亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于數(shù)據(jù)挖掘的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法

文檔序號:6281775閱讀:543來源:國知局

專利名稱::基于數(shù)據(jù)挖掘的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法
技術(shù)領(lǐng)域
:本發(fā)明涉及一種控制方法,涉及火力發(fā)電廠鋼球磨煤機(jī)制粉系統(tǒng)的自動控制,特別是一種基于數(shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法。
背景技術(shù)
:我國的燃煤火力發(fā)電廠中,鋼球磨煤機(jī)制粉系統(tǒng)應(yīng)用非常廣泛,作為其中關(guān)鍵設(shè)備的磨煤機(jī),絕大部分依然運(yùn)行于人為判斷和手工操作的原始狀態(tài),磨煤機(jī)在運(yùn)行過程中,堵煤、超溫、跑粉、漏風(fēng)、欠煤等現(xiàn)象時有發(fā)生,有時甚至造成設(shè)備損壞事故,導(dǎo)致機(jī)組停運(yùn),給電廠帶來很大的經(jīng)濟(jì)損失。更重要的是,磨煤機(jī)是電廠的耗電大戶,其耗電量約占廠用電的20%左右,由于磨煤機(jī)目前仍采用人工控制的手段,磨煤機(jī)無法一直運(yùn)行在最佳工況下,造電廠用電消耗大,經(jīng)濟(jì)效益差。國外火力發(fā)電廠制粉系統(tǒng)的自動化程度較高,計算機(jī)控制技術(shù)也得到了普遍的使用,但是國外電廠多采用的是中速磨煤機(jī)直吹式制粉系統(tǒng),與國內(nèi)廣泛采用的鋼球磨煤機(jī)制粉系統(tǒng)結(jié)構(gòu)不同,無法照搬。國內(nèi)也有一部分火力發(fā)電廠采用了磨煤機(jī)的自動控制裝置,除硬件選擇上參差不齊外,在控制策略和控制算法上也不盡相同。國內(nèi)目前對于制粉系統(tǒng)的自動控制大部分僅以磨煤機(jī)內(nèi)存煤量為控制目標(biāo)來調(diào)節(jié)給煤量,我們知道,制粉系統(tǒng)的制粉量(即出力)的大小受磨制出力、干燥出力和通風(fēng)出力三者的限制,如果僅對給煤量的自動調(diào)節(jié)只是對其磨煤出力實施了控制,而其它兩個出力的還是以手動進(jìn)行操作,雖然在控制算法上,國內(nèi)也采用了一些先進(jìn)的控制算法,但由于其是手動配合自動調(diào)節(jié),使得從結(jié)構(gòu)上就處于一種半自動的狀態(tài),而且沒有對三個出力同時優(yōu)化,最終導(dǎo)致使用效果上也不盡人意。針對單回路存在的問題,目前對制粉系統(tǒng)的多回路控制的研究也有了長足的發(fā)展,所謂多回路即是根據(jù)磨煤出力、干燥出力和通風(fēng)出力為控制目標(biāo),來調(diào)節(jié)給煤量和風(fēng)門的開度。相關(guān)的控制輸入量是內(nèi)存煤量、出口溫度和入口負(fù)壓,而控制輸出量則為給煤量、熱風(fēng)門開度和再循環(huán)風(fēng)門開度(或冷風(fēng)門開度)。在多回路控制方面,有的采用的是經(jīng)典的PID算法,該算法是根據(jù)內(nèi)存煤量來控制給煤量、根據(jù)出口溫度來控制熱風(fēng)門以及根據(jù)入口負(fù)壓來控制再循環(huán)風(fēng)門開度(或冷風(fēng)門開度),從結(jié)構(gòu)看是將三個回路獨立控制,這種模式使控制器設(shè)計簡單,易于實現(xiàn)。但后期的參數(shù)調(diào)節(jié),需要設(shè)定3套PID參數(shù)而且還要互相配合,這就成了一個難點。此外,由于制粉系統(tǒng)的一個主要特點就是其強(qiáng)耦合性,將三個回路獨立實施控制,這種方法不僅缺少可靠的理論依據(jù)而且在實際中也無法從根本上解決耦合問題。有的采用預(yù)測控制或解耦控制算法,但這類控制需要知道控制對象的數(shù)學(xué)模型,而制粉系統(tǒng)為非線性的復(fù)雜系統(tǒng),其精確的數(shù)學(xué)模型不易得到,因此使得這類算法不適合推廣應(yīng)用。神經(jīng)網(wǎng)絡(luò)不太依賴對控制對象的數(shù)學(xué)模型,但是,由于神經(jīng)網(wǎng)絡(luò)類的算法均需要一個訓(xùn)練集而且其訓(xùn)練過程比較繁瑣,而制粉系統(tǒng)在控制的實時性上有一定要求,使得神經(jīng)網(wǎng)絡(luò)在實際推廣和應(yīng)用上受到了不少的限制。模糊控制也不需要控制對象的模型且較常規(guī)方法具有很好的穩(wěn)定性和魯棒性,但在模糊控制中,隸屬度函數(shù)和控制規(guī)則的建立通常是跟據(jù)以往的設(shè)計經(jīng)驗以及專家和操作人員的知識和經(jīng)驗,這就不可避免的會產(chǎn)生一定的局限性和主觀性,從而影響到模糊控制器的控制品質(zhì),而且對于這種多入多出(MIMO)模糊控制器,均會遇到規(guī)則的爆炸問題,從而使得模糊控制器的設(shè)計變得十分困難。為解決這些問題,直接對現(xiàn)場記錄的數(shù)據(jù)庫的數(shù)據(jù)挖掘,從而自動構(gòu)建出隸屬度函數(shù)和控制規(guī)則庫。因此,在此基礎(chǔ)上設(shè)計出來的MIMO模糊控制器更適合控制對象的特性,為球磨機(jī)能夠在自動控制下始終穩(wěn)定、高效運(yùn)行提供了保證。
