本發(fā)明涉及焚燒爐自動控制技術領域，具體涉及一種船用焚燒爐爐膛負壓自動控制方法及系統(tǒng)。

背景技術：

由于船舶數量的日益增加，船舶垃圾對海洋環(huán)境的污染也越來越嚴重，垃圾焚燒處理技術在船舶上得到廣泛應用。由于船用焚燒爐爐內的燃燒過程是非常復雜的物理化學過程，是一個強耦合的多輸入多輸出大滯后的非線性系統(tǒng)，若燃燒穩(wěn)定性下降會導致二次污染和加劇高溫腐蝕，外部動態(tài)干擾可能會犧牲系統(tǒng)的效率性和安全穩(wěn)定性，控制策略的選擇與系統(tǒng)的工作狀態(tài)密切相關，因此船用焚燒爐的控制系統(tǒng)是其核心技術之一。

技術實現要素：

本發(fā)明所要解決的技術問題是，克服現有技術的缺點，提供一種船用焚燒爐爐膛負壓自動控制方法及系統(tǒng)，通過滑?？刂坪椭С窒蛄繖C算法實現控制器結構參數的自尋優(yōu)，保證焚燒過程安全穩(wěn)定運行。

為了解決以上技術問題，本發(fā)明提供一種船用焚燒爐爐膛負壓自動控制方法，包括如下步驟：

步驟1、獲取爐膛內的數據參數；

步驟2、根據數據參數與性能評價指標的偏差值求得滑?？刂破鞯妮斎胱兞?；

步驟3、根據輸入變量和優(yōu)選的滑?？刂破鬏敵龅南鄳敵鲋到⒒谥С窒蛄繖C的滑?？刂破饔柧殬颖炯?；

步驟4、SVM-SMC控制器根據滑?？刂破饔柧殬颖炯瘮M合常規(guī)滑?？刂破鞯慕Y構參數計算參考負壓值；

步驟5、當參考負壓值的逼近誤差處于可接受的數值鄰域之內，通過控制參數自尋優(yōu)生成新的訓練樣本，并將新的訓練樣本有選擇地存入滑?？刂破饔柧殬颖炯校辉俑鶕?yōu)選的新訓練樣本實時優(yōu)化SVM-SMC控制器參數。

本發(fā)明進一步限定的技術方案是：步驟1中數據參數包括：爐膛含氧量、爐膛溫度、煙氣溫度和爐膛負壓。

作為本發(fā)明的進一步改進，步驟4中，參考負壓值通過公式：其中b為偏置；θ_i＝α_i-α*_i，α_i和α*_i拉格朗日乘子；K(x_i,x)為核函數。

作為本發(fā)明的進一步改進，步驟5中優(yōu)選的新訓練樣本的篩選方法具體為：采用公式：Δ＝(1-δ)E{(CCO-CCO_rational)}/(E{ΔCCT}+E{-ΔFGT})+δE{|ΔCCP|}＜ξ其中，CCO和CCO_rational分別為實際爐膛氧含量和標準氧含量，ΔCCT和-ΔFGT分別為爐膛溫度和煙氣溫度的變化量，│ΔCCP│為爐膛負壓變化的絕對值，E{·}是括號內相關變量的統(tǒng)計均值，ξ為定義的鄰域值，表達式第一項表示在滿足爐膛氧含量前提下合理控制爐膛溫度和煙氣溫度；第二項表示爐膛負壓調節(jié)的波動幅值最小，這兩項之間的權衡由權重系數δ調節(jié)。

作為本發(fā)明的進一步改進，步驟5中包括：

步驟5-1、確定合理采樣周期，順序構造新樣本(s_new,CCP_new)；

步驟5-2、優(yōu)選新樣本，去除不合理的新樣本；

步驟5-3、采用增量式支持向量機算法在線訓練；

步驟5-4、計算SVM-SMC控制器輸出ACT_svm并加入擾動值作用到系統(tǒng)；

步驟5-5、等待下一個采樣周期，循環(huán)至步驟5-1。

本發(fā)明還提供一種船用焚燒爐爐膛負壓自動控制系統(tǒng)，包括：

獲取模塊，用于獲取爐膛內的數據參數；

第一計算模塊，用于根據數據參數與性能評價指標的偏差值求得滑?？刂破鞯妮斎胱兞?；

建模模塊，用于根據輸入變量和優(yōu)選的滑模控制器輸出的相應輸出值建立基于支持向量機的滑模控制器訓練樣本集；

第二計算模塊，用于SVM-SMC控制器根據滑?？刂破饔柧殬颖炯瘮M合常規(guī)滑模控制器的結構參數計算參考負壓值；

參數優(yōu)化模塊，用于當參考負壓值的逼近誤差處于可接受的數值鄰域之內，通過控制參數自尋優(yōu)生成新的訓練樣本，并將新的訓練樣本有選擇地存入滑?？刂破饔柧殬颖炯校辉俑鶕?yōu)選的新訓練樣本實時優(yōu)化SVM-SMC控制器參數。

