国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      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

      文檔序號:6296453閱讀:381來源:國知局
      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)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1