發(fā)明內(nèi)容本發(fā)明的目的在于,提供一種基于數(shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法,該方法通過對給煤量、熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度的調(diào)節(jié)使得制粉系統(tǒng)在安全穩(wěn)定的前提下一直在最佳方式下運(yùn)行。這樣不僅為鍋爐系統(tǒng)的優(yōu)質(zhì)燃燒提供了有效保證,而且能夠提高火電廠的經(jīng)濟(jì)效益。為了實現(xiàn)上述任務(wù),本發(fā)明采取如下的技術(shù)解決方案一種基于數(shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法,其特征在于,該方法以磨機(jī)負(fù)荷、磨機(jī)出口溫度、磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差作為控制目標(biāo),使用MIMO模糊控制器對給煤量、熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度進(jìn)行調(diào)節(jié),從而實現(xiàn)火電廠鋼球磨煤機(jī)制粉系統(tǒng)的自動控制。其中,MIMO模糊控制的隸屬度函數(shù)和控制規(guī)則是通過對現(xiàn)場記錄數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘自動獲得的,具體包括以下步驟-1)根據(jù)人工操作狀態(tài)下現(xiàn)場記錄的磨機(jī)負(fù)荷^/、磨機(jī)出口溫度w、磨機(jī)入口負(fù)壓"P、磨機(jī)出入口壓差;^和設(shè)定值之間偏差的歷史數(shù)據(jù),構(gòu)建輸入空間數(shù)據(jù)庫。這四個變量都是按照相等的時間間隔同時被寫入數(shù)據(jù)庫內(nèi),則每一條記錄可以看作為一個對象。如果將這四個變量看作是數(shù)據(jù)庫的維,則輸入空間數(shù)據(jù)庫是個四維數(shù)據(jù)庫,這四個維分別是磨機(jī)負(fù)荷的偏差^,、磨機(jī)出口溫度的偏差e。,、磨機(jī)入口負(fù)壓的偏差、磨機(jī)出入口壓差的偏差。此外,由于磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差之間存在著耦合關(guān)系,則稱這兩個維是耦合維;同理,構(gòu)建的輸出空間數(shù)據(jù)庫則包括給煤量",、熱風(fēng)門開度&、再循環(huán)風(fēng)門開度",和冷風(fēng)門開度^這四個維,且輸出空間數(shù)據(jù)庫沒有耦合維;2)為了方便后面的計算,將所有數(shù)據(jù)的數(shù)值歸一化歸-化后數(shù)據(jù)=(設(shè)定值-測量值)偏差的值域3)根據(jù)輸入變量的重要性,給輸入空間數(shù)據(jù)庫中的每個維,即^,,、e,、&和,分別賦以權(quán)重^氣,<禾口M;4)計算輸入空間數(shù)據(jù)庫中對象;c和y間關(guān)于維的絕對距離為"《=|《-《|,其中《表示對象x維^的值,《表示對象y維的值。同理,對象x和;;間關(guān)于維的絕對距離為fl^。J和^^分別為"《和"^所對應(yīng)的語言變量且語言值為{零,正小,正中,正大}。1《和M^分別代表維和維的修正權(quán)重,它們對應(yīng)的語言變量為^;和^L且語言值為(負(fù)大,負(fù)小,零,正小,正大}。^^和^v的論域選擇[o,i]而《和『^的論域為[-l,l]。根據(jù)專家知識和現(xiàn)場操作人員的經(jīng)驗,可以得到^、W,《和^^對應(yīng)的隸屬度離散值以及一系列模糊規(guī)則,使用最大一最小的推理方法并按最大隸屬度去模糊化,即可提前求得修正權(quán)重模糊查詢表(如表1所示)。表l:修正權(quán)重模糊查詢表<table>tableseeoriginaldocumentpage10</column></row><table>1.00.31.0-l.O1.00.70.5_1.01.01.0_1.005)在實際計算時,先求出"《'和W;S,然后查詢權(quán)重模糊查詢表得到w;和h^,接著根據(jù)以下公式,計算出維^和維^的最終權(quán)重氣和w。"<m'叩=+A則p,=m>+、w.其中,*,和分別是維~和維修正權(quán)重系數(shù)。6)根據(jù)以下公式計算輸入空間數(shù)據(jù)庫中對象x和們司的模糊加權(quán)距離—J)=-VL)2-《')2-《)2-</)27)根據(jù)輸入空間數(shù)據(jù)庫中對象間的模糊加權(quán)距離,找出對象的4-最近鄰,如果兩個對象分別在對方的4-最近鄰中,則這兩個對象間的模糊加權(quán)共享最近鄰>朋"等于它們共享的近鄰個數(shù);否則>,"=0;8)以模糊加權(quán)共享最近鄰作為對象間的相似性量度,采用基于密度的方法進(jìn)行聚類。即從輸入空間數(shù)據(jù)庫中抽取一個未處理過的對象o作為初始對象,如果與o之間y^""值大于2的對象多于3個的話,貝Uo是一個核心對象并創(chuàng)建一個簇。