专利摘要
本发明公开了一种塑料烘干器温度优化节能控制方法。该方法考虑了塑料烘干器在不同工况下的运行特性，采用基于多模型切换的预测控制策略对塑料烘干器空气温度的动态特性进行辨识，建立对象在各个典型工况下的切换系统模型。然后，利用切换规则建立具有约束的优化目标函数，由处理连续变量的神经网络和处理离散二进制变量的神经网络共同组成混合神经网络，最后利用该混合神经网络方法对切换系统进行优化求解。本发明可以使被控系统在各个典型工况下都处于最优运行状态，从而提高塑料烘干器空气温度控制的精度。
权利要求
1. 塑料烘干器温度优化节能控制方法，其特征在于该方法的具体步骤是：
a. 建立多模型切换系统模型；具体方法是：以塑料烘干器的燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速为输入控制量，以温度传感器采集到的塑料烘干器空气温度值为输出量，以塑料进料量、冷配风阀门开度值、湿度传感器采集到的塑料烘干器空气湿度为状态量，建立典型工况下的离散时间切换模型：
其中 是3维状态变量，分别表示k时刻塑料进料量、冷配风阀门开度值、塑料烘干器内空气湿度值这三个状态变量； 是4维控制输入变量，分别表示k时刻燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速； 是单输出变量，表示k时刻塑料烘干器中空气温度测量值； 分别表示需要辨识的不同状态下的多模型参数；Rn代表n维欧氏空间， 是分段切换常数，从有限集 中选取，表示m个典型工况下的系统模型参数；状态变量 和控制变量 分别为：
；
；
其中 表示塑料进料量， 表示冷配风阀门开度值， 表示塑料烘干器内湿度传感器采集到的湿度值， 表示表示燃气阀门开度值， 表示冷配风阀门开度值、 塑料进料量， 塑料烘干器转轴转速， 表示塑料烘干器中空气温度值；在烘干过程中，通过调节燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速来实现烘干器内气体温度的控制，是一个多输入单输出的控制系统；
b. 建立输出值的预测方程；按照前面建立的离散时间状态空间模型，得到塑料烘干器中空气温度值预测模型；
基于前一步建立的切换系统模型，有输出变量模型
其中 为k+j时刻的输出变量， 为k+j时刻的控制输入变量，j为正整数；
可以得到 的预测模型为：
其中 表示状态变量 的预测估计值， 表示 时刻塑料烘干器空气温度的预测输出值， 表示 时刻与前一时刻控制变量的差值；
定义
其中 是预测时域， 是控制时域；
则可得
其中
；
c. 建立多模型切换系统的优化目标函数；由于系统由m个子系统构成，且相互之间进行切换，直接求解较难，现将利用切换规则建立优化目标函数，再利用混和神经网络进行优化求解；
假设k时刻状态变量的初始值已知，选择系统的目标函数 ，并进行如下优化：
其中J是优化目标函数， 和 是权重矩阵； 和 分别表示输出变量的最小值和最大值； 和 分别表示控制变量的最小值和最大值； 和 分别是输出变量和控制变量的参考轨迹；
对于系统模型数量为m的多模型切换系统，基于切换规则可得：
其中m表示切换系统模型的数量， 为0-1变量，即对于 有 ；
考虑到任何一个时刻只有一个子系统被激活，即
模型之间的切换规则为：
式中 为切换信号的切换规则， 为切换后被激活的子系统；
根据切换规则，系统状态方程和输出方程，以及前面的优化目标函数，可得
其中 、D和M为常数矩阵，且
且 ， ， ， ；
d. 基于混合神经网络求解最优控制律；利用混合神经网络对前述切换系统优化问题进行优化求解，该神经网络由两个相互作用的神经网络组成，即c-网络和b-网络，其中c-网络为处理连续变量的神经网络，b-网络为处理离散二进制变量的神经网络；
选择神经网络的作用函数为
其中 ， 表示在连续c-网络中第 个点的控制输入，其下限和上限分别为 和 ， ， 表示在离散b-网络中第 个点的模型输入， ， ；