作為本發(fā)明的進一步改進，獲取模塊獲取的數據參數包括爐膛含氧量、爐膛溫度、煙氣溫度和爐膛負壓。

作為本發(fā)明的進一步改進，第二計算模塊包括：參考負壓值通過公式：其中b為偏置；θ_i＝α_i-α*_i，α_i和α*_i拉格朗日乘子；K(x_i,x)為核函數。

作為本發(fā)明的進一步改進，參數優(yōu)化模塊中優(yōu)選的新訓練樣本的篩選方法包括：采用公式：Δ＝(1-δ)E{(CCO-CCO_rational)}/(E{ΔCCT}+E{-ΔFGT})+δE{|ΔCCP|}＜ξ其中，CCO和CCO_rational分別為實際爐膛氧含量和標準氧含量，ΔCCT和-ΔFGT分別為爐膛溫度和煙氣溫度的變化量，│ΔCCP│為爐膛負壓變化的絕對值，E{·}是括號內相關變量的統(tǒng)計均值，ξ為定義的鄰域值，表達式第一項表示在滿足爐膛氧含量前提下合理控制爐膛溫度和煙氣溫度；第二項表示爐膛負壓調節(jié)的波動幅值最小，這兩項之間的權衡由權重系數δ調節(jié)。

作為本發(fā)明的進一步改進，參數優(yōu)化模塊包括：

構造單元，用于確定合理采樣周期，順序構造新樣本(s_new,CCP_new)；

優(yōu)選單元，用于優(yōu)選新樣本，去除不合理的新樣本；

建模單元，用于采用增量式支持向量機算法建立新的樣本集；

計算單元，用于計算SVM-SMC控制器輸出ACT_svm并加入擾動值作用到系統(tǒng)；

循環(huán)單元，用于等待下一個采樣周期，循環(huán)至構造單元。

本發(fā)明的有益效果是：該方法通過對垃圾焚燒過程中影響焚燒性能的爐膛壓力、爐膛溫度、進氣量和煙氣溫度進行分析，確定焚燒過程的主要參數，并采用滑?？刂坪椭С窒蛄繖C算法相結合方法，建立符合評價指標的樣本數據庫，全局尋優(yōu)控制器結構參數，在獲得控制器快響應性、強魯棒性的同時，保證整個焚燒過程安全穩(wěn)定運行。

附圖說明

圖1為本發(fā)明的船用焚燒爐爐膛負壓自動控制方法流程圖；

圖2為本發(fā)明的船用焚燒爐爐膛負壓自動控制系統(tǒng)結構圖。

具體實施方式

實施例1

參考圖1所示，本實施例提供的一種船用焚燒爐爐膛負壓自動控制方法，包括如下步驟：

步驟1、獲取爐膛內的數據參數；

步驟2、根據數據參數與性能評價指標的偏差值求得滑?？刂破鞯妮斎胱兞縮_i＝(CCO-CCO_rational)/(E{ΔCCT}+E{-ΔFGT}+E{|ΔCCP|})；

步驟3、根據輸入變量s_i和優(yōu)選的滑?？刂破鬏敵龅南鄳敵鲋礐CP_i*建立基于支持向量機的滑模控制器訓練樣本集(s_i,CCP_i*)；

步驟4、SVM-SMC控制器根據滑?？刂破饔柧殬颖炯瘮M合常規(guī)滑?？刂破鞯慕Y構參數計算參考負壓值；

步驟5、當參考負壓值的逼近誤差處于可接受的數值鄰域之內，通過控制參數自尋優(yōu)生成新的訓練樣本，并將新的訓練樣本有選擇地存入滑?？刂破饔柧殬颖炯校辉俑鶕?yōu)選的新訓練樣本實時優(yōu)化SVM-SMC控制器參數。

步驟1中數據參數包括：爐膛含氧量、爐膛溫度、煙氣溫度和爐膛負壓。

采用含氧儀采集爐膛含氧量，熱電偶采集爐膛溫度和煙氣溫度，負壓傳感器采集爐膛負壓。

步驟2中，滑?？刂破鞯妮斎胱兞康挠嬎惴椒礊閟＝(CCO-CCO_rational)/(E{ΔCCT}+E{-ΔFGT}+E{|ΔCCP|})，其中CCO和CCO_rational分別為實際爐膛氧含量和標準氧含量，ΔCCT和-ΔFGT分別為爐膛溫度和煙氣溫度的變化量。

