CN115407647A - 一种优化控制方法及使用该方法的三级打孔阀控制系统 - Google Patents
一种优化控制方法及使用该方法的三级打孔阀控制系统 Download PDFInfo
- Publication number
- CN115407647A CN115407647A CN202211341282.2A CN202211341282A CN115407647A CN 115407647 A CN115407647 A CN 115407647A CN 202211341282 A CN202211341282 A CN 202211341282A CN 115407647 A CN115407647 A CN 115407647A
- Authority
- CN
- China
- Prior art keywords
- valve
- valve group
- pressure reduction
- value
- similarity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 117
- 238000004080 punching Methods 0.000 title claims abstract description 31
- 230000009467 reduction Effects 0.000 claims abstract description 117
- 230000008569 process Effects 0.000 claims abstract description 65
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 57
- 230000001965 increasing effect Effects 0.000 claims description 20
- 230000006837 decompression Effects 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000003247 decreasing effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000005299 abrasion Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 description 15
- 230000001603 reducing effect Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 101150041570 TOP1 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Fluid Pressure (AREA)
Abstract
本发明涉及设备控制技术领域,具体涉及一种优化控制方法及使用该方法的三级打孔阀控制系统,该方法分别采集每个阀组在第一往复调整过程和第二往复调整过程中的降压特征序列和降压不均衡系数,进而构成第一集合和第二集合;分别计算第一集合和第二集合中每个降压不均衡系数的紊流模式相似值以获取基准降压特征序列;基于基准降压特征序列获取第一集合中对应每个阀组的开度补偿难度,利用第一往复调整过程中每个阀组在每个采样时刻下的进出口压力比值和对应的开度补偿难度训练LSTM预测网络,以对阀组进行优化控制。本发明实现了补偿阀组磨损后的阀开度的目的,提高了阀组的控制性能。
Description
技术领域
本发明涉及设备控制技术领域,具体涉及一种优化控制方法及使用该方法的三级打孔阀控制系统。
背景技术
流体的流动可以引起气蚀,当液体通过打孔阀芯时,根据不同的打孔数量被分解为带有汽蚀的流体,常见的打孔数量为3,使得这种流体的大部分能力会消散在阀芯内部。三级打孔阀是通过阀芯空洞在阀开启关闭过程中提供多级的缓冲机制,即阀芯和阀芯套筒都是打孔的结构,在设计中属于一种阀笼的核心思想。流体被迫在三级打孔阀的孔洞中穿过,从而分散汽蚀的能量,磨损会被分散到三级打孔阀的阀芯,但不会完全消失,因此需要对三级打孔阀甚至多级打孔阀进行阀芯开度的标定和控制,从而提高阀体的寿命。
对于大流量的阀体,为了延长寿命通常会采取大开度的使用方式,即阀体起到节流效应时,已经处于较大的开度,例如80%以上,这样气蚀现象会发生在打孔阀的阀芯头部,随着磨损增加,节流效应变弱,控制其开度位置再小一些,能够达到同样的节流效果,从而以损坏打孔阀阀芯来代偿阀体内壁损坏的效应。对于大流量的自动控制的系统来说,由于采取了大开度的节流使用方式,因此为了更精确调整流量,会使用并行的管路,同时使用多个阀体来分散流量。但是在目前的打孔阀控制系统中,难以对阀体组合的磨损的情况进行分析,进而无法精确控制阀组的整体开度参数。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种优化控制方法及使用该方法的三级打孔阀控制系统,所采用的技术方案具体如下:
第一方面,本发明实施例中提供了一种优化控制方法,该方法包括以下步骤:
在阀开度的调小再调大的第一往复调整过程中,获取每个采样时刻下当前阀组中每个阀的进出口压力比值,构建进出口压力比值的分布直方图得到降压特征序列,由降压特征序列获取当前阀组的降压不均衡系数,将降压特征序列和降压不均衡系数组成特征向量;分别获取至少两个阀组在所述第一往复调整过程中的特征向量组成第一集合;并在阀开度的调大再调小的第二往复调整过程中分别获取每个阀组的特征向量组成第二集合;