于是，神经网络中变量的赋值空间为
惩罚函数可以增强优化的约束条件和切换规则，于是用惩罚函数的方法构造混合神经网络的能量函数，它由下述三部分组成:
令 ，则可以得到优化可行解，于是可以得到神经网络的能量函数为
其中 , , 和 是惩罚系数。
说明书
技术领域
本发明属于信息技术领域，涉及在废料炼油的前期对塑料进行烘干反应过程中，通过多模型切换系统预测控制和混和神经网络优化求解技术相结合的方法，实现塑料烘干器空气温度的优化节能控制，可用于废料炼油及烘干行业。
背景技术
随着现代科学技术的不断发展，能源和环境问题越来越成为人们关注的焦点。废塑料裂解炼油技术就在这样的大环境下应运而生。废塑料炼油一方面可以解决生活垃圾的处理问题，另一方面又可以生产出高品质的油、炭黑一类的常用能源。
在废塑料炼油生产的整个系统中反应釜是其中的核心设备，其运行的平稳与否直接关系到生产的质量指标和经济效益。而前期烘干器的温度控制是反应釜运行的先决条件，其控制效果与最终炼油产品质量、产量、效率有直接重要的关系。在烘干器的整个反应过程中，燃气阀门开度值( )、塑料进料量( )、冷配风阀门开度值( )与烘干器的温度( )、烘干器内的塑料料量( )及空气压力( )之间存在的非常复杂的耦合关系。它们之间复杂的耦合关系可以用表示为
式中非线性函数f1、f2、f3分别表示各个参量间的非线性关系。由上式可以看出各参量之间的耦合关系非常复杂，但同时也可以利用这些参量之间关系来实现对烘干器的温度控制，以实现最优的产品质量及最高的经济效益。
目前，在实际工业中基本上采用传统的或较简单的控制手段来实现对烘干器的温度控制。这种控制方法的控制参数基本依赖技术人员的经验，一般很难实现理想的控制效果，反而会增加生产成本。当前我国烘干器的温度控制与优化技术还处在发展上升的阶段，相对发达国家还有一段距离，表现为自动化程度低，控制性能差，能耗居高不下，很难满足智能控制、节能减排以及间接环境保护的需求。考虑到废塑料炼油这一新工艺的复杂性以及未来广阔的发展前景，针对现有的烘干器温度控制的现实情况，很有必要开发出一种新型、高效、节能的烘干器温度控制器。
在对比现有控制技术的基础上，本发明提出一种基于多模型切换的系统模型，然后采用切换系统预测控制与混合神经网络优化控制方法，实现对废塑料炼油烘干器内温度的精确控制，从而使裂解反应在最优状态下运行。该方法弥补了普通建模和控制方式的不足，在兼顾各状态变量的稳定、保证控制具有较高的精度和稳定性的同时，也保证形式简单并满足实际工业过程低成本高效益的节能需要。
发明内容
本发明的目的就是针对由开环控制来控制塑料烘干器温度的不足，提供一种塑料烘干过程温度优化节能控制方法。
本发明采用多模型切换系统预测控制和混合神经网络优化控制相结合的优化控制方法。考虑实际控制信号时延滞后对控制效果的影响，在烘干器空气温度变化时，通过对系统模型参数的适当调整，建立不同工况下的切换系统模型，再利用混合神经网络方法对切换控制系统进行优化控制，从而提高塑料烘干器空气温度控制的精度。
本发明方法的具体步骤是：
a. 建立多模型切换系统模型。具体方法是：以塑料烘干器的燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速为输入控制量，以温度传感器采集到的塑料烘干器空气温度值为输出量，以塑料进料量、冷配风阀门开度值、湿度传感器采集到的塑料烘干器空气湿度为状态量，建立典型工况下的离散时间切换模型：
其中 是3维状态变量，分别表示k时刻塑料进料量、冷配风阀门开度值、塑料烘干器内空气湿度值这三个状态变量； 是4维控制输入变量，分别表示k时刻燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速； 是单输出变量，表示k时刻塑料烘干器中空气温度测量值。 分别表示需要辨识的不同状态下的多模型参数。Rn代表n维欧氏空间， 是分段切换常数，从有限集 中选取，表示m个典型工况下的系统模型参数。状态变量 和控制变量 分别为：