步驟4中，參考負壓值通過公式：其中b為偏置；θ_i＝α_i-α*_i，α_i和α*_i拉格朗日乘子；K(x_i,x)為核函數。

步驟5中優(yōu)選的新訓練樣本的篩選方法具體為：

采用公式：Δ＝(1-δ)E{(CCO-CCO_rational)}/(E{ΔCCT}+E{-ΔFGT})+δE{|ΔCCP|}＜ξ其中，CCO和CCO_rational分別為實際爐膛氧含量和標準氧含量，ΔCCT和-ΔFGT分別為爐膛溫度和煙氣溫度的變化量，│ΔCCP│為爐膛負壓變化的絕對值，E{·}是括號內相關變量的統(tǒng)計均值，ξ為定義的鄰域值，表達式第一項表示在滿足爐膛氧含量前提下合理控制爐膛溫度和煙氣溫度；第二項表示爐膛負壓調節(jié)的波動幅值最小，這兩項之間的權衡由權重系數δ調節(jié)。

步驟5中包括：

步驟5-1、確定合理采樣周期，順序構造新樣本(s_new,CCP_new)；

步驟5-2、優(yōu)選新樣本，去除不合理的新樣本；

步驟5-3、采用增量式支持向量機算法在線訓練，經過優(yōu)選的時間序列數據樣本更新控制器模型；

步驟5-4、計算SVM-SMC控制器輸出ACT_svm并加入擾動值作用到系統(tǒng)；

步驟5-5、等待下一個采樣周期，循環(huán)至步驟5-1

參考圖2所示，本實施例提供一種船用焚燒爐爐膛負壓自動控制系統(tǒng)，包括：

獲取模塊21，用于獲取爐膛內的數據參數；

第一計算模塊22，用于根據數據參數與性能評價指標的偏差值求得滑?？刂破鞯妮斎胱兞?；

建模模塊23，用于根據輸入變量和優(yōu)選的滑模控制器輸出的相應輸出值建立基于支持向量機的滑?？刂破饔柧殬颖炯?/p>

第二計算模塊24，用于SVM-SMC控制器根據滑?？刂破饔柧殬颖炯瘮M合常規(guī)滑模控制器的結構參數計算參考負壓值；

參數優(yōu)化模塊25，用于當參考負壓值的逼近誤差處于可接受的數值鄰域之內，通過控制參數自尋優(yōu)生成新的訓練樣本，并將新的訓練樣本有選擇地存入滑?？刂破饔柧殬颖炯?；再根據優(yōu)選的新訓練樣本實時優(yōu)化SVM-SMC控制器參數。

獲取模塊21獲取的數據參數包括爐膛含氧量、爐膛溫度、煙氣溫度和爐膛負壓。

第二計算模塊包括：參考負壓值通過公式：其中b為偏置；θ_i＝α_i-α*_i，α_i和α*_i拉格朗日乘子；K(x_i,x)為核函數。

參數優(yōu)化模塊25中優(yōu)選的新訓練樣本的篩選方法包括：采用公式：Δ＝(1-δ)E{(CCO-CCO_rational)}/(E{ΔCCT}+E{-ΔFGT})+δE{|ΔCCP|}＜ξ其中，CCO和CCO_rational分別為實際爐膛氧含量和標準氧含量，ΔCCT和-ΔFGT分別為爐膛溫度和煙氣溫度的變化量，│ΔCCP│為爐膛負壓變化的絕對值，E{·}是括號內相關變量的統(tǒng)計均值，ξ為定義的鄰域值，表達式第一項表示在滿足爐膛氧含量前提下合理控制爐膛溫度和煙氣溫度；第二項表示爐膛負壓調節(jié)的波動幅值最小，這兩項之間的權衡由權重系數δ調節(jié)。

參數優(yōu)化模塊25包括：

構造單元，用于確定合理采樣周期，順序構造新樣本(s_new,CCP_new)；

優(yōu)選單元，用于優(yōu)選新樣本，去除不合理的新樣本；

建模單元，用于采用增量式支持向量機算法建立新的樣本集；

計算單元，用于計算SVM-SMC控制器輸出ACT_svm并加入擾動值作用到系統(tǒng)；

循環(huán)單元，用于等待下一個采樣周期，循環(huán)至構造單元。

本實施例通過對垃圾焚燒過程中影響焚燒性能的爐膛壓力、爐膛溫度、進氣量和煙氣溫度進行分析，確定焚燒過程的主要參數，并采用滑模控制和支持向量機算法相結合方法，建立符合評價指標的樣本數據庫，全局尋優(yōu)控制器結構參數，在獲得控制器快響應性、強魯棒性的同時，保證整個焚燒過程安全穩(wěn)定運行。

除上述實施例外，本發(fā)明還可以有其他實施方式。凡采用等同替換或等效變換形成的技術方案，均落在本發(fā)明要求的保護范圍。