基於時滯動態確定的玻璃窯爐池底溫度智能預測控制方法與流程

2023-10-21 12:03:16 1

本發明屬於自動控制、信息技術和先進位造領域，具體涉及用於減少玻璃窯爐池底溫度波動的基於時滯動態確定的玻璃窯爐池底溫度智能預測控制方法。
背景技術：
：玻璃窯爐可將玻璃原料進行加熱，並熔化成玻璃液，供後道工序生產出不同的玻璃製品。玻璃窯爐的玻璃熔化水平對後續玻璃製品的質量具有重要影響。評價玻璃熔化水平的指標主要是玻璃窯爐內的玻璃液溫度，目前，玻璃窯爐可測量玻璃液池底溫度、流液洞溫度、碹頂溫度等，其中玻璃液池底溫度是反應玻璃液熔化水平最直觀的指標。提高玻璃液池底溫度的控制精度，縮小玻璃液池底溫度波動範圍，對提高後續玻璃製品的質量、降低生產成本具有意義。玻璃液池底溫度主要受玻璃窯爐天然氣流量、玻璃產率、玻璃原料含水率和外界環境溫度等影響，其中，主要的調節變量是天然氣流量，其餘為影響因素。由於玻璃窯爐內部熔化過程是一個緩慢的、大時滯傳熱過程，即天然氣流量調整後，需要經過玻璃窯爐內空氣溫度變化、玻璃液表面溫度變化、池底溫度變化等過程，天然氣流量調節後池底溫度發生變化一般需要經過4～10小時(即時滯)，上述時滯當玻璃產率、外界條件發生變化時，也會緩慢發生變化。因此，對玻璃液池底溫度的控制具有不確定、大時滯等難點。鑑於此，本發明提出一種基於時滯動態確定的玻璃窯爐池底溫度智能預測控制方法，首先採用ARMAX模型(AutoRegressive-Moving-AveragemodelwitheXogenousinputs：自回歸滑動平均模型)對玻璃窯爐天然氣流量與玻璃窯爐池底溫度之間的時滯進行動態確定；在每次確定時滯後，基於相關歷史生產數據，採用ARMAX和ANFIS(AdaptiveNero-FuzzyInferenceSystem，自適應神經模糊推理系統)相結合的建模方法動態建立玻璃窯爐池底溫度預測模型；基於該預測模型，採用前饋和反饋相結合的智能控制方法，對玻璃窯爐天然氣流量進行在線智能調整，其中，前饋輸入為玻璃窯爐池底溫度預測值。該方法可用於對玻璃窯爐池底溫度進行智能控制，以有效降低玻璃窯爐池底溫度的波動，提高玻璃產品質量，降低窯爐能耗。技術實現要素：本發明提出一種基於時滯動態確定的玻璃窯爐池底溫度智能預測控制方法，所述方法是在計算機上按如下步驟實現的：步驟(1)：數據採集及預處理本發明採集與玻璃窯爐池底溫度控制相關的生產信息，主要包括：玻璃窯爐池底溫度實時測量值、天然氣流量實時測量值、助燃風流量實時測量值、玻璃窯爐壓力實時測量值、當前玻璃窯爐玻璃產率、玻璃窯爐原料含水率、玻璃窯爐碹頂溫度實時測量值、玻璃窯爐流液洞溫度實時測量值等，並將上述生產信息按每小時分別取平均值，得到上述信息每小時變化平均值；步驟(2)：基於ARMAX模型的時滯動態確定本發明採用ARMAX模型(AutoRegressive-Moving-AveragemodelwitheXogenousinputsmodel：自動回歸滑動平均模型)，以過去24小時內池底溫度每小時變化平均值作為輸出(即y(t),t＝-24,-23,…,-1)，以過去24小時內天然氣流量每小時變化平均值、玻璃窯爐產率每小時變化平均值、含水率每小時變化平均值作為輸入(即X(t)＝[x1(t),x2(t),x3(t)],t＝-24,-23,…,-1)，ARMAX模型為使用ARMAX模型的參數學習算法，從而確定ai和bj，此時，如果b1,b2,…,bT為0，而bT+1不為零，則時滯為T小時；此判斷過程每隔12小時或24小時運行一次，以對玻璃窯爐的時滯進行實時判斷和定時更新；步驟(3)：玻璃窯爐池底溫度智能預測根據所確定的時滯，從玻璃窯爐生產信息資料庫中獲取玻璃窯爐池底溫度智能預報模型所需的訓練數據對，即traindatak＝{X(k-T),y(k)},i＝1,2,…,N，其中N為訓練數據個數；採用ARMAX模型