一种基于FCM模糊时间序列的加热炉炉温控制器的制作方法

本发明涉及的是冶金行业棒线材加热炉燃烧控制系统领域，更具体地说是一种基于fcm模糊时间序列的加热炉炉温控制器。

背景技术：

加热炉是一个复杂的受控对象，存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素，而加热炉温度的调节主要是靠对煤气流量的控制来完成的，因此，确立一种合理的燃烧控制方案是实现加热炉燃烧控制的关键。

燃烧控制方案需要在满足质量要求和产量的前提下提高燃料利用率，实现最佳温度和燃烧控制，最大限度降低能耗是加热炉控制的任务。加热炉是一个封闭的燃烧体，导致在封闭体中被控对象的参数无法直接检测，因此常规模糊pid控制器存在如下问题：

1.模糊集论域不能反映真实炉温响应能力，长时间运行后，系统稳定性与效率降低；

2.系统响应时间慢、存在稳态误差；

3.控制系统预测能力、学习能力、自适应能力较弱。

通过专利检索，目前针加热炉炉温控制器的相关公开技术有：

专利申请号：201510169298.3，该方案根据回转窑窑头反馈温度，通过变速(模糊)pid运算获得窑头输出值,将所述窑头输出值输出给窑头煤秤将窑头煤喷煤量控制在一定范围内,通过分解炉温度控制子系统程序运算获得变速(模糊)pid温度的设定值，既分解炉实际设定温度。然后通过分解炉出口反馈温度与分解炉实际设定温度，计算出误差及误差变化率，通过所述计算出的误差及误差率获得变速pid(模糊)的pid值，根据分解炉出口反馈温度，应用变速(模糊)pid运算，运算分解炉输出值，将所述分解炉输出值输出给分解炉煤秤将分解炉喷煤量控制在一定范围内。但该方案仅靠单一的反馈温度进行pid运算，系统存在响应慢、严重滞后的现象，并不能及时调节温度，导致系统不稳定，不能及时控制炉温。

专利申请号：201010521573.0，该方案是一种明火加热炉炉温控制方法，包括：监测炉温，获得炉温反馈值，根据炉温反馈值和炉温设定值计算炉温设定值与炉温反馈值的差值，作为偏差值dv1，计算单位时间内炉温设定值与炉温反馈值的差值，即炉温变化值的斜率作为偏差值dv2，从明火加热炉机组的速度调节器获取明火加热炉机组速度v，根据机组速度v获得第一多前馈输出分量ffv，根据炉温设定值与炉温反馈值的差值，偏差值dv1获得第二多前馈输出分量fft。根据偏差值dv1和dv2，基于模糊控制规则查找pid控制参数，并根据pid控制参数产生调节控制参数op1，由调节控制参数op1结合第一多前馈输出分量ffv和第二多前馈输出分量fft作为最终的控制输出值对到煤气流量调节阀和空气流量调节阀进行控制。该申请方案的控制过程仅仅是利用反馈值通过模糊逻辑规则进行pid选值，无法提前预判炉内情况、学习能力、自适应能力较弱，导致不能及时达到现场情况需求炉温，影响生产节奏。

技术实现要素：

本发明公开的是一种基于fcm模糊时间序列的加热炉炉温控制器，其主要目的在于克服现有技术存在的上述不足和缺点，设计一个fcm（模糊c均值聚类法）模糊时间序列加热炉炉温控制器，并将其应用于蓄热式加热炉温度控制系统，用于解决加热炉温度控制中长期存在的不稳定性，保证系统良好的稳定性和鲁棒性。

本发明采用的技术方案如下：

一种基于fcm模糊时间序列的加热炉炉温控制器，所述控制器的控制方式包括以下具体步骤：

步骤一：进行论域的定义和划分：令u为给定的论域，并将该论域划分为n个子区间，则；

步骤二：定义模糊集和模糊时间序列：定义在所述论域u中的模糊集合a表示如下：

其中，是ui对模糊集合a的隶属函数，是ui对模糊集合a的隶属度，；

步骤三：建立模糊关系：收集炉温设定值与炉温反馈值作为二维时间序列，计算设定值与下一时刻反馈值之间的差值，对每一时刻差值进行收集，当该序列数据量n>=30时，利用fcm差值的时间序列进行模糊划分，由误差与误差变化量确定控制量所属论域，然后进入步骤四，否则进入步骤五；

步骤四：预测和去模糊化：根据被控制量所属论域确定其精确的输出值，完成去模糊化处理；

步骤五：完成对被控对象炉温的控制。

更进一步，所述步骤三中利用fcm差值时间序列进行模糊划分，其迭代计算步骤如下：

a、设置初始隶属度矩阵：设定分类数目c，用[0,1]间的随机数初始化隶属矩阵u，使其满足以下公式（1）的约束条件，

其中n为数据集中属性数量，在加热炉炉温控制中，属性为设置值与反馈值的差值和差值的变化值，两个维度的数据，因此n=2；

b、计算隶属度聚类中心：使用以下公式（2）计算c个聚类中心，

c、计算价值函数并求得隶属度的改变量：使用以下公式（3）计算价值函数，

然后比较该价值函数与给定的阈值，当该价值函数值小于给定的阈值或者相对上一次价值函数值的改变量小于给定的阈值时，则停止迭代，转到步骤e，否则转到步骤d；

d、使用以下公式（4）计算得到新的u矩阵，

然后返回步骤b；

e、输出矩阵u，uij即为xi对于第j个划分的隶属度。

更进一步，所述步骤a中的分类数目c的数值为7。

通过上述技术方案的描述可知，和现有技术相比，本方案的优点在于：

传统的模糊pid控制器，由于其论域为等分划分，并且模糊关系为非时变系统，因此，在加热炉的实际控制中，往往随着时间的变化，炉况与工况发生了改变之后，其控制效果达不到理想的控制效果。本方案基于fcm模糊时间序列采用梯度下降优化算法搜索使得目标函数取值小的聚类中心及其隶属度矩阵，它能够根据加热炉炉温数据的分布特点进行模糊区间的划分，采用fcm模糊时间序列进行模糊划分后的结果能够较为明显的增大不同分布数据之间的区分度，从而能够获得质量更高的模糊关联规则。最后，通过去模糊化得到pid参数的精确值。结果表明此法更能全面反映系统的特征并且有利于复杂环境中提高pid参数的预测精度。

