[发明专利]基于非线性分析方法的气固流化床流型在线智能识别方法

摘要

本发明公开了一种基于非线性分析方法的气固流化床流型在线智能识别方法，通过对气固流化床进行压力脉动信号采样分析并提取特征值；根据特征值和压力脉动信号通过模糊聚类算法进行客观聚类；根据压力脉动信号、特征值以及客观聚类的结果建立和训练流型识别系统，再将该系统嵌入计算机实现气固流化床流型的在线智能识别。本方法能够避免主观因素对流型识别准确性的影响，同时能够对瞬时状态参数进行动态分析及流型识别。

主权项

1.一种基于非线性分析方法的气固流化床流型在线智能识别方法，其特征在于：通过对气固流化床进行压力脉动信号采样分析并提取特征值；根据压力脉动信号对应的特征值通过模糊聚类算法进行客观聚类；根据压力脉动信号、特征值以及客观聚类的结果建立和训练流型识别系统，再将该系统嵌入计算机实现气固流化床流型的在线智能识别；包括以下步骤：步骤1，对气固流化床中压力脉动信号进行采集；步骤2，通过非线性分析方法对步骤1所采集的压力脉动信号进行处理，提取特征值；特征值是指对不同床料在不同气速下流动的压差信号进行分析，计算各阶IMF分量的能量大小，根据各阶IMF分量的频率范围，将其分为高频段Eh、中频段Em和低频段El，Eh、Em、El即为所提取的特征值；步骤3，将步骤2中提取的特征值引入模糊c聚类算法，对步骤1中所采集的压力脉动信号进行客观聚类；所采集的压力脉动信号进行客观聚类的方法：步骤31，根据步骤1中所采集的压力脉动信号、步骤2提取的特征值、聚类数、聚类中心以及压力脉动信号对应的特征值与该聚类中心隶属度建立聚类目标模型；所述建立的聚类目标模型：；其中，为聚类目标函数，X={x₁, x₂…x_N}为样本，每一个x_i= [x_i1, x_i2... x_in] 都包含有n维特征值， c为聚类数，选取c个不同的x_i作为初始聚类中心v_{k,k=1,2,…,c}，U为隶属度，V为聚类中心，m是权重系数，；；，，；步骤32，根据步骤1中所采集的压力脉动信号、步骤2提取的特征值及选取初始聚类中心，通过步骤3的聚类目标模型计算该初始聚类中心的聚类目标值；计算步骤2提取的特征值与初始聚类中心的欧式距离，将压力脉动信号归入相应的类中，根据每一类的样本均值得到新的聚类中心，通过步骤3的聚类目标模型计算该新的聚类中心的聚类目标值；并判断初始聚类中心的聚类目标值与新的聚类中心的聚类目标值，若这两个聚类目标值有差异，再次计算各个特征值与新的聚类中心的欧式距离，然后进行重新归类，通过步骤3的聚类目标模型计算这个新的聚类中心的聚类目标值，并判断前一个聚类中心的聚类目标值与后一个聚类中心的聚类目标值，直至这两个聚类目标值不再发生变化，完成对样本的聚类；步骤4，将步骤3的特征值的聚类结果引入神经网络进行流型识别系统的搭建、训练；步骤5，将训练好的流型识别系统载入流型识别及输出系统，实现对气固流化床实时的流型识别。