分别计算第一集合中当前特征向量的降压特征序列与第二集合中所有降压特征序列之间的相似度,基于相似度计算第一集合中当前特征向量的降压不均衡系数的紊流模式相似值;获取第二集合中每个特征向量的降压不均衡系数的紊流模式相似值;将所有的紊流模式相似值分为至少两个类别,计算每个类别中的紊流模式相似值的平均值得到设定数量的目标类别;分别计算目标类别中所有紊流模式相似值对应的降压特征序列下各个维度的平均值组成基准降压特征序列;
基于基准降压特征序列获取第一集合中对应每个阀组的开度补偿难度;利用第一往复调整过程中每个阀组在每个采样时刻下的进出口压力比值和对应的开度补偿难度训练LSTM预测网络;利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制。
进一步的,所述构建进出口压力比值的分布直方图得到降压特征序列的方法,包括:
基于阀组的阀芯类型所对应的降压系数范围,将降压系数范围平均划分为设定数量的子区间,基于每个采样时刻下的进出口压力比值对每个子区间进行频数统计,得到分布直方图;
对分布直方图中每个子区间的频数进行极差标准化,将极差标准化的结果作为降压特征序列。
进一步的,所述由降压特征序列获取当前阀组的降压不均衡系数的方法,包括:
获取降压特征序列中的元素的中值,将常数1减去中值的结果作为降压不均衡系数。
进一步的,所述在阀开度的调大再调小的第二往复调整过程中分别获取每个阀组的特征向量组成第二集合的方法,包括:
在阀开度的调大再调小的第二往复调整过程中,获取每个采样时刻下当前阀组中每个阀的进出口压力比值,构建进出口压力比值的分布直方图得到降压特征序列,由降压特征序列获取当前阀组的降压不均衡系数,将降压特征序列和降压不均衡系数组成特征向量;分别获取每个阀组在第二往复调整过程中的特征向量组成第二集合。
进一步的,所述基于相似度计算第一集合中当前特征向量的降压不均衡系数的紊流模式相似值的方法,包括:
将相似度按照从大到小排序,选择排序后前K个相似度对应在第二集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第一相加结果,将第一相加结果的倒数作为第一集合中当前特征向量的降压不均衡系数的紊流模式相似值。
进一步的,所述获取第二集合中每个特征向量的降压不均衡系数的紊流模式相似值的方法,包括:
分别计算第二集合中当前特征向量的降压特征序列与第一集合中所有降压特征序列之间的相似度,将相似度按照从大到小排序,选择排序后前K个相似度对应在第一集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第二相加结果,将第二相加结果的倒数作为第二集合中当前特征向量的降压不均衡系数的紊流模式相似值。
进一步的,所述将所有的紊流模式相似值分为至少两个类别,计算每个类别中的紊流模式相似值的平均值得到设定数量的目标类别的方法,包括:
计算任意两个紊流模式相似值的第一差值绝对值以及对应降压特征序列之间的余弦相似度,由余弦相似度获取非相似度,非相似度与余弦相似度之和为1,将第一差值绝对值与非相似度之间的乘积作为对应两个紊流模式相似值的样本距离;基于样本距离,利用DBSCAN聚类算法将所有的紊流模式相似值分为至少两个类别;
分别计算每个类别中所有紊流模式相似值的平均值,将平均值从大到小排序,选择排序后的前半部分的平均值所对应的类别作为目标类别。
进一步的,所述开度补偿难度的获取方法,包括:
分别计算第一集合中对应当前阀组的降压特征序列与基准降压特征序列之间对应位置的元素差值绝对值,选取TOP-M个元素差值绝对值分别对应在当前阀组的降压特征序列中的元素以及基准降压特征序列中的元素,分别组成当前阀组的降压特征序列的子序列和基准降压特征序列的基准子序列,M为正整数;
分别获取子序列和基准子序列的转置矩阵和协方差矩阵,将转置矩阵和协方差矩阵的乘积结果进行二次开方并除以M对应的数值得到第一集合中对应当前阀组的第一难度;
分别计算第一集合中对应当前阀组的降压特征序列与第一集合中对应其他阀组的降压特征序列之间的余弦距离,选择TOP-N个余弦距离对应的其他阀组,N为正整数;获取每个其他阀组在第一往复调整过程中的阀开度的实际调小值的平均调小值,将当前阀组在第一往复调整过程中的阀开度的实际调大值与平均调小值的均值作为第一集合中对应当前阀组的第二难度;
将第一难度和第二难度的乘积作为第一集合中对应当前阀组的开度补偿难度。
进一步的,所述利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制的方法,包括:
获取实时采样时刻下任意一个阀组中每个阀的实时进出口压力比值,组成一个序列,将该序列输入训练好的LSTM预测网络,得到对应的开度补偿难度预测值;
获取实时进出口压力比值最小所对应的目标阀以得到该目标阀的实际阀开度,计算目标阀的实际阀开度与目标阀所属阀组的实际阀开度之间的比值,结合比值、开度补偿难度预测值以及目标阀的实际阀开度得到对应阀组的阀开度补偿量,基于阀开度补偿量对阀组进行优化控制。
