一种基于模糊减法聚类的稳流仓仓重模糊控制方法技术

本发明专利技术公开了一种基于模糊减法聚类的稳流仓仓重模糊控制方法，包括如下步骤：将t时刻仓重的实时偏差GE

【技术实现步骤摘要】
一种基于模糊减法聚类的稳流仓仓重模糊控制方法


[0001]本专利技术涉及联合粉磨
，尤其涉及一种基于模糊减法聚类的稳流仓仓重模糊控制方法。

技术介绍

[0002]联合粉磨系统是由稳流仓、辊压机、球磨机、选粉机等组合而成。其中，稳流仓是盛放待预粉磨物料的设备，可以对物料进行缓冲，同时使所有物料均匀混合，熟料经过皮带秤后进入稳流仓。近年来，模糊控制与工业过程相结合的智能控制方案得到更多应用，然而模糊控制过程中的模糊化以及模糊规则依赖于专家经验，过多的规则容易造成“维数爆炸”，过控制效果较差，这也使得模糊控制的应用存在局限性。

技术实现思路

[0003]基于
技术介绍
存在的技术问题，本专利技术提出了一种基于模糊减法聚类的稳流仓仓重模糊控制方法，以期能自适应获取专家经验，获得模糊控制器，从而能实现对稳流仓仓重的实时控制。
[0004]本专利技术提出的一种基于模糊减法聚类的稳流仓仓重模糊控制方法，包括如下步骤：
[0005]将t时刻仓重的实时偏差GE
t
以及偏差变化率GEC
t
输入到模糊控制器中，得到喂料量动作幅度QE
t
；
[0006]对喂料量动作幅度QE
t
进行反归一化，再与(t
‑
1)时刻的喂料量QE
t
‑1相加后得到t时刻的喂料量Q
t
，以对稳流仓仓重进行实时控制；
[0007]所述模糊控制器的构建如下：
[0008](a1)获取(t1～t
d
)时间段的喂料量和仓重，并按照时间顺序组成集合D，D＝{X1，
…
，X
i
，
…
，X
d
}，其中，X
i
＝{Q
i
，G
i
}，i＝1，
…
，d，Q
i
表示为t
i
时刻稳流仓的喂料量，G
i
表示t
i
时刻的仓重；
[0009](a2)对集合D进行异常数据剔除处理，得到集合D2，，其中，其中p＝1，
…
，q，表示t
i
时刻稳流仓符合正态分布的喂料量，表示t
i
时刻稳流仓符合正态分布的仓重；
[0010](a3)基于集合D2内t
p
时刻稳流仓的喂料量和t
p
时刻的仓重得到按时间组合的集合D3，D3＝{E1，
…
，E
p
，
…
，E
q
‑1}，其中，E
p
＝{GE
p
，GEC
p
，QE
p
}，p＝1，
…
，q
‑
1，GE
p
表示t
p
时刻的仓重偏差，GEC
p
表示t
p
时刻的偏差变化率，QE
p
表示t
p
时刻的喂料量动作幅度；
[0011](a4)对集合D3进行归一化处理得到集合D4，计算集合D4的密度指标，得到集合D4的类聚中心和密度半径；
[0012](a5)基于集合D3、类聚中心和密度半径初始化模糊控制的模糊隶属度函数，从而
构建模糊控制器。
[0013]进一步地，在(a2)对集合D进行异常数据剔除处理，得到集合D2中，具体包括：
[0014]利用DBSCAN聚类集合D得到集合{C1，
…
，C
j
，
…
，C
v
}，j＝1，
…
，v，C
j
表示第j个簇，所有簇内包含的数据集合
[0015]基于集合D和集合D
′
，得到不在任何簇内的数据集合D
″
＝D
‑
D
′
∩D；
[0016]将集合D
″
内的数据定义为异常数据并剔除；
[0017]将集合D
′
内的数据定义为正常数据集，D
′
＝{X1，
…
，X
r
，
…
，X
n
}，X
r
＝{Q
r
，G
r
}，r＝1，
…
，n，其中Q
r
表示t
r
时刻稳流仓喂料量的正常数据集，G
r
表示t
r
时刻稳流仓仓重的正常数据集；
[0018]利用拉依达
‑
均值处理算法对集合D
′
进行滤波得到集合D2。
[0019]进一步地，所述利用拉依达
‑
均值处理算法对集合D
′
进行滤波得到集合D2中，具体包括：
[0020]对集合D
′
进行滑动滤波，得到滤波后的集合其中，其中，表示t
i
时刻稳流仓滤波后的喂料量，表示t
i
时刻稳流仓滤波后的仓重；
[0021]按拉依达准则判断数据D1内数据是否符合正态分布，将不符合正态分布的数据剔除，集合D2；
[0022]集合D
′
进行滑动滤波的具体公式如下：
[0023][0024]其中，N表示滤波窗口长度，Q
m
和G
m
表示滤波窗口内的喂料量和仓重，i表示时刻t
i
对应的下标值，m表示滑动滤波过程中求和函数的中间参数；
[0025]判断数据D1内数据是否符合正态分布，具体公式如下：
[0026][0027][0028][0029]其中，q表示符合正态分布的正常数据集的数据量，μ和σ表示正态分布的参数，ρ(
·
)表示正态分布。
[0030]进一步地，在(a4)中，具体包括：
[0031](a4
‑
1)对集合D3进行归一化处理得到集合其中，其中，表示t
p
时刻归一化后的仓重偏差，表示t
p
时刻归一化后的偏差变化率，表示t
p
时刻归一化后的喂料量动作幅度；
[0032](a4
‑
2)计算集合D4中样本点E
p
的密度指标，选择密度指标最大的样本点E
cp
作为首个聚类中心；
[0033](a4
‑
3)计算除去样本点E
cp
外的其他样本点的密度指标，选择其他样本点密度指标最大的样本点E
cp+1
作为另一个聚类中心；
[0034](a4
‑
4)判断样本点E
cp+1
...

