CN114942659B - 窑炉温度控制方法、系统、装置及存储介质 - Google Patents
窑炉温度控制方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN114942659B CN114942659B CN202210765370.9A CN202210765370A CN114942659B CN 114942659 B CN114942659 B CN 114942659B CN 202210765370 A CN202210765370 A CN 202210765370A CN 114942659 B CN114942659 B CN 114942659B
- Authority
- CN
- China
- Prior art keywords
- temperature
- control quantity
- calculating
- value
- kiln
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 91
- 238000005096 rolling process Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 239000000919 ceramic Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000010304 firing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- JYGLAHSAISAEAL-UHFFFAOYSA-N Diphenadione Chemical compound O=C1C2=CC=CC=C2C(=O)C1C(=O)C(C=1C=CC=CC=1)C1=CC=CC=C1 JYGLAHSAISAEAL-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 206010013142 Disinhibition Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
- G05D23/22—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature the sensing element being a thermocouple
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P40/00—Technologies relating to the processing of minerals
- Y02P40/60—Production of ceramic materials or ceramic elements, e.g. substitution of clay or shale by alternative raw materials, e.g. ashes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Temperature (AREA)
Abstract
本发明涉及温度控制技术领域，公开一种窑炉温度控制方法、系统、装置及存储介质。该方法包括：获取窑炉内部的实时温度信息，得到实际温度值；根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；根据温度预测输出值计算未来控制量；根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制。本实施例基于预测控制原来对窑炉内部温度进行预测，预测精度高。
Description
技术领域
本发明涉及温度控制技术领域，尤其是一种窑炉温度控制方法、系统、装置及存储介质。
背景技术
在辊道的烧制工艺中，为了提高陶瓷生产的成品合格率，在生产过程中会根据实际情况给定一条合理的温度烧制曲线，在对温度进行控制的过程中，其窑内实际的温度烧成曲线与给定曲线的拟合程度越高，成品的质量越高。如果辊道窑的温度值不能准确地遵循参考曲线，那么成品陶瓷就会出现许多严重的缺陷，如裂纹和断裂、黑心、烧成不足和过度烧成、釉料色调变化、尺寸变化、平面度缺陷。因此，人们总是希望陶瓷窑炉能够准确地按照给定温度曲线进行，以尽可能满足成品的所有工程要求。不同的控制系统虽然使用的控制器或者控制方法不同，最终目的都是使窑内的温度更准确的拟合烧成曲线，这样烧制的陶瓷制品的品质最高。
当前陶瓷窑炉温度的控制方法主要以比例-积分-微分(PID)控制方法、开关控制方法、基于规则的控制方法为主，控制对象主要是燃气量，当针对多输入多输出系统时，如果使用传统的控制方法，例如PID控制，就需要添加多个PID控制器完成多变量控制，并且需要对每个控制器进行不同的参数设置和整定，这就要求对控制器的设计对有较强的经验性，同时这些方法缺乏对干扰、大时滞的抑制，同时控制量存在较大波动，难以将窑炉温度精确控制在目标温度，且面对大的干扰时，容易产生较长时间的振荡。
发明内容
