自適應(yīng)機器學(xué)習(xí)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)明公開了一種自適應(yīng)機器學(xué)習(xí)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)及方法。該方法通過引入支持向量機對模糊神經(jīng)網(wǎng)絡(luò)中的線性參數(shù)進行最佳尋優(yōu)，解決了模糊神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置的問題，同時本方法根據(jù)訓(xùn)練樣本的變化對整個模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進行自適應(yīng)調(diào)整。在本發(fā)明中，標(biāo)準(zhǔn)化處理模塊對從DCS數(shù)據(jù)庫中采集到的訓(xùn)練樣本進行標(biāo)準(zhǔn)化處理；模糊網(wǎng)絡(luò)模塊，用于系統(tǒng)的建模；支持向量機優(yōu)化模塊用于優(yōu)化模糊網(wǎng)絡(luò)模塊中的線性參數(shù)；自適應(yīng)結(jié)構(gòu)優(yōu)化模塊對整個系統(tǒng)結(jié)構(gòu)實時更新優(yōu)化。本發(fā)明實現(xiàn)了爐溫準(zhǔn)確和實時控制、在線更新爐溫最佳化系統(tǒng)結(jié)構(gòu)、避免出現(xiàn)爐溫的超調(diào)。
【專利說明】自適應(yīng)機器學(xué)習(xí)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，涉及自適應(yīng)機器學(xué)習(xí)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)藥有機廢液的達標(biāo)排放控制以及無害最小化處理，不僅成為各國科研的難點和熱點，同時也是關(guān)系到社會可持續(xù)發(fā)展的國家迫切需求的科學(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。特別對于含氯的廢水，合適的爐溫更能降低內(nèi)壁的腐蝕。但是實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]1965年美國數(shù)學(xué)家L.Zadeh首先提出了 Fuzzy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，開始代替堅持所有事物都可以用二元項表示的經(jīng)典邏輯。1987年，Bart Kosko率先將模糊理論與神經(jīng)網(wǎng)絡(luò)有機結(jié)合進行了較為系統(tǒng)的研究。在這之后的時間里，模糊網(wǎng)絡(luò)的理論及其應(yīng)用獲得了飛速的發(fā)展，各種新的模糊網(wǎng)絡(luò)模型的提出及其相適應(yīng)的學(xué)習(xí)算法的研究不僅加速了模糊神經(jīng)理論的完善，而且在實踐中也得到了非常廣泛的應(yīng)用。
[0005]支持向量機，由Vapnik在1998年引入,通過使用統(tǒng)計理論學(xué)習(xí)中結(jié)構(gòu)風(fēng)險最小化而非一般的經(jīng)驗結(jié)構(gòu)最小化方法，把原有的最優(yōu)分類面問題轉(zhuǎn)化為其對偶的優(yōu)化問題，因而具有良好的推廣能力，被廣泛應(yīng)用在模式識別、擬合和分類問題中。在本方案中，支持向量機被用來優(yōu)化模糊網(wǎng)絡(luò)模型中的線性參數(shù)。

【發(fā)明內(nèi)容】

[0006]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。
[0007]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0008]自適應(yīng)機器學(xué)習(xí)的農(nóng)藥廢液焚燒爐爐溫最佳化系統(tǒng)，包括焚燒爐、場智能儀表、DCS系統(tǒng)、數(shù)據(jù)接口以及上位機，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫；所述現(xiàn)場智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機連接，所述的上位機包括:
[0009]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)練樣本進行預(yù)處理，對訓(xùn)練樣本中心化，即減去樣本的平均值，然后對其進行標(biāo)準(zhǔn)化:[0010]計算均值:
[0011]計算方差:
[0012]標(biāo)準(zhǔn)化:[0013]其中，TXi為第i個訓(xùn)練樣本，是從DCS數(shù)據(jù)庫中采集的生產(chǎn)正常時的關(guān)鍵變量、爐溫和使?fàn)t溫最佳化的操作變量的數(shù)據(jù)，N為訓(xùn)練樣本數(shù),--為訓(xùn)練樣本的均值，X為標(biāo)準(zhǔn)化后的訓(xùn)練樣本。σχ表示訓(xùn)練樣本的標(biāo)準(zhǔn)差，0\表示訓(xùn)練樣本的方差。
[0014]模糊網(wǎng)絡(luò)模塊，對從數(shù)據(jù)預(yù)處理模塊傳過來的輸入變量，進行模糊推理和建立模糊規(guī)則。對從數(shù)據(jù)預(yù)處理模塊傳過來的經(jīng)過預(yù)處理過的訓(xùn)練樣本X進行模糊分類，得到模糊規(guī)則庫中每個模糊聚類的中心和寬度。設(shè)第P個標(biāo)準(zhǔn)化后的訓(xùn)練樣本ΧΡ=[ΧΡ1，…，Xpn]，其中η是輸入變量的個數(shù)。
