阅读说明：本技术 一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统 (Heating furnace intelligent combustion control system based on artificial neural network soft measurement technology ) 是由 高建 杨志 刘立国 于 2019-09-16 设计创作，主要内容包括：本发明公开了一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统,包括燃料气输入和燃料气在线热值仪,所述燃料气输入的相应变量输出端为燃料气在线热值仪,所述燃料气在线热值仪的输出端设置有两组,所述燃料气在线热值仪的一组输出端为燃料气热值软测量模块,所述燃料气在线热值仪的另一组输出端为燃料气状态检测模块,所述燃料气状态检测模块的输出端为燃料气热值软测量模块,所述燃料气热值软测量模块的输出端为温度控制系统,所述温度控制系统的输出端为热值前馈模块,解决燃料气热值变化干扰对炉内温度的影响,且该控制方法无需通过人工进行介入,可自主进行精确调节,更加智能化,实用性俱佳。(The invention discloses a heating furnace intelligent combustion control system based on artificial neural network soft measurement technology, which comprises a fuel gas input and a fuel gas online heat value meter, wherein the corresponding variable output ends of the fuel gas input are the fuel gas online heat value meters, two groups of output ends of the fuel gas online heat value meters are arranged, one group of output ends of the fuel gas online heat value meters are fuel gas heat value soft measurement modules, the other group of output ends of the fuel gas online heat value meters are fuel gas state detection modules, the output end of the fuel gas state detection module is a fuel gas heat value soft measurement module, the output end of the fuel gas heat value soft measurement module is a temperature control system, the output end of the temperature control system is a heat value feedforward module, the influence of fuel gas heat value change interference on the temperature in a furnace is solved, and the control method does not need manual intervention, can independently carry out accurate regulation, it is more intelligent, the practicality is all good.)

一种基于人工神经网络软测量技术的加热炉智能燃烧控制 系统

技术领域

本发明属于石化设备相关技术领域，具体涉及一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统。

背景技术

加热炉在生产过程中使用的燃气的混合比例如果发生变化，混合燃气的热值亦随之变化，并且无法提前预知，目前操作人员一般通过空气流量、炉内温度、烟气温度等间接参数判断燃气热值已经发生变化，然后再根据经验调整空燃比，这样的调整及时性较差，会导致氧化烧损增加，加热质量下降，容易造成大气污染。

现有的加热炉智能燃烧控制系统技术存在以下问题：目前国内对于加热炉燃烧这种大滞后控制系统，主要的控制方法包括了PID调节器控制、斯密斯预估补偿、模糊逻辑控制、PI参数自学习和模糊温度控制相结合的双交叉限幅控制方法等，上述方法普遍存在着温度控制的精度不高、波动大、系统的响应时间慢等问题。

发明内容

本发明的目的在于提供一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，以解决上述背景技术中提出的目前国内对于加热炉燃烧这种大滞后控制系统，主要的控制方法包括了PID调节器控制、斯密斯预估补偿、模糊逻辑控制、PI参数自学习和模糊温度控制相结合的双交叉限幅控制方法等，上述方法普遍存在着温度控制的精度不高、波动大、系统的响应时间慢等问题。

为实现上述目的，本发明提供如下技术方案：

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气输入和燃料气在线热值仪，所述燃料气输入的相应变量输出端为燃料气在线热值仪，所述燃料气在线热值仪的输出端设置有两组，所述燃料气在线热值仪的一组输出端为燃料气热值软测量模块，所述燃料气在线热值仪的另一组输出端为燃料气状态检测模块，所述燃料气状态检测模块的输出端为燃料气热值软测量模块，所述燃料气热值软测量模块的输出端为温度控制系统，所述温度控制系统的输出端为热值前馈模块，所述热值前馈模块的输出端为炉内温度控制模块，所述炉内温度控制模块的输出端为炉内温度调控。

优选的，所述燃料气输入包括燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度，所述燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度均为燃料气在线热值仪所测量的燃料气变量值，所述燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度的变量出现改变时相应的燃料气在线热值仪输出量会发生变化。