；
；
其中 表示塑料进料量， 表示冷配风阀门开度值， 表示塑料烘干器内湿度传感器采集到的湿度值， 表示表示燃气阀门开度值， 表示冷配风阀门开度值、 塑料进料量， 塑料烘干器转轴转速， 表示塑料烘干器中空气温度值。在烘干过程中，通过调节燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速来实现烘干器内气体温度的控制，是一个多输入单输出的控制系统。
b. 建立输出值的预测方程。按照前面建立的离散时间状态空间模型，得到塑料烘干器中空气温度值预测模型。
基于前一步建立的切换系统模型，有输出变量模型
其中 为k+j时刻的输出变量， 为k+j时刻的控制输入变量，j为正整数。
可以得到 的预测模型为：
其中 表示状态变量 的预测估计值， 表示 时刻塑料烘干器空气温度的预测输出值， 表示 时刻与前一时刻控制变量的差值。
定义
其中 是预测时域， 是控制时域。
则可得
其中
。
c. 建立多模型切换系统的优化目标函数。由于系统由m个子系统构成，且相互之间进行切换，直接求解较难，本发明将利用切换规则建立优化目标函数，再利用混和神经网络进行优化求解。
假设k时刻状态变量的初始值已知，选择系统的目标函数 ，并进行如下优化：
其中J是优化目标函数， 和 是权重矩阵； 和 分别表示输出变量的最小值和最大值； 和 分别表示控制变量的最小值和最大值； 和 分别是输出变量和控制变量的参考轨迹。
对于系统模型数量为m的多模型切换系统，基于切换规则可得：
其中m表示切换系统模型的数量， 为0-1变量，即对于 有 。
考虑到任何一个时刻只有一个子系统被激活，即
模型之间的切换规则为：
式中 为切换信号的切换规则， 为切换后被激活的子系统。
根据切换规则，系统状态方程和输出方程，以及前面的优化目标函数，可得
其中 、D和M为常数矩阵，且
且 ， ， ， 。
d. 基于混合神经网络求解最优控制律。本发明利用混合神经网络对前述切换系统优化问题进行优化求解，该神经网络由两个相互作用的神经网络组成，即c-网络（处理连续变量的神经网络）和b-网络（处理离散二进制变量的神经网络）。
选择神经网络的作用函数为
其中 ， 表示在连续c-网络中第 个点的控制输入，其下限和上限分别为 和 ， ， 表示在离散b-网络中第 个点的模型输入， ， 。
于是，神经网络中变量的赋值空间为
惩罚函数可以增强优化的约束条件和切换规则，于是用惩罚函数的方法构造混合神经网络的能量函数，它由下述三部分组成:
令 ，则可以得到优化可行解，于是可以得到神经网络的能量函数为
其中 , , 和 是惩罚系数。
本发明方法采用多模型切换系统预测控制和混合神经网络优化相结合的优化控制方法。针对塑料烘干系统大惯性、大滞后及参数随负荷显著变化对系统控制带来的困难，采用了一种基于多模型切换的预测控制策略对塑料烘干器空气温度对象的动态特性进行辨识，在每个采样时刻基于切换性能指标选出最优的局部模型作为当前模型，并据此设计预测控制器；然后利用切换规则建立具有约束的优化目标函数；再由处理连续变量的神经网络和处理离散二进制变量的神经网络组成混合神经网络，并利用混合神经网络方法对切换控制系统进行优化求解，使系统处于任意时刻都处于最优控制状态，从而保证了控制的精度。在塑料烘干器运行的整个过程中，使系统在任意时刻都可以利用最简单的资源处于最优的状态，从而达到了企业节能的要求，显著降低了成本，提高了企业效益。
具体实施方式
塑料烘干器空气温度控制方法为，当塑料烘干器空气温度处于135℃、140℃、145℃、150℃时分别建立4个典型工况下的系统模型，然后采用多模型预测控制和混合神经网络优化控制方法对燃气阀门开度、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速进行控制，从而实现对塑料烘干器的温度控制。具体实施步骤如下：