第二方面,本发明实施例还提供了一种三级打孔阀控制系统,包括三级打孔阀、用于控制三级打孔阀的控制器以及在控制器上运行的计算机程序,所述控制器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明实施例至少具有如下有益效果:通过采集每个阀组中的阀分别在阀开度的调小再调大的第一往复调整过程和阀开度的调大再调小的第二往复调整过程中的进出口压力比值,以简单明了的量化阀组中每个阀的磨损数据;基于进出口压力比值构建分布直方图获取对应阀组的降压特征序列和降压不均衡系数,以构成阀组在不同的往复调整过程中的运行状态的特征向量;通过分析第一往复调整过程和第二往复调整过程中的特征向量的相似情况,以准确分析出每个特征向量对应的紊流模式相似值,进而对所有的紊流模式相似值进行聚类,得到多个类别,每个类别对应一种阀组运行状态,基于类别中的紊流模式相似值获取阀组的最优运行状态所对应的降压特征序列以得到基准降压特征序列;基于基准降压特征序列分析第一往复调整过程中每个阀组的开度补偿难度,将开度补偿难度作为对应阀组在每个采样时刻下所有阀的进出口压力比值的标签数据,以训练LSTM预测网络,使得后续根据阀组的降压情况分析开度补偿难度的严谨性和时效性;进而能够根据预测的开度补偿难度,以结合每个阀的实时进出口压力比值对阀组的阀开度进行优化补偿,从而实现了补偿阀组磨损后的阀开度的目的,并提高了阀组的控制性能,保证了阀组的运行状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种优化控制方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种优化控制方法及使用该方法的三级打孔阀控制系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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发明的技术领域的技术人员通常理解的含义相同。
本发明所针对的具体场景为:在生产使用三级打孔阀的情况下,三级打孔阀的作用是降低压力,因此一般情况下会使用PID控制器,在较大的阀开度的“代偿”的使用模式下,对三级打孔阀的出口压力进行控制,而为了加大降压的效果,通常使用至少两个阀所组成的阀组,因此本方案是对阀组进行分析。
下面结合附图具体的说明本发明所提供的一种优化控制方法及使用该方法的三级打孔阀控制系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种优化控制方法的步骤流程图,该方法包括以下步骤:
步骤S001,在阀开度的调小再调大的第一往复调整过程中,获取每个采样时刻下当前阀组中每个阀的进出口压力比值,构建进出口压力比值的分布直方图得到降压特征序列,由降压特征序列获取当前阀组的降压不均衡系数,将降压特征序列和降压不均衡系数组成特征向量;分别获取至少两个阀组在第一往复调整过程中的特征向量组成第一集合;并在阀开度的调大再调小的第二往复调整过程中分别获取每个阀组的特征向量组成第二集合。
具体的,阀体的阀开度的变小动作和变大动作是伴随关系,但阀开度的调整过程中,两者在阀体的振动上所体现的特征不同,阀体在流控时会不断微调阀开度,在阀开度变化时,由于阀开度不同,打孔阀的内部孔洞构建的流动结构也在变化,对应汽蚀效应的耗散情况也不同。对于上述关系,将阀开度出现一次开度变小再出现一次开度变大的控制指令认为是一次第一往复调整过程,阀开度变小后再变大容易体现降压效果变强再变弱的情况,同时将阀开度的出现一次变大再变小的控制指令认为是一次第二往复调整过程。
需要说明的时,控制阀组的阀开度的方法时根据PID控制器的目标阀开度,统一调整阀组到一个阀开度。
阀组的每个阀在第一往复调整过程中进出口的压力比值代表了阀所承担的节流的瞬时效果,对于阀组的整个第一往复调整过程,以20HZ为采样频率,以阀组中一个阀开始向更大阀开度调整为开始,到阀组中最后一个阀完成向更小的阀开度调整的动作为结束,记录各个阀的进出口压力比值。通常每个阀的动作时间都是同步且时间长度十分相近的,以上述方法确定起始和停止时刻是为了不漏掉一些阀的数据。
第一往复调整过程中每个阀的进出口的压力都会变化,这些变化的分布可以体现第一往复调整过程中每个阀所承担的节流效果。第一往复调整过程是动态的,对于不同磨损后的阀,其节流的效果不同,在第一往复调整过程中每个阀都会经历流量变大到流量变小的影响,此时所记录的进出口压力比值的分布直接体现了各个阀的磨损情况以及对其它阀的影响。
作为一个示例,对于三级打孔阀,其内部阀座、阀芯、节流套筒共同承担了节流的作用,其中开度较大时,由于打孔喷射效应占主要部分,因此汽蚀效应主要作用于小孔,进而提高密封面的寿命。然而这种磨损会使得阀开度相对之前不再一致,且阀组的各个阀的磨损程度也有一定随机性,因此需要利用进出口压力比值来分析打孔阀的降压程度以及平均阀开度。
对每个阀的进出口压力比值的上下区间进行限定,对于降压比例,根据行业经验,一级降压系数在0.5到0.8之间,因此对应于三级打孔阀来说三级降压系数在0.125到0.512之间,故根据阀组中阀的类型确定其对应的降压系数范围,将这个降压系数范围平均划分为10个子区间,当某个进出口压力比值处于某个子区间时,这个子区间的计数加1,进而得到进出口压力比值的分布直方图,以表示在某个统一阀开度的情况下,各个阀在阀组中的实际降压系数。
由于每个阀的调整是不定的,因此需要对分布直方图的结果进行极差标准化处理,以更加直观的体现阀组中每个阀的磨损情况:统计分布直方图中每个子区间的频数,对分布直方图中每个子区间的频数进行极差标准化,将极差标准化的结果作为降压特征序列P。
