CN116293718A - 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 - Google Patents
基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 Download PDFInfo
- Publication number
- CN116293718A CN116293718A CN202310587096.5A CN202310587096A CN116293718A CN 116293718 A CN116293718 A CN 116293718A CN 202310587096 A CN202310587096 A CN 202310587096A CN 116293718 A CN116293718 A CN 116293718A
- Authority
- CN
- China
- Prior art keywords
- target
- male
- female
- population
- individual
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 103
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 88
- 241000270295 Serpentes Species 0.000 title claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 21
- 235000013305 food Nutrition 0.000 claims description 86
- 230000013011 mating Effects 0.000 claims description 25
- 230000004913 activation Effects 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 80
- 239000004973 liquid crystal related substance Substances 0.000 description 35
- 230000003044 adaptive effect Effects 0.000 description 14
- 230000004044 response Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006978 adaptation Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- KVGZZAHHUNAVKZ-UHFFFAOYSA-N 1,4-Dioxin Chemical compound O1C=COC=C1 KVGZZAHHUNAVKZ-UHFFFAOYSA-N 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000010539 reproductive behavior Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/12—Heat utilisation in combustion or incineration of waste
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本公开涉及焚烧炉技术领域,尤其涉及一种基于蛇优化算法的自适应PID焚烧炉温度控制方法及装置。其中,该基于蛇优化算法的自适应PID焚烧炉温度控制方法,包括:在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,目标PID参数包括目标比例系数、目标积分系数和目标微分系数;根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。采用本公开可以提高PID控制技术的控制效果。
Description
技术领域
本公开涉及焚烧炉技术领域,尤其涉及一种基于蛇优化算法的自适应PID焚烧炉温度控制方法及装置。
背景技术
相关技术中,焚烧炉在焚烧其炉内的物品时,采用传统比例积分微分(proportionintegration differentiation,PID)控制技术对焚烧炉的炉膛温度进行控制。然而,传统PID控制技术是一种线性控制算法,如果物品焚烧过程为强耦合的多输入多输出非线性动态系统,其动态特性随运行工况的变化而大幅度变化,且各环节的动态特性差异很大,具有惯性、大滞后性、非线性、时变性、工作环境和干扰的不确定性,存在调节时间长、控制精度低、响应速度慢等问题,导致传统PID控制技术的控制效果较差。
发明内容
本公开提供一种基于蛇优化算法的自适应PID焚烧炉温度控制方法及装置,以至少解决相关技术中传统PID控制技术的控制效果较差的技术问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种基于蛇优化算法的自适应PID焚烧炉温度控制方法,包括:
在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,所述炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;
采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,所述目标PID参数包括目标比例系数、目标积分系数和目标微分系数;
根据所述目标PID参数和所述炉膛温度偏差值,确定控制逻辑,以根据所述控制逻辑对炉膛温度进行控制。
可选的,所述优化目标函数包括激活函数,所述采用区间蛇优化算法求解优化目标函数,得到目标PID控制参数,包括:
采用区间蛇优化算法求解所述激活函数,得到目标PID控制参数,其中,所述激活函数包括采样时长内所述炉膛温度偏差值的均方误差。
可选的,所述采用区间蛇优化算法求解优化目标函数,得到目标PID参数,包括:
对区间蛇优化算法对应的算法参数进行初始化,其中,所述算法参数包括最大迭代次数、种群对应的种群规模、PID参数区间,所述PID参数区间包括比例系数区间、积分系数区间和微分系数区间;
对所述种群进行初始化,得到雄性种群和雌性种群;
根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置;
在所述目标雄性个体和所述目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化,直至达到所述最大迭代次数,输出所述食物位置对应的PID参数作为目标PID参数。
可选的,所述根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体,包括:
根据优化目标函数确定所述雄性种群中每一个雄性个体对应的适应度,并从所述雄性种群中选择适应度最高的雄性个体作为目标雄性个体;
根据优化目标函数确定所述雌性种群中每一个雌性个体对应的适应度,并从所述雌性种群中选择适应度最高的雌性个体作为目标雌性个体。
可选的,在所述根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置之后,还包括:
