一种等离子飞灰熔融炉飞灰熔融温度的软测量方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113790817A(43)申请公布日2021.12.14(21)申请号202111059597.3(22)申请日2021.09.10(71)申请人山西格盟中美清洁能源研发中心有限公司地址030006山西省太原市山西综改示范区太原科技创新城化章北街1号(72)发明人叶泽甫赵志军张帅朱竹军阎高伟(74)专利代理机构徐州先卓知识产权代理事务所(普通合伙)32555代理人付艳艳(51)Int.Cl.G01K7/34(2006.01)G06N3/04(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种等离子飞灰熔融炉飞灰熔融温度的软测量方法(57)摘要本发明公开了一种等离子飞灰熔融炉飞灰熔融温度的软测量方法，该方法包括：基于低频、高频微波传感器的飞灰介电常数测量；以飞灰介电常数历史数据为输入神经元，飞灰组分历史数据为输出神经元，建立飞灰组分含量的递推随机权神经网络辨识模型；依据飞灰组分含量实验室数据对模型在线校正；基于飞灰组分含量历史数据和飞灰熔融特性温度历史数据建立递推最小二乘辨识模型；依据飞灰组分含量和飞灰熔融特性温度实验室数据对模型进行在线校正；校正后的模型对飞灰熔融特性温度进行在线测量。通过本发明提供的方法可以对熔融温度实时预测，保证飞灰充分熔融的同时，节约了资源，提高了生产效率。CN113790817ACN113790817A权利要求书1/3页1.一种等离子飞灰熔融炉飞灰熔融温度的软测量方法，其特征在于，包括：S1：基于低频电容传感器的飞灰介电常数测量；基于高频微波传感器的飞灰介电常数测量；S2：以低频介电常数历史数据和高频介电常数历史数据为输入神经元，飞灰组分历史数据为输出神经元，建立飞灰组分含量的递推随机权神经网络辨识模型；S3：依据飞灰组分含量实验室数据对步骤S2建立的飞灰组分含量的递推随机权神经网络辨识模型进行在线校正；S4：基于飞灰组分含量历史数据和飞灰熔融特性温度历史数据建立递推最小二乘辨识模型；S5：依据飞灰组分含量和飞灰熔融特性温度实验室数据对步骤S4建立的递推最小二乘辨识模型进行在线校正；S6：根据步骤S5校正后的模型对飞灰熔融特性温度进行在线测量。2.根据权利要求1所述的等离子飞灰熔融炉飞灰熔融温度的软测量方法，其特征在于，步骤S1包括：S11：低频电容传感器测得样品的介电常数为ε，高频微波传感器测得样品的介电常数为εr，低频电容传感器、高频微波传感器采样周期为T，以当前时刻t为基准，低频电容传感器、高频微波传感器历史数据分别表示为ε(t‑pT)，εr(t‑pT)，飞灰组分历史数据表示为u1(t‑pT)，u2(t‑pT)，…，uM(t‑pT)，p＝1,2,3…N，N为样本个数，M为飞灰成分个数；S12：初始时刻，取N0个历史数据，记为(Ξ0,U0)，2其中εi＝[ε(t‑iT),εr(t‑iT)]∈R，ui＝[u1(t‑iT),u2(t‑iT),…,uM(t‑MiT)]∈R，i＝1,2,3…N0，并记εi＝(εi1,εi2)，ui＝(ui1,ui2,…uiM)。3.根据权利要求2所述的等离子飞灰熔融炉飞灰熔融温度的软测量方法，其特征在于，步骤S2包括：以低频介电常数历史数据εi1、高频介电常数历史数据εi2为输入神经元，飞灰组分历史数据ui1,ui2,…uiM为输出神经元，建立含有K个隐层节点的单隐层神经网络：T其中，aj＝(aj1,aj2)为输入神经元εi到第j个隐含层的权重，bj为第j个隐含层神经元偏置，βjm为第j个隐含层神经元到第m个输出层的神经元权重，m＝1,2,3…M，uim为第m个输出神经元的输出，隐含层神经元K的数目通过交叉验证的方法获得，g(·)为神经元激活函数：随机初始化输入层神经元至隐含层神经元权重aj及偏置bj，计算得出隐含层神经元矩阵H0为：2CN113790817A权利要求书2/3页由K个隐层节点单隐层神经网络和隐含层神经元矩阵可得：U0＝H0β0β0为βjm组成的矩阵，U0为uim组成的矩阵，通过最小二乘法计算U0＝H0β0，求得其中，为H0的广义逆矩阵，进一步求得：4.根据权利要求3所述的等离子飞灰熔融炉飞灰熔融温度的软测量方法，其特征在于，步骤S3包括：以当前时刻t为基准，t+qT时刻由实验室仪器测得低频电容传感器、高频微波传感器数据分别表示为ε(t+qT)，εr(t+qT)，飞灰组分数据表示为u1(t+qT)，u2(t+qT)，…，uM(t+qT)，q＝1,2,3…N1，N1为样本个数；计算得出隐含层神经元矩阵为：由K个隐层节点单隐层神经网络和隐含层神经元矩阵可得：U1＝H1β1U1为uim组成的矩阵,i＝N0+1,N0+2,…,N0+N1，β1为新的权重矩阵，因此：通过递推