PID控制器控制阀组的阀开度调小后的情况应当对应一个较理想的目标控制量,由于阀组中每个阀的磨损情况不同,有可能一些阀的磨损不严重,进而阀开度调小后导致整个阀组的等效的开度比目标控制量还小,因此出现了超调的现象,直到,PID控制器将阀组的整体阀开度调大,在此之前,都接近于超调的状态。
每次PID控制器计算时都会控制一次阀组,当阀组的动作执行完毕后,才会进行下一次动作,因此针对阀开度变小的情况和阀开度变大的情况,即第一往复调整过程,对应了PID控制器为了克服超调而将阀开度调大的情况。这种情况下,如果调小后的阀开度和调大后的阀开度的差异较大,则可以认为超调现象严重,阀组的降压不均衡指数对应要变大,故根据阀组在第一往复调整过程中的降压特征序列获取该阀组的降压不均衡系数T:获取降压特征序列中的元素的中值,将常数1减去中值的结果作为降压不均衡系数。
作为一个示例,降压不均衡系数的计算公式为:
若降压特征序列中的median区间的结果与Top1的差异较大,则意味着阀组之间的降压效果在调整时有较多不同,相对应降压不均衡系数T越大,其中Top1为常数1;反之,降压不均衡系数T越小。
将第一往复调整过程中阀组的降压特征序列P和降压不均衡系数T组成该阀组的特征向量(P,T)。进而基于上述阀组在第一往复调整过程中获取降压特征序列P和降压不均衡系数T的方法,分别获取至少两个阀组在第一往复调整过程中对应的特征向量,并将这些特征向量组成第一集合。
同理,将阀开度调大再调小的过程称为第二往复调整过程,由于阀开度变小再变大和阀开度变大再变小的情况的动作和面临的压力不同,为了在后期标定和调节阀组的阀开度,需要先发现潜在的紊流模式,因此需要先获取第一集合中对应的每个阀组在第二往复调整过程的特征向量,故基于上述第一集合的获取方法,分别获取每个阀组在第二往复调整过程的特征向量,进而组成第二集合。
步骤S002,分别计算第一集合中当前特征向量的降压特征序列与第二集合中所有降压特征序列之间的相似度,基于相似度计算第一集合中当前特征向量的降压不均衡系数的紊流模式相似值;获取第二集合中每个特征向量的降压不均衡系数的紊流模式相似值;将所有的紊流模式相似值分为至少两个类别,计算每个类别中的紊流模式相似值的平均值得到设定数量的目标类别;分别计算目标类别中所有紊流模式相似值对应的降压特征序列下各个维度的平均值组成基准降压特征序列。
具体的,基于阀组在第一往复调整过程和第二往复调整过程中的不同,分析每个阀组在不同往复调整过程中紊流模式相似值,具体方法如下:
首先以第一集合为例,将第一集合中任意一个特征向量作为当前特征向量,分别计算第一集合中当前特征向量的降压特征序列与第二集合中所有降压特征序列之间的相似度,其中相似度是指两个降压特征序列之间的余弦距离,序列之间的余弦距离的获取为公知技术,本方案不再赘述;将相似度按照从大到小排序,选择排序后前K个相似度对应在第二集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第一相加结果,将第一相加结果的倒数作为第一集合中当前特征向量的降压不均衡系数的紊流模式相似值Q。
作为一个示例,紊流模式相似值Q的计算公式为:,,其中,为第一集合中第i个特征向量的降压不均衡系数的紊流模式相似值;为第一集合中第i个特征向量的降压不均衡系数;为第二集合中的第j个目标降压不均衡系数;为绝对值函数。
需要说明的是,是指对方集合中的最近邻样本的数量,也即是第二集合中与第一集合中的特征向量最相似的个特征向量,这样可以得到每个特征向量的降压不均衡系数在对方集合的相近程度,从而在第一集合和第二集合中分别得到较高紊流模式相似值的记录。对于第二集合,由于阀开度更大一些,因此普遍对应的紊流不均衡情况下的紊流模式相似值更小。对于较高的紊流模式相似值Q的记录,紊流不均衡的差异程度如果比较大,则认为阀组的紊流模式在调大后也相似,且更可能分布比较均匀。
同理,对于第二集合中每个特征向量的降压不均衡系数的紊流模式相似值,其计算方法与第一集合中每个特征向量的降压不均衡系数的紊流模式相似值相等,即分别计算第二集合中当前特征向量的降压特征序列与第一集合中所有降压特征序列之间的相似度,将相似度按照从大到小排序,选择排序后前K个相似度对应在第一集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第二相加结果,将第二相加结果的倒数作为第二集合中当前特征向量的降压不均衡系数的紊流模式相似值。
首先基于第一往复调整过程和第二往复调整过程中每个阀组的紊流模式相似值Q和自身动作压力对应的降压特征序列P,使用DBSCAN算法,通过调整搜索半径r和最少点的minpts参数,基于如下样本距离进行分类,从而找到较大紊流模式相似值Q对应的多个类别。
需要说明的是,本实施例中r为0.11,minpts为3。
其中,样本距离的计算公式为:
其中,为紊流模式相似值a和紊流模式相似值b之间的样本距离;为第一范数;为紊流模式相似值a;为紊流模式相似值b;为余弦相似度函数;为紊流模式相似值a对应的降压特征序列;为紊流模式相似值b对应的降压特征序列。
需要说明的是,计算的作用是为了突出这些紊流模式相似值对应的阀组的运行状态情况是否较为典型,对于第一集合和第二集合,紊流模式相似值Q越相近,则认为阀在超调的情况下,阀组中的阀面临的紊流模式比较相近;计算降压特征序列的余弦距离的作用是对紊流模式相似值Q的大小进行约束,若两者的降压特征序列的差异本身就小,而紊流模式相似值Q的差异也小,可能是模式比较相近,这样做可以在第二集合的数据参与的情况下不会过度受到第一集合的数据的影响。
