[发明专利]一种基于懒惰学习的高炉铁水质量自适应优化控制方法有效

专利信息
申请号: 201811056213.0 申请日: 2018-09-11
公开(公告)号: CN108845501B 公开(公告)日: 2021-07-20
发明(设计)人: 周平;易诚明;张帅 申请(专利权)人: 东北大学
主分类号: G05B13/04 分类号: G05B13/04
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 梁焱
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 懒惰 学习 高炉 铁水 质量 自适应 优化 控制 方法
【权利要求书】:

1.一种基于懒惰学习的高炉铁水质量自适应优化控制方法,其特征在于:该方法包括以下步骤:

步骤1、采集高炉生产中的历史数据,确定被控量和控制量,对数据进行预处理,初始化数据库和相关参数;

步骤2、构造当前工作时刻的查询回归向量,根据定义的相似度准则,从数据库中查询相似数据样本组成学习子集,结合留一法交叉验证和递推最小二乘辨识方法,选出最优相似学习子集,并获得最优局部线性预测模型,具体方法包括:

步骤2.1、当前工作时刻为t,采集上一时刻的控制量u(t-1)、t时刻被控量实际值y(t),构造查询回归向量u(t)为需要求解的当前时刻控制量;

步骤2.2、根据预先定义的相似度准则,查询数据库中与最相似的k个数据向量将相应数据映射对组成相似学习子集其中yj为与相对应的被控量;根据相似度大小按降序排列学习子集中的映射对,由于有多个相似学习子集,因此对应多个候选模型;

步骤2.3、结合留一法交叉验证和递推最小二乘辨识方法,分别计算每一个相似学习子集对应的留一法交叉验证均方误差,选择对应均方误差最小的相似学习子集作为最优学习子集,并获得相应最优局部线性预测模型;

递推最小二乘辨识算法如下式所示:

其中,k∈[kmin kmax]为近邻数,kmin为近邻数下限,kmax为近邻数上限,是根据j个最相似映射对辨识获得的模型参数向量,Pj和Vj是递推中间变量;I为与维数相对应的单位矩阵;

针对每个k值,通过递推过程中的和Vk,直接计算留一法交叉验证误差,如下式所示:

其中,是当近邻数为k时的第j个留一法交叉验证误差;对应不同k值,其留一法交叉验证均方误差定义如下:

其中,MSEloo(k)为对应近邻数为k的留一法交叉验证均方误差;

选取对应留一法交叉验证均方误差最小的相似学习子集作为最优相似学习子集,并获得最优局部线性预测模型,如下:

其中,为t+1时刻被控量预测值,为最优局部线性预测模型参数向量;

步骤3、根据最优局部线性预测模型,推导出多步输出预测方程;根据被控量设定值建立参考轨迹方程;计算多步输出预测值进行并对预测值进行在线校正,根据被控量参考值与被控量校正后预测值构造控制性能指标,利用二次规划算法计算得到最优控制量,即当前时刻最优输入——冷风流量;具体方法包括:

步骤3.1、根据局部最优线性预测模型,推导出多步输出预测方程;

将最优局部线性预测模型化成如下形式:

其中,z-1为后移算子,为t时刻被控量预测值;A(z-1)和B(z-1)是关于z-1的多项式;A(z-1)=1-az-1,B(z-1)=b0+b1z-1,a、b0和b1为线性模型参数;

为了得到提前多步的被控量预测值,引入丢番图方程,进一步推导获得如下多步输出预测方程:

其中,Gi(z-1)、Fi(z-1)和Hi(z-1)是关于z-1的多项式;为t+j时刻被控量预测值,Δu(t-1)为t-1时刻控制量增量,Δu(t+i-1)为t+i-1时刻控制量增量,Np为预测步长;

步骤3.2、根据被控量设定值建立参考轨迹方程,如下式所示:

其中,ysp为被控量设定值,yr(t+j)为t+j时刻被控量参考值,η为柔化系数,0<η<1;

步骤3.3、根据多步输出预测方程,计算提前多步的被控量预测值;采用对未来的误差做出预测并加以补偿的反馈校正,从而在线校正预测值,即:

其中,y(t)为t时刻被控量实际值,为t时刻被控量预测值,E(t)为t时刻局部预测模型的预测误差,为校正前t+j时刻被控量预测值,为校正后t+j时刻被控量预测值,h为补偿系数,0<h<1;

步骤3.4、预测控制性能指标为高炉铁水Si含量参考值和高炉铁水Si含量校正后预测值之间的误差平方和并对其进行加权,同时在指标中加入对控制量增量的惩罚项,并对控制量进行约束;采用二次规划算法对高炉铁Si含量预测控制中的优化问题进行优化求解,得到使性能指标函数值最小的控制量增量,进而得到最优控制量;

预测控制优化问题如下:

s.t.umin≤u(t+i-2)+Δu(t+i-1)≤umax

其中,J为优化性能指标,Np为预测步长,Nc为控制步长,yr(t+i)为t+i时刻被控量参考值,为校正后t+i时刻被控量预测值,u(t+i-2)为t+i-2时刻控制量,Δu(t+i-1)为t+i-1时刻控制量增量,umin为控制量约束的下限,umax为控制量约束的上限,Ry和Ru为加权系数;通过求解最优的控制量增量Δu(t+i-1),使得性能指标J最小,从而使得被控量能跟踪被控量设定值;

步骤4、将最优控制量即最优冷风流量发给执行机构,采集新一组高炉测量数据,数据预处理并更新数据库。

2.根据权利要求1所述的基于懒惰学习的高炉铁水质量自适应优化控制方法,其特征在于:所述步骤1的具体方法包括:

步骤1.1、采集高炉生产中的历史数据,确定铁水Si含量作为被控量,选取与被控量相关性最强且可操作的高炉本体参数变量作为控制量,控制量为冷风流量;

步骤1.2、进行数据预处理,包括滤波处理和归一化处理;采用滤波算法剔除高炉生产过程中的噪声尖峰跳变数据;对滤波后的高炉生产历史数据,包括控制量和被控量,进行归一化处理;

步骤1.3、根据映射对的形式,利用历史输入输出数据构造初始数据库;

步骤1.4、初始化相关参数,包括相似度比重因子、近邻数范围、预测步长、控制步长、加权系数、初始模型参数向量、初始递推中间变量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811056213.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top