[發(fā)明專利]一種沼氣高壓水洗的建模及優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202210040766.7
• 申請日: 2022-01-14
• 公開（公告）號: CN114398830A
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計）人: 楊世品;解生棟;李麗娟
• 申請（專利權(quán)）人: 南京工業(yè)大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06F111/06
• 代理公司: 南京燦爛知識產(chǎn)權(quán)代理有限公司 32356
• 代理人: 趙麗

本發(fā)明公開一種沼氣高壓水洗的建模及優(yōu)化方法，包括以下步驟：步驟1：收集沼氣高壓水洗工藝的初始樣本數(shù)據(jù)；步驟2：基于自適應(yīng)在線學(xué)習(xí)機建立關(guān)于沼氣高壓水洗工藝的樣本數(shù)據(jù)的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)初始模型，采集沼氣高壓水洗工藝的新樣本，利用權(quán)衡舊模型和新樣本特征的自適應(yīng)迭代式優(yōu)化模型，形成產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；步驟3：基于新型多目標(biāo)差分進化算法求解沼氣高壓水洗工藝的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；步驟4：決策者根據(jù)帕累托最優(yōu)解集，選擇產(chǎn)品氣質(zhì)量高且設(shè)備能耗較低的最佳操作變量。本發(fā)明為沼氣高壓水洗工藝提供一種高效的建模方法，降低了重新訓(xùn)練模型的計算成本，提高了模型的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及沼氣高壓水洗技術(shù)領(lǐng)域，具體涉及一種沼氣高壓水洗的建模及優(yōu)化方法。

背景技術(shù)

沼氣高壓水洗工藝因其控制簡單、成本低、吸收效率高、處理能力大等優(yōu)點，在國內(nèi)外被廣泛應(yīng)用于沼氣項目的凈化工藝中。當(dāng)前，學(xué)者們對沼氣高壓水洗工藝所涉及的物理溶解過程、氣液傳質(zhì)過程、設(shè)備間的物料傳遞過程建立了詳細的機理模型，然而，機理模型所涉及的參數(shù)很難獲取，數(shù)值模型的求解繁瑣。而且機理模型存在很多理論假設(shè)，在實際中，模型難以應(yīng)用。對于沼氣高壓水洗操作變量間的耦合性較強、高度非線性的工藝系統(tǒng)，大多學(xué)者通常利用流程模擬軟件來進行優(yōu)化設(shè)計。但作為灰箱模型，流程軟件也會涉及理論參數(shù)的設(shè)置，物料守恒、能量守恒的校驗，操作復(fù)雜。針對沼氣高壓水洗的優(yōu)化，學(xué)者們都是利用流程仿真軟件與優(yōu)化算法結(jié)合求解最優(yōu)操作條件。優(yōu)化過程會調(diào)用多次仿真軟件，導(dǎo)致計算成本的增加，而且在優(yōu)化過程中，流程模擬可能不收斂會導(dǎo)致優(yōu)化結(jié)果不精確。同時，優(yōu)化算法的優(yōu)劣會影響到最優(yōu)操作條件的選擇。由于這些存在的問題，研究合適的建模方法和優(yōu)化算法對沼氣高壓水洗工藝的設(shè)計而言十分重要。

對于內(nèi)部機理復(fù)雜、依賴流程軟件優(yōu)化求解的工程問題，常見的解決方法是建立相對應(yīng)的代理模型。代理模型是采用數(shù)據(jù)驅(qū)動的方式建立的，主要包括響應(yīng)曲面法，克里金法，支持向量機，和人工神經(jīng)網(wǎng)絡(luò)等。本發(fā)明采用的是在線極限學(xué)習(xí)機神經(jīng)網(wǎng)絡(luò)方法。在線極限學(xué)習(xí)機包括初始樣本訓(xùn)練階段和新增樣本學(xué)習(xí)階段。對于沼氣高壓水洗工藝而言，采樣都是批采樣過程，根據(jù)已采樣數(shù)據(jù)點建立了初始模型，當(dāng)新的的采樣數(shù)據(jù)進入時，不需要重新對模型進行訓(xùn)練，而直接利用在線極限學(xué)習(xí)機的迭代式，對初始模型進行更新，提供了一種在線建模的策略。然而，一些舊的數(shù)據(jù)只會給模型帶來錯誤，使得ELM全局的預(yù)測效果降低。其次，新樣本的質(zhì)量會影響預(yù)測的精度，比如新樣本的數(shù)據(jù)特性與舊樣本的差異較大，會造成預(yù)測曲線瞬變的情況，如果按照此新樣本的數(shù)據(jù)趨勢訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練的偏差較大，在線極限學(xué)習(xí)機的泛化性能下降。大多學(xué)者只考慮了舊數(shù)據(jù)的作用，加了遺忘因子，而忽略了新樣本特征變化帶來的影響，影響沼氣高壓水洗模型的精度。

發(fā)明內(nèi)容

本發(fā)明為解決現(xiàn)有技術(shù)的不足，本發(fā)明提供一種沼氣高壓水洗的建模及優(yōu)化方法，為沼氣高壓水洗工藝提供一種高效的建模方法，基于自適應(yīng)在線學(xué)習(xí)機建立關(guān)于沼氣高壓水洗工藝的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)初始模型，利用權(quán)衡舊模型和新樣本特征的自適應(yīng)迭代式優(yōu)化模型，形成產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；并基于新型多目標(biāo)差分進化算法求解沼氣高壓水洗工藝的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；決策者根據(jù)帕累托最優(yōu)解集，選擇產(chǎn)品氣質(zhì)量高且設(shè)備能耗較低的最佳操作變量，降低了重新訓(xùn)練模型的計算成本，提高了模型的精度。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：

一種沼氣高壓水洗的建模及優(yōu)化方法，該方法包括以下步驟：

步驟1：收集沼氣高壓水洗工藝的初始樣本數(shù)據(jù)；

步驟2：基于自適應(yīng)在線學(xué)習(xí)機建立關(guān)于沼氣高壓水洗工藝的樣本數(shù)據(jù)的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)初始模型，采集沼氣高壓水洗工藝的新樣本，利用權(quán)衡舊模型和新樣本特征的自適應(yīng)迭代式優(yōu)化模型，形成產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；

步驟3：基于新型多目標(biāo)差分進化算法求解沼氣高壓水洗工藝的產(chǎn)品氣質(zhì)量和設(shè)備能耗多目標(biāo)優(yōu)化模型；