至此,将所有的紊流模式相似值Q分为了W个类别,W为正整数,然后基于W个类别,分别计算每个类别中所有紊流模式相似值的平均值,将平均值从大到小排序,选择排序后的前半部分的平均值所对应的类别作为目标类别,也即是前2/W个类别。
基于目标类别生成可靠参考的特征基准,作为进一步探索和扩展阀组可能关注的对象:将目标类别作为可靠类,分别计算目标类别中所有紊流模式相似值对应的降压特征序列下各个维度的平均值组成基准降压特征序列其中,n为目标类别对应的降压特征序列的数量。
步骤S003,基于基准降压特征序列获取第一集合中对应每个阀组的开度补偿难度;利用第一往复调整过程中每个阀组在每个采样时刻下的进出口压力比值和对应的开度补偿难度训练LSTM预测网络;利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制。
具体的,基于基准降压特征序列分别获取第一集合中对应每个阀组的阀开度的开度补偿难度,具体如下:
以第一集合中对应的任意一个阀组为例,分别计算第一集合中对应当前阀组的降压特征序列与基准降压特征序列之间对应位置的元素差值绝对值,也即是对应维度下的元素差值绝对值,选取TOP-M个元素差值绝对值分别对应在当前阀组的降压特征序列中的元素以及基准降压特征序列中的元素,分别组成当前阀组的降压特征序列的子序列和基准降压特征序列的基准子序列,M为正整数。
作为一个示例,本方案中M为10,将10个最大的元素差值绝对值所对应在当前阀组的降压特征序列中的元素组成子序列,同理将10个最大的元素差值绝对值所对应在基准降压特征序列的元素组成基准子序列。
需要说明的是,选择10个元素差值绝对值最大的元素更加能体现当前阀组在第一往复调整过程中所经历的状态差异,从而提高分析精度。
分别获取子序列和基准子序列的转置矩阵和协方差矩阵,将转置矩阵和协方差矩阵的乘积结果进行二次开方并除以M对应的数值得到第一集合中对应当前阀组的第一难度,其中第一难度的计算公式为:
需要说明的是,以基准降压特征序列作为典型来分析评价阀组的降压特征序列对应的状态,阀组相对于典型情况下的差异,差异越大,对应第一难度越大,进而表示向更小开度调整后更可能遇到此种情况的先例的难度,难度越小,补偿难度越小,对后期PID控制器干预的程度越小。
分别计算第一集合中对应当前阀组的降压特征序列与第一集合中对应其他阀组的降压特征序列之间的余弦距离,选择TOP-N个余弦距离对应的其他阀组,N为正整数;获取每个其他阀组在第一往复调整过程中的阀开度的实际调小值的平均调小值,将当前阀组在第一往复调整过程中的阀开度的实际调大值与平均调小值的均值作为第一集合中对应当前阀组的第二难度;将第一难度和第二难度的乘积作为第一集合中对应当前阀组的开度补偿难度。
基于开度补偿难度的获取方法,分别得到第一集合中对应每个阀组的阀开度的开度补偿难度。
将每个阀组在第一往复调整过程中的每个采样时刻下对应所有阀的进出口压力比值和对应阀组的开度补偿难度生产LSTM预测网络的训练集,其中,输入为每个采样时刻下同一个阀组中所有阀的进出口压力比值,输出标签为该阀组的开度补偿难度,即将第一往复调整过程中任意一个阀组在每个采样时刻下对应所有阀的进出口压力比值组成一个序列,将该序列作为LSTM预测网络的输入,对应阀组的开度补偿难度作为输出,对LSTM预测网络进行训练,以获取训练好的LSTM预测网络。LSTM预测网络为公知技术,本方案不再赘述。
需要说明的是,由于样本量很大,且采样率很高,LSTM预测网络是根据长短期记忆来学习序列特征的,LSTM预测网络根据MSE损失可以学习到最优的开度补偿难度,从而在后期使用时,可以根据阀组的降压情况利用LSTM预测网络预测出合适的开度补偿难度。
在阀组的阀开度实时控制过程中,基于训练好的LSTM预测网络所获取的开度补偿难度预测值优化控制阀组的阀开度,限制进出口压力比值最低的阀单独经过另一个单阀门PID控制器进行调整,使得单阀门的PID控制器和阀组的PID控制器的控制结果交互,这样做可以通过实际情况将进出口压力比值最低的阀动态分配给单阀门PID控制器,以单独对磨损较剧烈的阀进行补偿,从而减少控制阀组的非线性程度,优化阀组PID控制器的性能。
当进出口压力比值最低的阀动态分配给单阀门PID控制器,并单独对磨损较剧烈的阀进行阀开度补偿后,要基于进出口压力比值最低的阀的实际阀开度对所属阀组内其余阀的阀开度进行阀开度补偿量的获取:获取实时采样时刻下任意一个阀组中每个阀的实时进出口压力比值,组成一个序列,将该序列输入训练好的LSTM预测网络,得到对应的开度补偿难度预测值;获取实时进出口压力比值最小所对应的目标阀以得到该目标阀的实际阀开度,计算目标阀的实际阀开度与目标阀所属阀组的实际阀开度之间的比值,结合比值、开度补偿难度预测值以及目标阀的实际阀开度得到对应阀组的阀开度补偿量。
作为一个示例,当单阀门的PID控制器的阀开度被调整至0.72,而阀组的PID控制器的实际阀开度为0.9时,则j=0.72/0.9=0.8,将此比值乘以对应的开度补偿难度预测值作为整个阀组的阀开度的行程缩放比,则将一个阀组的阀开度的总行程假设为100%,则结合比值、开度补偿难度预测值以及单阀门的PID控制器的阀开度得到对应阀组的阀开度补偿量:
