[发明专利]一种多孔介质燃烧器在线燃烧优化的模型更新方法

摘要

本发明公开了一种信息控制技术领域，涉及到增量学习技术，特别是涉及一种多孔介质燃烧器在线燃烧优化的模型更新方法。本发明具体是利用超出原有模型预测误差限度的数据与原模型中部分数据相结合再建新模型的方法，实现模型更新。该方法克服了传统更新方法中将已有模型数据完全放弃，不能利用已有模型的数据的缺点，充分利用了原模型数据与新数据相结合的特点，缩短了模型更新的数据处理计算工作量和时间，使更新后的模型兼顾了新燃烧特点和原来的燃烧特点，模型预测能力更全面。本发明对节能减排具有很好的效果。

主权项

1.一种多孔介质燃烧器燃烧优化的模型更新方法，其特征在于该方法的步骤包括：步骤(1)建立原有模型的预测错误数据库；根据具体多孔介质燃烧器燃烧情况和对模型预测精度的要求，设定模型的允许预测误差限δ，在采集数据时，判断模型预测值与实际运行值之间的误差与允许预测误差限δ的大小，如果预测误差大于δ，即|V_c-V_s|＞δ，其中V_c为模型预测值，V_s为实际运行数据，则将超限数据存入预测错误数据库中，以备模型更新之用；步骤(2)建立新模型；原模型需要更新时，选择预测错误数据库中大于1000组的工况数据，再在原模型的建模样本中随机选择大于500组的部分工况数据，将两部分数据共同作为训练样本，预测错误数据与原模型建模数据比例＞2，进行下一步的模型更新建模，使更新后的模型兼顾了新燃烧特点和原来的燃烧特点，模型预测能力更全面；设数据样本可以表示为其中x_i表示第i组作为输入数据的锅炉运行参数向量，y_i表示第i组作为输出参数的表征锅炉燃烧状态特征的参数，采用支持向量机算法建立新的模型，核函数选为径向基函数：K(xi,xj)=φ(xi)·φ(xj)=exp|(||xi-xj||22σ2)|]]>φ(x)为映射函数，设所求的目标函数为：f(x_i)＝w·φ(x_i)+b，f(x_i)为模型输出的多孔介质燃烧器燃烧指标预测值，w为权重系数向量，b为截距；引入松弛因子ξ^*_i≥0和ξ_i≥0和允许拟合误差ε，模型可以通过在约束：yi-w·φ(xi)-b≤ϵ+ξiw·φ(xi)+b-yi≤ϵ+ξi*ξi≥0ξi*≥0i=1,...,N,]]>条件下，最小化：minR(w,ξ,ξ*)=12w·w+CΣi=1kξ+ξ*]]>获得，其中常数C＞0为惩罚系数；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：L(w,b,ξ,ξ*,α,α*,γ,γ*)=12w·w+CΣi=1N(ξ+ξ*)-Σi=1Nαi[yi-(ξi+ϵ+f(xi))]]]>-Σi=1Nαi*[ξi*+ϵ+f(xi)-yi]-Σi=1N(γiξi+γi*ξi*)]]>其中：为拉格朗日乘数；在鞍点处，函数L是关于w，b，ξ_i，ξ_i^*的极小点，也是α_i，γ_i，极大点，最小化问题转化为求其对偶问题的最大化问题；拉格朗日函数L在鞍点处是关于w，b，ξ_i，ξ_i^*极小点，得：∂∂wL=0→w=Σi=1N(αi-αi*)φ(xi)∂∂bL=0→Σi=1N(αi-αi*)=0∂∂ξiL=0→C-αi-γi=0∂∂ξi*=0→C-αi*-γi*=0]]>可得拉格朗日函数的对偶函数：此时，w=Σi=1N(αi-αi*)φ(xi)]]>f(x)=Σi=1n(αi-αi*)K(x,xi)+b]]>按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：αi[ϵ+ξi-yi+f(xi)]=0αi*[ϵ+ξi+yi-f(xi)]=0i=1,...,N]]>由上式可见，α_i·α_i^*＝0，α_i和α_i^*都不会同时为非零，可得：ξiγi=0ξi*γi*=0i=1,...,N]]>从上式可求出b，获得模型；清空预测错误数据库，以备下一次更新采集数据之用。