【技术保护点】

【技术特征摘要】
1.一种基于模糊减法聚类的稳流仓仓重模糊控制方法，其特征在于，包括如下步骤：将t时刻仓重的实时偏差GE
t
以及偏差变化率GEC
t
输入到模糊控制器中，得到喂料量动作幅度QE
t
；对喂料量动作幅度QE
t
进行反归一化，再与(t
‑
1)时刻的喂料量QE
t
‑1相加后得到t时刻的喂料量Q
t
，以对稳流仓仓重进行实时控制；所述模糊控制器的构建如下：(a1)获取(t1～t
d
)时间段的喂料量和仓重，并按照时间顺序组成集合D，D＝{X1，
…
，X
i
，
…
，X
d
}，其中，X
i
＝{Q
i
，G
i
}，i＝1，
…
，d，Q
i
表示为t
i
时刻稳流仓的喂料量，G
i
表示t
i
时刻的仓重；(a2)对集合D进行异常数据剔除处理，得到集合D2，，其中，其中p＝1，
…
，q，表示t
i
时刻稳流仓符合正态分布的喂料量，表示t
i
时刻稳流仓符合正态分布的仓重；(a3)基于集合D2内t
p
时刻稳流仓的喂料量和t
p
时刻的仓重得到按时间组合的集合D3，D3＝{E1，
…
，E
p
，
…
，E
q
‑1}，其中，E
p
＝{GE
p
，GEC
p
，QE
p
}，p＝1，
…
，q
‑
1，GE
p
表示t
p
时刻的仓重偏差，GEC
p
表示t
p
时刻的偏差变化率，QE
p
表示t
p
时刻的喂料量动作幅度；(a4)对集合D3进行归一化处理得到集合D4，计算集合D4的密度指标，得到集合D4的类聚中心和密度半径；(a5)基于集合D3、类聚中心和密度半径初始化模糊控制的模糊隶属度函数，从而构建模糊控制器。2.根据权利要求1所述的基于模糊减法聚类的稳流仓仓重模糊控制方法，其特征在于，在(a2)对集合D进行异常数据剔除处理，得到集合D2中，具体包括：利用DBSCAN聚类集合D得到集合{C1，
…
，C
j
，
…
，C
v
}，j＝1，
…
，v，C
j
表示第j个簇，所有簇内包含的数据集合基于集合D和集合D
′
，得到不在任何簇内的数据集合D
″
＝D
‑
D
′
∩D；将集合D
″
内的数据定义为异常数据并剔除；将集合D
′
内的数据定义为正常数据集，D
′
＝{X1，
…
，X
r
，
…
，X
n
}，X
r
＝{Q
r
，G
r
}，r＝1，
…
，n，其中Q
r
表示t
r
时刻稳流仓喂料量的正常数据集，G
r
表示t
r
时刻稳流仓仓重的正常数据集；利用拉依达
‑
均值处理算法对集合D
′
进行滤波得到集合D2。3.根据权利要求2所述的基于模糊减法聚类的稳流仓仓重模糊控制方法，其特征在于，所述利用拉依达
‑
均值处理算法对集合D
′
进行滤波得到集合D2中，具体包括：对集合D
′
进行滑动滤波，得到滤波后的集合其中，其中，表示t
i
时刻稳流仓滤波后的喂料量，表示t
i
时刻稳流仓滤波后的仓重；按拉依达准则判断数据D1内数据是否符合正态分布，将不符合正态分布的数据剔除，集合D2；集合D
′
进行滑动滤波的具体公式如下：
其中，N表示滤波窗口长度，Q
m
和G
m
表示滤波窗口内的喂料量和仓重，i表示时刻t
i
对应的下标值，m表示滑动滤波过程中求和函数的中间参数；判断数据D1内数据是否符合正态分布，具体公式如下：内数据是否符合正态分布，具体公式如下：内数据是否符合正态分布，具体公式如下：其中，q表示符合正态分布的正常数据集的数据量，μ和σ表示正态分布的参数，ρ(
·
)表示正态分布。4.根据权利要求2所述的基于模糊减法聚类的稳流仓仓重模糊控制方法，其特征在于，在(a4)中，具体包括：(a4<...

【专利技术属性】
技术研发人员：刘双飞，褚彪，安晓鹏，张宏图，马忠诚，
申请(专利权)人：中国建材集团有限公司中国建筑材料科学研究总院有限公司，
类型：发明
国别省市：