本发明的目的是提供一种窑炉温度控制方法、系统、装置及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，提供一种窑炉温度控制方法，包括：
获取窑炉内部的实时温度信息，得到实际温度值；
根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
根据温度预测输出值计算未来控制量；
根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制。
在一些实施例中，所述根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹，包括：
设置温度权重系数；
使用温度权重系数对实际温度值以及温度预设值进行权重运算，计算实际温度值以及温度预设值的权重运算结果之和，作为温度参考轨迹。
在一些实施例中，所述根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，包括：
计算温度预设值与温度参考轨迹在预测时域长度内各个时刻的误差平方之和，得到温度误差指标；
计算加权后历史温度控制量在控制时域长度内各个时刻的平方之和，得到控制量增量指标；
计算温度误差指标和控制量增量指标之和，作为优化指标参数。
在一些实施例中，所述对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，包括：
滚动调整温度预设值，每次调整温度预设值后计算温度预测输出值和优化指标参数；
比较每次得到的优化指标参数，以各个优化指标参数中的最小值作为符合预测期望的优化指标参数。
在一些实施例中，所述根据温度预测输出值计算未来控制量，包括：
通过在线求解diophantine方程，建立温度预测输出值模型；
忽略待预测时刻的噪声，通过温度预测输出值模型计算未来控制量。
在一些实施例中，所述根据未来控制量计算当前的控制量输出值，包括：
根据未来控制量以及预设的比例参数矩阵、输出控制量增量矩阵和滚动优化输入矩阵建立控制量输出模型；
通过控制量输出模型计算当前的控制量输出值。
在一些实施例中，所述根据当前的控制量输出值计算燃气阀门开度控制量，包括：
根据优化指标参数与控制量增量的映射关系，对优化指标参数求取关于控制量增量的偏导数，得到关于控制量增量模型；
根据控制量增量模型计算燃气阀门开度控制量。
第二方面，提供一种窑炉温度控制系统，包括：
获取模块，用于获取窑炉内部的实时温度信息，得到实际温度值；
轨迹预测模块，用于根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
预测输出模块，用于根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
第一控制量计算模块，用于根据温度预测输出值计算未来控制量；
第二控制量计算模块，用于根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制。
第三方面，提供一种计算机设备，包括：
至少一个存储器；
至少一个处理器；
所述存储器存储有计算机程序，处理器执行所述计算机程序以实现如第一方面所述的窑炉温度控制方法。
第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的窑炉温度控制方法。
本发明的有益效果：根据窑炉内部的实时温度和可更新的温度预设值预测窑炉内部的温度参考轨迹，并更新和优化设定参数，引入变量约束，在保持工况稳定的基础上计算合理的控制量，直至得到符合预测期望的控制输出量，以对窑炉内部的温度进行控制，克服人工设定参数导致的不可靠以及不能及时更新参数的缺陷，具有良好的稳定性和鲁棒性。
附图说明
图1是本公开实施例提供的窑炉温度控制方法的流程图。
图2是图1中的步骤S200的流程图。
图3是图1中的步骤S300的流程图之一。
图4是图1中的步骤S300的流程图之二。
图5是图1中的步骤S400的流程图。
图6是图1中的步骤S500的流程图之一。
图7是图1中的步骤S500的流程图之二。
图8是本公开实施例提供的窑炉温度控制系统的结构示意图。
图9是本公开实施例提供的计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
如上背景技术所述，现有陶瓷窑炉温度的控制方法主要以PID控制方法、开关控制方法、基于规则的控制方法为主，控制对象主要是燃气量，当针对多输入多输出系统时，如果使用传统的控制方法，例如PID控制，就需要添加多个PID控制器完成多变量控制，并且需要对每个控制器进行不同的参数设置和整定，这就要求对控制器的设计对有较强的经验性，同时这些方法缺乏对干扰、大时滞的抑制，同时控制量存在较大波动，难以将窑炉温度精确控制在目标温度，且面对大的干扰时，容易产生较长时间的振荡。
基于此，本公开实施例提出一种窑炉温度控制方法、装置、设备及存储介质，根据窑炉内部的实时温度和可更新的温度预设值预测窑炉内部的温度参考轨迹，并更新和优化设定参数，引入变量约束，在保持工况稳定的基础上计算合理的控制量，直至得到符合预测期望的控制输出量，以对窑炉内部的温度进行控制，克服人工设定参数导致的不可靠以及不能及时更新参数的缺陷，具有良好的稳定性和鲁棒性。
