本发明属于浮法玻璃制造,涉及一种校准自学习水泵恒压恒液位控制方法及系统。
背景技术:
1、随着浮法玻璃行业的快速发展,作为提供玻璃生产线的血液——公用工程也变得十分的重要,公用工程包括水泵房、气站(空压站)、油站(燃气站),其中水泵房提供循环水系统,主要用于仪器设备的降温,气站主要提供压缩气体,主要用于气动设备动力来源,油站(燃气站)主要提供重油(天然气),其主要为玻璃的炉窑提供热量,这些几乎关乎所有设备运行的可靠性,也是玻璃生产的基础。水泵房控制系统较为复杂,其中供水的压力的稳定和玻璃的质量有密切的联系,为保证供水压力的稳定,往往需要采取恒定供水压力控制,而热水池的水为了保证其安全可靠的进入冷却塔,也需要采用恒液位控制方式,这使得水泵房控制系统中必须包括有恒压控制和恒液位控制。
2、对于恒压控制和恒液位控制系统,因为其本身带有大量的惯性环节特性使其都归属于滞后的控制范围,简单的解释就是控制器在输出结果给变频器时,其输出结果需要等一段时间才能真正反馈到采集设备上,输出和结果存在一定滞后,而压力和液位这些往往滞后时间比较大,这种控制系统称为滞后控制系统。
3、对于滞后控制现有技术主要采用智能式pid控制,智能式pid控制对于滞后系统需要精准的控制调整算法刷新的时间,假如控制系统的智能式pid刷新速度时间过快,远远快于系统控制环节的滞后时间,这会导致系统有很长时间内处于输出的最大值,甚至只要改动一个较小的数据,就会让系统整体处于超调状态,系统如果长时间处于超调状态往往会导致输出环节出现数据过大或者过低(甚至可能出现零压力),水压过大会导致输出温度过低,影响玻璃质量,同时高压力就意味着更高的功率输出,这样会导致能源的浪费,压力过低,会使得水温也同样升高,或者水量断流,这样会损坏需要水冷的设备,这样不稳定的输出对于上游的玻璃的生产是十分不利的。但是如果控制系统的智能式pid刷新速度时间过慢,会造成调整时间的加长,智能式pid它的调整是依靠过去记忆的所有数据的,所以它很容易进入积分饱和区,倘若不能及时对进行调整,那么输出结果会在错误的数据上保持很久,以至于影响操作的效率,如果时间过长的那么改动一个较小的数据也会产生十几分钟的振荡才能稳定在一个结果,这是一种十分不利的结果。
技术实现思路
1、本发明的技术方案用于解决现有的玻璃公用系统水泵的控制方法容易出现超调的问题。
2、本发明是通过以下技术方案解决上述技术问题的:
3、一种校准自学习水泵恒压恒液位控制方法,包括以下步骤:
4、步骤1、采集水泵的频率以及供水压力数据并对其进行归一化处理,并将采集的数据分为训练数据和测试数据;
5、步骤2、建立校准自学习算法模型,并采用训练数据对其进行训练;
6、步骤3、设计完成训练阀值函数,选取测试数据,对训练后的校准自学习算法模型进行验证;
7、步骤4、设计反归一处理函数,对训练完成后所得的数据进行反归一化处理;
8、步骤5、对玻璃公用系统水泵恒压恒液位pid控制器的输出进行赋值。
9、进一步地,步骤1中所述的采集水泵的频率以及供水压力数据并对其进行归一化处理的方法如下:
10、输入变量为水泵的频率f(x),输出变量为采集的供水压力p(x),则输入变量与输出变量之间的关系如下:
11、p(x)=h(x)*f(x) x=1,2...49,50 (1)
12、其中,x为采集次数,h(x)为系数函数;
13、将采集的x组数据表示为:
14、[(f(1),p(1))(f(2),p(2))...(f(49),p(49))(f(x),p(x))](2)
15、其中,(f(x),p(x))为第x次采集的水泵的频率以及供水压力的值;
16、上述采集的x组数据,需要进行归一化处理,设计频率值归一函数为:
17、f(x)=f(x)/100 (3)
18、压力值归一函数为:
19、p(x)=p(x) (4)
20、其中,f(x)为归一后频率值,p(x)为归一距离压力值。
21、进一步地,步骤2中所述的建立校准自学习算法模型的方法如下:
22、设输入层函数为f(·),第一隐含层函数h1(·),第二隐含层函数h2(·),输出层函数p(·),正向传导,第一个隐含层函数值为:
23、
24、第二个隐含层函数值为:
25、
26、输出层函数为:
27、
28、网络输出与期望误差为:
29、e=p-p1 (8)
30、反向传导,输出层到第二隐含层函数值:
31、
32、第二隐含层到第一隐含层函数值为:
33、
34、第一隐含层到输出层为:
35、
36、权值调整为:
37、
38、其中,λ1,λ2,λ3分别为输出层学习步长,第二隐含层学习步长,第一隐含层学习步长,ω是代表两层连接网络的权值。
39、进一步地,步骤3中所述的完成训练阀值函数的公式如下:
40、
41、式中,ethr是阀值数据,是测试组所得误差数值。
42、进一步地,步骤4中所述的反归一处理函数的公式如下:
43、p=p*100 (14)
44、其中,p为学习后通过模型计算出来的数据,p为最终输出压力结果;
45、进一步地,步骤5中所述的对玻璃公用系统水泵恒压恒液位pid控制器的输出进行赋值的方法如下:
46、errt=pt-pt-1 (15)
47、d(ut)=kp(errt-errt-1)+ki*errt+kd*(errt-2errt-1+errt-2) (16)
48、
49、ut=ut-1+d(ut) (18)
50、式中,d(ut)、kp、ki、kd、errt分别为第t次中断增量值、比例系数、积分系数、微分系数、第t次中断是误差数值,pset为新设定压力值或液位值,pt为t时间下压力采集值,u为输出值。
51、一种校准自学习水泵恒压恒液位控制系统,包括:
52、数据采集与处理模块、模型构建与训练模块、阀值函数构建模块、反归一化处理模块、赋值模块;
53、所述的数据采集与处理模块用于采集水泵的频率以及供水压力数据并对其进行归一化处理,并将采集的数据分为训练数据和测试数据;
54、所述的模型构建与训练模块用于建立校准自学习算法模型,并采用训练数据对其进行训练;
55、所述的阀值函数构建模块用于设计完成训练阀值函数,选取测试数据,对训练后的校准自学习算法模型进行验证;
56、所述的反归一化处理模块用于设计反归一处理函数,对训练完成后所得的数据进行反归一化处理;
57、所述的赋值模块用于对玻璃公用系统水泵恒压恒液位pid控制器的输出进行赋值。
58、进一步地,数据采集与处理模块中所述的采集水泵的频率以及供水压力数据并对其进行归一化处理的方法如下:
59、输入变量为水泵的频率f(x),输出变量为采集的供水压力p(x),则输入变量与输出变量之间的关系如下:
60、p(x)=h(x)*f(x) x=1,2...49,50 (1)
61、其中,x为采集次数,h(x)为系数函数;
62、将采集的x组数据表示为:
63、[(f(1),p(1))(f(2),p(2))...(f(49),p(49))(f(x),p(x))](2)
64、其中,(f(x),p(x))为第x次采集的水泵的频率以及供水压力的值;
65、上述采集的x组数据,需要进行归一化处理,设计频率值归一函数为:
66、f(x)=f(x)/100 (3)
67、压力值归一函数为:
68、p(x)=p(x) (4)
69、其中,f(x)为归一后频率值,p(x)为归一压力值。
70、进一步地,模型构建与训练模块中所述的建立校准自学习算法模型的方法如下:
71、设输入层函数为f(·),第一隐含层函数h1(·),第二隐含层函数h2(·),输出层函数p(·),正向传导,第一个隐含层函数值为:
72、
73、第二个隐含层函数值为:
74、
75、输出层函数为:
76、
77、网络输出与期望误差为:
78、e=p-p1 (8)
79、反向传导,输出层到第二隐含层函数值:
80、
81、第二隐含层到第一隐含层函数值为:
82、
83、第一隐含层到输出层为:
84、
85、权值调整为:
86、
87、其中,λ1,λ2,λ3分别为输出层学习步长,第二隐含层学习步长,第一隐含层学习步长,ω是代表两层连接网络的权值;
88、阀值函数构建模块中所述的完成训练阀值函数的公式如下:
89、
90、式中,ethr是阀值数据,是测试组所得误差数值。
91、进一步地,反归一化处理模块中所述的反归一处理函数的公式如下:
92、p=p*100 (14)
93、其中,p为学习后通过模型计算出来的数据,p为最终输出压力结果;
94、赋值模块中所述的对玻璃公用系统水泵恒压恒液位pid控制器的输出进行赋值的方法如下:
95、errt=pt-pt-1 (15)
96、d(ut)=kp(errt-errt-1)+ki*errt+kd*(errt-2errt-1+errt-2) (16)
97、
98、ut=ut-1+d(ut) (18)
99、式中,d(ut)、kp、ki、kd、errt分别为第t次中断增量值、比例系数、积分系数、微分系数、第t次中断是误差数值,pset为新设定压力值或液位值,pt为t时间下压力采集值,u为输出值。
100、本发明的优点在于:
101、本发明的技术方案通过设计一种校准自学习模型,采集水泵的频率作为输入变量、供水压力作为输出变量来训练校准自学习模型,设计完成训练阀值函数,将模型的输出对水泵恒压恒液位pid控制器的输出进行赋值,达到了智能预测工作频率的效果,解决了现有的玻璃公用系统水泵的控制方法容易出现超调的问题,具有动态性能好、调节准确的优点。