[发明专利]基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法

权利要求书

1.一种基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法，其特征在于：所述方法内容包括以下步骤：

步骤1，确定分解炉温度控制策略；

通过对分解炉工艺的分析与现场经验总结，分析与分解炉出口温度相关量，确定分解炉出口温度控制策略；以分解炉出口实际温度与设定温度的偏差和偏差变化率为输入，分解炉喂煤增量为输出，设计两输入一输出的模糊控制器来实现分解炉温度的调节；

步骤2，数据采集及论域确定；

OPC服务器对现场DCS系统中的数据进行采集，并存储到数据库中，通过查询工业现场数据库方法，采集分解炉运行时的数据；当分解炉喂煤量发生变化时说明此情况下分解炉出口温度需要调节，根据此条件和3σ准则进行剔除；剔除后确定分解炉温度偏差、偏差变化率以及分解炉喂煤增量的论域范围；

步骤3，基于BFCM算法的样本数据处理；

在得到样本数据的基础上，应用BFCM算法对样本数据进行聚类，确定样本数据的信任度；

步骤4，基于加入信任度iWM方法的规则提取；

在iWM方法提取规则的过程中加入得到的样本信任度，通过所有样本数据参与选举的方式得到准确性高，鲁棒性好的完备模糊规则库；

步骤5，基于规则建立模糊控制器，实现温度控制；

采用高斯模糊化、乘积推理机、中心平均反模糊化的方法，根据BFCM-iWM方法提取到的规则构造分解炉喂煤量的模糊控制器。

2.根据权利要求1所述的基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法，其特征在于：在步骤2中，所述3σ准则的表达式为：

式中，n代表数据的个数，x_i是数据中的第i个数据量，为n个数据的数学期望值。

3.根据权利要求1所述的基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法，其特征在于：在步骤3中，所述应用BFCM聚类方法对样本数据进行聚类，确定样本数据的信任度；其具体内容为：

设样本集x分为c类，则每一类可以用一个c×N的矩阵来表示，每一类的情况如式(2)表示：

式中，c代表类别个数，N代表样本数据个数，u_ij是x_i属于第j类的隶属度值；

E_i来描述每条数据隶属度u_ij的熵如式(3)表示：

x_i的信任度bel_i如式(4)表示：

BFCM聚类算法的目标函数如式(5)：

式中，m表示隶属度的权值系数，u_ij是x_i属于类别j的隶属度值，d(x_i,v_j)是数据x_i和聚类中心v_j的距离；聚类中心v_j更新为：

样本数据的隶属度计算为：

式中，b表示的是迭代次数；

确定样本数据的信任度，其具体步骤为：

Step1：初始化；设定聚类中心个数c，模糊矩阵权值m，迭代终止值ε，最大迭代次数b_max；

Step2：按(3)式和(4)式更新信任度，按(6)式，使用隶属度矩阵U^(b)更新模糊聚类中心；

Step3：按照(7)式，根据聚类中心V^(b)更新隶属度矩阵U^(b+1)；

Step4：如果||U^(b+1)-U^(b)||≤ε，迭代终止，同时获得此时的聚类中心V和模糊隶属度矩阵U；否则，令b＝b+1,U^(b+1)＝U^(b)，返回到Step2；这里u_ij代表x_i属于j类的程度，bel_i是x_i的信任度。