和ANFIS模型相結合的方法對玻璃窯爐池底溫度進行智能預測，具體步驟如下：步驟(2.3.1)：ARMAX預測令ARMAX模型即池底溫度與過去5小時內的池底溫度和過去T至14小時內的天然氣流量、玻璃窯爐產率、含水率每小時變化值有關，根據traindatai,i＝1,2,…,N訓練數據，採用ARMAX的參數學習方法，可得到ai和bj；在確定參數後，調用一次上述ARMAX模型，可得y(t)，將此預測值代入上述ARMAX模型，可得y(t+1)，此過程循環T次，即可得y(t+T)，從而完成玻璃窯爐池底溫度的預測；步驟(2.3.2)：ANFIS預測鑑於玻璃窯爐內部主要是一個傳熱過程，天然氣燃燒，將熱量傳遞給玻璃液，並最終傳導玻璃窯爐池底，本發明從傳熱過程入手，採用ANFIS模型(其結構見)對玻璃窯爐池底溫度進行預報，根據traindatai,i＝1,2,…,N，採用ANFIS的前饋/反饋學習方法，得到ANFIS預測模型，即可根據X(k)的值，預測y(k+T)，令ANFIS模型的預測值為yA(k+T)；步驟(2.3.3)：ARMA和ANFIS模型融合ARMAX和ANFIS模型均對池底溫度進行了預報，本發明提出一種模型融合方法以提高玻璃窯爐預測準確度，在ARMAX模型計算y(t+T)時，需要用ARMAX模型迭代計算y(t+q),q＝0,2,…,T-1，將ANFIS模型的計算結果融入每次ARMAX模型迭代計算中，即新的計算值為y′(t+q)＝y(t+q)+yA(k+T)，從而得到經模型融合後的池底溫度預測值y′(t+T)；步驟(4)：基於前饋預測和反饋相結合的池底溫度智能控制在池底溫度智能預報基礎上，本發明提出前饋預測和反饋相結合的池底溫度智能控制方法，該方法是按照設定的時間間隔，執行如下步驟，定期給出天然氣流量設定值的：步驟(4.1)：通過前饋預測，確定天然氣流量合理的設定範圍根據生產實際要求的池底溫度工藝範圍(如波動不大於正負3攝氏度)，採用步驟(3)給出的池底溫度預測模型，根據當前玻璃窯爐生產信息，以池底溫度預測模型輸出(即池底溫度預測值)落在池底工藝範圍內為優化目標，優化搜索天然氣流量設定值輸入(即模型輸入量之一x1)，從而得到本階段天然氣流量設定值的允許變化範圍步驟(4.2)：通過反饋控制，確定本階段天然氣流量設定值採用PID反饋控制算法，在通過實驗合理確定PID參數的情況下，確定本階段天然氣流量設定值則最終的流量設定值為本發明的基於時滯動態確定的玻璃窯爐池底溫度智能預測控制方法，首先採用ARMAX模型(自回歸滑動平均模型)對玻璃窯爐天然氣流量與玻璃窯爐池底溫度之間的緩慢變化的時滯進行動態確定；在每次確定時滯後，基於相關歷史生產數據，採用ARMAX和ANFIS(自適應神經模糊推理系統)相結合的建模方法動態建立玻璃窯爐池底溫度預測模型；基於該預測模型，採用前饋和反饋相結合的智能控制方法，對玻璃窯爐天然氣流量進行在線智能調整，其中，前饋輸入為玻璃窯爐池底溫度預測值。該方法可用於對玻璃窯爐池底溫度進行智能控制，以有效降低玻璃窯爐池底溫度的波動，提高玻璃產品質量，降低窯爐能耗。附圖說明為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1：本發明一個實施例的基於時滯動態確定的玻璃窯爐池底溫度智能預測控制流程示意圖；圖2：本發明一個實施例的ANFIS結構。具體實施方式為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。為了更好地理解本發明的技術方案，圖1給出了本發明的方法流程。該方法包括：步驟(1)：數據採集及預處理。通過OPC接口，從玻璃窯爐DCS控制系統中採集與玻璃窯爐池底溫度控制相關的生產信息，主要包括：玻璃窯爐池底溫度實時測量值、天然氣流量實時測量值、助燃風流量實時測量值、玻璃窯爐壓力實時測量值、當前玻璃窯爐玻璃產率、玻璃窯爐原料含水率、玻璃窯爐碹頂溫度實時測量值、玻璃窯爐流液洞溫度實時測量值等，並將上述生產信息按每小時分別取平均值，得到上述信息每小時變化平均值；步驟(2)：基於ARMAX模型的時滯動態確定。