【技术实现步骤摘要】
本专利技术涉及加热炉控制，特别涉及一种基于人工智能的加热炉控制系统。
技术介绍
1、管式加热炉为增加原油处理量和加热效率通常采用多支路炉管进出的物理结构，由于燃烧器压力或流量变化、炉膛温度不均匀、燃料气热值波动以及炉管在炉膛内分布位置不相同等因素的影响，各支路炉管的传热情况会有较大差异，导致各支路原油出口温度存在明显的偏差，因此就需要用到加热炉控制系统。
2、然而现有的加热炉控制系统在使用时存在一些弊端，比如：
3、现有控制方案通常在每个支路采用p id控制器，通过调整各支路进料流量来控制各支路原油出口温度。然而，现有方案在调节各支路温度时难以兼顾其它支路的温度，容易出现不同支路的温度差异较大，为此，我们提出一种基于人工智能的加热炉控制系统。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出一种基于人工智能的加热炉控制系统，以解决现有的加热炉控制系统容易出现不同支路的温度差异较大的问题。
2、基于上述目的，本专利技术提供了一种基于人工智能的加热炉控制系统，包括输入模块、输出模块、数据处理模块以及驱动模块；所述输入模块、所述输出模块、所述数据处理模块以及所述驱动模块之间通信连接；
3、所述输入模块将四个支路进料流量作为采集参数输入到所述数据处理模块中，所述采集参数为四个支路的进料流量，分别为{x1、x2、x3、x4}；
4、所述数据处理模块内建立narx加热炉模型与bp神经网络结合的人工智能混合模型，所述数据处理模块首先
5、所述输入模块将四个支路实时进料流量作为采集参数实时输入到所述数据处理模块中，bp神经网络输出残差补偿值y i 2，narx模型输出结果y i 1；所述输出模块将y i2与y i 1的和y i0，{i＝1、2、3或4}作为混合模型的最终输出结果；
6、所述驱动模块获取所述输出模块输出的四个支路的出口温度，并控制管式加热炉的四个支路的出口温度达到所述输出模块输出的四个支路的出口温度。
7、进一步地，所述人工智能混合模型中采用四个单输出p id神经元网络单元；每个子网络的输入为经过归一化处理后的加热炉各支路出口温度实测值和目标值，通过隐含层动态运算，汇聚到输出层中，输出层有四个节点，各节点输出各支路进料流量调节阀开度，通过调节各支路进料流量来保持各支路出口温度的平衡。
8、进一步地，所述驱动模块使用双交叉限幅控制使得管式加热炉的四个支路的出口温度达到所述输出模块输出的四个支路的出口温度，具体所述驱动模块通过对空气流量以及燃气流量进行双向交叉控制，维持燃料气和空气的设定配比进行燃烧。
9、进一步地，所述narx加热炉模型中包括回归分析器和非线性估计器，所述回归分析器是利用系统t时刻以前的输入和输出进行计算，然后将结果给非线性估计器。
10、进一步地，所述非线性估计器的数学表达式为，y＝f(x)＝(x-r)pl+d+g(q(x-r))；式中，y为narx模型的输出；(x-r)pl+d表示线性函数模块输出；g(q(x-r))表示非线性函数模块的输出；x表示回归分析器的输出，即非线性估计器的输入；r表示回归分析器的平均值；p表示线性子空间；l表示线性系数；d为偏置输出；q表示非线性子空间。
11、进一步地，采用小波网络作为所述非线性估计器，y＝f(x)的转换公式如下：
12、式中，as表示尺度系数；bs表示尺度膨胀；cs表示尺度变换矩阵；aw表示小波系数；bw表示小波膨胀；cw表示小波变换矩阵；f(.)和g(.)分别表示尺度函数和小波函数。
13、与现有技术相比，本专利技术具有如下有益效果：
