最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)。該方法對(duì)輸入變量先進(jìn)行模糊化，隨后利用模糊網(wǎng)絡(luò)中的模糊規(guī)則進(jìn)行推導(dǎo)，最后支持向量機(jī)用來(lái)優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)中的線性參數(shù)。在本方法中，標(biāo)準(zhǔn)化處理模塊，用于對(duì)訓(xùn)練樣本進(jìn)行標(biāo)準(zhǔn)化處理；模糊網(wǎng)絡(luò)模塊，用于軟測(cè)量建模；支持向量機(jī)優(yōu)化模塊用來(lái)優(yōu)化模糊網(wǎng)絡(luò)模塊中的線性參數(shù)；結(jié)果顯示模塊，用于將從支持向量機(jī)優(yōu)化模塊得到的爐溫預(yù)報(bào)值和使?fàn)t溫最佳的操作變量值傳給DCS系統(tǒng)。本發(fā)明實(shí)現(xiàn)爐溫準(zhǔn)確控制、避免出現(xiàn)爐溫過(guò)低或過(guò)高。
【專(zhuān)利說(shuō)明】最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及農(nóng)藥生產(chǎn)廢液焚燒領(lǐng)域，特別地，涉及最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法。
【背景技術(shù)】
[0002]隨著農(nóng)藥工業(yè)的迅速發(fā)展，排放物的環(huán)境污染問(wèn)題已經(jīng)引起各國(guó)政府及相應(yīng)環(huán)保部門(mén)的高度重視。研究及解決農(nóng)藥有機(jī)廢液的達(dá)標(biāo)排放控制以及無(wú)害最小化處理，不僅成為各國(guó)科研的難點(diǎn)和熱點(diǎn)，同時(shí)也是關(guān)系到社會(huì)可持續(xù)發(fā)展的國(guó)家迫切需求的科學(xué)命題。
[0003]焚燒法是目前處理農(nóng)藥殘液和廢渣最有效、徹底、應(yīng)用最普遍的方法。焚燒過(guò)程中焚燒爐爐溫必須保持在一個(gè)合適的溫度，過(guò)低的爐溫不利于廢棄物中有毒有害成分的分解；過(guò)高的爐溫不僅增加燃料消耗，增加設(shè)備運(yùn)行成本，并且容易損壞爐膛內(nèi)壁、縮短設(shè)備壽命。此外，過(guò)高溫度可能增加廢棄物中金屬的揮發(fā)量和氧化氮的生成。特別對(duì)于含氯的廢水，合適的爐溫更能降低內(nèi)壁的腐蝕。但是實(shí)際焚燒過(guò)程中影響爐溫的因素復(fù)雜多變，容易出現(xiàn)爐溫過(guò)低或過(guò)高的現(xiàn)象。
[0004]1965年美國(guó)數(shù)學(xué)家L.Zadeh首先提出了 Fuzzy集合的概念。隨后模糊邏輯以其更接近于日常人們的問(wèn)題和語(yǔ)意陳述的方式，開(kāi)始代替堅(jiān)持所有事物都可以用二元項(xiàng)表示的經(jīng)典邏輯。1987年，Bart Kosko率先將模糊理論與神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合進(jìn)行了較為系統(tǒng)的研究。在這之后的時(shí)間里，模糊網(wǎng)絡(luò)的理論及其應(yīng)用獲得了飛速的發(fā)展，各種新的模糊網(wǎng)絡(luò)模型的提出及其相適應(yīng)的學(xué)習(xí)算法的研究不僅加速了模糊神經(jīng)理論的完善，而且在實(shí)踐中也得到了非常廣泛的應(yīng)用。
[0005]支持向量機(jī)，由Vapnik在1998年引入,通過(guò)使用統(tǒng)計(jì)理論學(xué)習(xí)中結(jié)構(gòu)風(fēng)險(xiǎn)最小化而非一般的經(jīng)驗(yàn)結(jié)構(gòu)最小化方法，把原有的最優(yōu)分類(lèi)面問(wèn)題轉(zhuǎn)化為其對(duì)偶的優(yōu)化問(wèn)題，因而具有良好的推廣能力，被廣泛應(yīng)用在模式識(shí)別、擬合和分類(lèi)問(wèn)題中。在本方案中，支持向量機(jī)被用來(lái)優(yōu)化模糊網(wǎng)絡(luò)模型中的線性參數(shù)。

【發(fā)明內(nèi)容】

[0006]為了克服已有的焚燒爐爐溫難以控制、容易出現(xiàn)爐溫過(guò)低或過(guò)高的不足，本發(fā)明提供一種實(shí)現(xiàn)爐溫準(zhǔn)確控制、避免出現(xiàn)爐溫過(guò)低或過(guò)高的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法。
[0007]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:
[0008]最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)，包括焚燒爐、智能儀表、DCS系統(tǒng)、數(shù)據(jù)接口以及上位機(jī)，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫(kù)；所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，所述的上位機(jī)包括:
[0009]標(biāo)準(zhǔn)化處理模塊，用于將從DCS數(shù)據(jù)庫(kù)輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化:[0013]其中，TXi為第i個(gè)訓(xùn)練樣本，是從DCS數(shù)據(jù)庫(kù)中采集的生產(chǎn)正常時(shí)的關(guān)鍵變量、爐溫和使?fàn)t溫最佳化的操作變量的數(shù)據(jù)，N為訓(xùn)練樣本數(shù)J?為訓(xùn)練樣本的均值，X為標(biāo)準(zhǔn)化
后的訓(xùn)練樣本。σχ表示訓(xùn)練樣本的標(biāo)準(zhǔn)差，0\表示訓(xùn)練樣本的方差。
[0014]模糊網(wǎng)絡(luò)模塊，對(duì)從數(shù)據(jù)預(yù)處理模塊傳過(guò)來(lái)的輸入變量，進(jìn)行模糊推理和建立模糊規(guī)則。對(duì)從數(shù)據(jù)預(yù)處理模塊傳過(guò)來(lái)的經(jīng)過(guò)預(yù)處理過(guò)的訓(xùn)練樣本X進(jìn)行模糊分類(lèi)，得到模糊規(guī)則庫(kù)中每個(gè)模糊聚類(lèi)的中心和寬度。設(shè)第P個(gè)標(biāo)準(zhǔn)化后的訓(xùn)練樣本ΧΡ=[ΧΡ1，…，Xpn]，其中η是輸入變量的個(gè)數(shù)。
[0015]設(shè)模糊網(wǎng)絡(luò)有R個(gè)模糊規(guī)則，為了求得每個(gè)模糊規(guī)則對(duì)于標(biāo)準(zhǔn)化后的訓(xùn)練樣本Xp的每個(gè)輸入變量xw_，j=l,…，n，下面的模糊化方程將求出其對(duì)第i個(gè)模糊規(guī)則的隸屬度:

