基于DTCN-KELM的制糖过程建模与优化_蒙艳玫.pdf

第4 8卷 第3期2 0 2 3年6月 广西大学学报(自然科学版)J o u r n a l o fG u a n g x iU n i v e r s i t y(N a t u r a lS c i e n c eE d i t i o n)V o l.4 8N o.3J u n.2 0 2 3 收稿日期:2 0 2 2-1 2-2 6;修订日期:2 0 2 3-0 4-2 5 基金资助:国家自然科学基金项目(6 1 7 6 3 0 0 1)通讯作者:蒙艳玫(1 9 6 3),女,广西南宁人,广西大学教授,博士生导师,博士;E-m a i l:g x u_m e n g y u n 1 6 3.c o m。引文格式:蒙艳玫,李济钦.基于D T C NK E LM的制糖过程建模与优化J.广西大学学报(自然科学版),2 0 2 3,4 8(3):5 7 9-5 9 3.D O I:1 0.1 3 6 2 4/j.c n k i.i s s n.1 0 0 1-7 4 4 5.2 0 2 3.0 5 7 9基于D T C NK E LM的制糖过程建模与优化蒙艳玫*,李济钦(广西大学 机械工程学院,广西 南宁5 3 0 0 0 4)摘要:吨蔗能耗和蔗糖色值是制糖过程中两个重要的工艺指标,然而目前这两个指标均无法在线获取。此外,当生产状况发生变化时,依靠人工经验进行参数设定难以获得稳定的生产质量。为了解决这两个问题,提出一种融合深度时间卷积网络和核极限学习机的数据驱动建模方法,实现了2个工艺指标的在线预测。此外,在数据驱动模型的基础上,构建了工艺指标优化模型,并采用改进的麻雀搜索算法进行迭代计算,实现了2个工艺指标的优化。计算实验结果表明:所提出模型的预测可决系数均超过0.9,并与其他4种模型相比具有更高的预测精度。此外,通过求解工艺指标优化模型,优化后的吨蔗能耗降低了1.4 7%,蔗糖色值降低了2.5 7%,2个指标得到了较大的改善。关键词:制糖;数据驱动建模;深度时间卷积网络;核极限学习机;改进的麻雀搜索算法中图分类号:T P 3 9 1.9 文献标识码:A 文章编号:1 0 0 1-7 4 4 5(2 0 2 3)0 3-0 5 7 9-1 5M o d e l i n ga n do p t i m i z a t i o no f s u g a rp r o d u c t i o np r o c e s sb a s e do nD T C NK E LMME N GY a n m e i*,L I J i q i n(S c h o o l o fM e c h a n i c a lE n g i n e e r i n g,G u a n g x iU n i v e r s i t y,N a n n i n g5 3 0 0 0 4,C h i n a)A b s t r a c t:E n e r g y c o n s u m p t i o n p e rt o n o fs u g a r c a n ea n d s u c r o s ec o l o rv a l u ea r et w oi m p o r t a n tp r o c e s si n d i c a t o r si ns u g a rp r o d u c t i o n.U n f o r t u n a t e l y,t h e s ei n d i c a t o r sa r en o tc u r r e n t l ya v a i l a b l ei nr e a l-t i m e.A d d i t i o n a l l y,r e l y i n go n m a n u a le x p e r i e n c ef o rp a r a m e t e rs e t t i n g sm a k e si td i f f i c u l tt oa c h i e v es t a b l ep r o d u c t i o nq u a l i t yw h e np r o d u c t i o nc o n d i t i o n sc h a n g e.T oa d d r e s st h e s ei s s u e s,ad a t a-d r i v e n m o d e l i n ga p p r o a c hi sp r o p o s e d,w h i c hi n t e g r a t e sd e e pt e m p o r a lc o n v o l u t i o n a ln e t w o r ka n dk e r n e le x t r e m el e a r n i n g m a c h i n et oe n a b l eo n l i n ep r e d i c t i o no ft h et w op r o c e s si n d i c a t o r s.A d d i t i o n a l l y,ap r o c e s si n d i c a t o ro p t i m i z a t i o nm o d e l i sc o n s t r u c t e db a s e do nt h ed a t a-d r i v e nm o d e l,a n da n i m p r o v e ds p a r r o ws e a r c ha l g o r i t h m i s e m p l o y e d f o ri t e r a t i v e c o m p u t a t i o n t o o p t i m i z et h et w o p r o c e s si n d i c a t o r s.T