專利名稱：基于群決策檢索策略的多目標評價優化方法
技術領域：
本發明涉及一種多目標評價優化方法，特別涉及一種冶金行業豎爐焙燒過程控制領域的基于群決策檢索策略的多目標評價優化方法。技術背景
在工業過程控制領域，由于被控對象往往具有多變量、強耦合、強非線性特點，不易實現生產指標的優化控制，導致經濟效益低下，對此起決定性作用是關鍵被控變量的合理操作值不易獲得。監督控制的應用促進了工業生產過程關鍵被控變量的設定方法研究， 其研究目標是通過合理的設定值來保證生產指標的優化實現，即所謂的優化設定問題，實質上就是根據過程變量的實時變化和各種生產指標的要求建立優化設定模型，目前，國內外產業界對這個問題都非常重視。
設定方法及建模的研究是一門綜合性技術，需要考慮諸多內因及外因。在其發展過程中，機理分析法和智能設定法占據著主導地位。例如，從對象的機理模型出發，Munoz C等人針對采礦過程提出了經濟優化策略，用全局經濟目標的優化來決定回路控制層的設定點，類似的還有后來Komareji M等人的工作，但對于動態參數的不確定性比較敏感，為了解決這個問題，Saez等人依據預測控制原理，設計了熱電廠汽輪機的預測型監督控制器，滾動優化目標函數，對設定值進行在線調整。由于過程往往表現出多變量強耦合、強非線性、 工況變化頻繁等復雜特性，難以建立其準確的數學模型，上述的優化設定方法在某些場合還需改進。目前，借助于智能控制策略來實現優化設定任務是控制領域的一個研究熱點，例如，針對加熱爐在不同操作點的爐溫設定問題，目前有引進專家的設定推理規則來保證爐溫的優化設定，也可利用模糊IF-THEN規則，得到了過程的優化設定值。為了克服專家知識獲取困難的問題，利用經驗案例進行推理設定的方法也得到了關注。案例推理是人工智能領域中新興的一種新的推理技術，適用于未完全形式化、信息不完全及經驗知識占主導地位的領域，其推理過程主要包括案例檢索，案例修正，案例重用，案例存儲四個過程，在智能決策與控制、問題求解等領域有著成功的應用。然而，將案例推理方法應用于關鍵被控變量的優化設定過程中時，其中的核心技術-案例推理的檢索環節一直存在著檢索精度低的缺陷，究其原因是案例特征屬性的權重不易獲得。確定權重的方法主要有主觀法和客觀法， 主觀分析常用的定權方法有專家咨詢法、調查統計法、無差異折衷法、相關分析法等，也包括應用較為廣泛的層次分析法。在上述方法中，前三種方法一般是獲取領域專家的先驗知識，然后采用相應的方法確定各案例各屬性的權重值；相關分析法則是一種基于數學統計的方法，相對于前三種雖有一定的進步，但主觀性仍然較強，所以從總體來看，包括層次分析法在內的這些傳統的主觀分析確定案例特征屬性權重的方法過分依賴于主觀判斷和經驗，無疑會給相似案例檢索的準確性造成影響。于是，客觀分析法對權重進行優化的方法也相繼提出。目前，客觀法優化權重的方法有遺傳算法、粗糙集、神經網絡、模擬退火算法、 主元分析法等，在案例推理與其它優化方法的結合方面作出了可貴的探索，但這些方法都存在著自身固有的一些缺陷，比如神經網絡的結構很難有一個標準；遺傳算法容易陷入局部極小；基于粗糙集的案例屬性權重的分配方法雖具有一定的客觀性，但由于粗糙集中屬性離散化一直是一個難點，多少會影響其推廣使用的效果。所以，這些客觀分析法在通用性上很難分出孰優孰劣。綜合上述的主觀法和客觀法，案例各屬性的權重一旦確定，將不再更改，帶來的問題也是非常明顯，比如，案例庫歷史記錄的總數是不斷積累而大幅增長的，這有可能改變案例庫的內在特性，從而要求權重能夠進行自調整以保證問題求解過程的正確推理，而固定不變的權重卻使得機器的學習能力明顯不足。
上述的機理設定法和智能設定法相比設定值不變的控制策略而言已經具有很大的優越性。但不論是機理法設定，還是通過智能法進行設定，在控制過程中，為了保證設定值的合理性，仍然是通過生產指標的實際控制效果對那些不合理的設定值進行補償校正， 而生產指標的分析、測量過程往往費時費力，從控制的角度來講，這種設定過程具有大滯后特性，實時效果很不理想，導致生產指標難以優化實現。雖然也有將以上各種方法混合的示范，但是其中的核心問題-如何能夠實時地優化設定值仍然是尚未完成的任務。
可見，應用案例推理方法時，首先要解決案例屬性權重的分配問題；設定模型在線運行時，需要解決設定值是否合理的評價問題，這些問題不解決，設定值的合理性就得不到保證，不利于眾多生產指標，比如能耗、質量、產量等的優化實現。發明內容