优选的，所述燃料气热值软测量模块包括人工神经网络，所述燃料气热值软测量模块基于人工神经网络，所述燃料气热值软测量模块可构建与燃料气热值相关的辅助变量和燃料气热值输出训练样本，所述燃料气热值软测量模块对人工神经网络的权值参数进行自适应学习，所述燃料气热值软测量模块的目标使人工神经网络输出逼近热值仪输出，所述燃料气热值软测量模块通过测试样本检验人工神经网络模型的对热值变化的预测性能。

优选的，所述燃料气状态检测模块包括测量干扰、数据缺损和数据跳变，所述燃料气状态检测模块可根据燃料气在线热值仪输出数据的特点来对分析仪输出的测量干扰、数据缺损和数据跳变进行处理并去除粗差数据，所述燃料气状态检测模块连接燃料气热值软测量模块用正常数据对燃料气热值软测量模块进行实时校正。

优选的，所述燃料气在线热值仪、燃料气状态检测模块和燃料气热值软测量模块组成的流程结构为智能化学习流程，所述燃料气热值软测量模块可综合燃料气在线热值仪和燃料气状态检测模块所产生的各种数据进行模拟输出变量。

优选的，所述燃料气热值软测量模块得出相应的变量进行输出后温度控制系统可将变量通过热值前馈模块进行处理。

优选的，所述热值前馈模块对校正后的燃料气热值输出进行时间序列匹配，所述热值前馈模块在时间匹配后可使热值变化和炉内温度变化时序一致，所述热值前馈模块可根炉内温度的影响幅度来设置放大系数的数值。

优选的，所述热值前馈模块、炉内温度控制模块和炉内温度调控为时间差相匹配流程，所述热值前馈模块、炉内温度控制模块和炉内温度调控的介入可密闭时间差所带来的热值差。

优选的，燃料气输入、燃料气在线热值仪、燃料气热值软测量模块、温度控制系统、热值前馈模块、炉内温度控制模块、炉内温度调控和燃料气状态检测模块组成的智能系统无需人工介入即可自动化进行调控。

与现有技术相比，本发明提供了一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，具备以下有益效果：

提出了一种基于人工神经网络软测量技术的智能燃烧控制方法，采用了燃料气热值人工神经网络软测量技术，解决在线热值仪输出的时间滞后问题，采用了燃料气热值前馈控制技术，解决燃料气热值变化干扰对炉内温度的影响，且该控制方法无需通过人工进行介入，可自主进行精确调节，更加智能化，实用性俱佳。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：

图1为本发明提出的一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统中整体流程的结构示意图；

图2为本发明提出的一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统中燃料气热值软测量系统的流程结构示意图；

图3为本发明提出的一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统中温度控制系统的流程结构示意图；

图中：1、燃料气输入；2、燃料气在线热值仪；3、燃料气热值软测量模块；4、温度控制系统；5、热值前馈模块；6、炉内温度控制模块；7、炉内温度调控；8、燃料气状态检测模块；11、燃料气混合度；12、燃料气成分；13、燃料气流速；14、燃料气系统压力；15、燃料气温度；31、人工神经网络；81、测量干扰；82、数据缺损；83、数据跳变。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统技术方案：

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气输入1和燃料气在线热值仪2，燃料气输入1的相应变量输出端为燃料气在线热值仪2，燃料气输入1包括燃料气混合度11、燃料气成分12、燃料气流速13、燃料气系统压力14和燃料气温度15，燃料气混合度11、燃料气成分12、燃料气流速13、燃料气系统压力14和燃料气温度15均为燃料气在线热值仪2所测量的燃料气变量值，燃料气混合度11、燃料气成分12、燃料气流速13、燃料气系统压力14和燃料气温度15的变量出现改变时相应的燃料气在线热值仪2输出量会发生变化。