接著以o的4-最近鄰中的某一對象p作為擴(kuò)展對象,如果P是核心對象則將p和p的4-最近鄰中的對象歸為由o創(chuàng)建的簇,并稱p從o密度直接可達(dá),否則僅將p歸為由o創(chuàng)建的簇。如果p從o密度直接可達(dá),而g從P密度直接可達(dá),則稱g從o密度可達(dá)。將所有從o密度可達(dá)的對象都?xì)w為由o創(chuàng)建的簇。然后從輸入空間數(shù)據(jù)庫中重新抽取一個沒有歸為某個簇的對象作為初始對象,重復(fù)上面的過程,直到輸入空間數(shù)據(jù)庫中對象被遍歷,其中沒有歸為任何簇的對象被標(biāo)記為孤立點并刪除;9)計算所有簇間的鄰近度,并將最近的兩個簇合并后更新簇信息。接著再次計算所有更新信息后簇間的鄰近度,并再次將最近的兩個簇合并,反i復(fù)進(jìn)行直到簇的個數(shù)等于輸入變量的語言值的個數(shù)。其中,鄰近度是指兩個簇中所有對象對之間的平均y^""值;10)計算上一步形成簇的簇心,簇心計算公式如下所示,其中《表示簇內(nèi)的對象,s是簇內(nèi)對象的個數(shù);11)將其中一個簇C,和其簇心c,投影到^,的論域上,簇的投影形成區(qū)間w,w],簇心的投影為cT。選擇三角形函數(shù)作為隸屬度函數(shù),則/;r、々和c廣可看作三角型隸屬度函數(shù)的最左邊的值、最右邊的值和中心值。因此,對于Q,,對象x屬于簇C,的隸屬度函數(shù)為—W「'_x)/W_c廣'),c廣'^"々'12)選擇不同的簇重復(fù)步驟ll),我們可以得到對于^,,對象x屬于不同簇的隸屬度函數(shù)。按照簇心投影從小到大的順序,依次將這些隸屬度函數(shù)定義為語言值的隸屬度函數(shù)。這樣,對于^,的隸屬度函數(shù)構(gòu)建完畢;13)將形成的簇和簇心分別投影到e。,、和的論域上,重復(fù)步驟ll)一12),完成e。,、和隸屬度函數(shù)的構(gòu)建;14)同理,給輸出空間數(shù)據(jù)庫中的每個維賦以權(quán)值,并重復(fù)步驟2)—13)完成輸出變量隸屬度函數(shù)的構(gòu)建。其中,由于輸出變量中不存在耦合關(guān)系,則不需要對賦的初始權(quán)值進(jìn)行修正;15)將輸入空間數(shù)據(jù)庫和輸出空間數(shù)據(jù)庫合成為規(guī)則挖掘數(shù)據(jù)庫,該數(shù)據(jù)庫包括8個維,分別是i,、e。,、、、、M/、、^和"c。16)根據(jù)輸入變量的語言值將維^,進(jìn)行擴(kuò)展,這些擴(kuò)展出來的維成為、,的擴(kuò)展維。比如輸入變量的語言值為(NB,ZO,PB},則維^,擴(kuò)展成以下3個維《"e^和e:。同理,規(guī)則挖掘數(shù)據(jù)庫中其它7個維也被擴(kuò)展。并將由^,、e。,、^和的擴(kuò)展維定義為規(guī)則前件維,而由",、、、",口的擴(kuò)展維定義為規(guī)則后件維;17)根據(jù)己得到維^,的隸屬度函數(shù)和數(shù)據(jù)庫中每個對象在維^,的值,確定每個對象對于^,擴(kuò)展維的隸屬度值。同理,每個對象在其它維上的隸屬度值也被求出,則數(shù)據(jù)庫中每個對象被模糊劃分。18)分別從^,、e。,、和擴(kuò)展維中選擇一個維出來組合成一個聯(lián)合規(guī)則前件。接著將這個聯(lián)合規(guī)則前件分別和",的擴(kuò)展維組合,形成一組單后件規(guī)則,這些規(guī)則被稱作",的候選子規(guī)則集。19)根據(jù)以下公式計算候選子規(guī)則的規(guī)則強(qiáng)度M,規(guī)則強(qiáng)度值最大的稱為",的強(qiáng)子規(guī)則;式中,義表示聯(lián)合規(guī)則前件,r表示",的擴(kuò)展維中任意一個維,ri(M))表示第/個對象關(guān)于聯(lián)合規(guī)則前件中各元素的隸屬度值的積,//(力是表示",的擴(kuò)展維中任意一個維的隸屬度值,w是規(guī)則挖掘數(shù)據(jù)庫中對象的個數(shù);20)分別選擇由維^、",和^的擴(kuò)展維和聯(lián)合規(guī)則前件組成^的候選子規(guī)則集、",的候選子規(guī)則集和^的候選子規(guī)則集,重復(fù)步驟5),確定^的強(qiáng)子規(guī)則、",的強(qiáng)子規(guī)則和^的強(qiáng)子規(guī)則。接著,將",、"A、^和^的強(qiáng)子規(guī)則連接形成聯(lián)合規(guī)則后件,再根據(jù)聯(lián)合規(guī)則前件和聯(lián)合規(guī)則后件中維對應(yīng)語言值,形成一條最終可以使用的模糊控制規(guī)則;21)選擇不同的聯(lián)合規(guī)則前件,重復(fù)步驟18)步驟20),得到另外一條模糊控制規(guī)則;當(dāng)所有i,、^、和的擴(kuò)展維的組合被遍歷,則完成了整個模糊控制器規(guī)則庫的構(gòu)建。圖1是基于數(shù)據(jù)挖掘技術(shù)的MIMO模糊控制器;附錄1是模1則挖掘結(jié)果。以下結(jié)合附圖和發(fā)明人給出的實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。具體實施例方式以某火電廠貼機(jī)組的甲制粉系統(tǒng)為例,給出本發(fā)明的一個具體應(yīng)用。