(1) 建立塑料烘干器空气湿度控制系统的切换模型。
以塑料烘干器的燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速为输入控制量，以温度传感器采集到的塑料烘干器空气温度值为输出量，以进料量、冷配风阀门开度值、湿度传感器采集到的塑料烘干器空气湿度为状态量，分别建立塑料烘干器在不同空气温度时基于状态空间的线性离散时间模型：
其中 是3维状态变量，分别表示k时刻进料量、冷配风阀门开度值、塑料烘干器内空气湿度值这三个状态变量； 是4维控制输入变量，分别表示k时刻燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速； 是单输出变量，表示k时刻塑料烘干器中空气温度测量值。 分别表示需要辨识的典型工况下的多模型参数。i是分段切换常数，从有限集 中选取，表示4个供选择的典型工况对应的模型参数。状态变量 和控制变量 的具体变量分别为：
；
；
其中 表示塑料进料量， 表示冷配风阀门开度值， 表示塑料烘干器内湿度传感器采集到的湿度值， 表示表示燃气阀门开度值， 表示冷配风阀门开度值、 表示塑料进料量， 表示塑料烘干器转轴转速， 表示塑料烘干器中空气温度输出值。在烘干过程中，通过控制燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速来实现烘干器内温度控制，这是一个多输入单输出控制系统。
(2) 建立系统输出值的预测模型。
基于上一步建立的塑料烘干器空气温度控制系统的模型，有预测输出量：
其中 为k+j时刻的输出变量， 为k+j时刻的控制变量。
从而可得 的预测模型
其中 表示状态变量 的预测估计值， 表示 时刻塑料烘干器空气温度的预测输出值， 表示 时刻与前一时刻控制变量的差值。
由此，可得矩阵形式的预测方程
其中
其中 是预测时域， 是控制时域。
(3) 利用混合神经网络建立多模型切换系统的优化目标函数。
对于模型数量为m的多模型切换系统，利用切换规则，有
其中m表示切换系统模型的数量， 为0-1变量，即对于 有 。
考虑到任何一个时刻只有一个子系统被激活，即
模型之间的切换规则为：
式中 为切换信号的切换规则， 为切换后被激活的子系统。
考虑下述优化目标函数，
其中J为优化目标函数， 和 是权重矩阵。 和 分别表示输出变量的最小值和最大值； 和 分别表示控制变量的最小值和最大值； 和 分别是输出变量和控制变量的参考轨迹。
通过计算可得
其中 、D和M为常数矩阵，
且 ， ， ， 。
(4) 基于混合神经网络优化方法求解最优控制律。
首先，选择神经网络的作用函数为
其中 ， 分别表示输入 的下限和上限， 表示在连续c-网络（处理连续变量的网络）中第 个点的控制输入， ， 表示在离散b-网络（处理离散二进制变量的网络）中第 个点的模型输入， ， 。因此，神经网络中变量 和 的赋值空间为
然后，利用惩罚函数的方法构造混合神经网络的能量函数，以增强优化的约束条件和切换规则，它由三部分组成:
最后，令 ，则可以得到优化可行解，最后可得神经网络的能量函数为
其中 , , 和 是惩罚系数。
塑料烘干器温度优化节能控制方法专利购买费用说明
Q：办理专利转让的流程及所需资料
A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。
1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2：按规定缴纳著录项目变更手续费。
3：同时提交相关证明文件原件。
4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式
Q：专利转让变更，多久能出结果
A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0