14、本专利技术中，输入模将四个支路进料流量作为采集参数输入采集参数为四个支路的进料流量，分别为{x1、x2、x3、x4}；数据处理模块内建立narx加热炉模型与bp神经网络结合的人工智能混合模型，所述数据处理模块首先对所述人工智能混合模型划分训练集和测试集，数据处理模块通过训练集辨识narx加热炉模型，然后将narx加热炉模型的输出与真实值的差作为bp神经网络模型的输出参数，将采集参数作为bp神经网络模型的输入参数，对bp神经网络进行训练，bp神经网络输出残差补偿值y i 2与narx模型输出结果y i 1之和为混合模型的输出y i0，{i＝1、2、3或4}；输出模块输出四个支路的出口温度y i 1，{i＝1、2、3或4}，人工智能混合模型的拟合度以及均方误差均优于narx模型以及bp神经网络，更适用于多支路加热炉的建模，通过建立更加精确的管路支路模型，使得对管路支路的温度控制更加精确。
15、本专利技术中，双交叉限幅控制是通过输出模块得到的加热炉出口温度控制器的输出信号决定燃料流量控制器和空气流量控制器的给定值，并在燃料气流量控制回路与空气流量控制回路都设有低选器和高选器，可以对燃气流量和空气流量进行合理、快速的调节，实现对出口温度的有效控制。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的加热炉控制系统，其特征在于：包括输入模块、输出模块、数据处理模块以及驱动模块；所述输入模块、所述输出模块、所述数据处理模块以及所述驱动模块之间通信连接；
2.根据权利要求1所述的一种基于人工智能的加热炉控制系统，其特征在于：所述人工智能混合模型中采用四个单输出PID神经元网络单元；每个PID神经元网络单元的输入为经过归一化处理后的加热炉各支路出口温度实测值和目标值，通过隐含层动态运算，汇聚到输出层中，输出层有四个节点，各节点输出各支路进料流量的调节阀开度，通过调节各支路进料流量来保持各支路出口温度的平衡。
3.根据权利要求2所述的一种基于人工智能的加热炉控制系统，其特征在于：所述驱动模块使用双交叉限幅控制使得管式加热炉的四个支路的出口温度达到所述输出模块输出的四个支路的出口温度，具体所述驱动模块通过对每个支路的空气流量以及燃气流量进行双向交叉控制，维持燃料气和空气的设定配比进行燃烧。
4.根据权利要求3所述的一种基于人工智能的加热炉控制系统，其特征在于：所述NARX加热炉模型中包括回归分析器和非线性估计器，所述回归分析器是
5.根据权利要求4所述的一种基于人工智能的加热炉控制系统，其特征在于：所述非线性估计器的数学表达式为，y＝F(x)＝(x-r)PL+d+g(Q(x-r))；式中，y为NARX模型的输出；(x-r)PL+d表示线性函数模块输出；g(Q(x-r))表示非线性函数模块的输出；x表示回归分析器的输出，即非线性估计器的输入；r表示回归分析器的平均值；P表示线性子空间；L表示线性系数；d为偏置输出；Q表示非线性子空间。
6.根据权利要求5所述的一种基于人工智能的加热炉控制系统，其特征在于：采用小波网络作为所述非线性估计器，y＝F(x)的转换公式如下：
...【技术特征摘要】
1.一种基于人工智能的加热炉控制系统，其特征在于：包括输入模块、输出模块、数据处理模块以及驱动模块；所述输入模块、所述输出模块、所述数据处理模块以及所述驱动模块之间通信连接；
2.根据权利要求1所述的一种基于人工智能的加热炉控制系统，其特征在于：所述人工智能混合模型中采用四个单输出pid神经元网络单元；每个pid神经元网络单元的输入为经过归一化处理后的加热炉各支路出口温度实测值和目标值，通过隐含层动态运算，汇聚到输出层中，输出层有四个节点，各节点输出各支路进料流量的调节阀开度，通过调节各支路进料流量来保持各支路出口温度的平衡。
3.根据权利要求2所述的一种基于人工智能的加热炉控制系统，其特征在于：所述驱动模块使用双交叉限幅控制使得管式加热炉的四个支路的出口温度达到所述输出模块输出的四个支路的出口温度，具体所述驱动模块通过对每个支路的空气流量以及燃气流量进行双向交叉控制，维持燃料气和...
【专利技术属性】
技术研发人员：刘悦婷，孔繁庭，张燕，赵小强，惠永永，李西素，
申请(专利权)人：兰州文理学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。