参照图1，根据本公开实施例第一方面实施例的窑炉温度控制方法，包括但不限于包括步骤S100至步骤S500。
步骤S100，获取窑炉内部的实时温度信息，得到实际温度值；
步骤S200，根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
步骤S300，根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
步骤S400，根据温度预测输出值计算未来控制量；
步骤S500，根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制。
在一些实施例的步骤S100中，获取窑炉内部的实时温度信息，可以是在窑炉顶部安装热电偶温度传感器，通过热电偶温度传感器对窑炉内部的温度信息进行采集，热电偶温度传感器连接窑炉控制器，将采集炉内温度信息的传感信号传送至窑炉控制器，窑炉控制器将接收到的传感信号转换为数字信号，通过查找温度分度表的方式来确定转换得到的数字信号所对应的温度值，即为实际温度值，进而将实际温度值输出到模型预测控制系统中用于预测控制处理。
在一些实施例的步骤S200中，窑炉内部的温度参考轨迹是由现时的实际温度值出发且向温度预设值光滑过度而成的，窑炉内部的温度参考轨迹可用于描述预测期望输出，当未来温度值落入温度参考轨迹的范围内时，则为符合预测期望。窑炉内部的温度参考轨迹由实际温度值以及当前设定的温度预设值影响，当前设定的温度预设值作为该温度参考轨迹的参考输出，温度参考轨迹上各个时刻对应一个温度参考轨迹，当前时刻的温度参考轨迹可由未来时刻的参考输出来描述。
在一些实施例的步骤S300中，采用模型预测控制的方法，将温度预设值与温度参考轨迹之间的误差作为模型预测控制器的优化指标，设定不同的温度预设值与温度参考轨迹之间的误差不同，对应生成不同的优化指标参数，通过对优化指标参数进行滚动优化处理，从多个优化指标参数中确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值，更新温度预设值，使温度预测输出值符合温度参考轨迹。
在一些实施例的步骤S400中，根据温度预测输出值计算未来控制量，获得符合预测期望的优化指标参数后，根据该优化指标参数确定温度预测输出值，在忽略噪声的影响下，确定未来控制量。
在一些实施例的步骤S500中，根据未来控制量计算当前的控制量输出值可以是将根据温度预测输出值计算得到的各个未来控制量按照时间顺序整合后，依据整合结果对应输出的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量可以是依据设定关系参数，该关系参数描述炉内温度与输出至燃气阀门的电流值的关系，根据当前的控制量输出值所对应的温度信息获取对应的关系参数，通过将当前的控制量输出值与获取的关系参数相乘得到燃气阀门开度控制量。其中，燃气阀门开度控制量的大小控制燃气阀门的开度，燃气阀门开度控制量越大，增大电流输出至燃气阀门开度增大，增加燃气进气量，燃气阀门开度控制量越小，减小电流输出至燃气阀门开度缩减，减少燃气进气量。
在一些实施例中，如图2所示，步骤S200具体包括但不限于步骤S210至步骤S220。
步骤S210，设置温度权重系数；
步骤S220，使用温度权重系数对实际温度值以及温度预设值进行权重运算，计算实际温度值以及温度预设值的权重运算结果之和，作为温度参考轨迹。
具体地，温度参考轨迹的计算公式为：
w(k+j)＝ajy(k)+(1-aj)yr；
其中，w(k+j)表示k+j时刻的温度参考轨迹，j＝1,2,3···，aj表示温度权重系数，0＜aj＜1，y(k)表示k时刻的实际温度值，yr表示温度预设值。
窑炉内部的温度参考轨迹是由现时的实际温度值出发且向温度预设值光滑过度而成，在k+j时刻的温度参考轨迹由k时刻的实际温度值和温度预设值描述，温度权重系数aj为柔化系数。
在一些实施例中，如图3所示，步骤S300具体包括但不限于步骤S310至步骤S330。
步骤S310，计算温度预设值与温度参考轨迹在预测时域长度内各个时刻的误差平方之和，得到温度误差指标；
步骤S320，计算加权后历史温度控制量在控制时域长度内各个时刻的平方之和，得到控制量增量指标；
步骤S330，计算温度误差指标和控制量增量指标之和，作为优化指标参数。
具体地，优化指标参数的计算公式为：
其中，J表示优化指标参数，Np为预测时域长度，Nc为控制时域长度，Np>Nc，y(k+j)表示k+j时刻的温度预设值，w(k+j)表示k+j时刻的温度参考轨迹，λ(j)为控制量的加权系数，△u(k+j-1)表示k+j-1时刻的温度控制量。
当k时刻表示当前时刻时，优化指标参数计算公式的第一项反映了输入信号与预测的输出信号之间的误差，即温度预设值与温度参考轨迹之间的误差，第二项反映了历史时刻的控制量增量。
在一些实施例中，如图4所示，步骤S300具体包括但不限于步骤S340至步骤S350。
步骤S340，滚动调整温度预设值，每次调整温度预设值后计算温度预测输出值和优化指标参数；
步骤S350比较每次得到的优化指标参数，以各个优化指标参数中的最小值作为符合预测期望的优化指标参数。
在一些实施例的步骤S340中，滚动调整温度预设值是通过有限次穷举不同的温度预设值，每次调整温度预设值后计算温度预测输出值和优化指标参数，在穷举次数到达后结束。