採用ARMAX模型，確定當前12個小時內的玻璃窯爐時滯，每隔12小時自動運行時滯動態確定程序一次，以確定當前的時滯。步驟(3)：玻璃窯爐池底溫度智能預測。根據所確定的時滯，從玻璃窯爐生產信息資料庫中獲取玻璃窯爐池底溫度智能預報模型所需的訓練數據對，採用ARMAX模型和ANFIS模型相結合的方法對玻璃窯爐池底溫度進行智能預測，具體步驟如下：步驟(2.3.1)：令ARMAX模型即池底溫度與過去5小時內的池底溫度和過去T至14小時內的天然氣流量、玻璃窯爐產率、含水率每小時變化值有關，根據traindatai,i＝1,2,…,N訓練數據，採用ARMAX的參數學習方法，可得到ai和bj；在確定參數後，調用一次上述ARMAX模型，可得y(t)，將此預測值代入上述ARMAX模型，可得y(t+1)，此過程循環T次，即可得y(t+T)，從而完成玻璃窯爐池底溫度的預測；步驟(2.3.2)：採用ANFIS模型對玻璃窯爐池底溫度進行預報，根據traindatai,i＝1,2,…,N，採用ANFIS的前饋/反饋學習方法，得到ANFIS預測模型，即可根據X(k)的值，預測y(k+T)，令ANFIS模型的預測值為yA(k+T)；步驟(2.3.3)：ARMA和ANFIS模型融合ARMAX和ANFIS模型均對池底溫度進行了預報，本發明提出一種模型融合方法以提高玻璃窯爐預測準確度，在ARMAX模型計算y(t+T)時，需要用ARMAX模型迭代計算y(t+q),q＝0,2,…,T-1，將ANFIS模型的計算結果融入每次ARMAX模型迭代計算中，即新的計算值為y′(t+q)＝y(t+q)+yA(k+T)，從而得到經模型融合後的池底溫度預測值y′(t+T)；步驟(4)：基於前饋預測和反饋相結合的池底溫度智能控制在池底溫度智能預報基礎上，本發明提出前饋預測和反饋相結合的池底溫度智能控制方法，該方法是按照設定的時間間隔，執行如下步驟，定期給出天然氣流量設定值的：步驟(4.1)：通過前饋預測，確定天然氣流量合理的設定範圍根據生產實際要求的池底溫度工藝範圍(如波動不大於正負3攝氏度)，採用步驟(3)給出的池底溫度預測模型，根據當前玻璃窯爐生產信息，以池底溫度預測模型輸出(即池底溫度預測值)落在池底工藝範圍內為優化目標，優化搜索天然氣流量設定值輸入(即模型輸入量之一x1)，從而得到本階段天然氣流量設定值的允許變化範圍步驟(4.2)：通過反饋控制，確定本階段天然氣流量設定值採用PID反饋控制算法，在通過實驗合理確定PID參數的情況下，確定本階段天然氣流量設定值則最終的流量設定值為上述設定值方法每小時運行一次。步驟(5)：通過OPC接口，將天然氣流量設定值傳回DCS系統，以實現通過調節天然氣流量，控制池底溫度的目的。步驟(6)：將該方法應用於某大型玻璃生產企業，為說明本發明所提方法的有效性，比較了三種方法：1、目前現場常規使用的PID反饋控制方法(用「常規PID」表示)；2、使用本發明提出的池底溫度預報模型的預測控制方法(用「時滯+預測控制」表示)；3、使用發明提出的池底溫度預測和反饋相結合的控制方法(用「時滯+預測+反饋控制」表示)，控制效果以10天內的池底溫度波動範圍衡量，從下表中可以看出，採用「時滯+預測控制」，由於使用預測控制思路，比使用常規PID方法效果好，而使用「時滯+預測+反饋控制」，由於增加了反饋環節，比「時滯+預測控制」效果還好。表一算法實際池底溫度波動常規PID±7.4度時滯+預測控制±4.6度時滯+預測+反饋控制±2.6度以上實施例僅用於說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。當前第1頁1&nbsp2&nbsp3&nbsp