本發(fā)明屬于先進制造、自動化和信息領(lǐng)域，具體涉及一種玻璃窯爐空燃比迭代調(diào)整方法。

背景技術(shù)：

玻璃窯爐的燃燒控制對提高窯爐燃燒效率、降低能耗、較少廢氣排放、提高玻璃產(chǎn)品質(zhì)量具有重要作用，其是實現(xiàn)玻璃窯爐溫度、壓力等高效控制的基礎(chǔ)，而空燃比優(yōu)化設(shè)定是燃燒控制的核心內(nèi)容。在我國實際玻璃生產(chǎn)過程中，窯爐空燃比常被設(shè)定為固定值，但由于天然氣熱值、助燃風(fēng)溫度等生產(chǎn)工況常發(fā)生變化，基于定值空燃比進行燃燒控制會對燃燒效率、能耗、廢氣排放量、玻璃產(chǎn)品質(zhì)量等指標(biāo)產(chǎn)生不利影響。

技術(shù)實現(xiàn)要素：

本發(fā)明提出一種基于變論域模糊規(guī)則迭代學(xué)習(xí)的玻璃窯爐空燃比調(diào)整方法，其特征在于，所述方法是在計算機上依次按以下步驟實現(xiàn)的：

步驟(1)：初始化，設(shè)定如下基本變量

設(shè)定問題變量：

x₁(t)：t時刻的天然氣流量

x₂(t)：t時刻的助燃風(fēng)流量

y(t)：t時刻的煙氣含氧量

[y_min,y_max]：煙氣含氧量設(shè)定值區(qū)間

△C：空燃比調(diào)整量

C：實際空燃比

CT：理論空燃比

CGas：天然氣熱值

步驟(2)：數(shù)據(jù)采集

采集一個或多個生產(chǎn)班次的包括上述天然氣流量x₁(t)、助燃風(fēng)流量x₂(t)、煙氣含氧量y(t)信息存儲至建模數(shù)據(jù)庫中，并形成訓(xùn)練數(shù)據(jù)對；

步驟(3)：指標(biāo)預(yù)報數(shù)據(jù)模型建模

根據(jù)采樣數(shù)據(jù)建立如下開環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)的模型為：

y(t)＝f₂(x₁(t),x₁(t-1),…,x₁(t-9),x₁(t-10),x₂(t),x₂(t-1),…,x₂(t-9),x₁(t-10),y(t

-1),y(t-2),…,y(t-10))

其中，t為時間，x₁(t)為t時刻的天然氣流量，x₂(t)為t時刻的助燃風(fēng)流量，y(t)為t時刻的煙氣含氧量，f₂()為閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)隱層為20個神經(jīng)元。

步驟(4)：機理模型建模

根據(jù)經(jīng)驗每4186.8Kj發(fā)熱量的燃料燃燒時，約需1m³的空氣量，從而，若熱值CGas的單位為Kj/m³，則空燃比的理論模型可建模為：

CT＝CGas/4186.8

進而本發(fā)明以[CT*0.95,CT*1.05]為空燃比的限定區(qū)間。

步驟(5)：建立變論域模糊規(guī)則

以煙氣含氧量實際偏差E_o及其與指標(biāo)預(yù)報模型的預(yù)測偏差的變化率ΔE_o作為模糊規(guī)則的輸入，空燃比調(diào)整量△C作為模糊規(guī)則的輸出。模糊決策表設(shè)定如下

表1模糊決策表

其實際論域根據(jù)E_o和ΔE_o自適應(yīng)調(diào)整，即誤差較大時，采用大的模糊論域，誤差較小時采用較小的模糊論域。

模糊論域劃分方法如附圖所示。其論域歸一化后的每個模糊集的峰點值a₁、a₂、a₃和a₄采用步驟(7)給出的基于約束滿足的和聲搜索算法進行離線搜索，搜索過程按步驟(6)給出的方法建立對象模型。