在所述目标雄性个体对应的适应度和/或所述目标雌性个体对应的适应度不小于适应度阈值的情况下,对所述PID参数区间进行调整,直至所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值;
在所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值的情况下,确定所述目标雄性个体和所述目标雌性个体均满足适应度要求。
可选的,所述对所述PID参数区间进行调整,包括:
采用二分法对所述PID参数区间进行缩小。
可选的,所述根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化,包括:
在所述食物量满足寻找食物条件的情况下,根据第一寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度满足温度条件的情况下,根据第二寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度不满足所述温度条件的情况下,根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化。
可选的,所述根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化,包括:
确定所述雄性种群中任一雄性个体对应的雄性个体参数,以及所述雌性种群中任一雌性个体对应的雌性个体参数;
在所述雄性个体参数满足参数要求的情况下,根据战斗模式对所述任一雄性个体进行优化;
在所述雌性个体参数满足所述参数要求的情况下,根据所述战斗模式对所述任一雌性个体进行优化;
在所述雄性个体参数不满足所述参数要求的情况下,根据交配模式对所述任一雄性个体进行优化;
在所述雌性个体参数不满足所述参数要求的情况下,根据所述交配模式对所述任一雌性个体进行优化。
可选的,所述控制逻辑包括以下至少一种:
进料速度;
配风量;
锅炉给水量。
根据本公开实施例的第二方面,提供一种基于蛇优化算法的自适应PID焚烧炉温度控制装置,包括:
温度获取单元,用于在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,所述炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;
函数求解单元,用于采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,所述目标PID参数包括目标比例系数、目标积分系数和目标微分系数;
温度控制单元,用于根据所述目标PID参数和所述炉膛温度偏差值,确定控制逻辑,以根据所述控制逻辑对炉膛温度进行控制。
可选的,所述优化目标函数包括激活函数,所述函数求解单元用于采用区间蛇优化算法求解优化目标函数,得到目标PID控制参数时,具体用于:
采用区间蛇优化算法求解所述激活函数,得到目标PID控制参数,其中,所述激活函数包括采样时长内所述炉膛温度偏差值的均方误差。
可选的,所述函数求解单元用于采用区间蛇优化算法求解优化目标函数,得到目标PID参数时,具体用于:
对区间蛇优化算法对应的算法参数进行初始化,其中,所述算法参数包括最大迭代次数、种群对应的种群规模、PID参数区间,所述PID参数区间包括比例系数区间、积分系数区间和微分系数区间;
对所述种群进行初始化,得到雄性种群和雌性种群;
根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置;
在所述目标雄性个体和所述目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化,直至达到所述最大迭代次数,输出所述食物位置对应的PID参数作为目标PID参数。
可选的,所述函数求解单元用于根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体时,具体用于:
根据优化目标函数确定所述雄性种群中每一个雄性个体对应的适应度,并从所述雄性种群中选择适应度最高的雄性个体作为目标雄性个体;
根据优化目标函数确定所述雌性种群中每一个雌性个体对应的适应度,并从所述雌性种群中选择适应度最高的雌性个体作为目标雌性个体。
可选的,所述函数求解单元用于在所述根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置之后,还用于:
在所述目标雄性个体对应的适应度和/或所述目标雌性个体对应的适应度不小于适应度阈值的情况下,对所述PID参数区间进行调整,直至所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值;
在所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值的情况下,确定所述目标雄性个体和所述目标雌性个体均满足适应度要求。
可选的,所述函数求解单元用于对所述PID参数区间进行调整时,具体用于:
采用二分法对所述PID参数区间进行缩小。
可选的,所述函数求解单元用于根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化时,具体用于:
在所述食物量满足寻找食物条件的情况下,根据第一寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度满足温度条件的情况下,根据第二寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度不满足所述温度条件的情况下,根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化。
可选的,所述函数求解单元用于根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化时,具体用于:
确定所述雄性种群中任一雄性个体对应的雄性个体参数,以及所述雌性种群中任一雌性个体对应的雌性个体参数;
在所述雄性个体参数满足参数要求的情况下,根据战斗模式对所述任一雄性个体进行优化;
在所述雌性个体参数满足所述参数要求的情况下,根据所述战斗模式对所述任一雌性个体进行优化;
在所述雄性个体参数不满足所述参数要求的情况下,根据交配模式对所述任一雄性个体进行优化;
在所述雌性个体参数不满足所述参数要求的情况下,根据所述交配模式对所述任一雌性个体进行优化。
可选的,所述控制逻辑包括以下至少一种:
进料速度;
配风量;
锅炉给水量。
根据本公开的第三方面,提出了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述一方面中任一项所述的方法。
根据本公开的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述一方面中任一项所述的方法。
根据本公开的第五方面,提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
