CN119472314A 一种压载水热处理系统的时空一体化控制方法 （大连海事大学）

一种压载水热处理系统的时空一体化控制本发明公开了一种压载水热处理系统的时温度时空模型构建用于控制加热压载水温度的水热处理处理过程中的非线性特征和不确定性2S1：构造用于压载水热处理的缸套水热源多级串联S2：采集并获取等效的平推流反应器模型的时空温根据解算时间系数序列结合平推流反应器模型获取历将序列数据对按照预设比例划分数据训练集与数据对不满足预设评估指标的训练后的温度时空模型，基于反向传播法S3：根据最优温度时空模型构建用于控制加热压假定所述缸套水热源多级串联处理系统的结所述三通阀用于通过调节应用于各管式换热器的缸套水热源的流量将缸套水热源多级串联处理系统中的多级管式换热器等效为多级串联的加热器等效并将缸套水热源多级串联处理系统中对应第一个管式换热器壳程的进口位置视为加,3)表示将输征空间后的向量，且k=1,--,n；p()表示非线性映射；I,表示获取的时空温度数据且将视为一个线性算子，并根据线性算子获取求解公式的等价,,;4并通过累计贡献率计算公式，根据特征序列表获取满足预设累计阈值的前p个特征,u,表示第i时刻第j个传感器的权重向量；表示第j个传感器的空间基函数且j=l,…,p,p<n。表示等效模型即平推流反应器模型的加热器个数；表示在时刻时平推流反应器模型输出的迟滞结果。5S242：基于函数关系构建针对数据训练集的数据应的序列数据对；S243：基于Karush_Kuhn_Tucker条件，根据数据训,,,式中：表示输入数据的映射矩阵且；表示,c)的简化形式；表示单位矩阵；为s,[i,k]的简化形式，表示根据Mercer并通过将麻雀优化算法引入基于核极限学习机网络模型的时间序列辨识中确定模型S3中所述根据最优温度时空模型构建用于控制加热压载水温度的非线性预测控制器的方6,式中：表示从时刻起经过次采样后时刻的期望控制轨迹；R(.,0)表示柔化处理获取参考状态信号且.与平推流反应器并求解性能指标目标模型以获取非线性预测控制器的最优控制序7[0002]全球航运业的快速发展带来了远洋运输规模的增长，使热处理的温度控制可以精确到38℃_45℃范围，保持一定的时间后足以杀死大部分海洋生8[0005]探索压载水热处理过程的热能分布和微生物浓度变化的研究可视为分布参数系[0006]本发明提供一种压载水热处理系统的时空一体化控制方法，以克服上述技术问根据解算时间系数序列结合平推流反应器模型获取历9将序列数据对按照预设比例划分数据训练集与数据S3：根据最优温度时空模型构建用于控制加热压载水温度的非线性预测控制器，将缸套水热源多级串联处理系统中的多级管式换热器等效为多级串联的加热器并将缸套水热源多级串联处理系统中对应第一个管式换热器壳程的进口位置视获取的时空温度数据且表示第个传感器在时刻的;,,式中：表示特征;,且所述空间基函数(r)的表达式为u,表示第i时刻第j个传感器的权重向量；表示第j个传感器的空间基函数且j=l,…,p,p<n；,,式中：表d,d,分别表示平推流反应器模型的输出与输入的迟滞阶数且j=1…p；u(rz)表示在时模型即平推流反应器模型的加热器个数；表示在时刻时平推流反应器模型输出的迟滞结果；；表示核极限学习机网络输出层与隐藏,,并通过将麻雀优化算法引入基于核极限学习机网络模型的时间序列辨识中确定刻起经过次采样后时刻的期望控制轨迹；表示柔化处理获取参考状态信号且,式中：(u(.,表示与平推流反应式中：v'r)表示非线性预测控制器的最优控制序列；表示最优控制序列的元素；u'(.xn)表示在时非线性预测控制器的最优控制输入。