【技术实现步骤摘要】
本专利技术涉及甘蔗压榨工艺优化，更具体地说，本专利技术涉及一种基于区间多目标优化的甘蔗压榨过程优化方法及装置。
技术介绍
1、甘蔗压榨是制糖的一个环节，压榨抽出率、生产能耗是该工段的两个重要指标，其是否达标将影响到整个制糖生产的顺利运行和经济效益。公布号cn113743652a，公告日2021.12.03的中国专利公开了一种基于深度特征识别的甘蔗压榨过程预测方法，包括：一，采集若干组生产数据；二，对步骤一中采集到的生产数据进行剔除异常数据和规范化处理，以得到规范化数据；三，对步骤二中得到的规范化数据进行多级筛选，得到与能耗和抽出率相关度大且冗余度低的特征向量；四，采用混合鸡群算法从步骤三筛选得到的特征向量候选集中搜索不同特征组合和模型参数对单一数据驱动模型的作用效果，得到单一模型最优性能下的参数变量、能耗和抽出率；五，建立第一层确定性预测输出；六，建立多模型组合模型，实现对抽出率和能耗的确定性预测和概率性预测。但未能解决甘蔗压榨过程由不确定因素引起指标波动范围大的问题。
技术实现思路
1、本专利技术的目的是提供一种基于区间多目标优化的甘蔗压榨过程优化方法，其在保持抽出率和降低能耗的同时，确保压榨抽出率和生产能耗这两个指标对不确定变量的变化是不敏感的，解决甘蔗压榨过程由不确定因素引起指标波动范围大的问题。
2、为了实现本专利技术的这些目的，本专利技术提供的一种基于区间多目标优化的甘蔗压榨过程优化方法，包括：
3、步骤一、获取甘蔗压榨过程的生产数据；所述生产数据
4、步骤二、对步骤一中的生产数据进行预处理，利用平均影响值变量筛选方法筛选出与耗电量和抽出率相关度高的变量；该预处理防止由于生产数据间的数量级差异大而导致较大的预测误差的情况发生；
5、步骤三、将耗电量和抽出率的中点(均值)和偏差(半径)作为一个多目标优化问题来表示压榨指标的均值和不确定性变化区间；
6、步骤四、利用区间多目标优化算法对多目标优化问题求解得到pareto最优解集及pareto前沿；
7、步骤五、用topsis-ew进行多属性多目标决策，从而得到最佳的优化方案。topsis表示逼近理想解排序法，ew表示熵值法也称熵权法，topsis-ew表示基于熵值法的逼近理想解排序法(即两者结合的综合评价方法)。
8、优选的是，所述步骤二中，预处理为归一化处理：按照以下公式将生产数据都归一化到[0,1]范围内；
9、y＝(x-xmin)/xmax-xmin；
10、其中，y为归一化数据，x代表生产数据，xmin所有生产数据中的最小值，xmax为所有生产数据中的最大值。
11、优选的，所述步骤二中利用平均影响值变量筛选方法为：根据相对贡献率的计算公式计算得到相对奉献率εi，筛选相对奉献率高的的变量为相关度高的变量：
12、
13、其中，mivi为第i个变量的miv值(平均影响值)，n为变量的个数。
14、优选的，本专利技术优化框架思路为：将耗电量和抽出率的中点(均值)和偏差(半径)作为一个多目标优化问题，结合mopso(多目标粒子群优化算法)和非线性最小二乘法(nlsm)，利用两阶段优化方法以获得目标函数区间上限和区间下限、区间中点和半径、帕累托解集和pareto前沿；使用基于熵值法的逼近理想解排序法topsis-ew进行多目标决策，得到甘蔗压榨的最优方案。本专利技术在保证抽出率的同时，降低能耗的同时，且确保这抽出率和能耗两个指标对不确定变量的变化是不敏感的，解决甘蔗压榨过程由不确定因素引起上述指标波动范围大的问题。
15、优选的，本专利技术的步骤三中，使用以下函数公式表示优化区间均值和偏差问题：
16、
17、其中，u为不确定因素的集合，x为变量集合；fl(x)和fr(x)分别为目标函数的区间下界和区间上界；min f(x,u)和max f(x,u)为x确定且u在区间范围内变化时目标函数的上下限；均值fm(x,u)表示均值也代表期望的最优解，宽度fw(x,u)表示偏差也代表最优解的偏差程度(或称不确定性程度)。
18、优选的，本专利技术步骤四中区间多目标优化算法为多目标粒子群优化算法与非线性最小二乘法相结合的两阶段优化方法，建立基于区间多目标优化算法的优化系统，将不确定因素嵌入优化系统中，n个不确定因素建立n个工况，优化算法过程如下：
19、(1)在s-i(第一阶段)中，选择优化空间中的优化算法并生成初始解，然后将解传递到s-ii(第二阶段)；
20、(2)当优化变量取一个固定值时，将不确定因素用区间数表示，同时利用nlsm(非线性最小二乘法)计算不确定目标函数(均值和偏差)的上下限，进行s-ii优化；
21、(3)如果收敛，则将不确定目标函数的不确定区间传递给s-i优化，用于寻找优化变量；如果收敛的，停止迭代，得到帕累托解集；否则，继续迭代直到它收敛。
