CN117873197A - 炭化室压力的控制方法、系统、装置、设备及存储介质 - Google Patents
炭化室压力的控制方法、系统、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117873197A CN117873197A CN202410054655.0A CN202410054655A CN117873197A CN 117873197 A CN117873197 A CN 117873197A CN 202410054655 A CN202410054655 A CN 202410054655A CN 117873197 A CN117873197 A CN 117873197A
- Authority
- CN
- China
- Prior art keywords
- value
- flap valve
- time
- valve opening
- real
- 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
- 238000003763 carbonization Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000013178 mathematical model Methods 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001174 ascending effect Effects 0.000 claims description 8
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 claims description 7
- 235000011114 ammonium hydroxide Nutrition 0.000 claims description 7
- 238000005507 spraying Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000571 coke Substances 0.000 claims description 5
- 238000004939 coking Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 14
- 230000010485 coping Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001351 cycling effect Effects 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
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了炭化室压力的控制方法、系统、装置、设备及存储介质。该方法包括:获取压力数据检测值和翻板阀开度检测值;根据压力数据检测值和翻板阀开度检测值确定未来时刻的压力实际值和翻板阀开度实际值;根据未来时刻的压力实际值和翻板阀开度实际值获取优选压力实际值和优选翻板阀开度实际值的数据集合;根据优选压力实际值和翻板阀开度实际值的集合确定未来时刻的压力数据和翻板阀开度预测值;根据未来时刻的压力预测值和压力设定值的偏差确定未来时刻的压力预测值的优选值;本发明通过利用预测控制原理和模糊控制原理实现对炭化室压力的控制,提高了应对突发情况的能力,保证了生产过程中炭化室压力的稳定。
Description
技术领域
本发明实施例涉及炭化室压力技术领域,尤其涉及炭化室压力的控制方法、系统、装置、设备及存储介质。
背景技术
近来年,环境保护受到全球关注,新型能源尚在研究中而传统能源储量减少。全球化加剧企业的竞争激烈,现代企业朝着高效率、高收益、低耗能、低成本和智能化方向发展,产品质量成为企业发展的重要因素,进而对其生产过程和控制方式提出新的要求。焦炉生产的环节多、时间长、产量大、产品种类丰富,需要加以控制的参数多。尤其是炭化室的压力控制更是重中之重,因为炭化室的压力稳定与否与焦炭质量和对煤炭的利用率有着直接的关系,
然而,在生产过程中,炭化室的压力会受到荒煤气的产生量、生产操作和负荷的变化等诸多因素的影响,现有的控制方法无法应对荒煤气的产生量、生产操作和负荷的变化等因素对炭化室压力的影响,增加了对炭化室压力控制的难度。
发明内容
本发明公开了炭化室压力的控制方法、系统、装置、设备及存储介质,通过准确预测未来时刻实时的压力数据实际值的优选值和未来时刻实时的翻板阀开度预测值的优选值来实现对焦炉炭化室压力的控制,同时能够应对诸多干扰对炭化室压力的影响,提高生产过程中炭化室压力的稳定。
第一方面,本发明实施例提供了一种炭化室压力的控制方法,包括:
获取压力数据检测值和翻板阀开度检测值;
根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;
根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;
根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;
根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
可选的,根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合包括:
根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值以及限定记忆法的递推算法在线辨识模型,对未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值进行辨识,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
可选的,根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值包括:
对炭化室动态数学模型进行修正;
根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及修正后的炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
可选的,对炭化室动态数学模型进行修正包括:
根据丢番图方程对炭化室动态数学模型进行修正。
可选的,根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值包括:
通过模糊算法,且根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值。
可选的,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度实际值的优选值包括:
通过模糊算法,且根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度实际值的优选值。
第二方面,本发明实施例提供了一种炭化室压力的控制系统,包括:炉顶空间,炉顶空间的出口用于排出炭化室气体,炭化室气体包括荒煤气;
上升管,上升管的入口与炉顶空间的出口连接;
氨水喷洒系统,氨水喷洒系统位于上升管的出口,用于为炭化室气体喷洒氨水;
桥管,桥管的入口与上升管的出口连接;
桥管内设有翻板阀,翻板阀的翻板阀开度由电动执行机构控制;
集气管,集气管的入口与桥管的出口连接。
第三方面,本发明实施例提供了一种炭化室压力的控制装置,包括:
参数获取模块,用于获取压力数据检测值和翻板阀开度检测值;
参数计算模块,用于根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;
参数辨识模块,用于根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;
参数预测模块,用于根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;
参数确定模块,用于根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;
参数算法模块,用于通过模糊算法,且根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
第四方面,本发明实施例提供了一种炭化室压力的控制电子设备,包括:
至少一个处理器;与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行第一方面任意所述的炭化室压力的控制方法。
第五方面,本发明实施例提供了一种计算机可读存储介质,存储介质存储有计算机指令,计算机指令用于使处理器执行时实现第一方面任意所述的炭化室压力的控制方法。
在本发明实施例所提供的技术方案中,获取压力数据检测值和翻板阀开度检测值;根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。本发明实施例在炭化室动态数学模型得基础上,利用预测控制原理对炭化室动态数学模型预测的未来时刻的输出与设定值的输出偏差轨迹进行控制,并且利用模糊控制原理动态校正控制加权系数,提高了对炭化室压力变化的响应的速度,同时也提高了应对突发情况的能力。因此本发明提出的控制器具有调节快速、通用性强等优点,保证了生产过程中炭化室压力的稳定。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是本发明实施例提供的一种炭化室压力的控制方法的流程图;
图2是本发明实施例提供的又一种炭化室压力的控制方法的流程图;
图3是本发明实施例提供的一种在线辨识流程图;
图4是本发明实施例提供的又一种炭化室压力的控制方法的流程图;
图5是本发明实施例提供的又一种炭化室压力的控制方法的流程图;
图6是本发明实施例提供的一种炭化室压力的控制系统的结构示意图;
图7是本发明实施例提供的一种炭化室压力的控制装置的结构示意图;
图8是本发明实施例提供的一种炭化室压力的控制电子的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本发明实施例提供的一种炭化室压力的控制方法的流程图,本发明实施例适用于在炭化室生产过程中对炭化室压力数据和翻板阀开度数据预测值与设定值差值的调整,以使得保证炭化室压力稳定的情况,该方法可以由炭化室压力的控制装置来执行,该炭化室压力的控制装置可以采用硬件和/或软件的形式来实现,本发明实施例对此不进行限制。
如图1所示,本发明实施例提供了一种炭化室压力的控制方法,具体包括如下步骤:
S110、获取压力数据检测值和翻板阀开度检测值。
其中,炭化室压力数据检测值可以理解为炭化室内产生的荒煤气的压力值,炭化室压力数据检测值越大,表示炭化室中荒煤气的生产量越多。翻板。翻板阀开度检测值可以理解为衡量炭化室内压力稳定的数值。
具体的,如果炭化室压力越大,需要控制翻板阀开度就越大,以使炭化室压力稳定。
S120、根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值。
其中,炭化室动态数学模型可以理解为一种数学函数。
具体的,利用广义预测算法,向炭化室动态数学模型输入压力数据检测值就可以计算出未来时刻实时的压力数据实际值,向炭化室压力输入翻板阀开度检测值就可以计算出未来时刻实时的翻板阀开度的实际值。
炭化室动态数学模型表示为:
A(z-1)y(k)=B(z-1)u(k-1)+ζ(k)/Δ (1)
其中,A(z-1),B(z-1)是后移算子,ζ(k)是白噪声,Δ是差分算子,y(k)表示k时刻的输出,u(k-1)表示k-1时刻的输入量,且
S130、根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
示例性的,假设先获取k时刻的压力数据实际值和翻板阀开度实际值和k+1时刻的压力数据实际值和翻板阀开度实际值,然后获取k+2时刻的压力数据实际值和翻板阀开度实际值,将k+2时刻的压力数据实际值分别与k时刻的压力数据实际值、k+1时刻的压力数据实际值作差,若差值大于预设阈值,则去除k时刻或者k+1时刻的压力数据实际值。如果差值小于预设阈值,则保留k时刻或者k+1时刻的压力数据实际值。
S140、根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
具体的,在炭化室动态数学模型的基础上得到未来时刻预测方程,将优先的优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集代入预测方程,分别得到未来时刻实时的压力数据预测值和翻板阀开度预测值。
S150、根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据预测值的优选值。
具体的,引入目标准则函数,通过目标准则函数得到未来时刻实时的压力数据实际值与未来时刻实时的压力数据设定值的偏差,然后将未来时刻实时压力数据的预测值代替未来时刻实时压力数据的实际值。计算出未来时刻实时压力数据的预测值与压力数据设定值的输出偏差从而确定未来时刻实时的压力数据预测值的优选值。