换热器连续处理压载水的设计在节约船舱空间的同时，显著提升了主机废热的回收与利3、本发明通过基于温度数据的时空模型设计用于控制加热压载水温度的非线性将缸套水热源多级串联处理系统中的多级管式换热器等效为多级串联的加热器并将缸套水热源多级串联处理系统中对应第一个管式换热器壳程的进口位置视[0015]如图2所示，本实施例中为了避免现有的压载水热处理方法需要单独安装锅炉并成；本实施例中将船舶主机运行过程中产生的废热热传递至主机缸套水管路中的缸套水，自动调节三通阀的开度能够改变主机缸套水管路流入每个管式换热器中的流量的多级分微生物浓度的关系；本实施例中对等效的平推流反应器模型进行温度数据的采集，其中温度数据其中基于核学习的温度时空建模方法包含基于核主成分分析的时空分解过程与表示第j个传感器在时刻i的温度响应即采集的加热器等效模块的温度；T:表示第k个传感器在时刻i的温度响应；L表示总时刻;;,,上式表示为由前p个特征值对应的主分量解释的数据方差量，通过设ea为预设且所述空间基函数(r)的表达式为u,表示第i时刻第j个传感器的权重向量；表示第j个传感器的空间基函数且j=l,…,p,p<n；根据解算时间系数序列结合平推流反应器模型获取历d,d,分别表示平推流反应器模型的输出与输入的迟滞阶数且j=1…p；u(rz)表示在时模型即平推流反应器模型的加热器个数；表示在时刻时平推流反应器模型输出的迟滞结果；；表示核极限学习机网络输出层与隐藏层间的输出权对；,,并通过将麻雀优化算法引入基于核极限学习机网络模型的时间序列辨识中确定假设麻雀数量为且麻雀个体所在位置代表一组模型超参数，模型超参数参数维,其中，是第j只麻雀在第i维的位Ia为全1列向量；是最大迭代数；R,e[0,1]，Rye[0.5,1]分别其中，分别表示发现者的最佳和最差位置，L表示一个维的±1随机分布的矩阵，表示L的广义逆矩阵。当j>n/2时表示第j个加入者将移至其他区域；,式中：fio表示温度时空模型的输出响应；表示ioS3：根据最优温度时空模型构建用于控制加热压载水温度的非线性预测控制器，,式中：表示从时刻起经过,式中：(u(.,表示与平推流反应器模型输入其中对性能指标目标模型进行求解方式，采用传统常见求解方法来求解控制问式中：v'cn表示非线性预测控制器的最优控制序列；u'(.,)表示最优控制序列3、本实施例通过基于温度数据的时空模型设计用于控制加热压载水温度的非线[0018]为了验证本实施例所提出的压载水热处理系统及时空一本实施例中将引入一组无量纲的偏微分方程来描述缸套水热源多级串联处理系统的有害,,T(0,⃞)=0,M(0,x)=1，式中：T(r,x)与M(r,x)分别表示无量纲的时空温度和微生物浓度，G=Mexp(10Tj1+T)表示一个耦合项，n致压载水热处理系统中温度出现剧烈变化，进而使得出口处的某些微生物无法被完全清;时间序列辨识的核极限学习机的核函数类型均选择为径向基函数核。核主成分分析的核对应的温度数据转化为2维表示，对应两组时间序列用于随后的时间模型辨识。定义误差倍单位矩阵和0.1倍单位矩阵。,ua-0.5,AU—0.1,AU-0.1。在大约第500时刻后，[2]员锡涛,袁川,吴海波.加热_电解混合处理船舶压载水的方法[J].世界海[4]ThachND,HungPV.OptimalUVquantityforaballastwatertreatmentsystemforcompliancewithIMOstandards[J].PolishMaritimeResearch,2023,30(4):31_42.[5]MesbahiE,NormanRA,VourdachasA,etal.Designofhigh_temperaturethermalballastwatertreatmentsystem[J].ProceedingsoftheInstitutionofMechanicalEngineers,PartM:JournalofEngineeringfortheMaritimeEnvironment,2007,221(1):31_42.[7]LiHX,QiC.Modelingofdistributedparametersystemsforapplications_Asynthesizedreviewfromtime_