在一些或者相关实施例中,基于蛇优化算法的自适应PID焚烧炉温度控制方法包括:在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,目标PID参数包括目标比例系数、目标积分系数和目标微分系数;根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。因此,相比于传统PID控制技术,通过融入区间蛇优化算法进行改进以实现炉膛温度的自动调节控制,克服了调节时间长、控制精度低、响应速度慢等问题,可实现控制参数的自整定和温度变化的快速响应,使焚烧炉温度控制更迅速、更平稳,控制效果更好。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1示出本公开实施例提供的一种基于蛇优化算法的自适应PID焚烧炉温度控制方法的流程示意图;
图2示出本公开实施例提供的PID控制的原理示意图;
图3示出本公开实施例提供的另一种基于蛇优化算法的自适应PID焚烧炉温度控制方法的流程示意图;
图4示出本公开实施例提供的一种区间蛇优化算法的流程示意图;
图5示出本公开实施例提供的一种整定结束后的运行响应曲线的对比示意图;
图6示出本公开实施例提供的一种基于蛇优化算法的自适应PID焚烧炉温度控制装置的结构示意图;
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着科学技术的发展,人们对于生活质量的要求逐渐提高。例如,为规范生活垃圾焚烧厂的运行水平,不断提升对于焚烧厂的监督管理要求,以控制垃圾焚烧而带来的环境污染。
相比于填埋技术,焚烧对环境污染的影响程度仅仅是垃圾填埋场所产生污染的5%,并且经过焚烧处理之后,垃圾中的细菌、病毒等能被彻底消灭,各种恶臭气体将被高温分解,可真正实现城市生活垃圾的无害化、减量化和资源化。但焚烧技术对焚烧炉的炉温具有严格要求(≥850℃),在焚烧温度处于360℃-820℃之间会产生极高毒性的二噁英,该污染物是迄今为止人类已知的毒性最强的污染物(毒性是氰化物的130倍、砒霜的900倍),只有在温度不低于850℃的条件下焚烧2s以上才能完全分解,而生活垃圾来源包罗万象,具有特性变化大、热值不稳定的特点,导致焚烧炉温度控制困难,因此垃圾焚烧控制技术于垃圾焚烧技术领域是不可或缺的重要组成部分。
相关技术中,生活垃圾焚烧炉温度控制主要采用的是传统比例积分微分(proportion integration differentiation,PID)控制技术,该控制技术不需要知道系统的模型,仅仅根据期望与现状的偏差,通过调节PID参数即可实现动态调节,是一种具有通用性、高可靠性和易于操作的方法。传统PID控制技术的核心是一种线性控制算法,而城市生活垃圾的焚烧过程是一个强耦合的多输入多输出非线性动态系统,其动态特性随运行工况的变化而大幅度变化,且各环节的动态特性差异很大,具有惯性、大滞后性、非线性、时变性、工作环境和干扰的不确定性,导致PID技术控制效果不理想,存在调节时间长、控制精度低、响应速度慢等问题。
在第一个实施例中,如图1所示,图1示出本公开实施例提供的一种基于蛇优化算法的自适应PID焚烧炉温度控制方法的流程示意图,该方法可依赖于计算机程序实现,可运行于进行多轮对话推荐方法的装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。例如该方法可以运行在电子设备上。该电子设备包括但不限于PID控制器、炉膛温度调节器等。
具体的,该基于蛇优化算法的自适应PID焚烧炉温度控制方法包括:
S101,在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值;
根据一些实施例,炉膛温度指的是焚烧炉的炉膛内中部和上部两个断面各自的热电偶测量温度中位数算术平均值的5分钟平均值。
根据一些实施例,炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定。
在一些实施例中,炉膛温度控制值指的是实测的炉膛温度值。炉膛温度设定值指的是需要控制炉膛温度达到的目标温度值。
例如,在垃圾焚烧场景中,为保证二噁英的彻底分解,焚烧炉的炉温控制必须严格控制在850℃以上,且最好在850℃~950℃,可在保证焚烧效率和控制二噁英产生的前提下,防止烟温过高引起结焦。此时,目标温度值可以设置在850℃~950℃。
以一个场景举例,图2示出本公开实施例提供的PID控制的原理示意图。如图2所示,PID控制的过程是一个“通过炉膛温度变迭器实测炉膛温度→与炉膛温度设定值比较→炉膛温度调节器使炉膛温度偏差值变小→控制燃料供给量、配风量和锅炉给水量等操作量”不断循环的过程,在控制过程中,可以让炉膛温度控制值向炉膛温度设定值进行快速变动且尽量不发生过冲现象,通过不断的“调节+反馈”机制,最终使炉膛温度稳定控制在850℃~950℃之间。
需要说明的是,PID控制的具体表现式如公式(1)所示:
其中,u(k)是执行机构在k时刻的输出值,k为时间,K p为比例系数,T i为第一积分系数,T d为第一微分系数,K I为第二积分系数,K d为第二微分系数,e(t)是炉膛温度偏差值(error,随时间变化不同时刻的误差/偏差),,作为PID控制中知识库的输入。其中,/>为炉膛温度设定值,/>为炉膛温度控制值。
相关技术中,传统PID控制技术使用离散形式的PID进行计算,将积分换位求和,微分换为差分,如公式(2)所示:
易于理解的是,当进行基于蛇优化算法的自适应PID焚烧炉温度控制时,在在对炉膛温度进行PID控制的过程中,可以获取炉膛温度偏差值。
S102,采用区间蛇优化算法求解优化目标函数,得到目标PID参数;
根据一些实施例,蛇优化算法的算法灵感来自蛇的觅食和繁殖行为和模式。区间蛇优化算法作为蛇优化算法的改进算法,可以提高蛇优化算法的求解效率和效果。
根据一些实施例,优化目标函数指的是为了使炉膛温度达到炉膛温度设定值而构造出来的一个目标函数。
在一些实施例中,优化目标函数例如可以为激活(Sigmoid)函数。此时,可以采用区间蛇优化算法求解激活函数,得到目标PID控制参数。
在一些实施例中,激活函数如公式(3)所示:
其中,J表示激活函数,MSE(e(k))表示时间k内炉膛温度偏差值的均方误差。
在一些实施例中,均方误差MSE(e(k))可以根据公式(4)确定:
其中,n表示时间k内的采样次数,当采用相同频率采样时n是固定常数值。
根据一些实施例,目标PID参数包括目标比例系数、目标积分系数和目标微分系数,指的是采用区间蛇优化算法求解优化目标函数后得到的比例系数K p、第二积分系数K I和第二微分系数K d。
易于理解的是,当获取到炉膛温度偏差值时,可以采用区间蛇优化算法求解优化目标函数,得到目标PID参数。
S103,根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。
根据一些实施例,如公式(1)所示,当获取到目标PID参数和炉膛温度偏差值时,可以得到PID控制的输出u(t),从而,可以根据该输出u(t)确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。