在一些实施例的步骤S350中，各个优化指标参数中的最小值作为符合预测期望的优化指标参数，以使输出尽可能接近输入，即让温度预测输出值符合温度参考轨迹。
在一些实施例中，如图5所示，步骤S400具体包括但不限于步骤S410至步骤S420。
步骤S410，通过在线求解diophantine方程，建立温度预测输出值模型；
步骤S420，忽略待预测时刻的噪声，通过温度预测输出值模型计算未来控制量。
在一些实施例的步骤S410中，为了实现预测功能，引入下述diophantine方程，diophantine方程为：
1＝Ej(z-1)A(z-1)Δ+z-jFj(z-1)；
其中，A(z-1)为加热温度延迟多项式，△为延迟影响程度系数，系数越大表示延迟影响越大，△取值在(0,1)之间。
结合上述实施例中温度参考轨迹的计算公式可以得到温度预测输出值模型的表示式为：
y(k+j)＝Gj(z-1)Δu(k+j-1)+Fj(z-1)y(k)+Ej(z-1)ξ(k+j)；
其中，Ej(z-1)、Bj(z-1)和Fj(z-1)均为已知的多项式，Ej(z-1)的首项为1，ζ(k+j)表示k+j时刻的噪声，y(k)表示k时刻的实际温度值，y(k+j)表示k+j时刻的实际温度值，Gj(z-1)＝Ej(z-1)Bj(z-1)。
在一些实施例的步骤S420中，忽略待预测时刻的噪声，通过温度预测输出值模型计算未来控制量。具体为，根据上述步骤S410得到的温度预测输出值模型，令ζ(k+j)＝0，则有：
其中，Gj(z-1)＝Ej(z-1)Bj(z-1)，j＝1,2,3···，表示k+j时刻的未来控制量。
在一些实施例中，如图6所示，步骤S500具体包括但不限于步骤S510至步骤S520。
步骤S510，根据未来控制量以及预设的比例参数矩阵、输出控制量增量矩阵和滚动优化输入矩阵建立控制量输出模型；
步骤S520，通过控制量输出模型计算当前的控制量输出值。
具体地，控制量输出模型的表示式为：
其中，
f＝[f(k+1),f(k+2),...,f(k+n)]T，
其中，表示控制量输出值，G表示干扰环节(误差和延迟)的开环传递函数阵，g0,g1,L gn分别表示0,1,L n-1时刻的干扰项，△U表示模型预测控制器的输出控制量增量矩阵，f表示模型预测控制器的滚动优化输入矩阵。
在一些实施例中，如图7所示，步骤S500具体包括但不限于步骤S530至步骤S540。
步骤S530，根据优化指标参数与控制量增量的映射关系，对优化指标参数求取关于控制量增量的偏导数，得到关于控制量增量模型；
步骤S540，根据控制量增量模型计算燃气阀门开度控制量。
具体地，令W＝[w(k+1),w(k+2),...,w(k+n)]T，则上述实施例的优化指标参数的变形计算公式为：
J＝(Y-W)T(Y-W)+λΔUTΔU；
对上述变形计算公式球偏导，令求得控制量增量模型：
ΔU＝(GTG+λI)-1GT(W-f)；
进而根据控制量增量模型计算燃气阀门开度控制量为：
u(k)＝u(k-1)+gT(W-f)；
其中，G表示干扰环节(误差和延迟)的开环传递函数阵，GT表示G的转置矩阵，Y表示输出矩阵，其值为Y＝[y(k+1),y(k+2),…,y(k+n)]，λ表示控制量的加权系数，I表示单位矩阵。
需要说明的是，由于优化指标参数正在进行滚动优化处理，燃气阀门开度控制量的第一个分量作为实际的控制输出量。
本公开实施例提出一种窑炉温度控制方法根据窑炉内部的实时温度和可更新的温度预设值预测窑炉内部的温度参考轨迹，并更新和优化设定参数，引入变量约束，在保持工况稳定的基础上计算合理的控制量，直至得到符合预测期望的控制输出量，以对窑炉内部的温度进行控制，克服人工设定参数导致的不可靠以及不能及时更新参数的缺陷，具有良好的稳定性和鲁棒性。
参照图8，根据本公开实施例第一方面实施例的窑炉温度控制系统，包括：
获取模块801，用于获取窑炉内部的实时温度信息，得到实际温度值；
轨迹预测模块802，用于根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
预测输出模块803，用于根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
第一控制量计算模块804，用于根据温度预测输出值计算未来控制量；
第二控制量计算模块805，用于根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制。
本公开实施例提供的窑炉温度控制系统执行上述的窑炉温度控制方法，关于窑炉温度控制系统的具体限定可以参见上文中对于窑炉温度控制方法的限定，在此不再赘述。
上述窑炉温度控制系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本公开实施例还提供了一种电子设备，包括：
至少一个存储器；
至少一个处理器；
至少一个程序；
所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本公开实施上述的窑炉温度控制方法。该电子设备可以为包括手机、平板电脑、个人数字助理(PersonalDigital Assistant，简称PDA)、车载电脑等任意智能终端。