步驟(6)：對象模型建立

采用閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)進行建模

y(t)＝f₂(x₁(t),x₁(t-1),…,x₁(t-9),x₁(t-10),x₂(t),x₂(t-1),…,x₂(t-9),x₁(t-10),y(t

-1),y(t-2),…,y(t-10))

其中，t為時間，x₁(t)為t時刻的天然氣流量，x₂(t)為t時刻的助燃風(fēng)流量，y(t)為t時刻的煙氣含氧量，f₂()為閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)隱層為40個神經(jīng)元。

步驟(7)：設(shè)計基于約束滿足的和聲搜索算法搜索

步驟(7.1)：目標(biāo)函數(shù)

在采用變論域模糊規(guī)則對空燃比進行調(diào)整時，需保證煙氣中含氧量在一定的區(qū)間范圍內(nèi)，從而和聲向量的目標(biāo)函數(shù)定義如下：

f(X_i)＝∑|E_o|

其中，E_o是煙氣中含氧量的偏差。

步驟(7.2)：和聲向量

考慮到論域E_o、ΔE_o和△C的每個論域均需優(yōu)化相應(yīng)的a₁、a₂、a₃和a₄。從而，每一個和聲向量包含d＝4×3＝12個和聲變量值。令每個和聲向量是服從正態(tài)分布的屬于區(qū)間[0,1]的隨機數(shù)。

設(shè)和聲庫規(guī)模為HMS，那么和聲庫中的第i(i＝1,2,…,HMS)個和聲向量可表示如下：

其中，代表第一個輸入論域模糊劃分中模糊數(shù)的峰點，需滿足

代表第二個輸入論域模糊劃分中模糊數(shù)的峰點，需滿足

代表輸出論域模糊劃分中模糊數(shù)的峰點，需滿足

步驟(7.3)：和聲改進機制

對和聲庫采用記憶考慮、音節(jié)調(diào)整、隨機選擇等和聲改進機制，能獲得一個新的和聲向量其中，對于每個和聲變量值若隨機生成的均勻隨機數(shù)小于預(yù)先給定的和聲庫考慮概率HMCR，根據(jù)按下式給出的記憶考慮方法生成：

其中，a是屬于區(qū)間[1,HMS]的隨機整數(shù)。

否則，若上述隨機生成的均勻隨機數(shù)大于或等于HMCR,通過如下的隨機選擇方法生成：

其中，Randn是服從正態(tài)分布的屬于區(qū)間[0,1]或[-1,0]的隨機數(shù)，若和聲變量對應(yīng)模糊數(shù)的峰點需要小于0，則在[-1,0]取值，否則在[0,1]取值。

進一步，若通過記憶考慮獲得，則以微調(diào)擾動概率PAR通過如下音節(jié)調(diào)整方法進行擾動：

其中，是迄今獲得的最好和聲向量中第j個和聲變量值。

步驟(7.4)：約束處理

若采用上述方法新生成的不滿足和聲變量的約束，需交換相鄰奇數(shù)位和偶數(shù)位的和聲變量。

步驟(7.5)：和聲庫更新機制

經(jīng)過和聲改進機制，新的和聲向量X_new能被構(gòu)造，然后，和聲庫按如下方法進行更新：若X_new優(yōu)于和聲庫中的最差和聲X_Worst，則將X_new替換X_Worst。

步驟(7.6)：迭代搜索機制

迭代步驟7.3-步驟7.5到最大迭代次數(shù)，獲得優(yōu)化的和聲向量。

根據(jù)上述基于指標(biāo)預(yù)報數(shù)據(jù)和機理相結(jié)合的玻璃窯爐空燃比在線調(diào)整方法，本發(fā)明做了大量的仿真實驗，從仿真結(jié)果可看出，本發(fā)明對玻璃窯爐煙氣含氧量的降低有顯著的效果。