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气在线热值仪2的输出端设置有两组，燃料气在线热值仪2的一组输出端为燃料气热值软测量模块3，燃料气热值软测量模块3包括人工神经网络31，燃料气热值软测量模块3基于人工神经网络31，燃料气热值软测量模块3可构建与燃料气热值相关的辅助变量和燃料气热值输出训练样本，燃料气热值软测量模块3对人工神经网络31的权值参数进行自适应学习，燃料气热值软测量模块3的目标使人工神经网络31输出逼近热值仪输出，燃料气热值软测量模块3通过测试样本检验人工神经网络31模型的对热值变化的预测性能，燃料气在线热值仪2、燃料气状态检测模块8和燃料气热值软测量模块3组成的流程结构为智能化学习流程，燃料气热值软测量模块3可综合燃料气在线热值仪2和燃料气状态检测模块8所产生的各种数据进行模拟输出变量。

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气在线热值仪2的另一组输出端为燃料气状态检测模块8，燃料气状态检测模块8的输出端为燃料气热值软测量模块3，燃料气状态检测模块8包括测量干扰81、数据缺损82和数据跳变83，燃料气状态检测模块8可根据燃料气在线热值仪2输出数据的特点来对分析仪输出的测量干扰81、数据缺损82和数据跳变83进行处理并去除粗差数据，燃料气状态检测模块8连接燃料气热值软测量模块3用正常数据对燃料气热值软测量模块3进行实时校正。

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气热值软测量模块3的输出端为温度控制系统4，温度控制系统4的输出端为热值前馈模块5，燃料气热值软测量模块3得出相应的变量进行输出后温度控制系统4可将变量通过热值前馈模块5进行处理，热值前馈模块5对校正后的燃料气热值输出进行时间序列匹配，热值前馈模块5在时间匹配后可使热值变化和炉内温度变化时序一致，热值前馈模块5可根炉内温度的影响幅度来设置放大系数的数值。

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括热值前馈模块5的输出端为炉内温度控制模块6，炉内温度控制模块6的输出端为炉内温度调控7，热值前馈模块5、炉内温度控制模块6和炉内温度调控7为时间差相匹配流程，热值前馈模块5、炉内温度控制模块6和炉内温度调控7的介入可密闭时间差所带来的热值差，燃料气输入1、燃料气在线热值仪2、燃料气热值软测量模块3、温度控制系统4、热值前馈模块5、炉内温度控制模块6、炉内温度调控7和燃料气状态检测模块8组成的智能系统无需人工介入即可自动化进行调控。

本发明的工作原理及使用流程：本发明安装好过后，燃料气混合度11、燃料气成分12、燃料气流速13、燃料气系统压力14和燃料气温度15形成燃料气输入1变量通过燃料气在线热值仪2进行检测，检测后分析变量与燃料气热值信息的灵敏度，其后，通过构建底部燃料气热值软测量模型，根据影响燃料气热值的辅助变量实时计算燃料气热值变化，同时构建燃料气热值软测量模块3在线校正系统，利用燃料气在线热值仪2的输出校正软测量模型输出，与此同时，燃料气热值软测量模块3基于人工神经网络31，构建与燃料气热值相关的辅助变量和燃料气在线热值仪2训练样本，对人工神经网络31的权值参数进行自适应学习，目标使人工神经网络31输出逼近热值仪输出，训练完成后，通过测试样本检验人工神经网络31模型的对热值变化的预测性能，预测的过程中，测量干扰81、数据缺损82和数据跳变83等变量通过燃料气状态检测模块8进行处理，处理后去除粗差数据，用正常数据对热值软测量输出进行实时校正，校正后的变量通过温度控制系统4中的数据一致性校正技术与神经网络，在线估计出燃料气热值，进而实现炉内温度热值前馈实时推断控制，控制的过程中，热值前馈模块5对校正后的燃料气热值输出进行时间序列匹配，使热值变化和炉内温度变化时序一致，同时根据其对炉内温度的影响幅度，设置放大系数的数值，其后通过炉内温度控制模块6和炉内温度调控7对炉内温度进行稳定控制。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。