基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106527141A(43)申请公布日2017.03.22(21)申请号201611104943.4(22)申请日2016.12.05(71)申请人清华大学地址100084北京市海淀区清华园北京100084-82信箱申请人青岛清能合创智能科技有限公司(72)发明人刘民崔兴华董明宇张龙张亚斌刘涛(74)专利代理机构北京路浩知识产权代理有限公司11002代理人李相雨(51)Int.Cl.G05B13/04(2006.01)权利要求书3页说明书7页附图3页(54)发明名称基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法(57)摘要本发明涉及一种基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法，属于先进制造、自动化和信息领域，其特征在于，首先建立数据驱动的烟气含氧量指标预报模型，输入变量为空燃比，输出变量为烟气含氧量。同时，在分析玻璃窑炉燃烧过程化学反应机理的基础上，将燃料热值作为输入，建立用于计算空燃比理论值的机理模型，该机理模型所获得的空燃比理论值被用于限定上述数据驱动的烟气含氧量指标预报模型的输入值。在烟气含氧量指标预报的基础上，提出一种基于变论域模糊规则迭代学习的空燃比调整方法，且提出一种约束满足和声搜索算法对变论域模糊规则进行迭代学习。将本发明应用于玻璃生产过程可有效改善窑炉燃烧状况。CN106527141ACN106527141A权利要求书1/3页1.一种基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法，其特征在于，包括：根据用于计算空燃比理论值的机理模型和天然气热值，得到玻璃窑炉燃烧过程的理论空燃比；根据数据驱动的烟气含氧量指标预报模型和实际空燃比及所述的理论空燃比，得到对应的烟气含氧量，并根据变论域模糊规则和所述烟气含氧量，对空燃比进行调整。2.根据权利要求1所述的方法，其特征在于，所述根据用于计算空燃比理论值的机理模型和天然气热值，得到玻璃窑炉燃烧过程的理论空燃比，具体包括如下步骤：步骤1：设定如下基本变量x1(t)：t时刻的天然气流量x2(t)：t时刻的助燃风流量y(t)：t时刻的烟气含氧量[ymin,ymax]：烟气含氧量设定值区间△C：空燃比调整量C：实际空燃比CT：理论空燃比CGas：天然气热值步骤2：指标预报数据模型建模根据采样数据建立如下开环Narx回归神经网络模型为：y(t+1)＝f1(x1(t),x1(t-1),…,x1(t-9),x2(t),x2(t-1),…,x2(t-9),y(t),y(t-1),y(t-2),…,y(t-9))x1(t)为t时刻天然气流量、x2(t)为t时刻助燃风流量、y(t)为t时刻烟气含氧量，f1()为闭环Narx回归神经网络；步骤3：机理模型建模根据经验每4186.8Kj发热量的燃料燃烧时，约需1m3的空气量，从而，若热值CGas的单位为Kj/m3，则空燃比的理论模型可建模为：CT＝CGas/4186.8进而，以[CT*0.95,CT*1.05]为空燃比的限定区间。3.根据权利要求1所述的方法，其特征在于，所述根据变论域模糊规则和所述烟气含氧量，对玻璃窑炉空燃比进行调整，具体包括如下步骤：步骤1：迭代建立变论域模糊规则以烟气含氧量实际偏差Eo及其与指标预报模型的预测偏差的变化率ΔEo作为模糊规则的输入，空燃比调整量△C作为模糊规则的输出；模糊规则实际论域根据Eo和ΔEo自适应调整，即误差较大时，采用大的模糊论域，误差较小时采用较小的模糊论域；模糊论域划分方法如附图所示；其论域归一化后的每个模糊集的峰点值a1、a2、a3和a4；采用步骤3给出的基于约束满足的和声搜索算法进行离线搜索，搜索过程按步骤2给出的方法建立对象模型；步骤2：对象模型建立采用闭环Narx回归神经网络进行建模y(t)＝f2(x1(t),x1(t-1),…,x1(t-9),x1(t-10),x2(t),x2(t-1),…,x2(t-9),x1(t-2CN106527141A权利要求书2/3页10),y(t-1),y(t-2),…,y(t-10))其中，t为时间，x1(t)为t时刻的天然气流量，x2(t)为t时刻的助燃风流量，y(t)为t时刻的烟气含氧量，f2()为闭环Narx回归神经网络；步骤3：设计基于约束满足的和声搜索算法搜索步骤3.1：目标函数在采用变论域模糊规则对空燃比进行调整时，需保证烟气中含氧量在一定的区间范围内，从而和声向量的目标函数定义如下：f(Xi)＝∑|Eo|其中，Eo是烟气中含氧量的偏差；步骤3.2：和声向量考虑到论域Eo、ΔEo和△C的每个论域均需优化相应的a1、a2、a3和a4；从而，每一个和声向量包含d＝4×3＝12个和声变量值；令每个和声向量是服从正态分布的属于区间[0,1]的随机数；设和声库规