附圖說明

圖1：基于指標(biāo)預(yù)報數(shù)據(jù)和機理相結(jié)合的玻璃窯爐空燃比在線調(diào)整方法硬件系統(tǒng)結(jié)構(gòu)示意圖。圖2：基于指標(biāo)預(yù)報數(shù)據(jù)和機理相結(jié)合的玻璃窯爐空燃比在線調(diào)整方法流程示意圖。

圖3：變論域模糊規(guī)則論域劃分示意圖。

圖4：煙氣含氧量對象模型擬合曲線。

圖5：煙氣含氧量指標(biāo)預(yù)報模型擬合曲線。

圖6：煙氣含氧量變化曲線。

具體實施方式

本發(fā)明調(diào)度方法依賴于相關(guān)數(shù)據(jù)采集系統(tǒng)，有建?？蛻舳撕徒７?wù)器實現(xiàn)。在實際玻璃窯爐中應(yīng)用本發(fā)明的軟硬件架構(gòu)示意圖如圖1所示，本發(fā)明的實施方式如下。

步驟(1)：初始化，設(shè)定如下基本變量

設(shè)定問題變量：

x₁(t)：t時刻的天然氣流量

x₂(t)：t時刻的助燃風(fēng)流量

y(t)：t時刻的煙氣含氧量

[y_min,y_max]：煙氣含氧量設(shè)定值區(qū)間

△C：空燃比調(diào)整量

C：實際空燃比

CT：理論空燃比

CGas：天然氣熱值

步驟(2)：數(shù)據(jù)采集

采集一個或多個生產(chǎn)班次的包括上述天然氣流量x₁(t)、助燃風(fēng)流量x₂(t)、煙氣含氧量y(t)信息存儲至建模數(shù)據(jù)庫中，并形成訓(xùn)練數(shù)據(jù)對；

步驟(3)：指標(biāo)預(yù)報數(shù)據(jù)模型建模

根據(jù)采樣數(shù)據(jù)建立如下開環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)的模型為：

y(t)＝f₂(x₁(t),x₁(t-1),…,x₁(t-9),x₁(t-10),x₂(t),x₂(t-1),…,x₂(t-9),x₁(t-10),y(t

-1),y(t-2),…,y(t-10))

其中，t為時間，x₁(t)為t時刻的天然氣流量，x₂(t)為t時刻的助燃風(fēng)流量，y(t)為t時刻的煙氣含氧量，f₂()為閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)隱層為20個神經(jīng)元。

步驟(4)：機理模型建模

根據(jù)經(jīng)驗每4186.8Kj發(fā)熱量的燃料燃燒時，約需1m³的空氣量，從而，若熱值CGas的單位為Kj/m³，則空燃比的理論模型可建模為：

CT＝CGas/4186.8

進而本發(fā)明以[CT*0.95,CT*1.05]為空燃比的限定區(qū)間。

步驟(5)：建立變論域模糊規(guī)則

以煙氣含氧量實際偏差E_o及其與指標(biāo)預(yù)報模型的預(yù)測偏差的變化率ΔE_o作為模糊規(guī)則的輸入，空燃比調(diào)整量△C作為模糊規(guī)則的輸出。模糊決策表設(shè)定如下

表1模糊決策表

其實際論域根據(jù)E_o和ΔE_o自適應(yīng)調(diào)整，即誤差較大時，采用大的模糊論域，誤差較小時采用較小的模糊論域。

模糊論域劃分方法如附圖所示。其論域歸一化后的每個模糊集的峰點值a₁、a₂、a₃和a₄采用步驟(7)給出的基于約束滿足的和聲搜索算法進行離線搜索，搜索過程按步驟(6)給出的方法建立對象模型。

步驟(6)：對象模型建立

采用閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)進行建模

y(t)＝f₂(x₁(t),x₁(t-1),…,x₁(t-9),x₁(t-10),x₂(t),x₂(t-1),…,x₂(t-9),x₁(t-10),y(t

-1),y(t-2),…,y(t-10))