如图9所示，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；
存储器902，可以采用ROM(ReadOnlyMemory，只读存储器)、静态存储设备、动态存储设备或者RAM(RandomAccessMemory，随机存取存储器)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本公开实施例的窑炉温度控制方法；
输入/输出接口903，用于实现信息输入及输出；
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本公开实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述的窑炉温度控制方法。
本公开实施例提出的窑炉温度控制方法、装置、设备及存储介质，在训练过程中通过权重均衡化、偏值吸收以及偏值纠正技术对卷积神经网络进行量化，不需要额外的训练数据以及对系统进行大改，能够有效的压缩网络体积，并且可以满足相匹配的性能，量化训练后的模型与AutoTVM相结合，生成对应本地硬件的代码并部署到本地，可以在确保模型性能以及预测精度的基础上对涉及隐私的数据进行保护。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1至图9中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。以上参照附图说明了本公开实施例的优选实施例，并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本公开实施例的权利范围之内。
Claims (7)
1.一种窑炉温度控制方法，其特征在于，包括：
获取窑炉内部的实时温度信息，得到实际温度值；
根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
根据温度预测输出值计算未来控制量；
根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制；
所述根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，包括：计算温度预设值与温度参考轨迹在预测时域长度内各个时刻的误差平方之和，得到温度误差指标；计算加权后历史温度控制量在控制时域长度内各个时刻的平方之和，得到控制量增量指标；计算温度误差指标和控制量增量指标之和，作为优化指标参数；
所述对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，包括：滚动调整温度预设值，每次调整温度预设值后计算温度预测输出值和优化指标参数；比较每次得到的优化指标参数，以各个优化指标参数中的最小值作为符合预测期望的优化指标参数；
所述根据未来控制量计算当前的控制量输出值，包括：根据未来控制量以及预设的比例参数矩阵、输出控制量增量矩阵和滚动优化输入矩阵建立控制量输出模型；通过控制量输出模型计算当前的控制量输出值。
2.根据权利要求1所述的窑炉温度控制方法，其特征在于，所述根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹，包括：
设置温度权重系数；
使用温度权重系数对实际温度值以及温度预设值进行权重运算，计算实际温度值以及温度预设值的权重运算结果之和，作为温度参考轨迹。
3.根据权利要求1所述的窑炉温度控制方法，其特征在于，所述根据温度预测输出值计算未来控制量，包括：
通过在线求解diophantine方程，建立温度预测输出值模型；
忽略待预测时刻的噪声，通过温度预测输出值模型计算未来控制量。
4.根据权利要求1所述的窑炉温度控制方法，其特征在于，所述根据当前的控制量输出值计算燃气阀门开度控制量，包括：
根据优化指标参数与控制量增量的映射关系，对优化指标参数求取关于控制量增量的偏导数，得到关于控制量增量模型；
根据控制量增量模型计算燃气阀门开度控制量。
5.一种窑炉温度控制系统，其特征在于，包括：
获取模块，用于获取窑炉内部的实时温度信息，得到实际温度值；
轨迹预测模块，用于根据实际温度值以及温度预设值预测窑炉内部的温度参考轨迹；
预测输出模块，用于根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，以该优化指标参数所对应的温度预设值作为温度预测输出值；
第一控制量计算模块，用于根据温度预测输出值计算未来控制量；
第二控制量计算模块，用于根据未来控制量计算当前的控制量输出值，根据当前的控制量输出值计算燃气阀门开度控制量，以对窑炉内部的温度进行控制；
所述根据温度预设值与温度参考轨迹之间的误差以及历史温度控制量计算优化指标参数，包括：计算温度预设值与温度参考轨迹在预测时域长度内各个时刻的误差平方之和，得到温度误差指标；计算加权后历史温度控制量在控制时域长度内各个时刻的平方之和，得到控制量增量指标；计算温度误差指标和控制量增量指标之和，作为优化指标参数；
所述对优化指标参数进行滚动优化处理以确定符合预测期望的优化指标参数，包括：滚动调整温度预设值，每次调整温度预设值后计算温度预测输出值和优化指标参数；比较每次得到的优化指标参数，以各个优化指标参数中的最小值作为符合预测期望的优化指标参数；
