欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021103733678
申请人: 宁波大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种水泥回转窑温控PID参数自调整方法,其特征在于,包括步骤:(1)由强化学习得出并设置增量式PID控制模块的初始参数;

(2)实时采集水泥回转窑理想温度、实际温度与理想温度之间的偏差以及实际温度作为BP神经网络模块的输入值;

(3)将步骤(2)中实时采集到的数据输入到BP神经网络模块中,进行在线网络运算,网络输出PID参数进而得出控制参数,水泥回转窑模型模块利用控制参数实时控制水泥回转窑的喂煤阀的开度,进而控制水泥回转窑内部工作温度;重复步骤(2)和步骤(3),不断更新BP神经网络模块的网络权值和阈值,直至水泥回转窑内部温度达到设定条件;

步骤(1)中的初始参数通过利用水泥回转窑工作过程的数组数据作为预备数据并利用强化学习得到,包括子步骤:π

(101)确定决策网络π以及期望奖励网络V的结构,并初始化两者的权值、阈值以及学习率;

(102)采样理想火焰温度r(t‑1)以及实际火焰温度状态st‑1,并计算误差r(t‑1)‑st‑1,更新决策网络π输入值,计算控制参数,调整喂煤阀开度,从而调整火焰温度至状态st,若|r(t)‑st|<|r(t‑1)‑st‑1|,则给予奖励R(t)=1,反之则奖励为R(t)=0;

π π

(103)取st以及r(t)作为网络V的输入值,并计算过程期望奖励V (st),同时重复步骤(102),得到过程实际奖励π

(104)训练网络V,使过程期望奖励与过程实际奖励之间的均方误差尽可能小;

π

(105)基于训练后的网络V更新决策网络π,并重复步骤(102)、(103)、(104),直至由决策网络π得到的控制参数满足回转窑理想温度控制要求为止;

步骤(3)中包括子步骤:

(301)确定BP神经网络模块的结构,根据步骤(1)确定的增量式PID控制模块的初始参数,确定初始学习率以及动量系数;

(302)采样理想火焰温度r(t)以及实际输出温度y(t),计算误差e(t)=r(t)‑y(t),并更新BP神经网络模块的输入值;

(303)由BP神经网络前向传播算法计算出增量式PID控制模块的控制参数,进而计算出控制信号u(t);

(304)水泥回转窑模型模块获取控制信号u(t),并实时控制水泥回转窑的喂煤阀的开度,根据均方误差以及改进的BP神经网络反向传播算法更新网络的权值和阈值;

(305)返回步骤(302),不断重复以减小步骤(304)中的均方误差,直至水泥回转窑内部温度达到设定条件;

其中,

u(t)=u(t‑1)+△K p·[e(t)‑e(t‑1)]+△Ki·e(t)+△K d·[e(t)‑2·e(t‑1)+e(t‑

2)];

式中,△Kp、△Ki、△Kd分别为增量式PID控制模块的比例、积分以及微分系数;

其中,

π

强化学习决策网络π参数θ更新规则按下式定义:式中,为学习率;

按照如下公式定义:

式中,N为离线模拟仿真运行总次数,a代表由决策网络π得到的控制参数,R(t):若|r(t)‑st|<|r(t‑1)‑st‑1|,则给予奖励R(t)=1,反之则奖励为R(t)=0; 代表水泥回转窑火焰温度在状态st下采取控制参数at,并转移到状态st+1的概率。

2.如权利要求1所述的水泥回转窑温控PID参数自调整方法,其中,π π

强化学习期望奖励网络V参数σ更新规则按下式定义:π

式中,ρ为学习率;E为 与V (st)之间的均方误差。

3.如权利要求2所述的水泥回转窑温控PID参数自调整方法,其中,BP神经网络模块的输入层节点输入为:

分别对应系统期望值r(t),水泥回转窑的实际输出y(t)以及实际输出和期望输出之间的误差e(t)=r(t)‑y(t);

BP神经网络模块的隐含层节点的输入和输出分别为:BP神经网络模块的输出层节点的输入和输出分别为:其中,上标(1)、(2)、(3)分别代表神经网络输入层、隐藏层以及输出层;函数f(x)与g(x)分别为神经网络隐藏层与输出层激活函数;网络的输出 分别对应于增量式PID控制模块的控制参数△Kp、△Ki、△Kd。

4.如权利要求3所述的水泥回转窑温控PID参数自调整方法,其中,水泥回转窑模型有:

5.如权利要求4所述的水泥回转窑温控PID参数自调整方法,其中,性能误差函数有:其权值改变量按照如下规则进行迭代调整:

其中,η(t)和α(t)按照如下改进规则进行调整:η(t)=η(t‑1)·(1+0.1·cosθ);

其中,θ是当前权值更新方向与上次权值更新方向之间的夹角。

6.如权利要求5所述的水泥回转窑温控PID参数自调整方法,其中,当夹角θ小于90°且趋向于零的时候,在上一次迭代的学习率η(t‑1)的基础上增加(1+0.1·cosθ)倍,以加速在此迭代方向上的寻优速度;而当夹角θ大于90°且趋向于180°的时候,减小学习率为之前的(1+0.1·cosθ)倍,从而使算法沿负梯度回寻极小点。