華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)第37卷第2期Journal of South China University of TechnologyVol 37 No. 209年2月Natural Science Editionebruary 2009文章縮號(hào):1000565X(2009)02.0158-05基于 LSSVM-MODE的水煤漿生產(chǎn)優(yōu)化控制劉定平葉向榮鄧華裕2(1華南理工大學(xué)電力學(xué)院,廣東廣州510640;2茂名熱電廠,廣東茂名525011)摘要:水煤漿(CWM)制造過(guò)程中,生產(chǎn)成本的降低和水煤漿性能的提高之間存在著矛盾.文中利用最小二乘支持向量機(jī)( LSSVM)對(duì)球磨機(jī)電流和水煤漿濃度進(jìn)行多目標(biāo)建模,并采用基于 Pareto最優(yōu)概念的多目標(biāo)微分進(jìn)化(MODE)算法對(duì)運(yùn)行工況進(jìn)行尋優(yōu),然后裉據(jù)模糊集理論在 Pareto解集中求得滿意解,獲得了水煤漿濃度的優(yōu)化調(diào)整方式和提高水煤漿生產(chǎn)效益的策略關(guān)鍵詞:水煤漿;優(yōu)化運(yùn)行;最小二乘支持向量機(jī);多目標(biāo)微分進(jìn)化算法中圖分類(lèi)號(hào):TK323文獻(xiàn)標(biāo)識(shí)碼:A水煤漿是一種煤基流體燃料.它是由約加0%的理模型來(lái)描述基于支持向量機(jī)的模型屬于黑箱模煤粉、30%的水和少量化學(xué)添加劑組成的混合體.型,其模型輸人輸出之間的非線性函數(shù)關(guān)系由支持目前國(guó)內(nèi)外對(duì)水煤漿性能研究比較多,且主要向量機(jī)實(shí)現(xiàn)因此適合用支持向量機(jī)來(lái)建立制漿優(yōu)研究分散劑、煤種改性和磁化等因素對(duì)水煤漿性能化模型影響.在水煤漿制造過(guò)程中,存在著降低制漿成本1.1最小二乘支持向量機(jī)和提高水煤漿性能兩者之間的矛盾,實(shí)踐中往往通設(shè)訓(xùn)練樣本集為D={(x,y)|i=1,2,…,l},過(guò)試驗(yàn)來(lái)摸索解決方法由于現(xiàn)場(chǎng)試驗(yàn)耗時(shí)耗力且其中:x∈R,y,∈R;x為輸入數(shù)據(jù);y為輸出數(shù)據(jù)存在滯后性和偏差使運(yùn)行經(jīng)常偏離優(yōu)化工況.在權(quán)w空間(原始空間)中的優(yōu)化問(wèn)題可以描述為因此,需建立制漿成本和水煤漿性能優(yōu)化模型,用于1minJ(w,e)=ww+y∑e指導(dǎo)水煤漿生產(chǎn)文中根據(jù)水煤漿生產(chǎn)工藝將制漿成本和水煤漿結(jié)束條件為性能優(yōu)化問(wèn)題轉(zhuǎn)化為降低電耗成本和提高水煤漿濃y,=w(x)+b+e,, i=1, 2, ". I度的多目標(biāo)優(yōu)化問(wèn)題提出基于最小二乘支持向量機(jī)相應(yīng)的拉格朗H函數(shù)為(LsM)的球磨機(jī)電耗和水煤漿濃度多目標(biāo)優(yōu)化模L=J-∑a1|wq(x)+b+e-y型;并利用多目標(biāo)微分進(jìn)化算法(MODE)實(shí)現(xiàn)給煤求解的優(yōu)化問(wèn)題轉(zhuǎn)化為求解線性方程:量、分散劑量等運(yùn)行參數(shù)的尋優(yōu);再利用模糊集理論1進(jìn)行決策選出滿意解,用于指導(dǎo)制漿優(yōu)化運(yùn)行(1)1:1多目標(biāo)優(yōu)化 LSSVM模型式中:y=(y1,…,y);1.=(1,…,1);a=(a1水煤漿制造過(guò)程是一個(gè)復(fù)雜的物理過(guò)程,它是a1);Q4=p(x)p(x1)=K(x,x1),為1,矩陣一個(gè)多輸入多輸出系統(tǒng).