本方案基于fcm模糊时间序列的加热炉炉温控制器相较于模糊pid，其论域通过炉温控制的差值时间序列进行滚动优化，通过非均值聚类的方式，对论域的长度进行非线性、非等分的划分，因此更能反映实际的加热炉燃烧控制情况。本方案可以实现控制响应迅速，超调量小，无稳态控制误差，鲁棒性好，使得坯料的吨钢能耗与加热质量得到明显的改善。

附图说明

图1是本发明模糊时间序列控制器的结构示意图。

图2是本发明隶属度矩阵图。

图3是本发明的控制流程图。

具体实施方式

下面参照附图说明来进一步地说明本发明的具体实施方式。

如图1至图3所示，一种基于fcm模糊时间序列的加热炉炉温控制器，所述控制器的控制方式包括以下具体步骤：

步骤一：进行论域的定义和划分：令u为给定的论域，并将该论域划分为n个子区间，则；

步骤二：定义模糊集和模糊时间序列：定义在所述论域u中的模糊集合a表示如下：

其中，是ui对模糊集合a的隶属函数，是ui对模糊集合a的隶属度，；

步骤三：建立模糊关系：收集炉温设定值与炉温反馈值作为二维时间序列，计算设定值与下一时刻反馈值之间的差值，对每一时刻差值进行收集，当该序列数据量n>=30时，利用fcm差值的时间序列进行模糊划分，由误差与误差变化量确定控制量所属论域，然后进入步骤四，否则进入步骤五；

步骤四：预测和去模糊化：根据被控制量所属论域确定其精确的输出值，完成去模糊化处理；

步骤五：完成对被控对象炉温的控制。

更进一步，所述步骤三中利用fcm差值时间序列进行模糊划分，其迭代计算步骤如下：

a、设置初始隶属度矩阵：设定分类数目c，用[0,1]间的随机数初始化隶属矩阵u，使其满足以下公式（1）的约束条件，

其中n为数据集中属性数量，在加热炉炉温控制中，属性为设置值与反馈值的差值和差值的变化值，两个维度的数据，因此n=2；

b、计算隶属度聚类中心：使用以下公式（2）计算c个聚类中心，

c、计算价值函数并求得隶属度的改变量：使用以下公式（3）计算价值函数，

然后比较该价值函数与给定的阈值，当该价值函数值小于给定的阈值或者相对上一次价值函数值的改变量小于给定的阈值时，则停止迭代，转到步骤e，否则转到步骤d；

d、使用以下公式（4）计算得到新的u矩阵，

然后返回步骤b；

e、输出矩阵u，uij即为xi对于第j个划分的隶属度。

更进一步，所述步骤a中的分类数目c的数值为7。

从上述的分析过程中，可以看出，基于fcm模糊时间序列的加热炉炉温控制器相较于模糊pid，其论域通过炉温控制的差值时间序列进行滚动优化，通过非均值聚类的方式，对论域的长度进行非线性、非等分的划分，因此更能反映实际的加热炉燃烧控制情况。

通过上述技术方案的描述可知，和现有技术相比，本方案的优点在于：

传统的模糊pid控制器，由于其论域为等分划分，并且模糊关系为非时变系统，因此，在加热炉的实际控制中，往往随着时间的变化，炉况与工况发生了改变之后，其控制效果达不到理想的控制效果。本方案基于fcm模糊时间序列采用梯度下降优化算法搜索使得目标函数取值小的聚类中心及其隶属度矩阵，它能够根据加热炉炉温数据的分布特点进行模糊区间的划分，采用fcm模糊时间序列进行模糊划分后的结果能够较为明显的增大不同分布数据之间的区分度，从而能够获得质量更高的模糊关联规则。最后，通过去模糊化得到pid参数的精确值。结果表明此法更能全面反映系统的特征并且有利于复杂环境中提高pid参数的预测精度。

本方案基于fcm模糊时间序列的加热炉炉温控制器相较于模糊pid，其论域通过炉温控制的差值时间序列进行滚动优化，通过非均值聚类的方式，对论域的长度进行非线性、非等分的划分，因此更能反映实际的加热炉燃烧控制情况，本方案可以实现控制响应迅速，超调量小，无稳态控制误差，鲁棒性好，使得坯料的吨钢能耗与加热质量得到明显的改善。

基于fcm模糊时间序列的控制器具有如下特点：

(1)采用当前时刻历史数据进行论域的划分；

(2)基于fcm方式，采用非均值聚类的算法，对论域划分为非等分、非线性划分，有效避免了控制参数突变的性能；

⑶论域划分充分考虑了炉况与工况的变化，能够反映出当前状况下的控制特点。

上述仅为本发明的具体实施方式，但本发明的设计构思并不仅局限于此，凡是利用此构思对本发明进行非实质性地改进，均应该属于侵犯本发明的保护范围。