本实用新型涉及一种烟气氧含量检测技术领域,特别涉及基于最小二乘支持向量机的碱回收炉烟气氧含量的软测量系统。
背景技术:
在造纸黑液碱回收过程中,烟气氧含量可以反映碱回收炉燃烧效率和热利用率。通过实时高精度地测量烟气氧含量,可以反映碱回收炉的燃烧情况,有助于操作人员及时调控风量和黑液的比例,使系统高效节能运行。如果氧含量值过高,表示炉膛内进入了过多的空气,多余的气体排出将会带走大量热量,使得碱回收炉热效率降低,同时导致更多的硫化物等污染气体排放到空气中,污染环境。而如果氧含量值过低,炉膛处于欠氧状态,黑液无法被充分燃烧,燃烧热效率降低,导致烟气中含有一氧化碳、氢气、硫化氢等气体,加重了环境污染。因此需要对烟气氧含量进行严格监控,保持合适的氧含量值。
目前造纸碱回收系统主要借助氧化锆传感器和热磁式传感器测量烟气氧含量,这些装置可以直接测得烟气氧含量,测量精度较高,反应速度快,但随着时间的变化,氧化锆探头会被烟道粉尘堵塞、易老化,使得氧量计很难获得较高的稳定性和准确性,且维修复杂、费用昂贵、需要定期校验。此外,氧化锆传感器的锆头安装在烟道弯头的节点上,不稳定烟气的流速变化会影响锆头的测量工作,并将锆头的金属管磨损,导致其寿命大大缩短。
技术实现要素:
为了克服上述现有技术的不足,本实用新型的目的在于提供基于最小二乘支持向量机的碱回收炉烟气氧含量的软测量系统,通过基于最小二乘支持向量机的烟气氧含量软测量模型得出氧含量值,可以较好地解决烟气氧含量难以精确测量的问题,提高碱回收炉的燃烧效率。
为了实现上述目的,本实用新型采用的技术方案是:
基于最小二乘支持向量机的碱回收炉烟气氧含量的软测量系统,包括设置在碱回收炉上的现场变送器,现场变送器将检测到的信息传递给下位机,所述的下位机上还连接有执行机构,下位机与上位机相连,上位机通过与软测量模型进行信号传递;
现场变送器,用于对碱回收炉上的各个数据进行收集;
上位机,用于数据处理分析,将分析的结果传递给软测量模型;
软测量模型,用于对上位机分析的数据进行预测。
所述的现场变送器为测量信号所需的温度传感器、压力传感器、电磁流量计和风量传感器。
所述的软测量模型为LSSVM。
所述的执行机构为黑液流量调节阀和风量调节阀,作用是通过下位机计算出的风量和黑液比例,来优化碱回收炉的燃烧效率。
所述的下位机为编程软件STEP 7,作用是通过对现场信号的搜集和程序处理,得到的输出提高碱回收炉的燃烧效率。
所述的上位机为画面组态软件WINCC,作用是实时监控碱回收炉系统的运行情况。
本实用新型的有益效果:
本实用新型可以在不直接使用氧化锆氧量传感器的情况下,通过对炉膛温度、炉膛负压、黑液流量、送风电流、引风电流和总风量六个辅助变量的实际测量值,运用基于最小二乘支持向量机的烟气氧含量软测量模型得出氧含量预测值,是解决氧化锆传感器易磨损和提高碱回收炉的燃烧效率有效措施。
附图说明
图1是本实用新型系统结构示意图。
图2是烟气氧含量软测量原理图。
图3是烟气氧含量软测量值与实测值绝对误差图。
图4是本实用新型烟气氧含量软测量模型建立流程图。
具体实施方式
下面结合附图对本实用新型作进一步详细说明。
如图1所示,一种基于最小二乘支持向量机的碱回收炉烟气氧含量的软测量系统,运用粒子群优化最小二乘支持向量机的软测量方法代替氧化锆氧量传感器,实现对烟气氧含量的准确测量,所需要的温度传感器、压力传感器等传感器与下位机相连,执行机构也与下位机相连,下位机与上位机相连,软测量模型通过通讯方式实现与上位机的通讯。
如图2所示,基于最小二乘支持向量机的碱回收炉烟气氧含量的软测量系统,步骤如下:
1)将温度传感器、压力传感器、电磁流量计和风量传感器连接到碱回收炉上;
2)将温度传感器、压力传感器、电磁流量计和风量传感器与下位机相连;
3)将温度传感器、压力传感器、电磁流量计和风量传感器的数据采集到下位机和上位机,在上位机中进行数据处理分析,通过LSSVM软测量模型,对烟气氧含量值进行预测;
数据处理分析步骤见附图4,如下所述:
A.初始化粒子群参数:种群规模d、最大迭代次数Gmax、学习因子c1,c2、核参数σ和正则参数γ的取值范围;
B.在所确定范围内随机产生d个粒子,各粒子初始位置为(σ0,γ0);
C.利用每个粒子的位置和训练数据建立LSSVM模型,并利用测试数据求解各粒子的适应度值xid,进行排序,将各粒子历史最优适应度值设置为pbest,将适应度值最小的粒子位置设置为种群的历史最优适应度位置gbest;
D.求解并比较各粒子的适应度值,如果各粒子当前适应度值小于其历史最优适应度值,即xid<pbest,则当前pbest设为xid。同理若当前粒子最优适应度值小于全局最优适应度值,即xid<gbest,则令gbest等于xid;
E.产生随机惯性权重,更新粒子的速度和位置,产生新一代粒子;
F.判断是否满足达到最大迭代次数或预测精度,若满足,则LSSVM参数寻优暂停;反之,返回步骤4继续搜索LSSVM参数;
G.将找到的最优超参数输入到LSSVM算法中,对烟气氧含量训练样本进行学习,建立软测量模型,对测试数据进行烟气氧含量预测。
4)根据软测量系统预测出的烟气氧含量值,实时计算出所应通入炉内总风量的值,使碱回收炉一直工作在高效区间内。
附图3为烟气氧含量软测量值与实测值绝对误差,绝对误差在0.01-0.025之间波动,说明所建烟气氧含量软测量模型得到的氧量值可以作为参考,有助于及时修正现有氧量计,提高锅炉燃烧效率。