[发明专利]一种水泥脱硝的神经网络混合优化方法

说明书

本发明涉及一种水泥脱硝的神经网络混合优化方法。本发明首先采集水泥脱硝过程中影响出口浓度的多个变量，利用主成分分析对数据做预处理，降低数据维度，其次使用遗传算法和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络预测模型，最后预处理的数据输入到模型中，使模型预测的准确率提高。不同于传统的神经网络预测方法，本发明结合数据处理、神经网络参数优化，提高了预测精度。

技术领域

本发明属于自动化工业技术领域，涉及到一种水泥脱硝的神经网络混合优化方法。

背景技术

NO_x的排放是伴随在水泥生产中不可避免的过程，随着环保部门对NO_x排放量限制的日益严格，低NO_x燃烧技术和脱硝技术被普遍应用于水泥企业，但是现阶段大多数水泥企业很难实现喷氨量的精确控制，甚至无法实现自动控制，导致NO_x的排放不能达到国家要求的环保标准，所以本发明提出了一种水泥脱硝的神经网络混合优化方法，控制合理的喷氨量，保证NO_x排放达到国家标准，避免发生二次污染。

发明内容

本发明针对水泥企业很难实现喷氨量的精确控制，导致NO_x排放达不到国家标准等问题，提出了一种水泥脱硝的神经网络混合优化方法。

本发明首先采集水泥脱硝过程中影响NO_x出口浓度的多个变量，利用主成分分析对数据做预处理，降低数据维度，其次使用遗传算法和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络预测模型，最后预处理的数据输入到模型中，使模型预测的准确率提高。不同于传统的神经网络预测方法，本方法结合数据处理、神经网络参数优化，提高了预测精度。

本发明的技术方案是通过数据采集、数据预处理、系统建模、优化参数等手段，确立了一种基于主成分分析的神经网络预测方法。利用该方法提升了模型预测的准确性。

本发明的方法步骤包括：

步骤1、采集水泥脱硝过程影响NO_x浓度输出的相关变量，利用主成分分析对数据进行处理。具体步骤是：

1-1.定义水泥脱硝过程影响NO_x浓度输出的第一主成分，形式如下：

t₁＝Xp₁＝[v₁ v₂ ... v_J]p₁且||p₁||＝1

其中，t₁是矩阵X的第一主成分，X∈R^N×J是标准化后的影响NO_x浓度输出的相关向量矩阵组合，如机组负荷、喷氨量、SCR入口烟温、入口NO_x浓度、入口烟气含氧量、出口烟气含氧量、脱硝效率等，N和J分别是影响NO_x浓度输出的样本个数和影响NO_x浓度输出的相关变量个数，p₁是矩阵X的协方差矩阵的第一标准化特征向量，[v₁ v₂ ... v_J]分别是第一、第二、…、第J影响NO_x浓度输出的相关变量。

1-2.根据步骤1-1，求得t₁的方差，形式如下：

其中，和X^T分别是第一标准化特征向量的转置和矩阵X的转置，Var(t₁)是t₁的方差。

1-3.结合步骤1-1和步骤1-2，根据拉格朗日算法得到：

Vp₁＝λ₁p₁