System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于事件触发机制的瓦斯掺混浓度控制方法技术_技高网

基于事件触发机制的瓦斯掺混浓度控制方法技术

技术编号:42374474 阅读:3 留言:0更新日期:2024-08-16 14:58
本发明专利技术公开的基于事件触发机制的瓦斯掺混浓度控制方法,通过瓦斯浓度样本数据,训练构建瓦斯掺混浓度模型,通过此模型将事件触发机制模块以及模糊神经网络PID融合,设计出ET–FNN–PID控制器,以瓦斯掺混后的实际浓度和预期浓度的误差和误差变化率为控制器输入变量,以控制器增量达到设置阈值为事件触发条件,对控制器各参数进行不断修正以实现对瓦斯掺混浓度的精准控制,并且有效降低了控制器的更新次数,从而减少了执行器的磨损,增加了系统设备的使用寿命,同时也减少了不必要的系统资源消耗,降低了系统运行负担。

【技术实现步骤摘要】

本专利技术属于瓦斯掺混浓度控制,具体涉及基于事件触发机制的瓦斯掺混浓度控制方法


技术介绍

1、瓦斯发电技术作为一种新能源发电技术,将煤矿中未能利用的瓦斯燃烧转化成电能,具有着广泛的应用,但煤矿中抽采出来的瓦斯浓度较低,无法直接应用在发电机组,一般是将高浓度瓦斯与低浓度瓦斯进行掺混配比,配比后将符合浓度要求的瓦斯送入发电机组进行发电,然而,瓦斯浓度受各种因素影响,具有时变性和非线性的特征,如何精确的控制瓦斯掺混浓度一直是相关生产中最重要的技术环节。

2、目前在瓦斯掺混浓度控制系统中,pid控制器凭借其算法简单的特点在生产中的应用最为广泛,传统的pid控制会出现较大的误差,控制精度低,无法达到理想的控制效果;而现有的模糊神经网络pid控制器会在控制过程中持续更新,在实际生产中增加了执行器的运行负担,加大了设备各部件的损耗程度,一方面导致设备损耗过大降低使用寿命,另一方面不必要的更新调控造成了系统资源的浪费。

3、综上,亟需对传统的瓦斯掺混浓度控制策略进行优化改进,提出一种控制精度高、资源占用少的瓦斯掺混浓度控制方法。


技术实现思路

1、本专利技术的目的是提供基于事件触发机制的瓦斯掺混浓度控制方法,解决了现有的模糊神经网络pid控制器在控制过程中持续更新,占用系统资源过高且易造成执行器机械磨损导致设备使用寿命降低的问题。

2、本专利技术所采用的技术方案是,基于事件触发机制的瓦斯掺混浓度控制方法,具体包括以下步骤:

3、步骤1:获取瓦斯浓度样本数据集,以神经网络模型作为预训练模型,构建瓦斯掺混浓度模型;

4、步骤2:设计事件触发模块,将事件触发模块与模糊神经网络pid融合,构建et–fnn–pid控制器,并设置et–fnn–pid控制器的初始参数,参数包括模糊神经网络参数,pid控制参数,事件触发阈值q;

5、步骤3:通过瓦斯掺混浓度模型计算出k时刻瓦斯掺混系统的误差e(k)和误差变化率ec(k)作为et–fnn–pid控制器的输入变量,在模糊神经网络中完成正向传播,输出k时刻的pid控制参数,分别为积分参数,比例参数,微分参数;

6、步骤4:根据pid控制参数,,计算et–fnn–pid控制器的k时刻控制增量;

7、步骤5:将控制增量与时间触发阈值q比对,如果满足事件触发条件,则根据更新控制量;反之,不更新控制量;

8、步骤6:将k时刻控制量作用于控制系统,由传感器采样得到瓦斯浓度实测值,将与预期值比对,计算误差e,判断e是否为0,如果e为0则停止迭代;如果e不为0,则令k=k+1,重复3~6步骤直至e为0时停止。

9、本专利技术的特点还在于:

10、步骤1中瓦斯掺混浓度模型的具体构建步骤为:

11、步骤1.1:设定瓦斯浓度预期值,定义浓度大于的瓦斯为高浓度瓦斯,浓度小于的瓦斯为低浓度瓦斯,以高浓度瓦斯的流量、实时浓度,以及低浓度瓦斯的流量、实时浓度作为预训练模型输入变量,掺混后的瓦斯浓度值为输出变量;

12、步骤1.2:从数据集中选定若干组预训练数据,进行归一化处理,剔除异常值,每组预训练数据包括预训练模型输入数据;

13、步骤1.3:将预训练模型参数初始化,确定初始参数;

14、步骤1.4:根据预训练数据对预训练模型进行训练,采用梯度下降法更新预训练模型参数,预训练模型参数包括前件网络中隶属度函数的中心值与宽度,以及后件网络的权值;

15、步骤1.5:执行完毕所有预训练数据后,完成训练,得到瓦斯掺混浓度模型。

16、预训练模型为tsfnn网络模型。

17、步骤4中控制增量的计算公式为:

18、;

19、其中,e(k)、e(k-1)、e(k-2)分别表示当前时刻、上一时刻、上上一个时刻控制系统的误差。

20、步骤5中事件触发条件的表达式为:

21、;

22、;

23、;

24、;

25、其中u表示控制器的控制量,t表示事件触发的时刻,为事件触发间隔时间。

26、步骤6中误差e的计算公式为:

27、。

28、本专利技术的有益效果是:本专利技术提供的基于事件触发机制的瓦斯掺混浓度控制方法,通过瓦斯浓度样本数据,训练构建瓦斯掺混浓度模型,基于此模型融合事件触发机制以及模糊神经网络pid,设计出et–fnn–pid控制器,以瓦斯掺混后的实际浓度和预期浓度的误差和误差变化率为控制器输入变量,以控制器增量达到设置阈值为事件触发条件,对控制器各参数进行不断修正以实现对瓦斯掺混浓度的精准控制,并且有效降低了控制器的更新次数,从而减少了执行器的磨损,增加了系统设备的使用寿命,另一方面也减少了不必要的系统资源消耗,降低了系统运行负担。

本文档来自技高网...

【技术保护点】

1.基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,具体包括以下步骤:

2.根据权利要求1所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,步骤1中所述瓦斯掺混浓度模型的具体构建步骤为:

3.根据权利要求2所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,所述预训练模型为TSFNN网络模型。

4.根据权利要求1所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,步骤4中所述控制增量的计算公式为:

5.根据权利要求4所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,步骤5中事件触发条件的表达式为:

6.根据权利要求5所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,步骤6中误差e的计算公式为:

【技术特征摘要】

1.基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,具体包括以下步骤:

2.根据权利要求1所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,步骤1中所述瓦斯掺混浓度模型的具体构建步骤为:

3.根据权利要求2所述的基于事件触发机制的瓦斯掺混浓度控制方法,其特征在于,所述预训练模型为tsfnn网络模型。

...

【专利技术属性】
技术研发人员:任跃武李赵磊贾龙郭伟张昭昭郝思琦
申请(专利权)人:西安重装智慧矿山工程技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1