基于序贯极限学习机的煮糖结晶过程控制方法技术

本发明专利技术公开了基于序贯极限学习机的煮糖结晶过程控制方法，包括：以入料流量和进给时间作为输入量，液位变化量和锤度变化量作为输出量构建基于序贯极限学习机的煮糖结晶过程工艺参数的控制模型；再根据工艺要求构建目标函数，并结合粒子群优化算法快速求解目标函数优化出最佳的入料流量和进给时间。本发明专利技术方法建立序贯极限学习机的在线学习机制，形成滚动优化机制，建立跟随自适应控制。本发明专利技术的方法能够在线检测煮糖结晶过程液位和锤度的变化速率，并根据实时误差进行入料流量的自适应调整，从而实现液位与锤度同步上升的工艺要求，具备了很强的可行性，能够代替手工操作去实现煮糖结晶过程的自动蒸煮。

【技术实现步骤摘要】

专利技术属于煮糖结晶过程控制
，具体设及基于序贯极限学习机的煮糖结晶 过程控制方法。
技术介绍
煮糖结晶过程最为关键的一个阶段就是养晶阶段。根据煮糖的工艺要求，在养晶 阶段需要把糖膏当中的细小晶粒培养成大颗粒，实现的方法就是在蒸煮过程中给煮糖结晶 罐输送低浓度的糖浆，通过蒸汽加热促使罐内糖膏吸收低浓度糖浆的糖分，从而将细小晶 粒煮成符合规格的白砂糖颗粒。经过工程师多年的经验总结，可知养晶阶段相当于是将煮 糖罐内的糖膏键度浓缩至更高的键度，同时又要求糖膏的液位跟随键度同步上升到一个高 度，如图2所示。 -般来说，在制糖生产车间中是由现场的煮糖工人控制低浓度糖浆的进给速率， 也即控制糖浆入料流量，来实现糖膏液位与键度的同步上升。由于糖罐内的细小晶粒数目 相对来说是平稳的，运就说明细小晶粒长大成大晶粒所需的养分是一定量的，不能过多也 不能过少，运就要求外部的物料进给量要根据罐内晶粒的状况所决定，并非片面地通过输 送物料来实现罐内液位的上升。同时，细小晶粒吸收糖分是需要经历一个过程的，并不是说 低浓度的糖浆输送到位后细小晶粒就能够马上吸收长成大晶粒。晶粒的吸收情况要根据当 时环境下你所进给的物料量来定，物料进给过少，糖分不够，影响了晶粒的吸收，会造成晶 粒群体的成长参差不齐，最终会使得白砂糖成品率低。物料进给过多，糖分供大于求，那么 多出来的糖分会在罐内高溫的环境下自行结晶成长为崎形晶粒，俗称伪晶，运对正常晶粒 群来说是致命的，因为崎形晶粒会时时刻刻跟正常晶粒群抢夺糖分，但崎形晶粒不会长大， 只会越来越多，最终会造成整个晶粒群被伪晶吞隧，从而引起生产事故。 由W上的分析可知，要想成功地把细小晶粒养成符合规格的大晶粒就需要严格地 按照工艺曲线的要求去操作养晶阶段。图2所示的工艺曲线根据走向分成了 5个阶段，运就 意味着在每一个阶段中都必须驱使罐内的糖膏液位跟键度上升到该阶段所要求的点，到达 后才能进入下一个阶段。而现存的自动控制系统在实现工艺曲线跟随运一阶段的效果并不 理想，主要原因是罐内的糖膏环境非常复杂，难W建立相应的数学模型，只能通过阶段性的 模糊控制方法进行工艺曲线逼近。模糊控制的思路就是先让罐内糖膏液位首先到达阶段性 要求的点，再而关闭阀口通过蒸煮来实现糖膏键度上升，接着交替重复该动作实现每一个 阶段的工艺曲线逼近。
技术实现思路
本专利技术针对上述控制方法的不足，提出基于序贯极限学习机的煮糖结晶过程控制 方法，建立煮糖结晶过程的序贯极限学习机的在线学习机制，形成滚动优化机制，建立跟随 自适应控制，实现煮糖结晶过程的自动蒸煮。 为了解决上述技术问题，本专利技术的技术方案如下： ，包括W下步骤： (1)、将煮糖结晶过程的工艺曲线分为多个阶段，为每一阶段的键度和液位分别设 定控制目标； (2)、W入料流量和进给时间作为输入量，糖膏的液位变化量和键度变化量作为输 出量，构建基于序贯极限学习机的煮糖结晶过程工艺参数的控制模型； (3)、采用最小二乘法构建步骤（1)控制模型的输出量与对应的控制目标之间的目 标函数； (4)、采用粒子群优化算法求解步骤(2)的目标函数，优化最佳的入料流量和进给 时间，并作用于系统； (5)、实时采集煮糖结晶过程的输入量和输出量，判断本阶段的键度和液位是否均 达到对应的控制目标，如果未达到，则重复执行步骤(2)至(4)，建立序贯极限学习机的在线 学习机制，形成滚动优化机制，建立跟随自适应控制；如果达到，则进入下一阶段，W下一阶 段的控制目标重复执行步骤(2)至(5)。 所述步骤(1)基于序贯极限学习机的煮糖结晶过程工艺参数的控制模型的构建方 法，包括如下步骤： Stepl:由序贯极限学习机假设系统的输出可得下式来表示：(1) 式（1)中，N为隐含层节点数，W1为输入层权重矩阵，X为系统输入矩阵，β为输入层 偏置向量，G(.)