[发明专利]一种基于深度学习和强化学习的玻璃熔炉温度控制方法

摘要

本发明提供一种基于深度学习和强化学习的玻璃窑炉温度控制方法，用于以天然气和氧气为燃料的全氧玻璃窑炉熔炉，建立温度仿真模型和温度控制模型，通过调节燃料阀门，使熔窑温度保持稳定；通过传感器收集窑炉各关键位点的温度、氧气流量、天然气流量、天然气阀门开度、天然气阀门开度和窑炉压力，使用深度神经网络，建立窑炉温度仿真模型，用来对窑炉温度变化环境进行仿真；基于深度学习和强化学习建立窑炉温度控制模型，利用建立好的两个模型，根据当前熔炉状态，实时输出天然气和氧气阀门应该采取的偏移量。并利用历史窑炉数据，对温度仿真模型和温度控制模型进行在线或周期性更新，以达到精准温度控制。

主权项

1.一种基于深度学习和强化学习的玻璃窑炉温度控制方法，用于以天然气和氧气为燃料的全氧玻璃窑炉熔炉，其特征在于：建立温度仿真模型和温度控制模型，通过调节燃料阀门，使熔窑温度保持稳定；基于深度学习的窑炉温度模型建立过程为，通过传感器收集窑炉各关键位点的温度、氧气流量、天然气流量、天然气阀门开度、天然气阀门开度和窑炉压力，作为深度神经网络的输入，以预测未来某时间段的温度趋势；将未来某时间段的实际温度作为神经网络输出的标签值，通过损失函数，反向传播更新神经网络的参数；基于深度学习和强化学习的窑炉温度控制模型建立过程为，将窑炉环境的关键变量，输入深度强化学习模型，输出燃料阀门开度的偏移量；将开度偏移量和当前窑炉环境的关键变量输入温度模型，预测未来温度变化趋势；根据预测的温度趋势和温度设定值的差值，建立温度控制模型的损失函数；通过反向传播的方法，更新模型参数；所述窑炉环境的关键变量包括温度变化趋势、氧气流量、氧气开度、天然气流量、天然气开度和温度设定值。