本發明的目的在于，提供一種基于群決策檢索策略的多目標評價優化方法，在遺傳算法得到多組權重的基礎上，將每一組權重看成一個決策專家，然后，綜合各個專家的決策知識，利用群基數效用函數的構造思想對檢索結果進行優化決策，從而提高多目標優化設定值的精度。
本發明是采用以下技術手段實現的
一種基于群決策檢索策略的多目標評價優化方法，其特征在于，基于設定值的多目標評價結構，案例推理的設定模型根據被控系統發送的過程信息，給出當前狀況下的控制回路設定值，經由系統模型運算后，仿真輸出產品質量、產量以及能耗，由此進入到設定值的評價環節；將產品質量、產量以及能耗與期望的目標值進行比較，如果誤差均在容許的范圍內，則將案例推理的結果作為當前的控制回路設定值參與到控制中，如果任一個指標的誤差超出容許的范圍，則由基于專家規則的補償模型輸出設定值的補償校正值，經補償校正后的設定值再次由系統模型進行運算，直至誤差均在容許的范圍內，則將補償校正后的設定值作為控制回路的設定值參與到被控系統的過程控制。
對于被控系統的過程控制用下面的非線性式子進行描述
(Y1, Y2, y3) = f (x1 x2, A，Xn)
其中，yi、y2以及y3分別表示產品質量、產量以及能耗，屬于被控變量的范疇; X1,…，^分別表示對生產指標具有決定性影響的η個變量，即各控制回路的設定值；假設為合理設置，則yi、y2以及y3能控制在期望的目標范圍內。包括以下步驟
步驟1:定義編碼函數；
染色體采用二進制編碼，每條染色體由基因鏈組成，對應一組案例屬性權重矢量， 每個基因表示一個屬性的權重，基因鏈長度由案例屬性個數決定。
步驟2 對歷史案例集，利用遺傳算法對權重隨機賦值；
步驟3 解碼后進行案例檢索；
由染色體解碼成案例屬性權重的計算公式為
權利要求
1. 一種基于群決策檢索策略的多目標評價優化方法，其特征在于，基于設定值的多目標評價結構，案例推理的設定模型根據被控系統發送的過程信息Z，給出當前狀況下的控制回路設定值X1 Χη，經由系統模型運算后，仿真輸出產品質量yi、產量y2以及能耗y3，由此進入到設定值的評價環節；將產品質量Y1、產量y2以及能耗％與期望的目標值ysl、ys2以及 ys3進行比較，如果誤差ei ％均在容許的范圍內，則將X1 ι作為當前的控制回路設定值參與到控制中，如果任一個指標的誤差超出容許的范圍，則由基于專家規則的補償模型輸出設定值的補償校正值Δ& Δ &，經補償校正后的設定值& Xn再次由系統模型進行運算，直至誤差ei ％均在容許的范圍內，則將\ Xn作為控制回路的設定值參與到被控系統的過程控制；對于被控系統的過程控制用下面的非線性式子進行描述 (yi，y2' y3) = f (χ” χ2，Λ，χη)其中，y”y2以及y3分別表示產品質量、產量以及能耗，屬于被控變量的范疇；分別表示對生產指標具有決定性影響的η個變量，即各控制回路的設定值；假設為合理設置，則yi、y2 以及y3能控制在期望的目標范圍內；包括以下步驟步驟1 對歷史案例集，利用遺傳算法對權重隨機賦值，并用以下公式解碼； 記測試案例集中的設定解為χ/ ,χ2' , L, xn'，定義如下的適應度函數
全文摘要
本發明公開了一種基于群決策檢索策略的多目標評價優化方法以及針對優化計算設定值的多目標評價結構，包括定義編碼函數；初始化權重隨機賦值；解碼后進行案例檢索；計算個體適應度；精度是否滿足要求(若滿足，輸出優化權重；否則，重新進行案例檢索)；由群決策得到最終權重；計算案例相似度，得到新的檢索結果；是否有新的案例待檢索；計算產品質量、產量和單位時間的能耗指標；對設定值進行評價；判斷是否對設定值進行補償校正；輸出最終設定值。本發明應用于冶金行業豎爐焙燒過程控制中，可以實現設定值的合理性評價，焙燒礦質量提高2％，產量提高4％，能耗降低5％。優化實現生產指標的目標值，提高了焙燒礦的質量，降低了生產過程中的煤氣消耗，達到了節能降耗的目的。
文檔編號G05B13/00GK102540879SQ201110447860
公開日2012年7月4日 申請日期2011年12月28日 優先權日2011年12月28日
發明者嚴愛軍, 盧園園, 張春曉 申請人:北京工業大學