基于GRU的集气管压力控制

时间:2023-06-29 08:55:01 公文范文 来源:网友投稿

孙益亮 李志刚

摘要:集气管压力作为炼焦制气生产过程中的重要工序,为了保证生产安全以及保护环境,需要保持集气管压力稳在规定的范围内。由于人为控制的不稳定性,为了实现设备的快速响应,利用数据挖掘的方法,本文提出了一种门结构循环单元(GRU)网络的控制方法,利用前期采集的数据,对模型进行训练。输出结果表明,GRU输出更加进实际值。

关键词:数据挖掘;
门结构循环单元网络;
集气管压力

一、引言

焦炭作为炼焦最重要的产品,其用途广泛,常被用作工业生产的重要能源。由于焦炭生产工艺较为复杂,因此如何更好地满足生产、最大限度地减少污染,对炼焦行业提出了较高的要求。

炼焦是将配比后的煤炭通过推焦车装入炼焦炉的炭化室内,在隔绝空气的条件下,将煤炭在炭化室内加热到 1000 ℃左右,最后形成焦炭的过程。在炼焦生产过程中,焦炉炭化室内会产生一种可燃性气体,通常叫荒煤气。产生的荒煤气会从炭化室中溢出,依次流经上升管、桥管和吸气弯管,然后在集气管总管汇合。

集气管属于炼焦过程中干馏煤气的导出设备。集气管压力是焦炉生产中重要的工艺参数,在焦化生产过程中,它因受多种因素:出焦、装煤、换向等的影响而常常发生波动。对焦炉集气管压力进行控制保证安全生产、减少环境污染的重要技术措施。

近年来,随着神经网络的发展、计算机技术的成熟,人们在神经网络控制先进策略技术上进行了大量研究,有的已经应用到实际中。

二、数据处理

(一)数据预处理的必要性

要使数据挖掘算法有效地挖掘出知识,就必须为它提供干净、准确、简洁的数据。在使用的数据中,由于数据的来源为工程实际,采集到的数据受到的现场环境变化的影响,往往会存在以下问题:杂乱性,重复性,不完整性。

(二)数据预处理

本文使用的数据来源为工厂的实际数据,数据中存在着的噪声数据与异常数据对实验的影响很大,无法进行直接使用,在数据使用前需进行数据预处理[5]。

数据预处理应该包括以下几个方面的功能:数据集成、数据清洗、数据转换、数据简化。

例如采集到的数据如表1:

在表中,可以发现有数据明显偏离实际值,为了消除这些数据对实验的影响,需要将这些数据提取出去,将采集到的数据利用程序将设定的经验范围内数据剔除出去,例如将数据大于500以及将数据小于50或者采集出现错误的数据删除,清理掉采集中存在的较大的波动的数据。

将数据中的影响数据剔除出去以后,由于时间格式的属于采集的系统设置,无法被直接使用,需要将时间数据转化为可以被系统读懂的数据,为了使用方便,将时间中的小时与分钟进行提取,然后将时间转化为秒进行表示,将小时*60+分钟数,这样保留下来了时间的特性,还简化了数据结构以及表达方式。

将时间转化完成后,进行数据合并,由于未进行时间中秒的提取,在相同的时间表示中,将达到60个数据在时间的表示上相同,为了简化数据的个数以及对模型训练时间的降低,需要进行时间上数据的合并,将相同时间的数据进行求和在求平均的方法,将数据完成合并。

在数据合成完毕后,进行数据的检查,当发现数据丢失后,需要进行数据补充,将时间进行数据检测,当检测到数据丢失后,对丢失的数据补充的方法为:将其前一项的值与后一项的值进行求和求平均,作为丢失部分的值补充进去,实现数据的完整。最后完成处理后的数据如表2所示:

三、循环神经网络

(一)长短期记忆网络

长短期记忆网络(Long Short-Term Memory,LSTM),是循环神经网络(recurrent neural network,RNN)的变形结构,在RNN基础上在隐层中增加了遗忘门,从而使网络在长期记忆方面得到大步提高,使网络的“记忆力”可控,在许多应用场景中表现良好。LSTM网络的基本单元是它的记忆单元,如图1,记忆单元由“门”结构构成。“门”结构包含输入门、输出门和遗忘门三大部分。

四、实验验证

利用Matlab软件进行算法模型的搭建,实现将处理完的数据传送给GRU网络模型实验仿真,通过与BP模型的效果进行比较,进行模型的效果验证;
其输出结果如下图3-图4所示:

五、结论

通过对比图3-图4,可以发现在输出结果上BP模型输出结果与实际值偏差更大,效果不好,而GRU模型在控制上效果更加接近实际值误差更小,控制效果更加理想。

参考文献:

[1] 雷亚军.基于LS-SVM的焦炉集气管压力系统逆模型复合控制[D].安徽工业大学,2019.

[2] 李爱莲,毕泽伟.焦炉集气管压力设定值多目标优化研究[J].计算机仿真,2020(04).

[3] 王威.基于非线性多模型预测方法的集气管压力控制研究[D].东北大学,2011.

[4] 顾兴林,冯江华,靳迎武,等.焦炉煤气压力平衡研究[J].山东化工,2018(02).

[5] 卫保国,葛苹,武宏,等.基于靜态-自适应外观模型纠正的目标跟踪算法[J].计算机应用,2018(04).

作者简介:孙益亮(1994—),男,江苏徐州人,硕士研究生,研究方向:智能控制理论及应用;
李志刚(1966—),男,河北唐山人,博士,教授,河北省计算机学会副理事长,研究方向:数据挖掘在智能控制领域的应用。

猜你喜欢数据挖掘近十年国内教育数据挖掘领域的应用技术分析中国教育信息化·高教职教(2022年4期)2022-05-13数据挖掘技术在内河航道维护管理中的应用研究西部交通科技(2021年9期)2021-01-11数据挖掘技术在物流企业中的应用商情(2018年25期)2018-07-08数据挖掘过程模型及创新应用电子技术与软件工程(2018年1期)2018-03-22数据挖掘综述速读·下旬(2016年8期)2017-05-09软件工程领域中的异常数据挖掘算法电子技术与软件工程(2016年24期)2017-02-23基于R的医学大数据挖掘系统研究哈尔滨理工大学学报(2016年2期)2016-09-12电子政务中基于云计算模式的数据挖掘研究中国信息化·学术版(2013年1期)2013-05-28数据挖掘创新应用国外科技新书评介(2009年12期)2009-05-31数据挖掘的系统构成与发展趋势新媒体研究(2009年3期)2009-03-30

推荐访问:气管 压力 控制