其中，t為時間，x₁(t)為t時刻的天然氣流量，x₂(t)為t時刻的助燃風(fēng)流量，y(t)為t時刻的煙氣含氧量，f₂()為閉環(huán)Narx回歸神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)隱層為40個神經(jīng)元。

步驟(7)：設(shè)計基于約束滿足的和聲搜索算法搜索

步驟(7.1)：目標(biāo)函數(shù)

在采用變論域模糊規(guī)則對空燃比進行調(diào)整時，需保證煙氣中含氧量在一定的區(qū)間范圍內(nèi)，從而和聲向量的目標(biāo)函數(shù)定義如下：

f(X_i)＝∑|E_o|

其中，E_o是煙氣中含氧量的偏差。

步驟(7.2)：和聲向量

考慮到論域E_o、ΔE_o和△C的每個論域均需優(yōu)化相應(yīng)的a₁、a₂、a₃和a₄。從而，每一個和聲向量包含d＝4×3＝12個和聲變量值。令每個和聲向量是服從正態(tài)分布的屬于區(qū)間[0,1]的隨機數(shù)。

設(shè)和聲庫規(guī)模為HMS，那么和聲庫中的第i(i＝1,2,…,HMS)個和聲向量可表示如下：

其中，代表第一個輸入論域模糊劃分中模糊數(shù)的峰點，需滿足

代表第二個輸入論域模糊劃分中模糊數(shù)的峰點，需滿足

代表輸出論域模糊劃分中模糊數(shù)的峰點，需滿足

步驟(7.3)：和聲改進機制

對和聲庫采用記憶考慮、音節(jié)調(diào)整、隨機選擇等和聲改進機制，能獲得一個新的和聲向量其中，對于每個和聲變量值若隨機生成的均勻隨機數(shù)小于預(yù)先給定的和聲庫考慮概率HMCR，根據(jù)按下式給出的記憶考慮方法生成：

其中，a是屬于區(qū)間[1,HMS]的隨機整數(shù)。

否則，若上述隨機生成的均勻隨機數(shù)大于或等于HMCR,通過如下的隨機選擇方法生成：

其中，Randn是服從正態(tài)分布的屬于區(qū)間[0,1]或[-1,0]的隨機數(shù)，若和聲變量對應(yīng)模糊數(shù)的峰點需要小于0，則在[-1,0]取值，否則在[0,1]取值。

進一步，若通過記憶考慮獲得，則以微調(diào)擾動概率PAR通過如下音節(jié)調(diào)整方法進行擾動：

其中，是迄今獲得的最好和聲向量中第j個和聲變量值。

步驟(7.4)：約束處理

若采用上述方法新生成的不滿足和聲變量的約束，需交換相鄰奇數(shù)位和偶數(shù)位的和聲變量。

步驟(7.5)：和聲庫更新機制

經(jīng)過和聲改進機制，新的和聲向量X_new能被構(gòu)造，然后，和聲庫按如下方法進行更新：若X_new優(yōu)于和聲庫中的最差和聲X_Worst，則將X_new替換X_Worst。

步驟(7.6)：迭代搜索機制

迭代步驟7.3-步驟7.5到最大迭代次數(shù)，獲得優(yōu)化的和聲向量。

基于指標(biāo)預(yù)報數(shù)據(jù)和機理相結(jié)合的玻璃窯爐空燃比在線調(diào)整方法的參數(shù)選擇如下：

●用于指標(biāo)預(yù)報模型建模的數(shù)據(jù)的采樣頻率為3秒采；

●煙氣含氧量設(shè)定范圍為[3.05,3.15]

●和聲庫規(guī)模為HMS＝50；

●迭代次數(shù)為100；

根據(jù)上述所提出的基于指標(biāo)預(yù)測和在線學(xué)習(xí)的微電子生產(chǎn)線調(diào)度方法，本發(fā)明做了大量的仿真試驗，運行的硬件環(huán)境為：P4 2.8GHz CPU，1024M RAM，操作系統(tǒng)為Windows、UNIX。