[發明專利]一種轉爐干法除塵系統的在線建模方法

有效

• 申請號: 201610065305.X
• 申請日: 2016-02-01
• 公開（公告）號: CN107024861B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 郭海濱;陳開義;陳德亮;劉洋
• 申請（專利權）人: 上海梅山鋼鐵股份有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

1.一種轉爐干法除塵系統的在線建模方法，其特征在于，所述方法包括以下步驟：1)建立干法除塵系統實時運行數據庫，建立系統的輸入輸出過程模型；2)以干法除塵系統實時過程運行數據集合為基礎，建立離散的支持向量回歸機預測模型：

y(k+1)＝f(y(k)，y(k-1)，…y(k-n+1)，

u(k)，u(k-1)，…u(k-m+1))，

s.t.u_min＜u＜u_max (1)

其中：y(k)為系統輸出，u(k)為系統輸入，f(·)為具有類似SVR結構的非線性函數，SVR的形式為其中，a_i和為拉格朗日乘子，K(x_i，x)為徑向基核函數；n和m為輸出信號和控制信號對控制系統輸出的最大影響時域長度，s.t.u_min＜u＜u_max為控制量輸出范圍；將其改寫為如下的SVR形式：

其中：y_m(k+1)為k+1步模型預測輸出；n_sv為支持向量的個數；I_i為第i個支持向量，b為偏移量，I_iI(k)為兩個向量的內積，I(k)表示為

I(k)＝[y(k)，y(k-1)，…y(k-n+1)，u(k)，u(k-1)，…，u(k-m+1)] (3)

將式(3)代入式(2)得如下式所示的形式：

y_m(k+1)＝Au²(k)+Bu(k)+C (4)

其中，

系數A，B，C均由上述計算獲得；

采用簡化粒子群算法對模型參數γ進行實時優化，具體方法如下：

21)粒子群的初始化，本發明中采用全零初始化；

22)確定目標函數，要快速跟蹤給定軌跡并且超調量盡可能小，控制量盡可能平滑，可以采用式(5)二次目標函數；

式中：y_i,p(k+j)＝y_i,m(k+j)+e_i(k)

e_i(k)＝y_i(k)-y_i,m

f,g為輸入輸出維數，p為預測時域，q_i為誤差系數，r_i為控制系數，y_i,d控制參考軌,y_i,m模型預測值有預測模型求得，y_i,p誤差修正后的預測值，e_i預測誤差；

3)將每個粒子的位子向量依次作為支持向量回歸機的模型參數γ，按式(5)計算其適應度值，如果達到最大迭代次數MaxD_T，則轉向步驟6)；

4)利用式(5)計算各粒子的當前適應度值，比較各粒子當前適應度值與其本身最好適應度值p₀，若前者優于后者，則p₀設置為新值；再比較各粒子的當前適應度值與群的最優適應度值p_g，若前者優于后者，則p_g設置為新值；

5)粒子的位置和權值的更新：將粒子按下式更新，

w＝w_max-(w_max-w_min)*t/(MaxD_T)^2 (6)

其中：下標t表示粒子進化的當前次數，w表示慣性權值，w_max和w_min為最大權值和最小權值，粒子群進化的最大迭代次數MaxD_T，為第t+1次迭代時第i個粒子在第d維的位子，c₁和c₂為學習因子，r₁和r₂為介于(0，1)間的隨機數，p₀為粒子搜索的當前最優粒子的適應度值，p_g為粒子搜索的全局最優粒子的適應度值；

6)判斷粒子的更新次數是否達到最大迭代次數MaxD_T，若滿足則算法終止，此時粒子的最優適應度值為p_g，并輸出該粒子的位置向量，該粒子的位子向量即為SVR參數γ的最佳值，否則轉至步驟2)所述。

2.根據權利要求1所述的轉爐干法除塵系統的在線建模方法，其特征在于,所述步驟1)中

建立干法除塵系統實時運行數據庫，具體如下，實時運行數據庫包括系統的實時輸入數據和實時輸出數據，輸入數據包括蒸發冷卻器入口溫度X₁、煙氣流量X₂、噴槍內蒸汽壓力X₃、雙流噴嘴閥門的開度X₄，輸出數據包括蒸發冷卻器的出口溫度Y₁、出口濕度Y₂、電除塵器的入口溫度Y₃、入口濕度Y₄，通過SCADA系統采集N組實時過程運行數據，將采集的實時過程運行數據作為數據驅動的樣本集合，表示為i＝1,2,3,4.j＝1,2,…N，X_ij表示輸入變量X_i第j組系統輸入數據，Y_ij表示輸出變量Y_i第j組系統輸出數據；設干法除塵系統有P＝4個輸入控制量，R＝4個輸出變量。