智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)。該方法以模糊系統(tǒng)作為基礎(chǔ)，對(duì)經(jīng)過誤差反向傳播神經(jīng)網(wǎng)絡(luò)映射處理的訓(xùn)練樣本輸出結(jié)果進(jìn)行模糊化處理，得到最后爐溫預(yù)報(bào)值和使?fàn)t溫最佳的操作變量值。在本發(fā)明中，從DCS數(shù)據(jù)庫中采集生產(chǎn)正常時(shí)所述變量的數(shù)據(jù)作為訓(xùn)練樣本的輸入矩陣，經(jīng)過標(biāo)準(zhǔn)化處理模塊的處理，作為模糊系統(tǒng)模塊的輸入；模糊系統(tǒng)得到的爐溫預(yù)報(bào)值和使?fàn)t溫最佳的操作變量值傳給結(jié)果顯示模塊，同時(shí)模型更新模塊，按設(shè)定的采樣時(shí)間間隔，采集現(xiàn)場(chǎng)智能儀表信號(hào)。本發(fā)明最終實(shí)現(xiàn)了爐溫的準(zhǔn)確和實(shí)時(shí)控制，對(duì)系統(tǒng)中的噪聲進(jìn)行了有效的抑制，避免了出現(xiàn)爐溫過低或過高。
【專利說明】智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及農(nóng)藥生產(chǎn)廢液焚燒領(lǐng)域，特別地，涉及智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法。
【背景技術(shù)】
[0002]隨著農(nóng)藥工業(yè)的迅速發(fā)展，排放物的環(huán)境污染問題已經(jīng)引起各國(guó)政府及相應(yīng)環(huán)保部門的高度重視。研究及解決農(nóng)藥有機(jī)廢液的達(dá)標(biāo)排放控制以及無害最小化處理，不僅成為各國(guó)科研的難點(diǎn)和熱點(diǎn)，同時(shí)也是關(guān)系到社會(huì)可持續(xù)發(fā)展的國(guó)家迫切需求的科學(xué)命題。
[0003]焚燒法是目前處理農(nóng)藥殘液和廢渣最有效、徹底、應(yīng)用最普遍的方法。焚燒過程中焚燒爐爐溫必須保持在一個(gè)合適的溫度，過低的爐溫不利于廢棄物中有毒有害成分的分解；過高的爐溫不僅增加燃料消耗，增加設(shè)備運(yùn)行成本，并且容易損壞爐膛內(nèi)壁、縮短設(shè)備壽命。此外，過高溫度可能增加廢棄物中金屬的揮發(fā)量和氧化氮的生成。特別對(duì)于含氯的廢水，合適的爐溫更能降低內(nèi)壁的腐蝕。但是實(shí)際焚燒過程中影響爐溫的因素復(fù)雜多變，容易出現(xiàn)爐溫過低或過高的現(xiàn)象。
[0004]近年來人工神經(jīng)網(wǎng)絡(luò)，尤其是誤差反向傳播神經(jīng)網(wǎng)絡(luò)，在系統(tǒng)優(yōu)化方面取得了不錯(cuò)的效果。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自適應(yīng)、自組織、自學(xué)習(xí)的能力以及大規(guī)模并行運(yùn)算的能力。但在實(shí)際應(yīng)用中，神經(jīng)網(wǎng)絡(luò)也暴露了一些自身固有的缺陷:權(quán)值的初始化是隨機(jī)的，易陷入局部極小；學(xué)習(xí)過程中隱含層的節(jié)點(diǎn)數(shù)目和其他參數(shù)的選擇只能根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)來選擇；收斂時(shí)間過長(zhǎng)、魯棒性差等。其次，工業(yè)現(xiàn)場(chǎng)采集到的DCS數(shù)據(jù)也因?yàn)樵胍?、人工操作誤差等帶有一定的不確定誤差，所以使用確定性強(qiáng)的人工神經(jīng)網(wǎng)絡(luò)的模型一般推廣能力不強(qiáng)。
[0005]1965年美國(guó)數(shù)學(xué)家L.Zadeh首先提出了模糊集合的概念。隨后模糊邏輯以其更接近于日常人們的問題和語意陳述的方式，開始代替堅(jiān)持所有事物都可以用二元項(xiàng)表示的經(jīng)典邏輯。模糊邏輯迄今已經(jīng)成功應(yīng)用在了工業(yè)的多個(gè)領(lǐng)域之中，例如家電、工業(yè)控制等領(lǐng)域。2003年，Demirci提出了模糊系統(tǒng)的概念，通過使用模糊隸屬度矩陣和和其變形構(gòu)建一個(gè)新的輸入矩陣，接著在局部方程中以反模糊方法中的重心法得出解析值作為最后的輸出。對(duì)于農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法，考慮到工業(yè)生產(chǎn)過程中的噪音影響以及操作誤差，可以使用模糊邏輯的模糊性能降低誤差對(duì)精度的影響。
[0006]粒子群算法，即Particle Swarm Optimization,是由 Kennedy 和 Eberhart 教授提出來的一種通過模仿鳥類飛行行為來尋求全局最優(yōu)的一種生物智能尋優(yōu)算法，簡(jiǎn)稱PS0。該算法通過群體中粒子間的相互影響，減少了搜索算法陷入局部最優(yōu)解的風(fēng)險(xiǎn)，具有很好的全局搜索性能。粒子群算法被用來搜索誤差反向傳播模糊系統(tǒng)的最優(yōu)參數(shù)組合，以達(dá)到優(yōu)化模型的目的。

【發(fā)明內(nèi)容】

[0007]為了克服已有的焚燒爐爐溫難以控制、容易出現(xiàn)爐溫過低或過高的不足，本發(fā)明提供一種實(shí)現(xiàn)爐溫準(zhǔn)確控制、避免出現(xiàn)爐溫過低或過高的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法。
[0008]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0009]智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)，包括焚燒爐、智能儀表、DCS系統(tǒng)、數(shù)據(jù)接口及上位機(jī)，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫；所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，所述的上位機(jī)包括:
[0010]標(biāo)準(zhǔn)化處理模塊，用于將從DCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化:
[0011]計(jì)算均值:
【權(quán)利要求】
1.一種智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法，包括焚燒爐、智能儀表、DCS系統(tǒng)、數(shù)據(jù)接口以及上位機(jī)，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫；所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，其特征在于:所述的上位機(jī)包括: 標(biāo)準(zhǔn)化處理模塊，用于將從DCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化:計(jì)算均值:
2.一種智能模糊系統(tǒng)的農(nóng)藥廢液焚燒爐爐溫最佳化方法，其特征在于:所述的爐溫最佳化方法包括以下步驟: 1)、確定所用的關(guān)鍵變量，從DCS數(shù)據(jù)庫中采集生產(chǎn)正常時(shí)所述變量的數(shù)據(jù)作為訓(xùn)練樣本TX的輸入矩陣，采集對(duì)應(yīng)的爐溫和使?fàn)t溫最佳化的操作變量數(shù)據(jù)作為輸出矩陣O ; 2)JfWDCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，對(duì)訓(xùn)練樣本中心化，即減去樣本的平均值，然后對(duì)其進(jìn)行標(biāo)準(zhǔn)化，使得其均值為O，方差為I。該處理采用以下算式過程來完成:
【文檔編號(hào)】G05B13/04GK103472866SQ201310433153
【公開日】2013年12月25日 申請(qǐng)日期:2013年9月22日 優(yōu)先權(quán)日:2013年9月22日
【發(fā)明者】劉興高, 李見會(huì), 張明明, 孫優(yōu)賢 申請(qǐng)人:浙江大學(xué)