【技术实现步骤摘要】
本专利技术属于优化控制算法领域，特别涉及一种事件触发的烟气制酸温度神经网络预测控制方法。
技术介绍
1、铜、铝、镍、钴等有色金属是人类最早使用的几种金属材料。伴随着社会和经济的飞速发展，有色金属已经成为国防工业发展的重要战略物资，它还是机械制造业、建筑业、电子工业等行业必不可少的原材料。因此，有色金属的需求量与日俱增，在工业生产中占有举足轻重的地位。然而，在自然界中，有色金属往往以硫化物的形式存在，因此有色金属在火法冶炼过程中会产生大量含有so2的烟气。如果so2直接排放到环境中，会造成空气污染、土壤酸化。2017年世界卫生组织将so2列入3类致癌物清单中，其又是全世界范围内检测到对环境影响最严重的大气污染物，对于人类的健康造成了极大的威胁。如何有效地减少冶炼烟气中so2的排放量，成为亟待解决的课题。降低so2的排放量、加大大气污染治理力度，对于保护人类健康、维持正常的社会生产活动、促进自然系统的再生具有重要意义。针对有色金属冶炼过程中so2浓度高、变化范围广的特点，目前已有一种比较成熟的烟气脱硫工艺——烟气制酸。冶炼烟气制酸是从烟气中回收so2，生产高浓度硫酸的一种方法。
2、烟气制酸过程分为净化、转化、干吸和废酸处理四个工段，其中转化工段是回收so2过程中最为重要的一个工段。在转化工段，so2和o2在转化器中催化剂的作用下反应生成so3，而so2的转化率进一步决定了后续生产硫酸的质量和产量。对转化器内化学反应速率影响最大的因素为温度，因此本专利技术通过控制转化器入口处烟气的温度，来调节so2的转化率。对转化器入口
3、烟气制酸是一个复杂多变量、强耦合的非线性过程，转化器入口温度又是一个复杂的被控对象，目前对其建模和控制的方法被广泛提出。其中建模方法包括机理分析建模法、数据驱动建模法，控制方法有基于神经网络的pid控制、模型预测控制等方法。但是，机理建模根据化学反应动力学进行分析建模，是一种平均场的方法，与实际工业现场往往差距较大。数据驱动建模的方法逐渐占据主导地位。上述控制方法具有较好的应用效果，但是控制器计算更新频繁，计算成本和通信负担较高。
4、因此，本专利技术提出的一种事件触发的烟气制酸温度神经网络预测控制方法中，采用lstm神经网络建立预测模型，能够根据历史数据对转化器入口温度进行较为准确地递推多步预测。基于神经网络的预测控制能够对烟气制酸环境的变化，如外加扰动、测量噪声、过程时变等具有自适应性。固定阈值的事件触发机制的引入，能够减少控制器的触发次数，在保证控制性能的同时降低计算成本和通信负担。
技术实现思路
1、本专利技术提出了一种事件触发的烟气制酸温度神经网络预测控制方法，该方法以某铜厂冶炼烟气制酸实际运行数据为基础，根据输入输出变量数据辨识得到转化器入口温度与阀门开度之间的数学模型。然后，根据历史生产数据建立长短期记忆(longshort-termmemory，lstm)网络模型作为预测模型，设计神经网络模型预测控制器。接着，设计固定阈值的事件触发机制来决定当前时刻控制器是否进行计算更新。最后，对系统的稳定性进行分析，保证所提闭环控制系统的稳定性。通过上述算法的应用与实施，实现对转化器入口温度的有效控制，达到提高so2转化率和硫酸产量的目的；同时，显著降低控制器更新次数，在保证控制性能的同时进一步降低计算成本和通信负担。
2、一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，包括以下步骤：
3、步骤1：烟气制酸数据采集系统在冶炼烟气制取硫酸过程中，对生产过程数据进行实时采集。分析烟气制酸工艺流程，确定转化器入口温度控制系统的输入输出变量。
4、步骤2：基于步骤1中实时采集的生产数据，对被控对象进行系统辨识，建立转化器入口温度与阀门开度之间的数学模型。
5、步骤3：根据烟气制酸历史生产数据，建立lstm网络模型作为预测模型，并设计神经网络模型预测控制器。
6、步骤4：设计固定阈值的事件触发机制，决定当前时刻控制器是否进行计算更新。
7、步骤5：对系统的稳定性进行分析，保证所提闭环控制系统的稳定性。
8、进一步地，根据实时生产数据进行系统辨识，得到转化器入口温度与阀门开度之间的数学模型，表示为：
9、
10、其中，x(k)为状态变量，u(k)为控制输入，y(k)为控制输出，g、h、c为系数矩阵。
11、进一步地，根据大量的历史生产数据，建立lstm网络模型作为预测模型，并设计神经网络模型预测控制器；
12、根据工艺流程分析确定的输入输出变量，转化器入口温度的离散非线性预测模型可以表示为：
13、y(k+1)＝f[y(k),…y(k-n+1),u(k),…,u(k-m+1)] (2)
14、其中，m和n为系统输入和输出的阶次，y(k)系统输出，u(k)为系统输入，f(·)代表非线性函数；y(k)代表转化器入口温度，u(k)代表阀门开度；
15、神经网络预测控制算法中，使用lstm网络作为逼近f(·)的方法，可以表示为：
16、y(k+1)＝fnn[y(k),…y(k-n+1),u(k),…,u(k-m+1)] (3)
17、其中，fnn代表lstm神经网络；
18、lstm神经网络通过门控结构实现单元状态和隐含状态的信息更新，具体计算方法如下；
19、ft＝σ(wfxxt+wfhht-1+bf) (4)
20、it＝σ(wixxt+wihht-1+bi) (5)
21、ot＝σ(woxxt+wohht-1+bo) (6)
22、
23、
24、ht＝ot⊙τ(ct) (9)
25、其中，ft代表遗忘门输出，it代表输入门输出，ot代表输出门的输出，ht代表lstm神经单元的输出，ct为记忆细胞记录的历史信息；为输入权值，为循环结构的权值，为相应的偏置，σ为非线性sigmoid函数，τ为非线性tanh函数，⊙为向量点乘运算；
26、经过前向传播后，lstm网络的输出计算如下：
27、y(t)＝woutht(10)
28、其中wout为输出权值；神经网络训练过程中以均方误差为损失函数，即：
29、
30、其中，y(t)为真实值，f(t)为神经网络预测输出，n为样本数量；整个网络的权值和偏差通过时间反向传播算法进行更新；通过上述算法，根据采集的烟气制酸现场数据对lstm神经网络进行训练，得到转化器入口温度神经网络预测模型；
31、神经网络模型预测控制器的设计主要分为预测模型、滚动优化、反馈校正三部分；采本文档来自技高网...
【技术保护点】
1.一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，根据实时生产数据进行系统辨识，得到转化器入口温度与阀门开度之间的数学模型，表示为：
3.根据权利要求2所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，根据大量的历史生产数据，建立LSTM网络模型作为预测模型，并设计神经网络模型预测控制器；
4.根据权利要求3所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，设计固定阈值的事件触发机制，决定当前时刻控制器是否进行计算更新；
5.根据权利要求4所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，根据设计的神经网络模型预测控制器和事件触发机制，分析系统稳定性，以保证所提的闭环控制系统的稳定性；
【技术特征摘要】
1.一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，根据实时生产数据进行系统辨识，得到转化器入口温度与阀门开度之间的数学模型，表示为：
3.根据权利要求2所述的一种事件触发的烟气制酸温度神经网络预测控制方法，其特征在于，根据大量的历史生产数据，建立lstm网络模型作...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。