h ec o m p u t a t i o n a l e x p e r i m e n t a l r e s u l t sd e m o n s t r a t e t h a t t h ep r o p o s e dm o d e l h a sc o e f f i c i e n t so fd e t e r m i n a t i o n e x c e e d i n g0.9 a n d o u t p e r f o r m st h eo t h e rf o u r m o d e l si n广西大学学报(自然科学版)第4 8卷p r e d i c t i o na c c u r a c y.M o r e o v e r,b ys o l v i n gt h ep r o c e s si n d i c a t o ro p t i m i z a t i o n m o d e l,t h ee n e r g yc o n s u m p t i o np e rt o no fs u g a r c a n ei sr e d u c e db y1.4 7%a n dt h ec o l o rv a l u eo fs u g a r c a n e i s r e d u c e db y2.5 7%,a c h i e v i n gs i g n i f i c a n t i m p r o v e m e n t s i nb o t h i n d i c a t o r s.K e yw o r d s:s u g a rp r o d u c t i o n;d a t a-d r i v e nm o d e l i n g;d e e pt e m p o r a lc o n v o l u t i o n a ln e t w o r k;k e r n e l e x t r e m e l e a r n i n gm a c h i n e;i m p r o v e ds p a r r o ws e a r c ha l g o r i t h m0 引言蔗糖生产主要包含了压榨、蔗汁澄清、蒸发浓缩、煮糖结晶等4个步骤。对于整个生产过程来说,吨蔗能耗(统称能耗)和蔗糖色值(统称色值)是衡量制糖生产效益的2个重要指标,如何优化这2个工艺指标是提高企业生产效益的关键。由于制糖系统是一个非线性、强耦合、大迟滞的复杂系统,这些指标不能通过传感器直接测量或统计,只能通过后期统计或实验室化验的离线方式获取,导致指导现场的工艺指标具有严重的滞后性,缺乏指导生产的作用,因此,研究一种建模与优化方法对制糖过程的优化控制具有重要意义。在制糖系统的建模方法研究中,许多学者从压榨1-2、澄清3、结晶4-53个局部生产过程进行了机制研究,李冰等6采用有限元方法对压榨过程进行流固耦合分析,为甘蔗压榨过程的运行优化提供了参考依据。Q i u等7提出了一种拉格朗日 欧拉算法,模拟了甘蔗的动态压榨过程。J o u r a n i等8采用因子分析法研究了磷酸钙沉淀的动力学,解释了蔗汁澄清中磷酸钙的生长机理。B o l a o s-R e y n o s o等9构建了蔗糖结晶过程的热力学方程,描述了蔗糖结晶过程成核和生长的动态行为。这些局部的机制研究为制糖生产过程建模提供了良好的理论支撑,然而,制糖过程是一个包含复杂物理化学变化的生产过程,建立局部的机制模型往往难以描述整个制糖过程的状态变化。由于局部机制建模的局限性,因此越来越多的学者将研究工作投向于基于数据驱动的建模方法,广泛采用人工神经网络1 0、广义动态模糊神经网络1 1和双支持向量机1 2等算法,实现了制糖各个局部工段关键参数的软测量。M e n g等1 3构建了一种基于深度核极限学习机的数据驱动模型,将其用于甘蔗压榨过程中抽出率和能耗的预测。吴建范等1 4构建了基于核极限学习机的结晶过程预测模型,并引入粒子群算法对参数进行优化,为蔗糖结晶自动控制提供了重要参考。M e n g等1 5构建了一种基于最小二乘支持向量回归机和粒子群优化的数据驱动模型,实现了蔗糖结晶过程晶体尺寸参数的估计。上述基于数据驱动的建模方法能有效解决制糖局部工段关键参数软测量的问题,然而,这些数据驱动模型大多数是制糖过程的局部模型,并不适用于整个制糖过程的数据驱动建模。同时,对于整个制糖生产过程来说,参数的时变延迟可能导致模型的输入没有物理意义,最终导致模型泛化性能差甚至失效,因此,模型的构建必须考虑参数时变延迟对预测结果的影响,以保证模型具有良好的预测精度。目前,一种时间卷积网络模型成为解决时变延迟的新方法。该模型被广泛应用于电力负荷预测1 6、风力发电1 7以及交通流量预测1 8等一系列具有时间特性的任务中。由于融合了卷积神经网络的特征处理能力和循环神经网络的时序建模能力,时间卷积网络在解决具有时序相关特征的问题上具有显著的优势,具有因果卷积、扩张卷积和残差结构的深度时间卷积网络能够提取更长的时序信息。此外,实际的生产过程对模型的实时性提出了更高的要求,核极限学习机作为一种单层前馈神经网络,与传统神经网络不同,它不需要调整隐藏层参数,因此具有更快的学习速度,将有效缩短模型的训练时间。最后,麻雀搜索算法作为一种新的群体智能算法获得了更多的关注,与其他优化算法相比,麻雀搜索算法具有收敛速度快、优化能力强等特点,但也存在容易陷入局部最优的问题。为了克服这个问题,有学者通过改进麻雀搜索算法来提高算法的求解能力和稳定性,并将该算法用于优化支持向量机1 9、深度信念网络2 0、随机配置网络2 1等模型的超参数。基于上述分析,为了解决制糖系统中的建模与优化问题,本文提出一种基于深度时间卷积网络和核085第3期蒙艳玫,等:基于D T C NK E LM的制糖过程建模与优化极限学习机的数据驱动建模方法。首先,通过分析历史数据,确定了影响能耗和色值的1 3个生产过程参数,将这