該制粉系統(tǒng)配備的鋼球磨煤機(jī)的型號為DTM380/830,采用皮帶式稱重給煤機(jī)給煤。其工作流程為給煤機(jī)將原煤倉內(nèi)的原煤送入磨煤機(jī)內(nèi),同時熱風(fēng)、冷風(fēng)、再循環(huán)風(fēng)也進(jìn)入磨煤機(jī),原煤經(jīng)過破碎研磨,磨制好的煤粉被氣流輸送出去,從磨煤機(jī)出來的是氣粉混合物,經(jīng)粗粉分離器后,過粗的煤粉重新返回磨煤機(jī)入口進(jìn)行再研磨,合格的煤粉被帶入細(xì)粉分離器進(jìn)行氣粉分離,再次合格的煤粉落入煤粉倉?;跀?shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法,采用的是MIMO模糊控制器對給煤量、熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度進(jìn)行調(diào)節(jié),其中的隸屬度函數(shù)和控制規(guī)則是通過對現(xiàn)場記錄數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘自動獲得的,具體控制框圖見附圖l。6W、w、^和;^分別是磨機(jī)負(fù)荷、磨機(jī)出口溫度、磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差的測量值。6附/,,,、wvv、"/^和P《分別是磨機(jī)負(fù)荷、磨機(jī)出口溫度、磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差的設(shè)定值。^,、e。,、^和分別代表的是磨機(jī)負(fù)荷、磨機(jī)出口溫度、磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差的偏差,^和^是^,、&,、~和^的語言變量。",、"p",和"£是控制輸出,分別用于控制給煤量、熱風(fēng)門、再'f盾環(huán)風(fēng)門禾口7令風(fēng)門,C/f、C/A、C/r禾口t/c是"f、"A、Wr和t^的語言變量。e、e。,、%、、"。、^和^的基本論域分別為[-10,10]%、[-3,3]°C、[-100,100]Pa、[-300,300]Pa、[-10,10]%、[-10,10]%、[-10,10]%和[-10,10]0/0。每個變量對應(yīng)的語言變量的論域均選擇[-l,l],而語言值均選擇(NB,ZO,PB},分別代表負(fù)大、零、正大。根據(jù)人工操作狀態(tài)下現(xiàn)場記錄的磨機(jī)負(fù)荷6m/、磨機(jī)出口溫度W、磨機(jī)入口負(fù)壓^、磨機(jī)出入口壓差;^和設(shè)定值之間偏差的歷史數(shù)據(jù),構(gòu)建輸入空間數(shù)據(jù)庫。其中偏差=設(shè)定值-測量值,當(dāng)前^/的設(shè)定值為80%,w的設(shè)定值為61。C,甲的設(shè)定值為-300Pa,W的設(shè)定值為3400Pa。這四個變量都是按照相等的時間間隔同時被寫入數(shù)據(jù)庫內(nèi),則每一條記錄可以看作為一個對象。如果將這四個變量看作是數(shù)據(jù)庫的維,則輸入空間數(shù)據(jù)庫是個四維數(shù)據(jù)庫,這四個維分別是磨機(jī)負(fù)荷的偏差、,、磨機(jī)出口溫度的偏差&,、磨機(jī)入口負(fù)壓的偏差、磨機(jī)出入口壓差的偏差。此外,由于磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差之間存在著耦合關(guān)系,則稱這兩個維是耦合維;同理,構(gòu)建的輸出空間數(shù)據(jù)庫則包括給煤量",、熱風(fēng)門開度"p再循環(huán)風(fēng)門開度^和冷風(fēng)門開度",.這四個維,且輸出空間數(shù)據(jù)庫沒有耦合維。輸入空間數(shù)據(jù)庫和輸出空間數(shù)據(jù)庫均包含3000個對象,為了方便后面的計算,將所有對象各維的數(shù)值歸一化。MIMO控制器中隸屬度函數(shù)的建立包括以下幾個步驟1)根據(jù)輸入變量的重要性,給輸入空間數(shù)據(jù)庫中的每個維,即^,、e。,、和,分別賦以權(quán)重氣,,、w。,,和分別為0.4,0.2,0.2禾Q0.2。2)計算輸入空間數(shù)據(jù)庫中對象;c和y間關(guān)于維的絕對距離為<;=|《-《|,其中《表示對象x維^的值,《表示對象少維^的值。同理,對象x和少間關(guān)于維的絕對距離為W-。接著査詢權(quán)重模糊査詢表(如表1所示)得到m^和m^,接著根據(jù)以下公式,計算出維和維^的最終權(quán)重1%和<formula>formulaseeoriginaldocumentpage15</formula>其中,^和^分別是維^和維修正權(quán)重系數(shù)且、=0.2。3)根據(jù)以下公式計算輸入空間數(shù)據(jù)庫中對象x和;;間的模糊加權(quán)距離<formula>formulaseeoriginaldocumentpage15</formula>4)根據(jù)輸入空間數(shù)據(jù)庫中對象間的模糊加權(quán)距離,找出對象的4-最近鄰,如果兩個對象分別在對方的4-最近鄰中,則這兩個對象間的模糊加權(quán)共享最近鄰^訓(xùn)"等于它們共享的近鄰個數(shù);否則>訓(xùn)"=0;5)以模糊加權(quán)共享最近鄰作為對象間的相似性量度,采用基于密度的方法進(jìn)行聚類。