S160、通过模糊算法,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
具体的,引入目标准则函数,通过目标准则函数得到未来时刻实时的翻板阀开度的实际值与未来时刻实时翻板阀开度设定值的偏差,然后将未来时刻实时翻板阀开度的预测值代替未来时刻实时翻板阀开度的实际值。将未来时刻实时翻板阀开度的预测值代替未来时刻实时的翻板阀开度的实际值,通过模糊算法确定未来时刻实时的翻板阀开度预测值的优选值。
在本发明实施例所提供的技术方案中,获取压力数据检测值和翻板阀开度检测值;根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。本发明实施例在炭化室动态数学模型得基础上,利用预测控制原理对炭化室动态数学模型预测的未来时刻的输出与设定值的输出偏差轨迹进行控制,并且利用模糊控制原理动态校正控制加权系数,提高了对炭化室压力变化的响应的速度,同时也提高了应对突发情况的能力。因此本发明提出的控制器具有调节快速、通用性强等优点,保证了生产过程中炭化室压力的稳定。
图2是本发明实施例提供的又一种炭化室压力的控制方法的流程图,本实施例基于上述各实施例的基础上进一步进行优化与扩展,并可以与上述实施方式中各个可选技术方案结合。如图2所示,本发明实施例提供的又一种车辆发动机的控制方法,具体包括如下步骤:
S110、获取压力数据检测值和翻板阀开度检测值。
S120、根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值。
S1301、根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值以及限定记忆法的递推算法在线辨识模型,对未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值进行辨识,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
其中,限定记忆法的递推算法在线辨识模型用最小二乘算法公式可表示为:
K(k)=[P(k-1)h(k)]/[1+hT(k)P(k-1)h(k)] (5)
P(k)=[I-K(k)hT(k)]P(k-1) (6)
上述中的为需要辨识的参数变量,P(k)和K(k)是中间变量。
根据最小二乘法递推算法可推导未来时刻的压力数据实际值和翻板阀开度实际值,递推公式为:
K(k,k+L)=[P(k,k+L-1)h(K+L)]/[1+hT(k+L)P(k,k+L-1)h(k+L)] (8)
P(k,k+L)=[I-K(k,k+L)hT(k+L)]P(k,k+L-1) (9)
同时为了保证数据集合L的长度不变,就需要去除一个老数据,其递推公式为:
K(k+1,k+L)=[P(k,k+L)h(k)]/[1-hT(k)P(k,k+L)h(k)] (11)
P(k+1,k+L)=[I-K(k+1,k+L)hT(k)]P(k,k+L) (12)
具体的,参见图3,对未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值的辨识步骤为:
步骤1,给定初始条件ξ为充分小的实向量,P(0,0)=a2I,a为充分大的数;
步骤2,利用最小二乘递推算法,获得的初始值和原始P阵;
步骤3,利用公式(7)、(8)和(9)计算出未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;
步骤4、再利用公式(10)、(11)和(12)计算出优选压力数据实际值的数据实际值和优选翻板阀开度实际值的数据值;
步骤5、循环步骤3和步骤4,并进行迭代,可以获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
S140、根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
S150、根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据预测值的优选值。
S160、通过模糊算法,且根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
本发明实施例提供的技术方案,通过限定记忆法的递推算法在线辨识模型可以帮助建立炭化室动态数学模型,同时通过确切输入输出压力数据实际值和翻板阀开度实际值使得炭化室动态数学模型具有一定的可靠性,进而达到优良的控制效果。
图3是本发明实施例提供的又一种炭化室压力的控制方法的流程图,参见图3,本实施例基于上述各实施例的基础上进一步进行优化与扩展,并可以与上述实施方式中各个可选技术方案结合。如图4所示,本发明实施例提供的又一种车辆发动机的控制方法,具体包括如下步骤:
S110、获取压力数据检测值和翻板阀开度检测值。
S120、根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值。
S130、根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
S1401、对所述炭化室动态数学模型进行修正。
可选的,对炭化室动态数学模型进行修正包括:根据丢番图方程对炭化室动态数学模型进行修正。
具体的,丢番图方程(Diophantine方程)表示为:
1=Ej(z-1)A(z-1)Δ+z-1Fj(z-1) (13)
将炭化室模型左右同乘Ej(z-1)Δ,可以得到未来时刻的预测方程为:
y(k+j)=GjΔu(k+j-1)+Fjy(k)+HjΔu(k-1)+Ejζ(k+j) (14)
S1402、根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及修正后的所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
具体的,将优选压力数据实际值和翻板阀开度实际值数据集合输入公式(14)忽略噪声影响Ej(z-1)ξ(k+j)影响,就可以计算出未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值为:
S150、根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值。
S160、通过模糊算法,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