综上,本公开实施例提供的方法,通过在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值;采用区间蛇优化算法求解优化目标函数,得到目标PID参数;根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。因此,相比于传统PID控制技术,通过融入区间蛇优化算法进行改进以实现炉膛温度的自动调节控制,克服了调节时间长、控制精度低、响应速度慢等问题,可实现控制参数的自整定和温度变化的快速响应,使焚烧炉温度控制更迅速、更平稳,控制效果更好。同时,相比于现有其他改进PID算法,本公开最大程度保留了PID算法的简便性和可操作性,不会因增加较多的控制规则和控制变量导致实际操作难度的大大提升,对于焚烧炉温控具有较好的自适应性、经济型和实效性。
请参见图3,图3示出本公开实施例提供的一种基于蛇优化算法的自适应PID焚烧炉温度控制方法的流程示意图。具体的,该基于蛇优化算法的自适应PID焚烧炉温度控制方法包括:
S201,在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值;
具体过程如上,此处不再赘述。
S202,对区间蛇优化算法对应的算法参数进行初始化;
根据一些实施例,图4示出本公开实施例提供的一种区间蛇优化算法的流程示意图。如图4所示,当开始运行区间蛇优化算法时,首先进行参数初始化,需要进行参数初始化的算法参数包括但不限于最大迭代次数T、种群对应的种群规模N、PID参数区间等。
在一些实施例中,区间蛇优化算法将PID控制的比例系数K p、第二积分系数K I和第二微分系数K d这三个参数看作三维空间的一个解,在区间蛇优化算法中生成三维的种群,并确定这三个参数的范围即解集的区间,也就是PID参数区间,PID参数区间包括比例系数区间、积分系数区间和微分系数区间。
S203,对种群进行初始化,得到雄性种群和雌性种群;
根据一些实施例,可以采用公式(5)对种群进行初始化:
其中,X i是三维的,代表种群中第i个个体的位置,r是介于0与1之间的随机数,X min中每个维度分别代表比例系数区间、积分系数区间和微分系数区间的最小值,X max中每个维度分别代表比例系数区间、积分系数区间和微分系数区间的最大值。
在一些实施例中,当采用公式(5)对种群进行初始化后,可以将初始化后的种群分为雄性种群和雌性种群这两组种群。
具体而言,如图4所示,可以将种群分为两个相等的子种群(雌性和雄性),雄性种群和雌性种群各占初始化后的种群的50%,采用N m表示雄性种群中雄性个体的数量,采用N f表示雌性种群中雌性个体的数量,N m+N f=N。
S204,根据优化目标函数确定雄性种群对应的目标雄性个体、雌性种群对应的目标雌性个体以及食物位置;
根据一些实施例,根据优化目标函数确定雄性种群对应的目标雄性个体时,可以根据优化目标函数确定雄性种群中每一个雄性个体对应的适应度,并从雄性种群中选择适应度最高的雄性个体作为目标雄性个体(最佳雄性个体)。
同理而言,根据优化目标函数确定雌性种群对应的目标雌性个体时,可以根据优化目标函数确定雌性种群中每一个雌性个体对应的适应度,并从雌性种群中选择适应度最高的雌性个体作为目标雌性个体(最佳雌性个体)。
在一些实施例中,适应度即为优化目标函数,其值越小越好。
其中,目标雄性个体对应的适应度为f best,m,目标雌性个体对应的适应度为f best,f,食物位置为f food。
S205,在目标雄性个体对应的适应度和/或目标雌性个体对应的适应度不小于适应度阈值的情况下,对PID参数区间进行调整,直至目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值;
根据一些实施例,在对目标雄性个体对应的适应度和目标雌性个体对应的适应度与适应度阈值进行对比时,可以首先确定目标雄性个体对应的适应度和目标雌性个体对应的适应度中的最小适应度,接着,将该最小适应度与适应度阈值进行对比。也可以首先确定目标雄性个体对应的适应度和目标雌性个体对应的适应度中的最大适应度,接着,将该最大适应度与适应度阈值进行对比。
在一些实施例中,适应度阈值指的是最优适应度,其值可以根据实际情况进行调整。
根据一些实施例,如图4所示,在最小适应度小于最优适应度的情况下,缩小PID参数区间。
在一些实施例中,缩小PID参数区间时,可以采用二分法对PID参数区间进行缩小。
S206,在目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值的情况下,确定目标雄性个体和目标雌性个体均满足适应度要求;
根据一些实施例,适应度要求指的是判断区间蛇优化算法是否可以进入迭代优化环节时采用的条件。该适应度要求并不特指某一固定要求。例如,当获取到针对适应度要求的要求修改指令时,该适应度要求可以发生变化。
S207,在目标雄性个体和目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据温度和食物量对雄性种群和雌性种群进行迭代优化,直至达到最大迭代次数,输出食物位置对应的PID参数作为目标PID参数;
根据一些实施例,可以采用公式(6)计算温度Temp:
其中,t表示当前迭代次数。
在一些实施例中,可以采用公式(7)计算食物量Q:
其中,c 1是值为0.5的常数。
根据一些实施例,根据温度和食物量对雄性种群和雌性种群进行迭代优化时,具体包括以下几种情况:
第一种情况:在食物量Q满足寻找食物条件的情况下,根据第一寻找食物模式对雄性种群和雌性种群进行优化;
具体而言,如图4所示,在Q<Threshold(Threshold=0.25)时,蛇会通过选择任意位置来搜索食物,具体通过执行公式(8)、公式(9)、公式(10)和公式(11)寻找食物。
其中,雄性个体可以并根据公式(8)更新他们对于食物的位置:
其中,X i,m表示第i个雄性个体的位置,X rand,m表示随机雄性个体的位置,rand是介于0与1之间的随机数,c 2是值为0.05的常数,A m是雄性个体寻找食物的能力,可以根据公式(9)确定:
其中,f rand,m是X rand,m的适应度值,f i,m是X i,m的适应度值。
同理,雌性个体可以并根据公式(10)更新他们对于食物的位置:
其中,X i,f表示第i个雌性个体的位置,X rand, f表示随机雌性个体的位置,A f是雌性个体寻找食物的能力,可以根据公式(11)确定:
其中,f rand,f是X rand,f的适应度值,f i,f是X i,f的适应度值。
第二种情况:在食物量不满足寻找食物条件、且温度满足温度条件的情况下,根据第二寻找食物模式对雄性种群和雌性种群进行优化;
具体而言,如图4所示,在Q≥0.25时,如果温度为炎热状态,即Temp>Threshold(0.6),则蛇只会向食物方向移动,此时,可以通过执行公式(12)寻找食物:
其中,X i,j表示个体(雄性个体与雌性个体)的位置,X food表示最佳个体位置,c 3是值为2的常数。
第三种情况:在食物量不满足寻找食物条件、且温度不满足温度条件的情况下,根据战斗模式或交配模式对雄性种群和雌性种群进行优化。
具体而言,如图4所示,在Q≥0.25时,如果温度为寒冷状态,即Temp≤Threshold(0.6)时,蛇将处于战斗模式或交配模式,具体可以通过确定雄性种群中任一雄性个体对应的雄性个体参数,以及雌性种群中任一雌性个体对应的雌性个体参数,并根据个体参数rand(雄性个体参数与雌性个体参数)分成以下几种子情况:
第一种子情况:在雄性个体参数满足参数要求的情况下,根据战斗模式对该雄性个体参数对应的任一雄性个体进行优化;在雌性个体参数满足参数要求的情况下,根据战斗模式对该雌性个体参数对应的任一雌性个体进行优化。
具体而言,如图4所示,在rand<0.6的情况下,可以通过执行公式(13)、公式(14)、公式(15)和公式(16)完成战斗模式。