即從輸入空間數(shù)據(jù)庫中抽取一個未處理過的對象o作為初始對象,如果與0之間>訓(xùn)"值大于2的對象多于3個的話,貝U。是一個核心對象并創(chuàng)建一個簇。接著以。的4-最近鄰中的某一對象;p作為擴(kuò)展對象,如果p是核心對象則將p和p的4-最近鄰中的對象歸為由o創(chuàng)建的簇,并稱;7從o密度直接可達(dá),否則僅將p歸為由o創(chuàng)建的簇。如果p從o密度直接可達(dá),而《從p密度直接可達(dá),則稱《從o密度可達(dá)。將所有從o密度可達(dá)的對象都?xì)w為由o創(chuàng)建的簇。然后從輸入空間數(shù)據(jù)庫中重新抽取一個沒有歸為某個簇的對象作為初始對象,重復(fù)上面的過程,直到輸入空間數(shù)據(jù)庫中對象被遍歷,其中沒有歸為任何簇的對象被標(biāo)記為孤立點并刪除;6)計算所有簇間的鄰近度,并將最近的兩個簇合并后更新簇信息。接著再次計算所有更新信息后簇間的鄰近度,并再次將最近的兩個簇合并,反復(fù)進(jìn)行直到簇的個數(shù)等于輸入變量的語言值。因為輸入變量的語言值為{NB,ZO,PB},則最終簇的個數(shù)為3。其中,鄰近度是指兩個簇中所有對象對之間的平均>訓(xùn)"值;7)計算上一步形成的3個簇q、q和q的簇心,簇心計算公式如下所示,其中《表示簇內(nèi)的對象,s是簇內(nèi)對象的個數(shù);8)將簇q和其簇心c,投影到^,的論域上,簇的投影形成區(qū)間[。",《「'],簇心的投影為cT。選擇三角形函數(shù)作為隸屬度函數(shù),則G〃、々和c廣可看作三角型隸屬度函數(shù)的最左邊的值、最右邊的值和中心值。因此,對于^,,對象X屬于簇C,的隸屬度函數(shù)為:<formula>formulaseeoriginaldocumentpage17</formula>9)選擇不同的簇重復(fù)步驟8),我們可以得到對于^,,,對象x屬于簇q和q的隸屬度函數(shù)。按照簇心投影從小到大的順序,依次將這些隸屬度函數(shù)定義為語言值NB、ZO和PB的隸屬度函數(shù)。這樣,對于^,的隸屬度函數(shù)構(gòu)建完畢;10)將形成的簇和簇心分別投影到e。,、和的論域上,重復(fù)步驟8)一9),完成e。,、和隸屬度函數(shù)的構(gòu)建;11)同理,給輸出空間數(shù)據(jù)庫中的每個維,即",、"A、",和",.,分別賦以權(quán)重0.5,0.2,0.2禾B0.1,并重復(fù)步驟l)—11)完成輸出變量隸屬度函數(shù)的構(gòu)建。其中,由于輸出變量中不存在耦合關(guān)系,則不需要對賦的初始權(quán)值進(jìn)行修正。構(gòu)建好的輸入變量和輸出變量隸屬度函數(shù)如表29所示,表中用[/,A",c]的形式表示不同語言值對應(yīng)的三角型隸屬度函數(shù)的三個參數(shù),即最左邊的值、最右邊的值和中心值。表2輸入變量e^,的隸屬度函數(shù)<table>tableseeoriginaldocumentpage17</column></row><table>表3輸入變量e。,的隸屬度函數(shù)<table>tableseeoriginaldocumentpage17</column></row><table><table>tableseeoriginaldocumentpage18</column></row><table>表4輸入變量e^的隸屬度函數(shù)<table>tableseeoriginaldocumentpage18</column></row><table>表5輸入變量^/的隸屬度函數(shù)<table>tableseeoriginaldocumentpage18</column></row><table>表6輸出變量M,的隸屬度函數(shù)-<table>tableseeoriginaldocumentpage18</column></row><table>表7輸出變量",的隸屬度函數(shù)<table>tableseeoriginaldocumentpage18</column></row><table>表8輸入變量^的隸屬度函數(shù)<table>tableseeoriginaldocumentpage18</column></row><table><table>tableseeoriginaldocumentpage19</column></row><table>MIMO控制器中規(guī)則庫的建立包括以下幾個步驟:1)將輸入空間數(shù)據(jù)庫和輸出空間數(shù)據(jù)庫合成為規(guī)則挖掘數(shù)據(jù)庫,該數(shù)據(jù)庫包括8個維,分別是'/、~、、、W尸、WA、Wr和Wc°2)輸入變量的語言值為(NB,ZO,PB},則維擴(kuò)展成以下3個維e=、《;;和^:,。同理,規(guī)則挖掘數(shù)據(jù)庫中其它7個維也被擴(kuò)展,此時規(guī)則挖掘數(shù)據(jù)庫一共包括24個維。并將由^,、e。,、^和擴(kuò)展出來的維定義為規(guī)則前件維,而由",、"A、"f和^展出來的維定義為規(guī)則后件維;3)根據(jù)已經(jīng)構(gòu)建好的維、,的隸屬度函數(shù)和數(shù)據(jù)庫中每個對象在維^,的值,確定每個對象在維《%維^;和維e^的隸屬度值,并將這些值記做:《1、v^和《。