需要说明的是,单阀门的PID控制器与阀组的PID控制器阀之间的比值越小,说明阀组磨损越严重,需要代偿磨损后的阀组的阀开度补偿量也就越大,在调整的时候将阀开度的短行程位置映射为0~100%,从而补偿阀组代偿磨损后的阀开度,这样单阀门PID控制器会动态选择减压系数最低的阀门单独补偿,阀组PID控制器基于进出口压力比值最低的阀所对应的单阀门PID控制器的结果来提高控制性能。
综上所述,本发明实施例分别采集每个阀组在第一往复调整过程和第二往复调整过程中的降压特征序列和降压不均衡系数,进而构成第一集合和第二集合;分别计算第一集合和第二集合中每个降压不均衡系数的紊流模式相似值以划分为至少两个类别;根据类别中的紊流模式相似值获取基准降压特征序列;基于基准降压特征序列获取第一集合中对应每个阀组的开度补偿难度,利用第一往复调整过程中每个阀组在每个采样时刻下的进出口压力比值和对应的开度补偿难度训练LSTM预测网络;利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制。本发明实现了补偿阀组磨损后的阀开度的目的,提高了阀组的控制性能。
基于与上述方法相同的发明构思,本发明实施例还提供了一种三级打孔阀控制系统,包括三级打孔阀、用于控制三级打孔阀的控制器以及在控制器上运行的计算机程序,所述控制器执行所述计算机程序时实现上述一种优化控制方法中任意一项所述方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种优化控制方法,其特征在于,该方法包括以下步骤:
在阀开度的调小再调大的第一往复调整过程中,获取每个采样时刻下当前阀组中每个阀的进出口压力比值,构建进出口压力比值的分布直方图得到降压特征序列,由降压特征序列获取当前阀组的降压不均衡系数,将降压特征序列和降压不均衡系数组成特征向量;分别获取至少两个阀组在所述第一往复调整过程中的特征向量组成第一集合;并在阀开度的调大再调小的第二往复调整过程中分别获取每个阀组的特征向量组成第二集合;
分别计算第一集合中当前特征向量的降压特征序列与第二集合中所有降压特征序列之间的相似度,基于相似度计算第一集合中当前特征向量的降压不均衡系数的紊流模式相似值;获取第二集合中每个特征向量的降压不均衡系数的紊流模式相似值;将所有的紊流模式相似值分为至少两个类别,计算每个类别中的紊流模式相似值的平均值得到设定数量的目标类别;分别计算目标类别中所有紊流模式相似值对应的降压特征序列下各个维度的平均值组成基准降压特征序列;
基于基准降压特征序列获取第一集合中对应每个阀组的开度补偿难度;利用第一往复调整过程中每个阀组在每个采样时刻下的进出口压力比值和对应的开度补偿难度训练LSTM预测网络;利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制。
2.如权利要求1所述的一种优化控制方法,其特征在于,所述构建进出口压力比值的分布直方图得到降压特征序列的方法,包括:
基于阀组的阀芯类型所对应的降压系数范围,将降压系数范围平均划分为设定数量的子区间,基于每个采样时刻下的进出口压力比值对每个子区间进行频数统计,得到分布直方图;
对分布直方图中每个子区间的频数进行极差标准化,将极差标准化的结果作为降压特征序列。
3.如权利要求1所述的一种优化控制方法,其特征在于,所述由降压特征序列获取当前阀组的降压不均衡系数的方法,包括:
获取降压特征序列中的元素的中值,将常数1减去中值的结果作为降压不均衡系数。
4.如权利要求1所述的一种优化控制方法,其特征在于,所述在阀开度的调大再调小的第二往复调整过程中分别获取每个阀组的特征向量组成第二集合的方法,包括:
在阀开度的调大再调小的第二往复调整过程中,获取每个采样时刻下当前阀组中每个阀的进出口压力比值,构建进出口压力比值的分布直方图得到降压特征序列,由降压特征序列获取当前阀组的降压不均衡系数,将降压特征序列和降压不均衡系数组成特征向量;分别获取每个阀组在第二往复调整过程中的特征向量组成第二集合。
5.如权利要求1所述的一种优化控制方法,其特征在于,所述基于相似度计算第一集合中当前特征向量的降压不均衡系数的紊流模式相似值的方法,包括:
将相似度按照从大到小排序,选择排序后前K个相似度对应在第二集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第一相加结果,将第一相加结果的倒数作为第一集合中当前特征向量的降压不均衡系数的紊流模式相似值。
6.如权利要求1所述的一种优化控制方法,其特征在于,所述获取第二集合中每个特征向量的降压不均衡系数的紊流模式相似值的方法,包括:
分别计算第二集合中当前特征向量的降压特征序列与第一集合中所有降压特征序列之间的相似度,将相似度按照从大到小排序,选择排序后前K个相似度对应在第一集合中的降压特征序列,并将这些降压特征序列对应的降压不均衡系数作为目标降压不均衡系数,K为正整数;分别计算当前特征向量的降压不均衡系数与每个目标降压不均衡系数之间的差值绝对值,将所有差值绝对值的相加结果与预设值相加得到第二相加结果,将第二相加结果的倒数作为第二集合中当前特征向量的降压不均衡系数的紊流模式相似值。
7.如权利要求1所述的一种优化控制方法,其特征在于,所述将所有的紊流模式相似值分为至少两个类别,计算每个类别中的紊流模式相似值的平均值得到设定数量的目标类别的方法,包括:
计算任意两个紊流模式相似值的第一差值绝对值以及对应降压特征序列之间的余弦相似度,由余弦相似度获取非相似度,非相似度与余弦相似度之和为1,将第一差值绝对值与非相似度之间的乘积作为对应两个紊流模式相似值的样本距离;基于样本距离,利用DBSCAN聚类算法将所有的紊流模式相似值分为至少两个类别;
