一种变换炉系统的炉温自学习控制方法
【专利摘要】本发明公开了一种变换炉系统的炉温控制方法，该方法包括依次执行的如下步骤：采集变换炉在某段时间内的输入数据和输出数据，构建一个基于数据的变换炉系统炉温模型，该模型利用神经网络构建变换炉系统动态特性，用于确定变换炉炉温变化情况；根据所采集的数据，利用三层BP神经网络构建参考控制模型，用于确定变换炉系统输入参考量；将构建的带有变换炉系统炉温模型误差和参考控制模型误差的最优跟踪控制问题，利用系统变换转化为最优调节器问题；基于迭代自适应动态规划最优控制方法，求解最优控制的函数，最终获得系统的最优控制。本发明能够高效、实时、最优化控制变换炉温度，实现变换炉系统最优化运行。
【专利说明】一种变换炉系统的炉温自学习控制方法
【技术领域】
[0001]本发明属于变换炉【技术领域】，具体涉及变换炉的炉温控制方法，特别是一种通过变换炉系统的运行数据对变换炉炉温进行自学习最优控制的方法。
【背景技术】
[0002]变换炉是一种重要的化工设备，是煤气化制甲醇、煤变换联合循环发电等系统中变换工序的核心设备。变换炉以来自水煤浆制气工序的水煤气为原料，利用催化剂提高变换反应速率将水煤气中的CO和H2O转化为CO2和H2。其工作过程简述如下:来自气化工序的水煤气分为两股进入变换炉，一股是经中温换热器，预热后进入变换炉上段，另一股是作为激冷气直接进入变换炉中段，气体在变换炉内发生变换反应，COS水解反应等一系列复杂物理化学过程，最终生成甲醇合成工序所需的具有合适氢碳比的生成气。
[0003]变换炉具有工艺流程复杂、设备庞大、反应滞后、耦合严重等特点。一方面通过变换的主要工作机理分析变换炉的工作动态，另一方面要根据变换炉运行特性对变换炉温度等重要参数进行最优调控，优化变换炉运行，提高变换炉系统运行效率并避免不必要的事故发生。然而在实际生产过程中，变换炉设备庞大，炉内温度高，反应剧烈以及时滞现象严重等使得变换炉的数学机理模型难以建立，这给变换炉系统优化与控制带来极大的困难。在变换炉系统每日运行过程中都会存储大量的数据，因此基于变换炉系统的运行数据，设计一套有效的最优控制方案，使得变换炉系统能够智能调控在最优工作状态是变换炉控制技术发展亟需解决的问题。
【发明内容】
[0004](一 )要解决的技术问题
[0005]本发明所要解决的技术问题是利用变换炉系统运行数据与神经网络，构建变换炉系统神经网络模型以及参考控制神经网络模型，采用基于自适应动态规划的方法，最优化控制变换炉的炉温工作状态。
[0006]( 二 )技术方案
[0007]基于变换系统生产过程的运行数据，利用自适应动态规划理论，构建变换炉系统炉温控制神经网络模型、以及参考控制神经网络模型，综合考虑建模误差，采用迭代自适应动态规划方法获得系统最优控制方案，实现变换炉系统温度最优化运行。
[0008]具体来说，本发明提出一种变换炉系统的炉温自学习控制方法，其包括:
[0009]S1、根据变换炉系统实际运行数据构建一个三层反向传播神经网络炉温控制模型，该炉温控制模型的输入为当前时刻原料中CO、CO2, H2和H2O的输入流量，输出为当前时刻生成物中CO、C02、H2和H2O的输出流量，状态参数为当前时刻与下一时刻变换炉的炉温；
[0010]S2、根据所述变换炉系统实际运行数据构建一个三层反向传播神经网络参考控制模型，该参考控制模型的输入为当前时刻炉温和下一时刻的炉温，输出为当前时刻原料中CO、CO2、H2和H2O的输入流量；[0011]S3、将当前实际炉温与额定炉温之间的差作为系统状态误差，将当前实际输入流量和额定输入流量之间的差作为输入流量控制误差，根据所述炉温模型和参考控制模型，得到与输入流量控制误差相关的炉温误差函数；
[0012]S4、基于迭代自适应动态规划最优控制方法，根据所述炉温误差函数求解出最优输入流量控制误差函数，获得最优的变换炉炉温控制输入量。
[0013]根据本发明的【具体实施方式】，在步骤SI中构建的所述炉温控制模型表示为:
[0014],，
【权利要求】
1.一种变换炉系统的炉温控制方法，所述变换炉用于将原料中的CO和H2O转化为CO2和H2，其中所述方法包括: 51、根据变换炉系统实际运行数据构建一个三层反向传播神经网络炉温控制模型，该炉温控制模型的输入为当前时刻原料中C0、C02、H2和H2O的输入流量，输出为当前时刻生成物中CO、C02、H2和H2O的输出流量，状态参数为当前时刻与下一时刻变换炉的炉温； 52、根据所述变换炉系统实际运行数据构建一个三层反向传播神经网络参考控制模型，该参考控制模型的输入为当前时刻炉温和下一时刻的炉温，输出为当前时刻原料中CO、CO2、H2和H2O的输入流量； 53、将当前实际炉温与额定炉温之间的差作为系统状态误差，将当前实际输入流量和额定输入流量之间的差作为输入流量控制误差，根据所述炉温模型和参考控制模型，得到与输入流量控制误差相关的炉温误差函数； 54、基于迭代自适应动态规划最优控制方法，根据所述炉温误差函数求解出最优输入流量控制误差函数，获得最优的变换炉炉温控制输入量。
2.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤SI中构建的所述炉温控制模型表示为:
3.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤SI中所述神经网络权值(k)和认)通过如下训练更新得到:
4.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤S2中所述参考控制模型如下所示:
5.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于， 在步骤S2中所述参考控制模型权值更新如下: #
6.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤S3中转化后的变换炉炉温使用如下所示的误差函数e(k)表示:
7.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤S4中所建立的求解最优控制的函数如下所示:
8.如权利要求1所述的变换炉系统的炉温控制方法，其特征在于，在步骤S4中所建立的最优控制的函数如下求解: 步骤S4-1、令i=0，对Vii(幻，给定容许控制μ (e(k))，定义初始迭代性能指标函数:
【文档编号】G05B13/00GK103645633SQ201310728066
【公开日】2014年3月19日 申请日期:2013年12月25日 优先权日:2013年12月25日
【发明者】刘德荣, 魏庆来, 李超, 徐延才 申请人:中国科学院自动化研究所