所述根据未来控制量计算当前的控制量输出值，包括：根据未来控制量以及预设的比例参数矩阵、输出控制量增量矩阵和滚动优化输入矩阵建立控制量输出模型；通过控制量输出模型计算当前的控制量输出值。
6.一种计算机设备，其特征在于，包括：
至少一个存储器；
至少一个处理器；
所述存储器存储有计算机程序，处理器执行所述计算机程序以实现如权利要求1至4任一项所述的窑炉温度控制方法。
7.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的窑炉温度控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210765370.9A CN114942659B (zh) | 2022-06-30 | 2022-06-30 | 窑炉温度控制方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210765370.9A CN114942659B (zh) | 2022-06-30 | 2022-06-30 | 窑炉温度控制方法、系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114942659A CN114942659A (zh) | 2022-08-26 |
| CN114942659B true CN114942659B (zh) | 2023-08-29 |
Family
ID=82911333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210765370.9A Active CN114942659B (zh) | 2022-06-30 | 2022-06-30 | 窑炉温度控制方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114942659B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115963874B (zh) * | 2023-01-17 | 2023-07-21 | 东莞理工学院 | 一种温度跟踪控制方法 |
| CN116625134B (zh) * | 2023-07-24 | 2023-10-24 | 苏州弘皓光电科技有限公司 | 基于5g技术的电炉温度监测控制方法及系统 |
| CN117032348B (zh) * | 2023-10-10 | 2024-01-09 | 郯城众一科环化工有限公司 | 一种化工反应釜温度控制方法、系统、设备及存储介质 |
| CN117056644B (zh) * | 2023-10-12 | 2023-12-26 | 苏州科尔珀恩机械科技有限公司 | 基于机器学习的工业窑炉温度预测方法及系统 |
| CN118035690B (zh) * | 2024-04-12 | 2024-07-05 | 大石桥市宝鼎耐火材料有限公司 | 基于机器学习的耐火材料烧成隧道窑温度智能预测方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006037417A1 (de) * | 2004-10-02 | 2006-04-13 | Abb Technology Ag | Verfahren und modul zum vorrausschauenden anfahren von dampfturbinen |
| CN101339080A (zh) * | 2008-08-28 | 2009-01-07 | 武汉理工大学 | 基于光纤光栅传感的陶瓷窑炉温度检测方法 |
| CN101457264A (zh) * | 2008-12-29 | 2009-06-17 | 杭州电子科技大学 | 高炉炉温优化控制方法 |
| CN101751051A (zh) * | 2008-12-05 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
| CN102466412A (zh) * | 2010-11-17 | 2012-05-23 | 中国科学院空间科学与应用研究中心 | 一种多温区炉综合控制系统及方法 |
| CN103345150A (zh) * | 2013-07-19 | 2013-10-09 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
| US8600561B1 (en) * | 2012-09-30 | 2013-12-03 | Nest Labs, Inc. | Radiant heating controls and methods for an environmental control system |
| EP2866117A1 (en) * | 2013-10-25 | 2015-04-29 | Fourdeg Oy | Distributed adaptive and predictive heating control system and method |