为激活函数，W2为输出层权重矩阵。 W入料流量和进给时间作为输入向量，糖膏的液位和键度作为输出向量，因此，输 入层和输出层的节点数都为2，[001引随机生成输入层权重矩阵W1和输入层偏置向量β，得： 其中Ν为隐含层节点数，需根据数据的非线性复杂度而定； Step2: W入料流量V和进给时间Δ t作为输入向量，糖膏液位Δ 1和糖膏键度Δ Β作 为输出向量，分别构建输入样本矩阵X和输出样本Y，样本数为No，得： Step3:按式（2)分别对输入样本矩阵X和输出样本矩阵Y的行向量进行归一化处 理，得到归一化后的输入样本矩阵义和输出样本矩阵(2) Step4:计算隐含层输出矩阵Ho: 假设隐含层的激活函数为G( ·)，则隐含层的输出矩阵为：(3)[002引5*6口5:计算输出层权重矩阵％《.^ 由Step4得出隐含层的输出矩阵与输出样本矩阵F之间的关系，如式(4)所示：(4) 通过线性辨识的手段即式（5)来拟合出隐含层的输出矩阵与目标矩阵之间的关 系，即极限学习机的输出层权重矩阵为：(5) 式(5)可改写为式(6)的形式：(61[00对式(6)中，其中由To来表示，始由w:。来表示，(/?/'y为H0T的Moore-Penrose广义 逆矩阵，(7) No为训练集样本个数，N为隐含层节点数，win为输入层权重矩阵W1的第η行，xn为第η 个样本的数据，βι为偏置向量β的第1行，=4馬马f f。 所述步骤(1)基于序贯极限学习机的煮糖结晶过程工艺参数的控制模型的构建方 法，还包括所述控制模型的在线更新方法，包括W下步骤： steps:实时采集煮糖结晶过程的输入量和输出量，设为％W)和乃馬邱，并根据 Step3进行归一化处理，得到新的训练样本： St邱7:将新的训练样本(；(乂。+1)，；^。+1>)代入式(3)，得出新的隐含层输出向量出： steps:将隐含层输出向量化与Step4得到的化代入式(6)，得到更新的输出权重矩 阵4, 新训练方程表示为：脚 根据新的训练样本片乂川)石^+。)与原训练样本玄巧^^，求得输出层权重矩阵更新 为： Step9:根据式(9)与式（10)就得到极限学习机在线学习过程的输出权重矩阵W2的 在线更新方程为： St邱10:重复Step6-Step9，实时在线更新所述控制模型。 本专利技术的显著进步在于： 与W往的数据建模只能在离线的条件下进行建模相比，本专利技术的方法先在离线的 情况下建立一个基本的数据模型，然后在线即实际生产过程中实时采集最新的数据去调整 模型参数，建立序贯极限学习机的在线学习机制，形成滚动优化机制，建立跟随自适应控 审IJ。本专利技术的方法能够在线检测煮糖结晶过程液位和键度的变化速率，并根据实时误差进 行入料流量的自适应调整，从而实现液位与键度同步上升的工艺要求，具备了很强的可行 性，能够代替手工操作去实现煮糖结晶过程的自动蒸煮。【附图说明】 图1是的流程图。 图2煮糖结晶过程的工艺曲线示意图。 图3是序贯极限学习机在线学习能力中液位随时间的变化关系示意图。图中，a代 表真实液位，b代表序贯极限学习机的液位输出，C代表极限学习机的液位输出。 图4是序贯极限学习机在线学习能力中键度随时间的变化关系示意图。图中，a代 表极限学习机的键度输出，b代表序贯极限学习机的键度输出，C代表真实键度。 图5控制算法优化得本文档来自技高网...

【技术保护点】
基于序贯极限学习机的煮糖结晶过程控制方法，其特征在于，包括以下步骤：(1)、将煮糖结晶过程的工艺曲线分为多个阶段，为每一阶段的锤度和液位分别设定控制目标；(2)、以入料流量和进给时间作为输入量，糖膏的液位变化量和锤度变化量作为输出量，构建基于序贯极限学习机的煮糖结晶过程工艺参数的控制模型；(3)、采用最小二乘法构建步骤(1)控制模型的输出量与对应的控制目标之间的目标函数；(4)、采用粒子群优化算法求解步骤(2)的目标函数，优化最佳的入料流量和进给时间，并作用于系统；(5)、实时采集煮糖结晶过程的输入量和输出量，判断本阶段的锤度和液位是否均达到对应的控制目标，如果未达到，则重复执行步骤(2)至(5)，建立序贯极限学习机的在线学习机制，形成滚动优化机制，建立跟随自适应控制；如果达到，则进入下一阶段，以下一阶段的控制目标重复执行步骤(2)至(5)。

【技术特征摘要】

【专利技术属性】
技术研发人员：蒙艳玫，李文星，谢延鹏，郑康元，胡飞红，李广全，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45