[0015]設(shè)模糊網(wǎng)絡(luò)有R個模糊規(guī)則，對每個模糊規(guī)則i，i=l,…，R，都賦予一個權(quán)重值Di,用以表示規(guī)則i在模糊網(wǎng)絡(luò)中的重要性。為了求得每個模糊規(guī)則對于訓(xùn)練樣本Xp的每個輸入變量Xw_，j=l,…，η,下面的模糊化方程將求出其對第i個模糊規(guī)則的隸屬度:
(X0 - Mij )
[0016][0017]其中Mu表示輸入變量Xw.對第i個模糊規(guī)則的隸屬度，和σ u分別表示第i個模糊規(guī)則的第j個高斯成員函數(shù)的中心和寬度，由模糊聚類求得。
[0018]設(shè)標(biāo)準(zhǔn)化后的訓(xùn)練樣本Xp對模糊規(guī)則i的適應(yīng)度為μ ω (Xp)，則μ⑴(Xp)的大小可由下式?jīng)Q定:
[0019][0020]式中，Mij表示輸入變量Xw.對第i個模糊規(guī)則的隸屬度，Inij和σ u分別表示第i個模糊規(guī)則的第j個高斯成員函數(shù)的中心和寬度。
[0021]求得輸入訓(xùn)練樣本對于每個規(guī)則的適應(yīng)度之后，模糊網(wǎng)絡(luò)對模糊規(guī)則輸出進行推導(dǎo)以得到最后的解析解。在常用的模糊網(wǎng)絡(luò)結(jié)構(gòu)中，每個模糊規(guī)則推導(dǎo)的過程都可以表示為如下:首先求得訓(xùn)練樣本中所有輸入變量的線性乘積和，然后用此線性乘積和與規(guī)則的適用度μ (i)(Xp)相乘，得到最終的每條模糊規(guī)則的輸出。模糊規(guī)則i的推導(dǎo)輸出可以表示如下:
[0022]
[0023][0024]式中，f⑴為第i條模糊規(guī)則的輸出，A是模糊網(wǎng)絡(luò)模型對第P個訓(xùn)練樣本的預(yù)測
輸出，au，j=l,…，η是第i條模糊規(guī)則中第j個變量的線性系數(shù)，ai0是第i條模糊規(guī)則中輸入變量線性乘積和的常數(shù)項，b是輸出偏置量。
[0025]支持向量機優(yōu)化模塊，在式(7)中，輸入變量線性乘積和中的參數(shù)的確定是模糊網(wǎng)絡(luò)使用中用到的一個主要問題，這里我們采用把原有的模糊規(guī)則推導(dǎo)輸出形式轉(zhuǎn)換為支持向量機優(yōu)化問題，再使用支持向量機進行線性優(yōu)化，具體實現(xiàn)過程如下:
[0027]其中Xpci為常數(shù)項且恒等于I。令
[0028]多(Xp)=["⑴X Xp。,…,"⑴ X Xpn,……,μ?κ'χΧρ0,...,,) x'?](9)
[0029]其中，如丨、表示原訓(xùn)練樣本的轉(zhuǎn)化形式，即把原來的訓(xùn)練樣本轉(zhuǎn)換為如上式形式，作為支持向量機的訓(xùn)練樣本:
[0030]-S=νχ),{φ{(diào)Χ2), ν2),...,{φ{(diào)ΧΝ), Viv),)(10)
[0031]其中yi，…，7,是訓(xùn)練樣本的目標(biāo)輸出，取S作為新的輸入訓(xùn)練樣本集合，那么原有問題可以轉(zhuǎn)化為如下的支持向量機對偶優(yōu)化問題:
[0032]R{(0,b) = + ? 4 (.''',,/(^)) + \ω' ωU 1 )
[0033]其中75是輸入訓(xùn)練樣本Xp的目標(biāo)輸出，f(Xp)是對應(yīng)于Xp的模型輸出，Le (yp，f(Xp))是輸入訓(xùn)練樣本Xp對應(yīng)的目標(biāo)輸出yp和模型輸出f(Xp)在優(yōu)化問題的誤差容限為ε時的一次不敏感函數(shù)。ω是支持向量機超平面的法向量，f (Xp)是對應(yīng)于Xp的模型輸出，Y是支持向量機的懲罰因子，上標(biāo)T表示矩陣的轉(zhuǎn)置，R(?，b)是優(yōu)化問題的目標(biāo)函數(shù)，N是訓(xùn)練樣本數(shù)，Le (yp, f (Xp))表達式如下:
[0034]
(,、、卜，yP~?{Χρ) - ε
Ιε(νρ Jixp)) =(12)
、} [|ν;-/(χ,)μ 其他
[0035]其中ε是優(yōu)化問題的誤差容限，接下來使用支持向量機求得模糊網(wǎng)絡(luò)的模糊規(guī)則最優(yōu)推導(dǎo)線性參數(shù)和對偶優(yōu)化問題的預(yù)報輸出:
【權(quán)利要求】
1.一種自適應(yīng)機器學(xué)習(xí)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，所述的DCS系統(tǒng)包括控制站和數(shù)據(jù)庫；所述現(xiàn)場智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機連接，其特征在于:所述的上位機包括: 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)練樣本進行預(yù)處理，對訓(xùn)練樣本中心化，即減去樣本的平均值，然后對其進行標(biāo)準(zhǔn)化: 計算均值
2.一種自適應(yīng)機器學(xué)習(xí)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具體實現(xiàn)步驟如下: 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Y ； 2)、將從DCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本進行預(yù)處理，對訓(xùn)練樣本中心化，即減去樣本的平均值，然后對其進行標(biāo)準(zhǔn)化，使得其均值為0，方差為I。該處理采用以下算式過程來完成:
【文檔編號】G05B13/00GK103472721SQ201310433856
【公開日】2013年12月25日 申請日期: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, 張明明, 孫優(yōu)賢 申請人:浙江大學(xué)