同理,每個對象在其它維上的隸屬度值也被求出,則數(shù)據(jù)庫中每個對象被模糊劃分。4)分別從e^、e。,、和^各自擴(kuò)展出來的維中選擇一個維出來組合成一個聯(lián)合規(guī)則前件。接著將這個聯(lián)合規(guī)則前件分別和",擴(kuò)展出來的3個維組合,形成一組單后件規(guī)則,這些規(guī)則被稱作",的候選子規(guī)則集。5)根據(jù)以下公式計算候選子規(guī)則的規(guī)則強(qiáng)度M,規(guī)則強(qiáng)度值最大的稱為",的強(qiáng)子規(guī)則;_<formula>formulaseeoriginaldocumentpage19</formula>式中,x表示聯(lián)合規(guī)則前件,r表示",擴(kuò)展出來的3個維中的任意一個維,]1(//(;c'))表示第/個對象關(guān)于聯(lián)合規(guī)則前件中各元素的隸屬度值的積,//00是表示W(wǎng),擴(kuò)展出來的3個維中的任意一個維的隸屬度值,"是規(guī)則挖掘數(shù)據(jù)庫中對象的個數(shù);6)分別選擇由維^、"r和".擴(kuò)展出來的維和聯(lián)合規(guī)則前件組成",,的候選子規(guī)則集、",的候選子規(guī)則集和",的候選子規(guī)則集,重復(fù)步驟5),確定w,,的強(qiáng)子規(guī)則、",的強(qiáng)子規(guī)則和^的強(qiáng)子規(guī)則。接著,將",、Wa、^和",的強(qiáng)子規(guī)則連接形成聯(lián)合規(guī)則后件,再根據(jù)聯(lián)合規(guī)則前件和聯(lián)合規(guī)則后件中維對應(yīng)語言值,形成一條最終可以使用的模糊控制規(guī)則;7)選擇不同的聯(lián)合規(guī)則前件,重復(fù)步驟4)一6),得到另外一條模糊控制規(guī)則;當(dāng)所有^,,、e。,、和擴(kuò)展維的組合被遍歷,則完成了整個模糊控制器中規(guī)則庫的構(gòu)建,構(gòu)建好的規(guī)則庫如附錄1所示。根據(jù)以上說明,針對火電廠鋼球磨煤機(jī)制粉系統(tǒng)的基于數(shù)據(jù)挖掘技術(shù)的MIMO模糊控制器,通過離線的方式已經(jīng)設(shè)計完畢。在具體實施時,可采用PLC或者控制模塊和工控機(jī)組成小型的DCS系統(tǒng),在PLC或者控制模塊中實現(xiàn)相關(guān)數(shù)據(jù)的采集,而在工控機(jī)中使用VC十+和MATLAB混合編程實現(xiàn)模糊控制器的構(gòu)建。在實際控制中,由工業(yè)現(xiàn)場來的信號難免會包含一些噪音,所以PLC或者控制模塊中針對這些信號的不同類型采用不同的濾波算法來進(jìn)行預(yù)處理,以保證后面控制算法能夠準(zhǔn)確的實施。具體的濾波算法如下參磨機(jī)負(fù)荷;在模擬量采集模塊設(shè)置平均值濾波(128點,根據(jù)采集速度適當(dāng)調(diào)整),采集速率為500ms(如有可能盡量提高),設(shè)置一階慣性濾波,公式為病=哮)+(1_勿&_1)式中,;^)為本次最終結(jié)果,>^-1)為上次最終結(jié)果,x("為本次實時測量值,"為濾波系數(shù)。濾波系數(shù)設(shè)置為0.05(可修改);*磨機(jī)出口溫度;在模擬量采集模塊設(shè)置平均值濾波(64點,根據(jù)采集速度適當(dāng)調(diào)整);*磨機(jī)入口負(fù)壓;在模擬量采集模塊設(shè)置平均值濾波(128點,根據(jù)采集速度適當(dāng)調(diào)整),視信號波動量大小,設(shè)置滑動平均濾波或一階慣性濾波(一階慣性濾波公式伺磨機(jī)負(fù)荷);*磨機(jī)出入口壓差;在模擬量采集模塊設(shè)置平均值濾波(128點,根據(jù)采集速度適當(dāng)調(diào)整),視信號波動量大小,設(shè)置滑動平均濾波或一階慣性濾波(一階慣性濾波公式同磨機(jī)負(fù)荷)。而在工控機(jī)中已構(gòu)建好模糊控制器可直接使用,其中使用最大-最小推理合成方法和重心法來去模糊,將得到的結(jié)果變換到輸出變量對應(yīng)的基本論域即可得到最終的控制輸出。附錄l:模糊規(guī)則挖掘結(jié)果<table>complextableseeoriginaldocumentpage22</column></row><table><table>tableseeoriginaldocumentpage23</column></row><table><table>tableseeoriginaldocumentpage24</column></row><table>權(quán)利要求1、一種基于數(shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法,其特征在于,該方法以磨機(jī)負(fù)荷、磨機(jī)出口溫度、磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差作為控制目標(biāo),使用MIMO模糊控制器對給煤量、熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度進(jìn)行調(diào)節(jié),實現(xiàn)火電廠鋼球磨煤機(jī)制粉系統