影響球磨機(jī)電耗和水煤漿最小二乘支持向量機(jī)函數(shù)估計(jì)為濃度的參數(shù)很多,而且這些參數(shù)之間具有強(qiáng)耦合、非y(x)=∑aK(x,x)+(2)線性等特征對(duì)于這些復(fù)雜的過(guò)程,難以用簡(jiǎn)單的機(jī)收稿日期:2007-10-29作者簡(jiǎn)介:劉定平(1965-)男,副教授博士生,主要從事燃燒優(yōu)化與控制研究Eml;liudingping(@I26.com第2期劉定平等:基于 L SSVM-MODE的水煤漿生產(chǎn)優(yōu)化控制159式中:a1,b可由式(1)求解出1.3LssⅤM訓(xùn)練結(jié)果及分析核函數(shù)有不同的形式,如:多項(xiàng)式核、多層感知制漿優(yōu)化模型的輸入和輸出層分別有8個(gè)輸入高斯(MP)核、徑向量(RBF)核等.在研究中取節(jié)點(diǎn)和2個(gè)輸出節(jié)點(diǎn)選取65組樣本數(shù)據(jù),其中60RBF核函數(shù)如下組作為訓(xùn)練樣本,5組作為驗(yàn)證樣本,以驗(yàn)證模型的K(x, x,)=exp[ -(lx-x, /20]正確性對(duì)數(shù)據(jù)進(jìn)行歸一處理到[0,1]1,正規(guī)化參最小二乘支持向量機(jī)的函數(shù)估計(jì)精度和收斂速數(shù)和徑向基核參數(shù)分別為λ=55,=18.支持向量度受正規(guī)化參數(shù)和徑向基核參數(shù)a的影響2.機(jī)訓(xùn)練結(jié)果表明訓(xùn)練樣本和驗(yàn)證樣本均勻分布在基1.2制漿優(yōu)化模型的建立準(zhǔn)線附近模型的估計(jì)值很好地逼近于非線性系統(tǒng)文中以某水煤漿廠40υh水煤漿生產(chǎn)線為對(duì)象輸出的實(shí)際值,由此建立了制漿優(yōu)化支持向量機(jī)模開(kāi)展研究原煤由破碎機(jī)輸送到球磨機(jī)進(jìn)行研磨,再型.其驗(yàn)證樣本計(jì)算值與實(shí)際值比較如表1所示由二臺(tái)輸漿泵AB送往儲(chǔ)漿罐分散劑為茂名分散表1最小二乘支持向量機(jī)模型驗(yàn)證樣本計(jì)算值與實(shí)際值劑煤種質(zhì)量比為m山東媒:m神華煤=2:1.的比較在制漿時(shí),球磨機(jī)內(nèi)部磨介鋼球匹配可認(rèn)為基 Table 1 Comparison of calculated and experimental validating本不變磨機(jī)電流在電耗成本中起著主要影響由于data in lssvm model磨機(jī)電壓恒定為6kⅤ,可以用磨機(jī)電流反映磨機(jī)電球磨機(jī)電流水煤漿濃度耗水煤漿濃度直接影響到水煤漿的燃燒性能,可將正實(shí)測(cè)預(yù)測(cè)相對(duì)實(shí)測(cè)預(yù)測(cè)相對(duì)其作為衡量水煤漿性能的主要參數(shù)因此制漿優(yōu)化值/A值/A誤差/%值/%值/%誤差/%模型目標(biāo)值取磨機(jī)電流和水煤漿濃度l122.33121.820.4262.9363.240.49給煤量和給水流量的變化會(huì)導(dǎo)致球磨機(jī)電耗發(fā)122.63119.782.3162.3063.451.81生變化,從而使水煤漿濃度相應(yīng)發(fā)生變化分散劑流122.63121.410.9963.9863.670.489364.171.94量對(duì)水煤漿濃度等性能也起著一定的影響;而水煤123.02123.410.32121.58121.790.1764.I63.500.97漿濃度又和球磨機(jī)電耗有著某種聯(lián)系,即分散劑流量對(duì)球磨機(jī)電耗起著間接影響破碎機(jī)電流反映破模型的泛化能力收斂速度和最優(yōu)性如下碎機(jī)出口煤量,所以與球磨機(jī)負(fù)荷相關(guān),從而也與水(1)泛化能力訓(xùn)練集樣本平均相對(duì)誤差為煤漿濃度相關(guān)輸漿泵頻率、電流與水煤漿產(chǎn)量相0.005%;驗(yàn)證樣本平均相對(duì)誤差為0.600%.模型關(guān)水煤漿產(chǎn)量與球磨機(jī)電耗水煤漿濃度相關(guān),所以的驗(yàn)證樣本輸出值與實(shí)測(cè)值已經(jīng)十分接近泵頻率、電流與球磨機(jī)電耗和水煤漿濃度緊密相聯(lián).