| CN106773682A (zh) * | 2016-12-05 | 2017-05-31 | 清华大学 | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 |
| CN107102550A (zh) * | 2017-05-31 | 2017-08-29 | 杭州意能电力技术有限公司 | 一种超超临界火电机组控制分离器温度的预测控制方法 |
| CN108895854A (zh) * | 2018-04-20 | 2018-11-27 | 杭州电子科技大学 | 燃气工业窑炉炉内温度的智能控制方法 |
| DE102017218742A1 (de) * | 2017-10-19 | 2019-04-25 | Robert Bosch Gmbh | Verfahren zum Ermitteln einer erwarteten Temperaturkurve sowie Verfahren zum Ermitteln eines Heiz- und/oder Kühlprogramms eines Heiz- und/oder Kühlsystems |
| CN109960296A (zh) * | 2019-04-02 | 2019-07-02 | 广州市雪涛制冷设备有限公司 | 一种用于自适应环境变化温度预测的方法 |
| CN110030843A (zh) * | 2019-04-12 | 2019-07-19 | 广西大学 | 基于改进鲸鱼优化算法的蓄热式熔铝炉参数优化设定方法 |
| CN111859669A (zh) * | 2020-07-21 | 2020-10-30 | 合肥水泥研究设计院有限公司 | 一种基于热工分析-数据驱动模型的分解炉温度控制方法 |
| CN114063673A (zh) * | 2021-11-09 | 2022-02-18 | 万华化学集团股份有限公司 | 一种反应釜温度控制方法、系统及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9595070B2 (en) * | 2013-03-15 | 2017-03-14 | Google Inc. | Systems, apparatus and methods for managing demand-response programs and events |
| US10146237B2 (en) * | 2017-04-28 | 2018-12-04 | Johnson Controls Technology Company | Smart thermostat with model predictive control |
-
2022
- 2022-06-30 CN CN202210765370.9A patent/CN114942659B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006037417A1 (de) * | 2004-10-02 | 2006-04-13 | Abb Technology Ag | Verfahren und modul zum vorrausschauenden anfahren von dampfturbinen |
| CN101339080A (zh) * | 2008-08-28 | 2009-01-07 | 武汉理工大学 | 基于光纤光栅传感的陶瓷窑炉温度检测方法 |
| CN101751051A (zh) * | 2008-12-05 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
| CN101457264A (zh) * | 2008-12-29 | 2009-06-17 | 杭州电子科技大学 | 高炉炉温优化控制方法 |
| CN102466412A (zh) * | 2010-11-17 | 2012-05-23 | 中国科学院空间科学与应用研究中心 | 一种多温区炉综合控制系统及方法 |
| US8600561B1 (en) * | 2012-09-30 | 2013-12-03 | Nest Labs, Inc. | Radiant heating controls and methods for an environmental control system |
| CN103345150A (zh) * | 2013-07-19 | 2013-10-09 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
| EP2866117A1 (en) * | 2013-10-25 | 2015-04-29 | Fourdeg Oy | Distributed adaptive and predictive heating control system and method |
| CN106773682A (zh) * | 2016-12-05 | 2017-05-31 | 清华大学 | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 |