分别计算每个类别中所有紊流模式相似值的平均值,将平均值从大到小排序,选择排序后的前半部分的平均值所对应的类别作为目标类别。
8.如权利要求1所述的一种优化控制方法,其特征在于,所述开度补偿难度的获取方法,包括:
分别计算第一集合中对应当前阀组的降压特征序列与基准降压特征序列之间对应位置的元素差值绝对值,选取TOP-M个元素差值绝对值分别对应在当前阀组的降压特征序列中的元素以及基准降压特征序列中的元素,分别组成当前阀组的降压特征序列的子序列和基准降压特征序列的基准子序列,M为正整数;
分别获取子序列和基准子序列的转置矩阵和协方差矩阵,将转置矩阵和协方差矩阵的乘积结果进行二次开方并除以M对应的数值得到第一集合中对应当前阀组的第一难度;
分别计算第一集合中对应当前阀组的降压特征序列与第一集合中对应其他阀组的降压特征序列之间的余弦距离,选择TOP-N个余弦距离对应的其他阀组,N为正整数;获取每个其他阀组在第一往复调整过程中的阀开度的实际调小值的平均调小值,将当前阀组在第一往复调整过程中的阀开度的实际调大值与平均调小值的均值作为第一集合中对应当前阀组的第二难度;
将第一难度和第二难度的乘积作为第一集合中对应当前阀组的开度补偿难度。
9.如权利要求1所述的一种优化控制方法,其特征在于,所述利用由训练好的LSTM预测网络所获取的开度补偿难度预测值对阀组的阀开度进行优化控制的方法,包括:
获取实时采样时刻下任意一个阀组中每个阀的实时进出口压力比值,组成一个序列,将该序列输入训练好的LSTM预测网络,得到对应的开度补偿难度预测值;
获取实时进出口压力比值最小所对应的目标阀以得到该目标阀的实际阀开度,计算目标阀的实际阀开度与目标阀所属阀组的实际阀开度之间的比值,结合比值、开度补偿难度预测值以及目标阀的实际阀开度得到对应阀组的阀开度补偿量,基于阀开度补偿量对阀组进行优化控制。
10.一种三级打孔阀控制系统,包括三级打孔阀、用于控制三级打孔阀的控制器以及在控制器上运行的计算机程序,其特征在于,所述控制器执行所述计算机程序时实现如权利要求1-9任意一项所述一种优化控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341282.2A CN115407647B (zh) | 2022-10-31 | 2022-10-31 | 一种优化控制方法及使用该方法的三级打孔阀控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341282.2A CN115407647B (zh) | 2022-10-31 | 2022-10-31 | 一种优化控制方法及使用该方法的三级打孔阀控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115407647A true CN115407647A (zh) | 2022-11-29 |
CN115407647B CN115407647B (zh) | 2023-01-24 |
Family
ID=84169064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211341282.2A Active CN115407647B (zh) | 2022-10-31 | 2022-10-31 | 一种优化控制方法及使用该方法的三级打孔阀控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115407647B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204302776U (zh) * | 2014-11-21 | 2015-04-29 | 大唐淮南洛河发电厂 | 一种火电机组过热汽温先进控制优化装置 |
CN108843465A (zh) * | 2018-05-18 | 2018-11-20 | 东风商用车有限公司 | 一种基于直流电机egr阀的补偿装置及补偿控制方法 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN110470030A (zh) * | 2019-07-30 | 2019-11-19 | 青岛海尔空调器有限总公司 | 一拖多空调器的电子膨胀阀控制方法及一拖多空调器 |
CN110778507A (zh) * | 2019-09-18 | 2020-02-11 | 新疆昌吉特变能源有限责任公司 | 汽动给水泵进汽调阀非线性补偿控制方法 |
CN111451480A (zh) * | 2020-05-15 | 2020-07-28 | 深圳领威科技有限公司 | 压铸机的电调阀控制方法、装置、设备及压铸机 |
CN112524765A (zh) * | 2020-12-08 | 2021-03-19 | 青岛海尔空调器有限总公司 | 用于空调的膨胀阀控制方法、装置、电子设备及存储介质 |
DE102020208922B3 (de) * | 2020-07-16 | 2021-12-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Ventilanordnung |
CN113972383A (zh) * | 2021-10-28 | 2022-01-25 | 三一汽车制造有限公司 | 系统模拟装置、控制参数的验证方法和比例阀控制方法 |
