阀门流量曲线折线函数全局寻优方法、装置和电子设备与流程

本发明涉及数据处理，具体地涉及一种阀门流量曲线折线函数全局寻优方法、一种阀门流量曲线折线函数全局寻优装置和一种电子设备。

背景技术：

1、工业现场存在大量的流量调节阀，调节阀的流量特性线性度对控制回路控制品质的影响很大，使调节阀位开度与流量呈线性关系，从而实现调节阀流量的精确控制与优化运行，是模拟量控制回路优化的重要环节。

2、目前，对阀门流量曲线折线函数的优化主要还是以阀门流量特性试验为依据实现的。试验方法存在如下劣势：(1)试验条件苛刻、耗时长；(2)数据少，难以体现阀门流量特性的局部特征；(3)试验过程中，实际母管压力的波动仍在一定程度上影响了试验精度；（4）实时性差，往往是调节阀已经出现明显的控制恶化，才安排进行试验校正，无法实时监测，防患于未然。

3、鉴于试验方法所存的弊端，当前国内外科研工作者通过大数据分析的方法辨识出调节阀特性参数，采用dcs(distributed control system，译为分布式控制系统)数据拟合建立阀门开度和流量之间的数学模型，其中所用算法包含神经网络、机器学习等非线性参数寻优智能算法，这些智能算法无法规避陷入局部最优的情况发生。

技术实现思路

1、本发明实施例的目的是提供一种阀门流量曲线折线函数全局寻优方法、装置和电子设备，用以解决现有方法对阀门流量曲线折线函数的优化时无法规避陷入局部最优的情况的缺陷。

2、为了实现上述目的，本发明实施例提供一种阀门流量曲线折线函数全局寻优方法，包括：

3、获取阀门流量曲线折线函数的多个历史数据；

4、对每个历史数据进行高维空间扩展，从而得到所述每个历史数据与每一个待求解折点参数之间的关系；

5、利用所述关系对所有待求解折点参数进行线性化求解，从而得到阀门流量曲线折线函数的全局最优结果。

6、可选的，所述对每个历史数据进行高维空间扩展，从而得到所述每个历史数据与每一个待求解折点参数之间的关系，通过以下公式表示：

7、；

8、；

9、；

10、其中，（ x1， y1gv）为经过校正后的任意历史数据的散点坐标， y1gv的值在校正前后是不变的， x1， x2，……， xn为待求解折点参数， y表示实际阀门开度指令， x表示控制系统给定的流量指令， a1， b1为矩阵系数， y1， y2为已知项。

11、可选的，所述利用所述关系对所有待求解折点参数进行线性化求解，从而得到阀门流量曲线折线函数的全局最优结果，包括：

12、利用所述关系构建阀门流量理想曲线的偏差函数；

13、基于所述偏差函数计算损失函数；

14、基于最小二乘法对所述损失函数进行优化求解，得到阀门流量曲线折线函数的全局最优结果。

15、可选的，所述偏差函数通过以下公式表示：

16、；

17、其中，ϵ表示偏差函数，f（ y）表示阀门流量理想曲线， x1， x2，……， xn为待求解折点参数， a1， b1为矩阵系数；

18、所述损失函数通过以下公式表示：

19、；

20、；

21、；

22、其中，表示损失函数，φ表示系数矩阵，θ表示待求解折点参数的矩阵， a1， b1， af， bf为矩阵系数。

23、另一方面，本发明实施例还提供一种阀门流量曲线折线函数全局寻优装置，包括：

24、数据获取模块，用于获取阀门流量曲线折线函数的多个历史数据；

25、高维空间扩展模块，用于对每个历史数据进行高维空间扩展，从而得到所述每个历史数据与每一个待求解折点参数之间的关系；

26、线性化求解模块，用于利用所述关系对所有待求解折点参数进行线性化求解，从而得到阀门流量曲线折线函数的全局最优结果。

27、可选的，所述对每个历史数据进行高维空间扩展，从而得到所述每个历史数据与每一个待求解折点参数之间的关系，通过以下公式表示：

28、；

29、；

30、；

31、其中，（ x1， y1gv）为经过校正后的任意历史数据的散点坐标， y1gv的值在校正前后是不变的， x1， x2，……， xn为待求解折点参数， y表示实际阀门开度指令， x表示控制系统给定的流量指令， a1， b1为矩阵系数， y1， y2为已知项。

32、可选的，所述利用所述关系对所有待求解折点参数进行线性化求解，从而得到阀门流量曲线折线函数的全局最优结果，包括：

33、利用所述关系构建阀门流量理想曲线的偏差函数；

34、基于所述偏差函数计算损失函数；

35、基于最小二乘法对所述损失函数进行优化求解，得到阀门流量曲线折线函数的全局最优结果。

36、可选的，所述偏差函数通过以下公式表示：

37、；

38、其中，ϵ表示偏差函数，f（ y）表示阀门流量理想曲线， x1， x2，……， xn为待求解折点参数， a1， b1为矩阵系数；

39、所述损失函数通过以下公式表示：

40、；

41、；

42、；

43、其中，表示损失函数，φ表示系数矩阵，θ表示待求解折点参数的矩阵， a1， b1， af， bf为矩阵系数。

44、另一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述阀门流量曲线折线函数全局寻优方法。

45、另一方面，本发明还提供一种机器可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述阀门流量曲线折线函数全局寻优方法。

46、通过上述技术方案，本发明实施例通过采用历史数据对阀门流量特性进行分析，利用基于高维空间扩展的全局最优折点线性优化求解方法完成线性度优化校正，相对于神经网络、机器学习、粒子群等非线性参数寻优智能算法无法规避陷入局部最优的缺陷，本发明能得到全局最优结果。

47、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。