| CN107102550A (zh) * | 2017-05-31 | 2017-08-29 | 杭州意能电力技术有限公司 | 一种超超临界火电机组控制分离器温度的预测控制方法 |
| DE102017218742A1 (de) * | 2017-10-19 | 2019-04-25 | Robert Bosch Gmbh | Verfahren zum Ermitteln einer erwarteten Temperaturkurve sowie Verfahren zum Ermitteln eines Heiz- und/oder Kühlprogramms eines Heiz- und/oder Kühlsystems |
| CN108895854A (zh) * | 2018-04-20 | 2018-11-27 | 杭州电子科技大学 | 燃气工业窑炉炉内温度的智能控制方法 |
| CN109960296A (zh) * | 2019-04-02 | 2019-07-02 | 广州市雪涛制冷设备有限公司 | 一种用于自适应环境变化温度预测的方法 |
| CN110030843A (zh) * | 2019-04-12 | 2019-07-19 | 广西大学 | 基于改进鲸鱼优化算法的蓄热式熔铝炉参数优化设定方法 |
| CN111859669A (zh) * | 2020-07-21 | 2020-10-30 | 合肥水泥研究设计院有限公司 | 一种基于热工分析-数据驱动模型的分解炉温度控制方法 |
| CN114063673A (zh) * | 2021-11-09 | 2022-02-18 | 万华化学集团股份有限公司 | 一种反应釜温度控制方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| "基于dSPACE的温度预测控制仿真试验研究";陈静;《武汉理工大学学报》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114942659A (zh) | 2022-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114942659B (zh) | 窑炉温度控制方法、系统、装置及存储介质 | |
| CN109147878B (zh) | 一种水泥熟料游离钙软测量方法 | |
| US10281897B2 (en) | Model predictive control with uncertainties | |
| CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
| CN114021290B (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
| CN112365029B (zh) | 用于空调负荷预测的缺失值处理方法及空调负荷预测系统 | |
| CN107392352B (zh) | 一种基于融合极限学习机的电池未来温度预测方法及系统 | |
| CN109342703B (zh) | 一种水泥熟料游离钙含量测量方法及系统 | |
| CN106530118B (zh) | 多区互联电力系统负荷频率的约束gpc优化控制方法 | |
| CN103116283A (zh) | 一种非自衡对象的动态矩阵控制方法 | |
| CN112911497B (zh) | 一种合作类无人机轨迹实时预测方法及系统 | |
| JP2008123354A (ja) | 温度制御装置、温度制御方法および温度制御プログラム | |
| CN106773700B (zh) | 遗传算法优化的多模型预测控制方法 | |
| CN107292410A (zh) | 隧道形变预测方法和装置 | |
| CN116607001B (zh) | 一种基于多点反馈的炉温优化控制方法及系统 | |
| CN103605284B (zh) | 动态矩阵控制优化的废塑料裂解炉炉膛压力控制方法 | |
| CN117891293A (zh) | 一种玻纤短切纱烘干方法及装置 | |
| JP6269678B2 (ja) | ファジイ制御装置及びファジイ制御方法 | |
| CN113534661B (zh) | 基于卡尔曼滤波和非最小状态空间的电阻炉温度控制方法 | |
| CN114567288B (zh) | 基于变分贝叶斯的分布协同非线性系统状态估计方法 | |
| CN114442557B (zh) | 一种机床温度场快速辨识方法及系统 | |
| Joy et al. | Approximate dynamic programming‐based control of distributed parameter systems | |
| CN106202918B (zh) | 一种高炉铁水硅含量在线估计方法及系统 | |
| CN114186771B (zh) | 一种混合正则化随机配置网络工业过程运行指标估计方法 | |
| CN108459501A (zh) | 一种网络环境下的基于ga-powell算法的约束广义预测控制器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |