[發明專利]一種采用案例推理提取規則的垃圾焚燒爐溫度模糊控制方法

有效

• 申請號: 201710494154.4
• 申請日: 2017-06-26
• 公開（公告）號: CN107168067B
• 公開（公告）日: 2020-03-13
• 發明（設計）人: 嚴愛軍;高志慶
• 申請（專利權）人: 北京工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張立改

一種采用案例推理提取規則的垃圾焚燒爐溫度模糊控制方法，涉及城市固體垃圾焚燒爐溫度控制技術領域，包括如下步驟：(1)對爐溫偏差及其變化率、控制器輸出的歷史數據采用相似度評估法聚類相似數據；(2)依據最大隸屬原則生成初始規則庫；(3)采用相似度評估法刪除冗余規則以約簡規則庫；(4)計算目標規則與約簡規則庫中的每一條規則的相似度以檢索規則；(5)根據最近鄰方法重用規則，從而構成模糊控制規則庫；(6)溫度控制器對爐溫實現穩定、準確控制。

技術領域

本發明涉及城市固體垃圾焚燒爐溫度控制技術領域，更具體來說，本發明是一種采用案例推理提取規則的垃圾焚燒爐溫度模糊控制方法。

背景技術

垃圾焚燒過程具有多變量、強耦合、非線性、大慣性及大滯后等特征，傳統的控制方法難以實現爐溫的穩定、準確控制，可能會使得焚燒后煙氣中的二噁英濃度超標，對人和環境造成嚴重的損害。因此，穩定而準確的爐溫控制對減少排放具有重要的實際意義。

模糊控制是一種以模糊控制規則為核心的控制方法，相對于傳統的比例-積分-微分(proportional-integral-differential,PID)控制方法來說，它特別適合于無法建立準確機理模型，具有大慣性、強非線性的過程控制領域，比如在工業過程的溫度控制中，實踐證明模糊控制比單純的PID控制方法在快速性方面更具優勢。而作為模糊控制的核心，模糊控制規則的成功提取是控制系統成功應用的關鍵。因而，設計一個模糊控制系統之前，必須提取出合理的控制規則。

模糊控制規則的提取過程主要是根據控制過程中產生的樣本數據來進行，常見的提取方法有神經網絡、專家經驗、遺傳算法、Wang-Mendel算法等，已經取得一些實際應用成效。然而，由于這些方法本身固有的一些缺陷又限制了它們的推廣應用，比如，神經網絡雖然可以根據樣本數據間接提取規則，但對訓練樣本的要求較高，且訓練時間較長，不能滿足那些對實時性要求較高的過程需求；專家經驗提取的規則往往只能適用于比較簡單的控制系統設計，當面臨多變量系統或模糊集劃分過多的情況時，規則的合理性難以得到滿足；采用遺傳算法提取規則時，需要反復訓練導致效率較低，且易于陷入局部最優；Wang-Mendel算法雖然簡單實用，但不具備學習推理能力，在應用時適應性和魯棒性較差。基于上述，這些方法提取控制規則的過程存在計算量大的缺陷，提取出的規則有合理性差的局限性，難以實現控制要求高的場合，在現實中難以推廣應用。因此，如何從樣本數據中獲取有效的規則以保證被控變量的穩定而準確的控制具有重要的現實意義。

案例推理以認知學為基礎，是人工智能領域一種機器學習與推理方法，它以知識獲取方便、求解過程易于理解、效率高及學習推理能力強等特點得到了廣泛應用。因此，本發明利用案例推理的學習和推理能力強的優勢，對城市固體垃圾焚燒爐的爐溫控制規則進行提取。

發明內容

針對上述問題，本發明提供一種采用案例推理提取規則的垃圾焚燒爐溫度模糊控制方法，可實現爐溫的穩定、準確控制。

為達到上述目的，本發明采用如下技術方案：

一種采用案例推理提取規則的垃圾焚燒爐溫度模糊控制方法，其特征在于包括以下步驟：(1)對爐溫偏差及其變化率、控制器輸出的歷史數據采用相似度評估法聚類相似數據；(2)依據最大隸屬原則生成初始規則庫；(3)采用相似度評估法刪除冗余規則以約簡規則庫；(4)計算目標規則與約簡規則庫中的每一條規則的相似度以檢索規則；(5)根據最近鄰方法重用規則，從而構成模糊控制規則庫；(6)溫度控制器對爐溫實現穩定、準確控制。

進一步具體包括如下步驟：

(1)對爐溫偏差及其變化率、控制器輸出的歷史數據采用相似度評估法聚類相似數據，詳細過程如下：

首先，將控制器輸入變量(爐溫偏差x₁及其變化率x₂)和控制器輸出變量x₃的p組歷史數據構成案例庫C，C中的每一組歷史數據稱為源案例，每一個源案例可表示為：