科创中国
一种基于天牛须搜索的极端随机树炉温预测控制方法
成果类型：: 实用新型专利
发布时间: 2022-06-30 15:05:13
科技成果产业化落地方案
方案提交机构：江苏无锡市| 朱建萍 | 2022-10-31 10:47:23
一种基于天牛须搜索的极端随机树炉温预测控制方法,属于工业燃烧过程炉温预测和控制领域。通过建立影响温度的关键变量与燃烧室温度之间的回归关系,从而实时获得燃烧室内炉温的预测值,该方法使得炉温的预测精度达到了±1.5℃。考虑到原有系统的控制精度不高,同时设计天牛须搜索算法,选取预测控制中常用的二次性能指标函数为天牛的适应度函数,通过该算法的嗅觉搜索机制,搜索得到最优控制量,使得整个系统的控制效果更好。
本发明通过对有机废气燃烧过程中炉温和阀门开度之间的非线性关系进行基于极端随机树算法建模，实现了炉温预测，通过天牛须搜索算法对控制变量进行在线滚动优化，为有机废气燃烧过程炉温的预测和控制提供了一种方法。
随着环境污染控制的日益严格，源于石油化工、造纸、涂料、印染等工业生产排放的低浓度挥发性有机化合物(Volatile Organic Compounds，VOCs)的有效治理受到了国内的高度重视。现阶段我国治理VOCs最常用的设备就是蓄热式氧化炉(RegenerativeThermal Oxidizer，RTO)。传统的RTO对于燃烧室内的温度采用简单的PID控制，而氧化炉本质上是一个大惯性、大滞后且多变量的非线性系统，当燃烧室内的工况改变时，温度波动对有机废气燃烧反应的转化率影响很大，因此需要对燃烧室内的炉温进行精确控制。
预测控制由于控制效果好，鲁棒性强，被广泛应用于非线性系统中。其主要思想就是对系统进行建模，预测系统未来的输出状态，经过对预测值进行反馈校正后，再与参考输入进行比较，应用二次型性能指标进行滚动优化，得到最优控制量，完成整个循环。经典预测控制算法一般是通过获得系统的阶跃或者脉冲响应参数来建立系统的模型，得到近似线性化的模型，而对于非线性、干扰较多的系统，存在系统模型准确率较低的问题。
近年来，机器学习的方法发展迅速，并被广泛应用于模型预测中。燃烧控制系统中的关键参数就是温度，对温度的精确预测和控制是一项重要指标。极端随机树(ExtraTrees，ET)算法本身具有良好的泛化性和非线性建模能力，可以灵活处理各种类型的数据。
江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。
由于该算法的特征都是随机选取，且分裂阈值也是随机设定，对于每棵决策树的建立采用所有样本，因此基于极端随机树进行训练的随机性更强，训练的回归预测模型的预测效果更好，得到的炉温预测值精度更高。
科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。
下载app