其中,当任一雄性个体处于战斗模式时:
其中,X best,f表示目标雌性个体的位置,FM表示雄性个体的战斗能力,FM可以根据公式(14)确定:
其中,f i,m表示X i,m的适应度。
其中,当任一雌性个体处于战斗模式时:
其中,X best,m表示目标雄性个体的位置,FF表示雌性个体的战斗能力,FF可以根据公式(16)确定:
其中,f i,f表示X i,f的适应度。
第二种子情况:在雄性个体参数不满足参数要求的情况下,根据交配模式对任一雄性个体进行优化;在雌性个体参数不满足参数要求的情况下,根据交配模式对任一雌性个体进行优化。
具体而言,如图4所示,在rand≥0.6的情况下,首先,可以通过执行公式(17)、公式(18)、公式(19)和公式(20)完成交配。
其中,当个体处于交配模式时:
其中,M m表示雄性个体的交配能力,M f表示雄性个体的交配能力,可以根据下式确定:
接着,在交配完成后,如果蛋孵化,则执行公式(21)和公式(22),替换种群中的最差雄性个体和最差雌性个体:
其中,X worst,m表示最差雄性个体,X worst,f表示最差雌性个体。
最后,如图4所示,当当前迭代次数达到最大迭代次数,即t=T时,输出最优值(目标PID参数),即食物位置f food对应的比例系数K p、第二积分系数K I和第二微分系数K d。
S208,根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。
根据一些实施例,控制逻辑包括但不限于进料速度、配风量、锅炉给水量。
以一个场景举例,将最大迭代次数T设为500,种群对应的种群规模N设为100个,炉膛温度设定值设为900℃,使用Matlab软件对本公开实施例提供的方法与传统PID控制技术分别进行了模拟。
根据一些实施例,图5示出本公开实施例提供的一种整定结束后的运行响应曲线的对比示意图。如图5所示,本公开实施例提供的方法与传统PID控制技术相比,搜索速度更快,效率更高。因此,本公开实施例提供的方法通过在传统PID控制技术的基础上结合区间蛇优化算法,增加了控制技术的快速响应和自动寻优能力,在生活垃圾不断进料导致炉温波动的过程中,可及时完成PID参数的自整定,并通过实时改变燃料供给量和配风量等可实现对炉温的快速、精准调控,能够显著提高生活垃圾焚烧发电厂的自动化控制能力。
综上,本公开实施例提供的方法,首先,在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值;对区间蛇优化算法对应的算法参数进行初始化;对种群进行初始化,得到雄性种群和雌性种群;根据优化目标函数确定雄性种群对应的目标雄性个体、雌性种群对应的目标雌性个体以及食物位置;在目标雄性个体对应的适应度和/或目标雌性个体对应的适应度不小于适应度阈值的情况下,对PID参数区间进行调整,直至目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值;因此,可以提高蛇优化算法的求解效率和效果。接着,在目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值的情况下,确定目标雄性个体和目标雌性个体均满足适应度要求;在目标雄性个体和目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据温度和食物量对雄性种群和雌性种群进行迭代优化,直至达到最大迭代次数,输出食物位置对应的PID参数作为目标PID参数;根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。因此,相比于传统PID控制技术,通过融入区间蛇优化算法进行改进以实现炉膛温度的自动调节控制,克服了调节时间长、控制精度低、响应速度慢等问题,可实现控制参数的自整定和温度变化的快速响应,使焚烧炉温度控制更迅速、更平稳,控制效果更好。同时,相比于现有其他改进PID算法,本公开最大程度保留了PID算法的简便性和可操作性,不会因增加较多的控制规则和控制变量导致实际操作难度的大大提升,对于焚烧炉温控具有较好的自适应性、经济型和实效性。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
请参见图6,其示出本公开实施例提供的一种基于蛇优化算法的自适应PID焚烧炉温度控制装置的结构示意图。该基于蛇优化算法的自适应PID焚烧炉温度控制装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该基于蛇优化算法的自适应PID焚烧炉温度控制装置600包括温度获取单元601、函数求解单元602和温度控制单元603,其中:
温度获取单元601,用于在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;
函数求解单元602,用于采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,目标PID参数包括目标比例系数、目标积分系数和目标微分系数;
温度控制单元603,用于根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。
根据一些实施例,优化目标函数包括激活函数,函数求解单元602用于采用区间蛇优化算法求解优化目标函数,得到目标PID控制参数时,具体用于:
采用区间蛇优化算法求解激活函数,得到目标PID控制参数,其中,激活函数包括采样时长内炉膛温度偏差值的均方误差。
根据一些实施例,函数求解单元602用于采用区间蛇优化算法求解优化目标函数,得到目标PID参数时,具体用于:
对区间蛇优化算法对应的算法参数进行初始化,其中,算法参数包括最大迭代次数、种群对应的种群规模、PID参数区间,PID参数区间包括比例系数区间、积分系数区间和微分系数区间;
对种群进行初始化,得到雄性种群和雌性种群;
根据优化目标函数确定雄性种群对应的目标雄性个体、雌性种群对应的目标雌性个体以及食物位置;
在目标雄性个体和目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据温度和食物量对雄性种群和雌性种群进行迭代优化,直至达到最大迭代次数,输出食物位置对应的PID参数作为目标PID参数。
根据一些实施例,函数求解单元602用于根据优化目标函数确定雄性种群对应的目标雄性个体、雌性种群对应的目标雌性个体时,具体用于:
根据优化目标函数确定雄性种群中每一个雄性个体对应的适应度,并从雄性种群中选择适应度最高的雄性个体作为目标雄性个体;
根据优化目标函数确定雌性种群中每一个雌性个体对应的适应度,并从雌性种群中选择适应度最高的雌性个体作为目标雌性个体。
根据一些实施例,函数求解单元602用于在根据优化目标函数确定雄性种群对应的目标雄性个体、雌性种群对应的目标雌性个体以及食物位置之后,还用于:
在目标雄性个体对应的适应度和/或目标雌性个体对应的适应度不小于适应度阈值的情况下,对PID参数区间进行调整,直至目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值;
在目标雄性个体对应的适应度和目标雌性个体对应的适应度均小于适应度阈值的情况下,确定目标雄性个体和目标雌性个体均满足适应度要求。