图4是本发明实施例提供的又一种炭化室压力的控制方法的流程图。参见图4,本实施例基于上述各实施例的基础上进一步进行优化与扩展,并可以与上述实施方式中各个可选技术方案结合。如图5所述,本发明实施例提供的又一种车辆发动机的控制方法,具体包括如下步骤:
S110、获取压力数据检测值和翻板阀开度检测值。
S120、根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值。
S130、根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
S140、根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
S1501、通过模糊算法,根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值。
具体的,对于未来时刻预测时域和未来时刻控制时域,可以的得到未来时刻压力数据预测值的矢量表示形式:
上式中,ΔU=[Δu(k)Δu(k+1)…Δu(k+M-1)]T
通过引入目标准则函数可以计算出未来时刻实时的压力数据实际值与未来时刻实时的压力数据设定值的偏差。目标准则函数可以表示为:
其矩阵表达式为:
J=(Y-Yr)T(Y-Yr)+λΔUTΔU (18)
上式中,J为优化过程目标值,yr(k+j)未来时刻实时的压力数据实际值,P为预测长度,L为控制长度,P≥L,yr(k+j)是由输出值到设定值的yr的参考轨迹。参考轨迹的公式为:
yr(k+j)=ay(k)+(1+a)yr (19)
将未来时刻实时的压力数据预测值代替未来时刻实时的压力数据的实际值,代入公式(17)中,可得:
J=(GΔU+HΔu(k)+Fy(k)-Yr)T(GΔU+HΔu(k)+Fy(k)-Yr)+λΔUTΔU (20)
在令可得:
ΔU=(GTG+λI)-1GT[Yr-HΔu(k-1)-Fy(k)] (21)
可得未来时刻的控制输入变量为:
u(k)=u(k-1)+dT[Yr-HΔu(k-1)-Fy(k)] (22)
最后对控制加权系数λk通过模糊算法进行动态校正,其中,控制加权系数λk是根据反复仿真调整选取的固定值,选取未来时刻实时的压力数据预测值与未来时刻实时的压力数据设定值的偏差E作为输入变量,去模糊化采用加权去模糊推理机制,得控制加权系数λk为:
上式中,为第l条模糊规则中控制加权系数λk对应的隶属度,/>为第l条模糊规则中输入变量对应的隶属度,m为模糊规则的总条数。
将未来时刻实时的压力数据预测值与未来时刻实时的压力数据设定值的偏差E分为七个模糊集:负大(NB),负中(NM)负小(NS),零(ZO),正小(PS),正大(PB)。同理控制加权系数也分为七个模糊集:负大(NB),负中(NM)负小(NS),零(ZO),正小(PS),正大(PB)。如果E为NB,则控制加权系数λk为PB,如果E为NM,则控制加权系数λk为PM,如果E为NS,则控制加权系数λk为PS,如果E为ZO,则控制加权系数λk为ZO,如果E为PS,则控制加权系数λk为NS,如果E为PM,则控制加权系数λk为NM,如果E为PB,则控制加权系数λk为NB。
S160、通过模糊算法,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
在本发明实施例中,将未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差通过模糊算法进行动态校正,以使未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差获得更快的响应速度,同时避免了超调过大导致系统产生较大波动造成生产事故。保证了生产过程中炭化室压力的稳定。
图5是本发明实施例还提供了一种炭化室压力的控制方法,示例性的,首先收集炭化室未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,然后通过限定记忆法的递推算法在线辨识模型对未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值进行参数辨识,同时利用广义预测算法在炭化室动态数学模型和Diophantine方程计算出未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值,然后通过加权控制系数模糊自校正,得到未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
图6是本发明实施例提供的一种炭化室压力的控制系统的结构示意图。参见图6,该炭化室压力的控制系统,包括:炉顶空间1,炉顶空间1的出口用于排出炭化室气体,炭化室气体包括荒煤气;上升管2,上升管2的入口与炉顶空间1的出口连接;氨水喷洒系统3,氨水喷洒系统3位于上升管2的出口,用于为炭化室气体喷洒氨水;桥管5,桥管5的入口与上升管2的出口连接;桥管5内设有翻板阀4,翻板阀4的翻板阀开度由电动执行机构控制6;集气管7,集气管7的入口与桥管5的出口连接。
具体的,炭化室气体从炉顶空间1的出口排出的荒煤气进入上升管2,然后从上升管2中进入桥管3,荒煤气经过氨水喷洒系统4,电动执行机构5控制翻板阀开度,使得荒煤气进入集气管7。压力检测点8用来检测炭化室的压力。
本发明实施例所提供的技术方案,通过电动执行机构5控制翻板阀开度,使得荒煤气进入集气管7,避免炭化室出现负压,防止空气漏入炭化室烧损焦炭、损坏炉体。
图7是本发明实施例提供的一种炭化室压力的控制装置的结构示意图,该炭化室压力控制装置包括:参数获取模块70、参数计算模块71、参数辨识模块72、参数预测模块73、参数确定模块74和参数选取模块75。
具体的,参数获取模块70,用于获取压力数据检测值和翻板阀开度检测值;参数计算模块71,用于根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;参数辨识模块72,用于根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;参数预测模块73,用于根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;参数确定模块74,用于根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;参数选取模块75,用于通过模糊算法,且根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