(tǒng)的自動控制,其中,模糊控制的隸屬度函數(shù)和控制規(guī)則是通過對現(xiàn)場記錄數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘自動獲得;具體包括以下步驟1)根據(jù)人工操作狀態(tài)下現(xiàn)場記錄的磨機(jī)負(fù)荷bml、磨機(jī)出口溫度ot、磨機(jī)入口負(fù)壓np、磨機(jī)出入口壓差pd和設(shè)定值之間偏差的歷史數(shù)據(jù),構(gòu)建輸入空間數(shù)據(jù)庫,上述四個變量按照相等的時間間隔同時被寫入數(shù)據(jù)庫內(nèi),每一條記錄看作一個對象;如果將四個變量看作是數(shù)據(jù)庫的維,則輸入空間數(shù)據(jù)庫是個四維數(shù)據(jù)庫,這四個維分別是磨機(jī)負(fù)荷的偏差ebml、磨機(jī)出口溫度的偏差eot、磨機(jī)入口負(fù)壓的偏差enp、磨機(jī)出入口壓差的偏差epd;此外,磨機(jī)入口負(fù)壓和磨機(jī)出入口壓差之間存在的耦合關(guān)系,則稱這兩個維是耦合維;同理,構(gòu)建的輸出空間數(shù)據(jù)庫則包括給煤量uf、熱風(fēng)門開度uh、再循環(huán)風(fēng)門開度ur和冷風(fēng)門開度uc這四個維,且輸出空間數(shù)據(jù)庫沒有耦合維;2)使用基于模糊加權(quán)共享最近鄰的密度聚類算法,對輸入空間數(shù)據(jù)庫進(jìn)行聚類,接著根據(jù)簇間鄰近性量度將發(fā)現(xiàn)的簇凝聚,使最終簇的個數(shù)等于MIMO模糊控制器中輸入變量語言值的個數(shù);3)計算步驟2)形成的簇的簇心,將簇和簇心投影到輸入變量的論域上;選擇三角形函數(shù)作為隸屬度函數(shù),簇的投影形成區(qū)間的最小值和最大值作為三角型隸屬度函數(shù)的最左邊的值和最右邊的值,而簇心的投影作為三角型隸屬度函數(shù)的中心值;按照簇心投影從小到大的順序,依次將這些隸屬度函數(shù)定義為輸入變量語言值的隸屬度函數(shù),完成輸入變量隸屬度函數(shù)的構(gòu)建;4)對輸出空間數(shù)據(jù)庫,重復(fù)步驟2)~步驟3),完成輸出變量隸屬度函數(shù)的構(gòu)建;5)將輸入空間數(shù)據(jù)庫和輸出空間數(shù)據(jù)庫合成為規(guī)則挖掘數(shù)據(jù)庫,該數(shù)據(jù)庫包括8個維,分別是ebml、eot、enp、epd、uf、uh、ur和uc;在合成后的數(shù)據(jù)庫上使用模糊控制規(guī)則挖掘算法得到MIMO模糊控制器中使用的控制規(guī)則;6)在步驟1)~步驟5)的基礎(chǔ)上,使用多入多出MIMO模糊控制器對給煤量、熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度進(jìn)行自動調(diào)節(jié),從而實現(xiàn)制粉系統(tǒng)的自動控制。2、如權(quán)利要求1所述的方法,其特征在于,所述的基于模糊加權(quán)共享最近鄰的密度聚類算法,包括以下步驟-1)為方便后面的計算,將所有數(shù)據(jù)的數(shù)值歸一化歸一化后數(shù)據(jù)JHg自偏差的值域2)根據(jù)輸入變量的重要性,給輸入空間數(shù)據(jù)庫中的每個維,即^,、e。,、和,分別賦以權(quán)重M^、w。,,M^和;3)計算輸入空間數(shù)據(jù)庫中對象x和;;間關(guān)于維的絕對距離為0=|《-《|,其中《表示對象x維的值,《表示對象^維的值;同理,對象x和少間關(guān)于維的絕對距離為;Wp和分別為O和"《所對應(yīng)的語言變量且語言值為{零,正小,正中,正大};W;和w^分別代表維和維的修正權(quán)重,它們對應(yīng)的語言變量為《和^且語言值為(負(fù)大,負(fù)小,零,正小,正大};^^和^^的論域選擇而《p和^,的論域為[-l,l];得到ADUP,ADPD,WNP,WPD對應(yīng)的隸屬度離散值以及一系列模糊規(guī)則,使用最大一最小的推理方法并按最大隸屬度去模糊化,即可求得修正權(quán)重模糊查詢表;4)在實際計算時,先求出ADNP'和ADPD然后査詢權(quán)重模糊査詢表得到WNP和WPD,接著根據(jù)以下公式,計算出維ENP和維EPD的最終權(quán)重WNP和WPD;<formula>formulaseeoriginaldocumentpage4</formula>其中,KWNp和分別是維ENP和維EPD修正權(quán)重系數(shù);5)根據(jù)以下公式計算輸入空間數(shù)據(jù)庫中對象x和^間的模糊加權(quán)距離6)根據(jù)輸入空間數(shù)據(jù)庫中對象間的模糊加權(quán)距離,找出對象的4-最近鄰,如果兩個對象分別在對方的4-最近鄰中,則這兩個對象間的模糊加權(quán)共享最近鄰fwsnn等于它們共享的近鄰個數(shù);否則fwsnn=0;7)以模糊加權(quán)共享最近鄰作為對象間的相似性量度,采用基于密度的方法進(jìn)行聚類;即從輸入空間數(shù)據(jù)庫中抽取一個未處理過的對象o作為初始對象,如果與o之間y^""值大于2的對象多于3個的話,貝Uo是一個核心對象并創(chuàng)建一個簇;接著以o的4-最近鄰中的某一對象^作為擴(kuò)展對象,如果p是核心對象則將p和p的4-最近鄰中的對象歸為由o創(chuàng