根据一些实施例,函数求解单元602用于对PID参数区间进行调整时,具体用于:
采用二分法对PID参数区间进行缩小。
可选的,函数求解单元用于根据温度和食物量对雄性种群和雌性种群进行迭代优化时,具体用于:
在食物量满足寻找食物条件的情况下,根据第一寻找食物模式对雄性种群和雌性种群进行优化;
在食物量不满足寻找食物条件、且温度满足温度条件的情况下,根据第二寻找食物模式对雄性种群和雌性种群进行优化;
在食物量不满足寻找食物条件、且温度不满足温度条件的情况下,根据战斗模式或交配模式对雄性种群和雌性种群进行优化。
根据一些实施例,函数求解单元602用于根据战斗模式或交配模式对雄性种群和雌性种群进行优化时,具体用于:
确定雄性种群中任一雄性个体对应的雄性个体参数,以及雌性种群中任一雌性个体对应的雌性个体参数;
在雄性个体参数满足参数要求的情况下,根据战斗模式对任一雄性个体进行优化;
在雌性个体参数满足参数要求的情况下,根据战斗模式对任一雌性个体进行优化;
在雄性个体参数不满足参数要求的情况下,根据交配模式对任一雄性个体进行优化;
在雌性个体参数不满足参数要求的情况下,根据交配模式对任一雌性个体进行优化。
根据一些实施例,控制逻辑包括以下至少一种:
进料速度;
配风量;
锅炉给水量。
需要说明的是,上述实施例提供的双电机变速器驱动电系统拓扑结构和参数分层优化装置在执行双电机变速器驱动电系统拓扑结构和参数分层优化方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的双电机变速器驱动电系统拓扑结构和参数分层优化装置与双电机变速器驱动电系统拓扑结构和参数分层优化方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
综上,本公开实施例提供的装置,通过温度获取单元在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;函数求解单元采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,目标PID参数包括目标比例系数、目标积分系数和目标微分系数;温度控制单元根据目标PID参数和炉膛温度偏差值,确定控制逻辑,以根据控制逻辑对炉膛温度进行控制。因此,相比于传统PID控制技术,通过融入区间蛇优化算法进行改进以实现炉膛温度的自动调节控制,克服了调节时间长、控制精度低、响应速度慢等问题,可实现控制参数的自整定和温度变化的快速响应,使焚烧炉温度控制更迅速、更平稳,控制效果更好。同时,相比于现有其他改进PID算法,本公开最大程度保留了PID算法的简便性和可操作性,不会因增加较多的控制规则和控制变量导致实际操作难度的大大提升,对于焚烧炉温控具有较好的自适应性、经济型和实效性。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如基于蛇优化算法的自适应PID焚烧炉温度控制方法。例如,在一些实施例中,基于蛇优化算法的自适应PID焚烧炉温度控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM703并由计算单元701执行时,可以执行上文描述的基于蛇优化算法的自适应PID焚烧炉温度控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于蛇优化算法的自适应PID焚烧炉温度控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或电子设备上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据电子设备)、或者包括中间件部件的计算系统(例如,应用电子设备)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户机和电子设备。客户机和电子设备一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户机-电子设备关系的计算机程序来产生客户机和电子设备的关系。电子设备可以是云电子设备,又称为云计算电子设备或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称 "VPS")中,存在的管理难度大,业务扩展性弱的缺陷。电子设备也可以为分布式系统的电子设备,或者是结合了区块链的电子设备。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种基于蛇优化算法的自适应PID焚烧炉温度控制方法,其特征在于,包括:
在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,所述炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;
采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,所述目标PID参数包括目标比例系数、目标积分系数和目标微分系数;
根据所述目标PID参数和所述炉膛温度偏差值,确定控制逻辑,以根据所述控制逻辑对炉膛温度进行控制。
2.根据权利要求1所述的方法,其特征在于,所述优化目标函数包括激活函数,所述采用区间蛇优化算法求解优化目标函数,得到目标PID控制参数,包括:
采用区间蛇优化算法求解所述激活函数,得到目标PID控制参数,其中,所述激活函数包括采样时长内所述炉膛温度偏差值的均方误差。
3.根据权利要求1所述的方法,其特征在于,所述采用区间蛇优化算法求解优化目标函数,得到目标PID参数,包括:
对区间蛇优化算法对应的算法参数进行初始化,其中,所述算法参数包括最大迭代次数、种群对应的种群规模、PID参数区间,所述PID参数区间包括比例系数区间、积分系数区间和微分系数区间;
对所述种群进行初始化,得到雄性种群和雌性种群;
根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置;
在所述目标雄性个体和所述目标雌性个体均满足适应度要求的情况下,确定温度和食物量,并根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化,直至达到所述最大迭代次数,输出所述食物位置对应的PID参数作为目标PID参数。
4.根据权利要求3所述的方法,其特征在于,所述根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体,包括:
根据优化目标函数确定所述雄性种群中每一个雄性个体对应的适应度,并从所述雄性种群中选择适应度最高的雄性个体作为目标雄性个体;
根据优化目标函数确定所述雌性种群中每一个雌性个体对应的适应度,并从所述雌性种群中选择适应度最高的雌性个体作为目标雌性个体。
5.根据权利要求4所述的方法,其特征在于,在所述根据优化目标函数确定所述雄性种群对应的目标雄性个体、所述雌性种群对应的目标雌性个体以及食物位置之后,还包括:
在所述目标雄性个体对应的适应度和/或所述目标雌性个体对应的适应度不小于适应度阈值的情况下,对所述PID参数区间进行调整,直至所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值;