在本发明实施例所提供的技术方案中,通过设置参数获取模块70、参数计算模块71、参数辨识模块72、参数预测模块73、参数确定模块74和参数选取模块75实现了对未来时刻炭化室压力的控制,提高了控制装置对炭化室压力变化的响应的速度,同时也提高了应对荒煤气的产生量、生产操作和负荷的变化等因素对炭化室压力的影响,保证了炭化室压力的稳定。
如图8所示,电子设备80包括至少一个处理器81,以及与至少一个处理器81通信连接的存储器,如只读存储器(ROM)82、随机访问存储器(RAM)83等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器81可以根据存储在只读存储器(ROM)82中的计算机程序或者从存储单元加载到随机访问存储器(RAM)83中的计算机程序,来执行各种适当的动作和处理。在RAM 83中,还可存储电子设备80操作所需的各种程序和数据。处理器81、ROM 82以及RAM 83通过总线84彼此相连。输入/输出(I/O)接口85也连接至总线84。
电子设备80中的多个部件连接至I/O接口85,包括:输入单元86,例如键盘、鼠标等;输出单元87,例如各种类型的显示器、扬声器等;存储单元88,例如磁盘、光盘等;以及通信单元89,例如网卡、调制解调器、无线通信收发机等。通信单元89允许电子设备80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。
处理器81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。处理器81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处理器、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。处理器81执行和处理上文所描述的各个方法,例如本发明任意实施例所提供的车辆发动机的控制方法。
在一些实施例中,车辆发动机的控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元88。在一些实施例中,计算机程序的部分或者全部可以经由ROM 82和/或通信单元89而被载入和/或安装到电子设备80上。当计算机程序加载到RAM 83并由处理器81执行时,可以执行上文描述的炭化室压力的控制方法的一个或多个步骤。备选地,在其他实施例中,处理器81可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本发明任意实施例所提供的炭化室压力的控制方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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服务器上执行。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、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)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器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端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种炭化室压力的控制方法,其特征在于,包括:
获取压力数据检测值和翻板阀开度检测值;
根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;
根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;
根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;
根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;
根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
2.根据权利要求1所述的炭化室压力的控制方法,其特征在于,
根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合包括:
根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值以及限定记忆法的递推算法在线辨识模型,对未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值进行辨识,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合。
3.根据权利要求1所述的炭化室压力的控制方法,其特征在于,根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值包括:
对所述炭化室动态数学模型进行修正;
根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及修正后的所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值。
4.根据权利要求3所述的炭化室压力的控制方法,其特征在于,对所述炭化室动态数学模型进行修正包括:
根据丢番图方程对所述炭化室动态数学模型进行修正。
5.根据权利要求1所述的炭化室压力的控制方法,其特征在于,根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值包括:
通过模糊算法,且根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值。
6.根据权利要求1所述的炭化室压力的控制方法,其特征在于,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度实际值的优选值包括:
通过模糊算法,且根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度实际值的优选值。
7.一种炭化室压力的控制系统,其特征在于,包括:
炉顶空间,所述炉顶空间的出口用于排出炭化室气体,所述炭化室气体包括荒煤气;
上升管,所述上升管的入口与所述炉顶空间的出口连接;
氨水喷洒系统,所述氨水喷洒系统位于所述上升管的出口,用于为所述炭化室气体喷洒氨水;
桥管,所述桥管的入口与所述上升管的出口连接;
所述桥管内设有翻板阀,所述翻板阀的翻板阀开度由电动执行机构控制;
集气管,所述集气管的入口与所述桥管的出口连接。
