支持向量机的农药生产废液焚烧炉炉温最佳化系统及方法技术方案

本发明专利技术公开了一种支持向量机的农药生产废液焚烧炉炉温最佳化系统及方法。该方法将支持向量机和模糊系统结合起来，对多个支持向量机的输出结果进行模糊化，以得到更准确的炉温控制结果。在本发明专利技术中，训练样本经标准化处理模块处理，作为模糊系统模块的输入；模糊系统模块中得到的炉温预报值和使炉温最佳的操作变量值与结果显示模块相连，用于结果将传给DCS系统；模型更新模块，用于按设定的采样时间间隔，采集现场智能仪表信号。本发明专利技术实现了炉温的准确控制、在线更新训练样本数据，避免出现炉温过低或过高。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种。该方法将支持向量机和模糊系统结合起来，对多个支持向量机的输出结果进行模糊化，以得到更准确的炉温控制结果。在本专利技术中，训练样本经标准化处理模块处理，作为模糊系统模块的输入；模糊系统模块中得到的炉温预报值和使炉温最佳的操作变量值与结果显示模块相连，用于结果将传给DCS系统；模型更新模块，用于按设定的采样时间间隔，采集现场智能仪表信号。本专利技术实现了炉温的准确控制、在线更新训练样本数据，避免出现炉温过低或过高。【专利说明】
本专利技术涉及农药生产废液焚烧领域，特别地，涉及。
技术介绍
随着农药工业的迅速发展，排放物的环境污染问题已经引起各国政府及相应环保部门的高度重视。研究及解决农药有机废液的达标排放控制以及无害最小化处理，不仅成为各国科研的难点和热点，同时也是关系到社会可持续发展的国家迫切需求的科学命题。焚烧法是目前处理农药残液和废渣最有效、彻底、应用最普遍的方法。焚烧过程中焚烧炉炉温必须保持在一个合适的温度，过低的炉温不利于废弃物中有毒有害成分的分解；过高的炉温不仅增加燃料消耗，增加设备运行成本，并且容易损坏炉膛内壁、缩短设备寿命。此外，过高温度可能增加废弃物中金属的挥发量和氧化氮的生成。特别对于含氯的废水，合适的炉温更能降低内壁的腐蚀。但是实际焚烧过程中影响炉温的因素复杂多变，容易出现炉温过低或过高的现象。1965年美国数学家L.Zadeh首先提出了模糊集合的概念。随后模糊逻辑以其更接近于日常人们的问题和语意陈述的方式，开始代替坚持所有事物都可以用二元项表示的经典逻辑。模糊逻辑迄今已经成功应用在了工业的多个领域之中，例如家电、工业控制等领域。2003年，Demirci提出了模糊系统的概念，通过使用模糊隶属度矩阵和和其变形构建一个新的输入矩阵，接着在局部方程中以反模糊方法中的重心法得出解析值作为最后的输出。对于农药生产废液焚烧炉炉温最佳化系统及方法，考虑到工业生产过程中的噪音影响以及操作误差，可以使用模糊逻辑的模糊性能降低误差对精度的影响。支持向量机，由Vapnik在1998年引入，由于其良好的推广能力，被广泛应用在模式识别、拟合和分类问题中。由于标准支持向量机处理大批量数据时有收敛速度慢、精度低等缺点，所以后来又提出了最小二乘支持向量机。最小二乘支持向量机相比于标准支持向量机能够更好地处理大批量样本数据，这里被选作模糊系统中的局部方程。
技术实现思路
为了克服已有的焚烧炉炉温难以控制、容易出现炉温过低或过高的不足，本专利技术提供一种实现炉温准确控制、避免出现炉温过低或过高的农药生产废液焚烧炉炉温最佳化系统及方法。本专利技术解决其技术问题所采用的技术方案是:支持向量机的农药生产废液焚烧炉炉温最佳化系统，包括焚烧炉、智能仪表、DCS系统、数据接口以及上位机，所述的DCS系统包括控制站和数据库；所述现场智能仪表与DCS系统连接，所述DCS系统与上位机连接，所述的上位机包括:标准化处理模块，用于将从DCS数据库输入的模型训练样本进行预处理，对训练样本中心化，即减去样本的平均值，然后对其进行标准化:计算均值:【权利要求】1.一种支持向量机的农药生产废液焚烧炉炉温最佳化系统，包括焚烧炉、智能仪表、DCS系统、数据接口以及上位机，所述的DCS系统包括控制站和数据库；所述现场智能仪表与DCS系统连接，所述DCS系统与上位机连接，其特征在于:所述的上位机包括: 标准化处理模块，用于将从DCS数据库输入的模型训练样本进行预处理，对训练样本中心化，即减去样本的平均值，然后对其进行标准化:计算均值: 2.一种支持向量机的农药生产废液焚烧炉炉温最佳化方法，其特征在于:所述的炉温最佳化方法具体实现步骤如下: 1)、确定所用的关键变量，从DCS数据库中采集生产正常时所述变量的数据作为训练样本TX的输入矩阵，采集对应的炉温和使炉温最佳化的操作变量数据作为输出矩阵O ; 2)JfWDCS数据库输入的模型训练样本进行预处理，对训练样本中心化，即减去样本的平均值，然后对其进行标准化，使得其均值为0，方差为I。该处理采用以下算式过程来完成: 2.1)计算均值 【文档编号】G05B13/04GK103472867SQ201310433860【公开日】2013年12月25日 申请日期:2013年9月22日 优先权日:2013年9月22日 【专利技术者】刘兴高, 李见会, 张明明, 孙优贤 申请人:浙江大学本文档来自技高网...