-
2022
- 2022-10-31 CN CN202211341282.2A patent/CN115407647B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204302776U (zh) * | 2014-11-21 | 2015-04-29 | 大唐淮南洛河发电厂 | 一种火电机组过热汽温先进控制优化装置 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
CN108843465A (zh) * | 2018-05-18 | 2018-11-20 | 东风商用车有限公司 | 一种基于直流电机egr阀的补偿装置及补偿控制方法 |
CN110470030A (zh) * | 2019-07-30 | 2019-11-19 | 青岛海尔空调器有限总公司 | 一拖多空调器的电子膨胀阀控制方法及一拖多空调器 |
CN110778507A (zh) * | 2019-09-18 | 2020-02-11 | 新疆昌吉特变能源有限责任公司 | 汽动给水泵进汽调阀非线性补偿控制方法 |
CN111451480A (zh) * | 2020-05-15 | 2020-07-28 | 深圳领威科技有限公司 | 压铸机的电调阀控制方法、装置、设备及压铸机 |
DE102020208922B3 (de) * | 2020-07-16 | 2021-12-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Ventilanordnung |
CN112524765A (zh) * | 2020-12-08 | 2021-03-19 | 青岛海尔空调器有限总公司 | 用于空调的膨胀阀控制方法、装置、电子设备及存储介质 |
CN113972383A (zh) * | 2021-10-28 | 2022-01-25 | 三一汽车制造有限公司 | 系统模拟装置、控制参数的验证方法和比例阀控制方法 |
Non-Patent Citations (1)
Title |
---|
孙德娟等: "660MW 超超临界机组水位调节阀门改进研究", 《自动化应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115407647B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112987666B (zh) | 电厂机组运行优化调控方法及系统 | |
CN110909977A (zh) | 基于adasyn-dhsd-et的电网故障诊断方法 | |
CN110751101B (zh) | 基于无监督极限学习机多重聚类算法的疲劳驾驶判断方法 | |
CN111985170A (zh) | 一种改进的离心泵外特性预测方法 | |
CN114415520B (zh) | 一种水联网灌区的全渠系自适应预测控制方法 | |
CN115407647B (zh) | 一种优化控制方法及使用该方法的三级打孔阀控制系统 | |
CN110503133A (zh) | 一种基于深度学习的离心式压缩机故障预测方法 | |
CN110298385B (zh) | 一种基于㶲信息与增量svdd在线早期故障检测方法 | |
CN116306221A (zh) | 一种基于lstm预测模型的空气管道系统控制方法 | |
CN116186993A (zh) | 一种基于在线质量监测的浮选优化控制方法 | |
CN105809203A (zh) | 一种基于层次聚类的系统稳态检测算法 | |
CN110020680B (zh) | 一种基于随机矩阵理论和模糊c均值聚类算法的pmu数据分类方法 | |
CN110533111A (zh) | 一种基于局部密度与球哈希的自适应k均值聚类方法 | |
CN109447336B (zh) | 一种上游水库与其反调节水库坝间水位优化控制方法 | |
CN116303626A (zh) | 一种基于特征优化和在线学习的固井泵压预测方法 | |
CN109642685A (zh) | 使用定位器模型诊断气动控制阀的方法与装置 | |
CN113763710B (zh) | 一种基于非线性自适应系统的短期交通流预测方法 | |
CN114879513B (zh) | 循环水系统的实时优化节能控制方法及装置 | |
CN114021902B (zh) | 基于动态收索与离散机制的动态规划降维的水库调度方法 | |
CN113325692B (zh) | 基于近邻等效的pid控制器拉回式整定方法 | |
CN109630092B (zh) | 一种基于数据的抽油井泵效多模型软测量方法 | |
Gao et al. | An improved feature-weighted method based on K-NN | |
CN108445749B (zh) | 一种应用于高阶滑模控制器的参数整定方法 | |
CN114658631B (zh) | 基于人工智能的提升压缩机cop的喷液调节方法及系统 | |
CN111027612B (zh) | 基于加权熵fcm的能源计量数据特征约简方法及装置 |
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 |