在所述目标雄性个体对应的适应度和所述目标雌性个体对应的适应度均小于所述适应度阈值的情况下,确定所述目标雄性个体和所述目标雌性个体均满足适应度要求。
6.根据权利要求5所述的方法,其特征在于,所述对所述PID参数区间进行调整,包括:
采用二分法对所述PID参数区间进行缩小。
7.根据权利要求3所述的方法,其特征在于,所述根据所述温度和所述食物量对所述雄性种群和所述雌性种群进行迭代优化,包括:
在所述食物量满足寻找食物条件的情况下,根据第一寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度满足温度条件的情况下,根据第二寻找食物模式对所述雄性种群和所述雌性种群进行优化;
在所述食物量不满足所述寻找食物条件、且所述温度不满足所述温度条件的情况下,根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化。
8.根据权利要求7所述的方法,其特征在于,所述根据战斗模式或交配模式对所述雄性种群和所述雌性种群进行优化,包括:
确定所述雄性种群中任一雄性个体对应的雄性个体参数,以及所述雌性种群中任一雌性个体对应的雌性个体参数;
在所述雄性个体参数满足参数要求的情况下,根据战斗模式对所述任一雄性个体进行优化;
在所述雌性个体参数满足所述参数要求的情况下,根据所述战斗模式对所述任一雌性个体进行优化;
在所述雄性个体参数不满足所述参数要求的情况下,根据交配模式对所述任一雄性个体进行优化;
在所述雌性个体参数不满足所述参数要求的情况下,根据所述交配模式对所述任一雌性个体进行优化。
9.根据权利要求1所述的方法,其特征在于,所述控制逻辑包括以下至少一种:
进料速度;
配风量;
锅炉给水量。
10.一种基于蛇优化算法的自适应PID焚烧炉温度控制装置,其特征在于,包括:
温度获取单元,用于在对炉膛温度进行PID控制的过程中,获取炉膛温度偏差值,其中,所述炉膛温度偏差值由炉膛温度控制值和炉膛温度设定值确定;
函数求解单元,用于采用区间蛇优化算法求解优化目标函数,得到目标PID参数,其中,所述目标PID参数包括目标比例系数、目标积分系数和目标微分系数;
温度控制单元,用于根据所述目标PID参数和所述炉膛温度偏差值,确定控制逻辑,以根据所述控制逻辑对炉膛温度进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587096.5A CN116293718A (zh) | 2023-05-24 | 2023-05-24 | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587096.5A CN116293718A (zh) | 2023-05-24 | 2023-05-24 | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116293718A true CN116293718A (zh) | 2023-06-23 |
Family
ID=86794616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310587096.5A Pending CN116293718A (zh) | 2023-05-24 | 2023-05-24 | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116293718A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195946A (zh) * | 2023-09-08 | 2023-12-08 | 兰州理工大学 | 一种基于扩展卡尔曼滤波的wsn机动目标跟踪方法 |
CN117806154A (zh) * | 2024-02-27 | 2024-04-02 | 山东丰斯工程技术有限公司 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030050902A1 (en) * | 2001-04-06 | 2003-03-13 | Buczak Anna L. | Genetic algorithm optimization method |
CN103499212A (zh) * | 2013-09-27 | 2014-01-08 | 中冶长天国际工程有限责任公司 | 一种二元点火炉炉膛温度调节方法及装置 |
CN106838931A (zh) * | 2017-02-24 | 2017-06-13 | 杭州和利时自动化有限公司 | 一种倾斜往复逆推式垃圾焚烧炉的控制系统 |
CN108561887A (zh) * | 2018-04-12 | 2018-09-21 | 阮红艺 | 一种炉膛温度的控制方法 |
CN112986196A (zh) * | 2021-02-09 | 2021-06-18 | 上海英凡环保科技有限公司 | 新型二恶英在线分析系统和在线分析方法 |
CN115616908A (zh) * | 2022-09-26 | 2023-01-17 | 华北电力大学 | 一种基于改进多目标蛇群优化算法的超超临界机组协调控制系统节能优化方法 |
CN115629537A (zh) * | 2022-12-22 | 2023-01-20 | 南京净环热冶金工程有限公司 | 基于子群改进粒子群优化pid的加热炉燃烧控制方法及系统 |
CN116011501A (zh) * | 2023-01-03 | 2023-04-25 | 浙江东方职业技术学院 | 一种改进的蛇算法优化算法 |
-
2023
- 2023-05-24 CN CN202310587096.5A patent/CN116293718A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030050902A1 (en) * | 2001-04-06 | 2003-03-13 | Buczak Anna L. | Genetic algorithm optimization method |
CN103499212A (zh) * | 2013-09-27 | 2014-01-08 | 中冶长天国际工程有限责任公司 | 一种二元点火炉炉膛温度调节方法及装置 |
CN106838931A (zh) * | 2017-02-24 | 2017-06-13 | 杭州和利时自动化有限公司 | 一种倾斜往复逆推式垃圾焚烧炉的控制系统 |
CN108561887A (zh) * | 2018-04-12 | 2018-09-21 | 阮红艺 | 一种炉膛温度的控制方法 |
CN112986196A (zh) * | 2021-02-09 | 2021-06-18 | 上海英凡环保科技有限公司 | 新型二恶英在线分析系统和在线分析方法 |
CN115616908A (zh) * | 2022-09-26 | 2023-01-17 | 华北电力大学 | 一种基于改进多目标蛇群优化算法的超超临界机组协调控制系统节能优化方法 |
CN115629537A (zh) * | 2022-12-22 | 2023-01-20 | 南京净环热冶金工程有限公司 | 基于子群改进粒子群优化pid的加热炉燃烧控制方法及系统 |
CN116011501A (zh) * | 2023-01-03 | 2023-04-25 | 浙江东方职业技术学院 | 一种改进的蛇算法优化算法 |