【技术保护点】
一种支持向量机的农药生产废液焚烧炉炉温最佳化系统，包括焚烧炉、智能仪表、DCS系统、数据接口以及上位机，所述的DCS系统包括控制站和数据库；所述现场智能仪表与DCS系统连接，所述DCS系统与上位机连接，其特征在于：所述的上位机包括：标准化处理模块，用于将从DCS数据库输入的模型训练样本进行预处理，对训练样本中心化，即减去样本的平均值，然后对其进行标准化：计算均值：TX‾=1NΣi=1NTXi---(1)计算方差：σx2=1N-1Σi=1N(TXi-TX‾)---(2)标准化：X=TX-TX‾σx---(3)其中，TXi为第i个训练样本，是从DCS数据库中采集的生产正常时的关键变量、炉温和使炉温最佳化的操作变量的数据，N为训练样本数，为训练样本的均值，X为标准化后的训练样本。σx表示训练样本的标准差，σ2x表示训练样本的方差。模糊系统模块，对从数据预处理模块传过来的标准化后的训练样本X，进行模糊化。设模糊系统中有c*个模糊群，模糊群k、j的中心分别为vk、vj，则第i个标准化后的训练样本Xi对于模糊群k的隶属度μik为：μik=(Σj=1c*(||Xi-vk||||Xi-vj||)2n-1)-1---(4)式中，n为模糊分类过程中需要的分块矩阵指数，通常取作2；‖·‖为范数表达式。使用以上隶属度值或者它的变形以获得新的输入矩阵，对于模糊群k，其输入矩阵变形为：Φik(Xi,μik)=[1?func(μik)?Xi]??（5）其中func(μik)为隶属度值μik的变形函数，一般取exp(μik)等，Φik(Xi,μik)表示第i个输入变量Xi及其模糊群k的隶属度μik所对应的新的输入矩阵。支持向量机作为模糊系统模糊系统的局部方程，对每个模糊群进行优化拟合。设模型训练样本的第i个目标输出为Oi，加权重的支持向量机通过变换把拟合问题等价于如下二次规 划问题：minR(w,ξ)=12wTw+12γΣi=1Nωiξi2---(6)同时定义拉格朗日函数其中，R(w,ξ)是优化问题的目标函数，minR(w,ξ)是优化问题的目标函数的最小值，是非线性映射函数，N是训练样本数，ξ={ξ1,…,ξN}是松弛变量，ξi是松弛变量的第i个分量，αi，i=1,…,N是对应的拉格朗日乘子的第i个分量的第i个分量，w是支持向量机超平面的法向量，b是相应的偏移量，而ωi,i=1,…,N和γ分别是支持向量机的权重和惩罚因子，上标T表示矩阵的转置,μik表示第i个标准化后的训练样本Xi对于模糊群k的隶属度，Φik(Xi,μik)表示第i个输入变量Xi及其模糊群k的隶属度μik所对应的新的输入矩阵。由（6）（7）（8）式可推导出模糊群k在训练样本i的输出为：y^ik=Σm=1Nαm×K<Φim(Xm,μmk),Φik(Xi,μik)>+b---(9)其中，为第k个误差反向传播模糊系统输出层的预测输出，K是支持向量机的核函数，这里K取线性核函数；αm，m=1,…,N是对应的拉格朗日乘子的第m个分量。μmk表示第m个训练样本Xm对于模糊群k的隶属度，Φmk(Xm,μmk)表示第m个输入变量Xm及其模糊群k的隶属度μmk所对应的新的输入矩阵。由反模糊方法中的重心法得到最后的模糊系统的输出：y^i=Σk=1c*μiky^ikΣk=1c*μik---(10)即为对应于第i个标准化后的训练样本Xi的炉温预报值和使炉温最佳的操作变量值。所述的上位机还包括：模型更新模块，用于按设定的采样时间间隔，采集现场智能仪表信号，将得到的实测炉温与系统预报值比较，如果相对误差大于10%或炉温超出生产正常上下限范围，则将DCS数据库中生产正常时的使炉温最佳的新数据加入训练样本数据，更新软测量模型。结果显示模块，用于将得到的炉温预报值和使炉温最佳的操作变量值传给DCS系统，在DCS的控制站显示，并通过DCS系统和现场总线传递到现场操作站进行显示；同时，DCS系统将 所得到的使炉温最佳的操作变量值作为新的操作变量设定值，自动执行炉温最佳化操作。信号采集模块，用于依照设定的每次采样的时间间隔，从数据库中采集数据。所述的关键变量包括进入焚烧炉的废液流量、进入焚烧炉的空气流量和进入焚烧炉的燃料流量；所述的操作变量包括进入焚烧炉的空气...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘兴高，李见会，张明明，孙优贤，
申请(专利权)人：浙江大学，
类型：发明
国别省市：