)建的簇,并稱p從o密度直接可達(dá),否則僅將p歸為由o創(chuàng)建的簇;如果^從o密度直接可達(dá),而g從p密度直接可達(dá),則稱《從o密度可達(dá);將所有從o密度可達(dá)的對象都?xì)w為由o創(chuàng)建的簇;然后從輸入空間數(shù)據(jù)庫中重新抽取一個沒有歸為某個簇的對象作為初始對象,重復(fù)上面的過程,直到輸入空間數(shù)據(jù)庫中對象被遍歷,其中沒有歸為任何簇的對象被標(biāo)記為孤立點并刪除;7)計算所有簇間的鄰近度,并將最近的兩個簇合并后更新簇信息;接著再次計算所有更新信息后簇間的鄰近度,并再次將最近的兩個簇合并,反復(fù)進(jìn)行直到簇的個數(shù)等于輸入變量的語言值的個數(shù);其中,鄰近度是指兩個簇中所有對象對之間的平均yi^"w值。3、如權(quán)利要求1所述的方法,其特征在于,所述的模糊控制規(guī)則挖掘算法,包括以下幾個步驟1)將輸入空間數(shù)據(jù)庫和輸出空間數(shù)據(jù)庫合成為規(guī)則挖掘數(shù)據(jù)庫,該數(shù)據(jù)庫包括8個維,分別是、,、e。,、、、",、W/)、和"j2)根據(jù)輸入變量的語言值將維^,進(jìn)行擴(kuò)展,這些擴(kuò)展出來的維成為e^,的擴(kuò)展維;比如輸入變量的語言值為(NB,ZO,PB},則維;,擴(kuò)展成以下3個維e=、《;和^f,;同理,規(guī)則挖掘數(shù)據(jù)庫中其它7個維也被擴(kuò)展;并將由、,、e。,、和的擴(kuò)展維定義為規(guī)則前件維,而由",、"A、",和"£.的擴(kuò)展維定義為規(guī)則后件維;3)根據(jù)權(quán)利要求2所述方法得到維^,的隸屬度函數(shù)和數(shù)據(jù)庫中每個對象在維^,的值,確定每個對象對于^,擴(kuò)展維的隸屬度值;同理,每個對象在其它維上的隸屬度值也被求出,則數(shù)據(jù)庫中每個對象被模糊劃分;4)分別從^,、e。,、和^擴(kuò)展維中選擇一個維出來組合成一個聯(lián)合規(guī)則前件;接著將這個聯(lián)合規(guī)則前件分別和",的擴(kuò)展維組合,形成一組單后件規(guī)則,這些規(guī)則被稱作",的候選子規(guī)則集;5)根據(jù)以下公式計算候選子規(guī)則的規(guī)則強(qiáng)度iS,規(guī)則強(qiáng)度值最大的稱為",的強(qiáng)子規(guī)則;<table>tableseeoriginaldocumentpage5</column></row><table>式中,i表示聯(lián)合規(guī)則前件,y表示",.的擴(kuò)展維中任意一個維,n(/^o)表示第/個對象關(guān)于聯(lián)合規(guī)則前件中各元素的隸屬度值的積,M/)是表示",的擴(kuò)展維中任意一個維的隸屬度值,n是規(guī)則挖掘數(shù)據(jù)庫中對象的個數(shù);6)分別選擇由維^、",和",的擴(kuò)展維和聯(lián)合規(guī)則前件組成^的候選子規(guī)則集、^的候選子規(guī)則集和、的候選子規(guī)則集,重復(fù)步驟5),確定,的強(qiáng)子規(guī)則、",的強(qiáng)子規(guī)則和^.的強(qiáng)子規(guī)則;接著,將",、Wa、",和、的強(qiáng)子規(guī)則連接形成聯(lián)合規(guī)則后件,再根據(jù)聯(lián)合規(guī)則前件和聯(lián)合規(guī)則后件中維對應(yīng)語言值,形成一條最終可以使用的模糊控制規(guī)則;7)選擇不同的聯(lián)合規(guī)則前件,重復(fù)步驟4)步驟6),得到另外一條模糊控制規(guī)則;當(dāng)所有^,,、e。,、和的擴(kuò)展維的組合被遍歷,則完成了整個MIMO模糊控制器規(guī)則庫的構(gòu)建。全文摘要本發(fā)明公開了一種基于數(shù)據(jù)挖掘技術(shù)的火電廠鋼球磨煤機(jī)制粉系統(tǒng)自動控制方法,采用基于數(shù)據(jù)挖掘技術(shù)的多入多出(MIMO)模糊控制器對給煤量,熱風(fēng)門開度、再循環(huán)風(fēng)門開度和冷風(fēng)門開度進(jìn)行自動調(diào)節(jié),MIMO模糊控制器中的隸屬度函數(shù)是在對現(xiàn)場記錄數(shù)據(jù)使用基于模糊加權(quán)共享最近鄰的密度聚類算法基礎(chǔ)上建立,控制規(guī)則通過對現(xiàn)場數(shù)據(jù)進(jìn)行模糊控制規(guī)則挖掘后得到,避免了模糊控制器傳統(tǒng)方法的主觀性和局限性,為火電廠鋼球磨煤機(jī)制粉系統(tǒng)安全可靠的運(yùn)行提供了保證。該方法不僅使制粉系統(tǒng)一直在最佳方式下運(yùn)行,還可有效降低磨煤機(jī)震動、防止磨煤機(jī)滿灌和斷煤,杜絕事故的發(fā)生,減輕工人勞動強(qiáng)度,減少維護(hù)量,改善工作環(huán)境,并使粉塵污染和噪聲污染有所改善。文檔編號G05B13/02GK101178580SQ20071001891公開日2008年5月14日申請日期2007年10月19日優(yōu)先權(quán)日2007年10月19日發(fā)明者司剛?cè)?張彥斌,暉曹,賈立新申請人:西安交通大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1