Non-Patent Citations (2)
Title |
---|
(美)阿米特•V•乔希(AMEET V JOSHI)著;李征、袁科译: "《机器学习与工人智能:从理论到实践》", 北京:北京邮电大学出版社, pages: 27 - 28 * |
FATMA A. HASHIM等: ""Snake Optimizer: A novel meta-heuristic optimization algorithm"", 《KNOWLEDGE-BASED SYSTEMS》, vol. 242, pages 1 - 34 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195946A (zh) * | 2023-09-08 | 2023-12-08 | 兰州理工大学 | 一种基于扩展卡尔曼滤波的wsn机动目标跟踪方法 |
CN117806154A (zh) * | 2024-02-27 | 2024-04-02 | 山东丰斯工程技术有限公司 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
CN117806154B (zh) * | 2024-02-27 | 2024-05-03 | 山东丰斯工程技术有限公司 | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116293718A (zh) | 基于蛇优化算法的自适应pid焚烧炉温度控制方法及装置 | |
Shayeghi et al. | Optimal design of a robust discrete parallel FP+ FI+ FD controller for the automatic voltage regulator system | |
Navale et al. | Use of genetic algorithms to develop an adaptive fuzzy logic controller for a cooling coil | |
US20050192680A1 (en) | System and method for optimizing global set points in a building environmental management system | |
Ghanavati et al. | Demand-side energy management by use of a design-then-approximate controller for aggregated thermostatic loads | |
Pérez-González et al. | Modeling of a greenhouse prototype using PSO and differential evolution algorithms based on a real-time LabView™ application | |
CN108490790A (zh) | 一种基于多目标优化的过热汽温自抗扰串级控制方法 | |
CN113552797A (zh) | 一种基于改进粒子群优化的加热炉炉温控制方法和系统 | |
Zhou et al. | An improved spotted hyena optimizer for PID parameters in an AVR system | |
Qiu et al. | Chilled water temperature resetting using model-free reinforcement learning: Engineering application | |
Li et al. | Experience-based rule base generation and adaptation for fuzzy interpolation | |
WO2024060488A1 (zh) | 一种基于深度循环神经网络和进化计算的工业锅炉燃烧优化方法 | |
CN117093033A (zh) | 基于粒子群算法优化pid参数的电阻加热炉温度控制系统 | |
Khan et al. | An efficient design of genetic algorithm based adaptive fuzzy logic controller for multivariable control of hvac systems | |
Africa et al. | Fuzzy Logic Temperature Control: A feedback control system implemented by fuzzy logic | |
Ali et al. | Hybrid Design Optimization of Heating Furnace Temperature using ANFIS-PSO | |
Saber et al. | Real-time optimization for an AVR system using enhanced Harris Hawk and IIoT | |
Zenger et al. | Towards the intelligent home: Using reinforcement-learning for optimal heating control | |
CN114063438B (zh) | 一种数据驱动的多智能体系统pid控制协议自学习方法 | |
Shaikh et al. | Indoor building fuzzy control of energy and comfort management | |
Khan et al. | Multivariable adaptive Fuzzy logic controller design based on genetic algorithm applied to HVAC systems | |
He et al. | Event-triggered-based self-organizing fuzzy neural network control for the municipal solid waste incineration process | |
Burger et al. | ARX model of a residential heating system with backpropagation parameter estimation algorithm | |
Wang et al. | Interval type-2 fuzzy TS modeling for a heat exchange process on CE117 Process Trainer | |
CN110543969A (zh) | 一种家庭用电行为优化算法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230623 |
|
RJ01 | Rejection of invention patent application after publication |