8.一种炭化室压力的控制装置,其特征在于,包括:
参数获取模块,用于获取压力数据检测值和翻板阀开度检测值;
参数计算模块,用于根据炭化室动态数学模型以及压力数据检测值和翻板阀开度检测值,确定未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值;
参数辨识模块,用于根据未来时刻实时的压力数据实际值和未来时刻实时的翻板阀开度实际值,获取优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合;
参数预测模块,用于根据优选压力数据实际值的数据集合和优选翻板阀开度实际值的数据集合以及所述炭化室动态数学模型,确定未来时刻实时的压力数据预测值和未来时刻实时的翻板阀开度预测值;
参数确定模块,用于根据未来时刻实时的压力数据预测值和未来时刻实时的压力数据设定值的输出偏差确定未来时刻实时的压力数据实际值的优选值;
参数算法模块,根据未来时刻的翻板阀开度预测值和未来时刻实时的翻板阀开度设定值的输出偏差确定未来时刻实时的翻板阀开度预测值的优选值。
9.一种炭化室压力的控制电子设备,其特征在与,包括:
至少一个处理器;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计算机程序,所述计算机程序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权利要求1-6中任一项所述的炭化室压力的控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的炭化室压力的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410054655.0A CN117873197A (zh) | 2024-01-12 | 2024-01-12 | 炭化室压力的控制方法、系统、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410054655.0A CN117873197A (zh) | 2024-01-12 | 2024-01-12 | 炭化室压力的控制方法、系统、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117873197A true CN117873197A (zh) | 2024-04-12 |
Family
ID=90588071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410054655.0A Pending CN117873197A (zh) | 2024-01-12 | 2024-01-12 | 炭化室压力的控制方法、系统、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117873197A (zh) |
-
2024
- 2024-01-12 CN CN202410054655.0A patent/CN117873197A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111913803B (zh) | 一种基于akx混合模型的服务负载细粒度预测方法 | |
Roemer et al. | An overview of selected prognostic technologies with application to engine health management | |
CN110285403A (zh) | 基于被控参数预估的主蒸汽温度控制方法 | |
CN109670625B (zh) | 基于无迹卡尔曼滤波最小二乘支持向量机的NOx排放浓度预测方法 | |
US20130204812A1 (en) | Method for computer-aided closed-loop and/or open-loop control of a technical system | |
CN111006240B (zh) | 一种生物质锅炉炉膛温度和负荷预测方法 | |
CN101968832B (zh) | 基于构造-剪枝混合优化rbf网络的煤灰熔点预测方法 | |
Chen et al. | Prediction of satellite time series data based on long short term memory-autoregressive integrated moving average model (LSTM-ARIMA) | |
CN112700085A (zh) | 基于关联规则的复杂系统稳态运行参数优化方法、系统和介质 | |
CN111723982A (zh) | 基于灰色-马尔可夫链的中长期电力负荷组合预测方法 | |
KR20070061453A (ko) | 모델의 커미티를 사용한 예측성 모델링 방법 및 시스템 | |
CN114046456B (zh) | 融合模糊推理和神经网络的腐蚀评估方法及系统 | |
CN115964907A (zh) | 复杂系统健康趋势预测方法、系统、电子设备及存储介质 | |
CN115329669A (zh) | 基于深度贝叶斯主动学习的电力系统暂态稳定评估方法 | |
CN117873197A (zh) | 炭化室压力的控制方法、系统、装置、设备及存储介质 | |
CN116894475A (zh) | 一种基于神经网络的燃气轮机状态预警方法 | |
CN116032020A (zh) | 一种新能源电站智能监盘方法及系统 | |
CN109725526B (zh) | 一种多变量半自适应预测控制方法 | |
CN115936303A (zh) | 基于机器学习模型进行暂态电压安全分析方法 | |
CN115290218A (zh) | 一种火力发电机组锅炉水冷壁壁温的软测量方法与系统 | |
CN115221791A (zh) | 一种超临界锅炉壁温在线预测方法及系统 | |
CN112800672B (zh) | 锅炉粘污系数的评估方法、系统、介质及电子设备 | |
CN112733076A (zh) | 基于神经网络常微分方程在非持续激励下的系统辨识方法 | |
CN116595883B (zh) | 数值反应堆实时在线系统状态修正方法 | |
CN110633917A (zh) | 基于电力大数据的新能源政策实施效果综合评价方法 |
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 |