22、优选的，步骤五中用基于熵权的逼近理想解排序法对所得帕累托解集进行多属性多目标决策，如果帕累托解集中有q个评估对象，m个评估指标，x为各评估对象的评估指标值组成的矩阵，xij表示第i个评估对象的第j个指标值，具体步骤包括：
23、(1)数据归一化
24、为避免各指标量纲的影响，要对指标值实行规范化处理得到规范值yij；
25、
26、(2)指标熵权的确定
27、根据规范值yij计算得到信息熵h(yi)，信息熵由以下公式定义：
28、
29、式中，0ln0恒等于0；
30、根据信息熵h(yi)计算输出熵ej，公式如下：
31、ej＝h(yi)/lnq
32、根据输出熵ej计算指标的差异度gj，公式如下：
33、gj＝1-ej(1≤j≤m)
34、根据差异度gj计算得到熵权aj，公式如下：
35、
36、式中，j＝1,2,…,m；
37、(3)构造加权规范化矩阵v
38、
39、(4)确定矩阵v的负理想解v-和正理想解v+
40、
41、式中，j1为效益型指标，j2为成本型指标；
42、(5)计算距离
43、各个评价对象与负理想解的距离各个评价对象与和正理想解的距离分别如下：
44、
45、式中，i＝1,2,…,q；
46、(6)计算相对贴近度ci
47、
48、式中，i＝1,2,…,q；
49、选择帕累托解集中的pareto前沿中ci值最高的点作为最优方案。
50、本专利技术提供的一种装置，包括处理器和存本文档来自技高网...
【技术保护点】
1.一种基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，包括：
2.如权利要求1所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述生产数据包括压榨机转速、两个双辊转速、一级和二级带速、渗浸水流量、混合汁流量、蔗渣水分、纤维分和蔗糖分。
3.如权利要求1所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述步骤二中，预处理为按照归一化公式y＝(x-xmin)/xmax-xmin将生产数据都归一化到[0,1]范围内，实现对生产数据进行归一化预处理；其中y为归一化数据，x为生产数据，xmin生产数据最小值，xmin为生产数据最大值。
4.如权利要求3所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述步骤二中利用平均影响值变量筛选方法为：根据相对贡献率的计算公式计算得到相对奉献率εi，筛选相对奉献率高的的变量为相关度高的变量：
5.如权利要求1所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，步骤三的多目标优化问题中，使用以下函数公式表示优化区间均值和偏差问题：
6.如权利要
7.如权利要求6所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，建立基于区间多目标优化算法的优化系统，N个不确定因素对应建立N个工况，采用区间分析法将不确定因素嵌入优化系统中，进行以下优化步骤：
8.如权利要求7所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，选择帕累托解集中Pareto前沿贴近度最高的点作为最优方案。
9.一种装置，包括处理器和存储器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，包括：
2.如权利要求1所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述生产数据包括压榨机转速、两个双辊转速、一级和二级带速、渗浸水流量、混合汁流量、蔗渣水分、纤维分和蔗糖分。
3.如权利要求1所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述步骤二中，预处理为按照归一化公式y＝(x-xmin)/xmax-xmin将生产数据都归一化到[0,1]范围内，实现对生产数据进行归一化预处理；其中y为归一化数据，x为生产数据，xmin生产数据最小值，xmin为生产数据最大值。
4.如权利要求3所述的基于区间多目标优化的甘蔗压榨过程优化方法，其特征在于，所述步骤二中利用平均影响值变量筛选方法为：根据相对贡献率的计算公式计算得到相对奉献率εi，筛选相对奉献率高的的变量为相关度高的变量：
5.如权利要求1所...
【专利技术属性】
技术研发人员：邱敏敏，蒙艳玫，杨小龙，陈劼，陈谊超，李正源，李济钦，黎乘风，
申请(专利权)人：广西科技大学，
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。