(2)收斂速度 LSSVM求解速度快,基于其的因此取給煤量、給水量、分散劑量、破碎機(jī)電流、制漿優(yōu)化模型的平均運(yùn)算時(shí)間為45747558,顯示輸漿泵運(yùn)行頻率、輸漿泵運(yùn)行電流作為水煤漿生產(chǎn)了模型的可行性優(yōu)化模型的輸入?yún)?shù)(3)最優(yōu)性在給定初始參數(shù)后,支持向量機(jī)制漿優(yōu)化模型如圖1所示每次訓(xùn)練都可以得到相近的結(jié)果,這說(shuō)明支持向量機(jī)得到的是全局最優(yōu)解給煤量給水流量.4制漿模型的多目標(biāo)優(yōu)化問(wèn)題在對(duì)球磨機(jī)電流、水煤漿濃度進(jìn)行多目標(biāo)支持分散劑流量向量機(jī)建模后,需對(duì)建立好的模型尋優(yōu),以指導(dǎo)制漿破碎機(jī)電流優(yōu)化建模過(guò)程是從輸入到輸出,而尋優(yōu)過(guò)程從輸出泵A運(yùn)行頻率到輸人,即求輸出目標(biāo)球磨機(jī)電流和水煤漿濃度綜泵A運(yùn)行電流產(chǎn)型合最優(yōu)時(shí),各輸入?yún)?shù)的值因此,制漿優(yōu)化問(wèn)題的泵B運(yùn)行頻率多目標(biāo)數(shù)學(xué)模型描述如下:I(X;, X,, at, b,圖1基于最小二乘支持向量機(jī)的制漿優(yōu)化模型max w(X, x,, a2, b2, o)Fig 1 Optimization model of coal water mixture production0z,保留z進(jìn)入下一代;如果本;E為第i個(gè)輸入變量的取值范圍;a為核參數(shù);zxz,保留z;否則根據(jù)密度信息選出密度值較小j=1,2,3,…,8;a1、a2、b1、b2分別為最小二乘支持向的個(gè)體進(jìn)化下一代量機(jī)的拉格朗日乘子和偏差量第6步重復(fù)第4、5步至產(chǎn)生新一代群體P";2多目標(biāo)微分進(jìn)化算法第7步選出P中的非劣解,如果P的規(guī)模沒(méi)有達(dá)到規(guī)定大小,那么所獲得的非劣解直接加入到微分進(jìn)化(DE)4是一種基于種群的直接全局P中;如果新非劣解支配P中個(gè)體那么將被支配優(yōu)化算法,采用實(shí)數(shù)編碼,簡(jiǎn)單而有效在眾多的單的個(gè)體從P中刪除并將新個(gè)體加入P中,否則,將目標(biāo)優(yōu)化問(wèn)題中DE比遺傳算法(GA)表現(xiàn)得更加新非劣解加入P中,并根據(jù)空間密度信息,刪除P優(yōu)異6中密度最大的個(gè)體;2.1多目標(biāo)微分進(jìn)化算法原理第8步如滿足中止條件,停止迭代,否則返回微分進(jìn)化算法有3個(gè)主要操作:變異、交又和選第4步擇°設(shè)群體規(guī)模為N,向量的維度為D,群體中的2.2決策目標(biāo)向量可以用zn=[zn1,zn2,…,zn],m=1,…,應(yīng)用多目標(biāo)微分進(jìn)化算法得到的是一組 ParetoN表示任一目標(biāo)向量zm,按式(4)生成變異向量解,這些解在不同的目標(biāo)上各占優(yōu)勢(shì).在很多情況下,決策者對(duì)目標(biāo)偏好的描述往往是模糊的,因此適z1+F(z2-z2),(4)合采用模糊集理論描述決策者的模糊偏好式中:zn、n、z2為群體中順機(jī)選擇的3個(gè)個(gè)體,且首先應(yīng)對(duì)目標(biāo)函數(shù)后構(gòu)造相應(yīng)的隸屬度函數(shù)r1≠2≠7≠m;F為放縮因子,是一個(gè)介于[0,2]間,且滿足A4=[0,1],表示第h個(gè)目標(biāo)達(dá)到最優(yōu)的常量因子的程度,μ越趨近于1,表示目標(biāo)函數(shù)f越趨近于交叉操作目的是通過(guò)變異向量v和目標(biāo)向量最優(yōu)解第h個(gè)目標(biāo)函數(shù)f用隸屬函數(shù)4表示如zn的結(jié)合以提高變異向量的多樣性算法通過(guò)下面x10公式生成新的向量un=[un1,un2,…,un]:m,如果Rb≤CR或n=R,(5),如果R5>Cg或n≠R(m=1,…,N;n=1,…,D)式中:R為[0,1間的隨機(jī)數(shù);交叉常量C為[0(0,f≥1]間的常數(shù);R,為[1,D]間隨機(jī)選擇的整數(shù)1,f≥群體規(guī)模越大,算法搜索能力越強(qiáng),但大的群體