[Xu1-mtj\
[0016]Mij = exp^ --~~—I(4)
[ σ;
[0017]其中Mu表示輸入變量Xw.對(duì)第i個(gè)模糊規(guī)則的隸屬度，和σ u分別表示第i個(gè)模糊規(guī)則的第j個(gè)高斯成員函數(shù)的中心和寬度，由模糊聚類(lèi)求得。
[0018]設(shè)標(biāo)準(zhǔn)化后的訓(xùn)練樣本Xp對(duì)模糊規(guī)則i的適應(yīng)度為μ ω (Xp)，則μ⑴(Xp)的大小可由下式?jīng)Q定:
[0019]μ{Λ(^Ρ) = tlMij{Xp) = exP< ~Σ~ — I — >(5)
J=IJ=Iσν
[0020]Mij表示輸入變量Xw.對(duì)第i個(gè)模糊規(guī)則的隸屬度，和σ u分別表示第i個(gè)模糊規(guī)則的第j個(gè)高斯成員函數(shù)的中心和寬度。
[0021]求得輸入訓(xùn)練樣本對(duì)于每個(gè)規(guī)則的適應(yīng)度之后，模糊網(wǎng)絡(luò)對(duì)模糊規(guī)則輸出進(jìn)行推導(dǎo)以得到最后的解析解。在常用的模糊網(wǎng)絡(luò)結(jié)構(gòu)中，每個(gè)模糊規(guī)則推導(dǎo)的過(guò)程都可以表示為如下:首先求得訓(xùn)練樣本中所有輸入變量的線性乘積和，然后用此線性乘積和與規(guī)則的適用度μ (i)(Xp)相乘，得到最終的每條模糊規(guī)則的輸出。模糊規(guī)則i的推導(dǎo)輸出可以表示如下:
(ηΛ
[0022]/1'= μ{,) (Xp)y- J^ajj xXpj + a(6)
V./=1J
[0023]Ji,= Σ f{i) +1)=Σ #(° (Xp)xilla<jx Xpj +?] +h(7)
I=I [\j=l)_[0024]式中，f⑴為第i條模糊規(guī)則的輸出，I是模糊網(wǎng)絡(luò)模型對(duì)第P個(gè)訓(xùn)練樣本的預(yù)測(cè)
輸出，au，j=l,…，η是第i條模糊規(guī)則中第j個(gè)變量的線性系數(shù)，ai0是第i條模糊規(guī)則中輸入變量線性乘積和的常數(shù)項(xiàng)，b是輸出偏置量。
[0025]支持向量機(jī)優(yōu)化模塊，在式(7)中，輸入變量線性乘積和中的參數(shù)的確定是模糊網(wǎng)絡(luò)使用中用到的一個(gè)主要問(wèn)題，這里我們采用把原有的模糊規(guī)則推導(dǎo)輸出形式轉(zhuǎn)換為支持向量機(jī)優(yōu)化問(wèn)題，再使用支持向量機(jī)進(jìn)行線性優(yōu)化，轉(zhuǎn)換過(guò)程如下:
【權(quán)利要求】
1.一種最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)，包括焚燒爐、智能儀表、DCS系統(tǒng)、數(shù)據(jù)接口以及上位機(jī)，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫(kù)；所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，其特征在于:所述的上位機(jī)包括: 標(biāo)準(zhǔn)化處理模塊，用于將從DCS數(shù)據(jù)庫(kù)輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化:計(jì)算均值:
2.一種最優(yōu)模糊網(wǎng)絡(luò)的農(nóng)藥廢液焚燒爐爐溫最佳化方法，其特征在于:所述的爐溫最佳化方法具體實(shí)現(xiàn)步驟如下: 1)、確定所用的關(guān)鍵變量，從DCS數(shù)據(jù)庫(kù)中采集生產(chǎn)正常時(shí)所述變量的數(shù)據(jù)作為訓(xùn)練樣本TX的輸入矩陣，采集對(duì)應(yīng)的爐溫和使?fàn)t溫最佳化的操作變量數(shù)據(jù)作為輸出矩陣Y ； 2)JfWDCS數(shù)據(jù)庫(kù)輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化，使得其均值為0，方差為I。該處理采用以下算式過(guò)程來(lái)完成: 2.1)計(jì)算均值
【文檔編號(hào)】F23G5/50GK103488086SQ201310436863
【公開(kāi)日】2014年1月1日 申請(qǐng)日期:2013年9月22日 優(yōu)先權(quán)日:2013年9月22日
【發(fā)明者】劉興高, 李見(jiàn)會(huì), 張明明, 孫優(yōu)賢 申請(qǐng)人:浙江大學(xué)