小时后对玻璃液质量产生影响，玻璃窑炉池底盲孔温度发生变化后，大约在8小时后对玻璃液质量产生影响。

为解决影响变量采集周期不同、影响时滞不同的玻璃液质量预报难点，本发明将采集周期不同、影响时滞不同定义为影响变量的时间尺度不同，并针对多时间尺度的影响变量特点，提出了基于多尺度融合ANFIS的玻璃液质量智能预报方法。

发明内容

本发明提出一种基于多尺度融合ANFIS的玻璃液质量智能预报方法，所述方法是在计算机上按如下步骤实现的：

步骤(1)：变量说明

X＝{x₁,x₂,x₃,x₄,x₅}＝{x_k|k＝1,2,…,5}：表示玻璃窑炉池底盲孔温度、玻璃窑炉流液洞温度、玻璃窑炉碹顶温度、泡沫层厚度和玻璃窑炉原料含水率的检测值；

X(t)＝{x₁(t),x₂(t),x₃(t),x₄(t),x₅(t)}＝{x_k(t)|k＝1,2,…,5}：上述5个影响变量的t时刻检测值；

S＝{s₁,s₂,s₃,s₄,s₅}＝{s_k|k＝1,2,…,5}：上述5个影响变量的采样周期；

T＝{t₁,t₂,t₃,t₄,t₅}＝{t_k|k＝1,2,…,5}：上述5个影响变量的影响时滞；

{S,T}：时间尺度特性二元组

y：玻璃液中单位体积内的小气泡数量；

x₁(t)：t时刻玻璃液中单位体积内的小气泡数量。

步骤(2)：分析各玻璃液质量影响变量的时间尺度特性