- 相關(guān)推薦
焦?fàn)t集氣管壓力模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)
摘要：針對(duì)焦?fàn)t集氣管壓力這類多變量非線性系統(tǒng)，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能協(xié)調(diào)控制方案。應(yīng)用遺傳算法對(duì)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行優(yōu)化，并采用PLC的邏輯梯形圖語言編程實(shí)現(xiàn)智能協(xié)調(diào)運(yùn)算。工程應(yīng)用表明了系統(tǒng)設(shè)計(jì)的有效性。焦?fàn)t集氣管壓力控制是焦?fàn)t控制的關(guān)鍵之一。壓力大時(shí)焦?fàn)t冒煙嚴(yán)重，近距離不能看清設(shè)備，大量焦?fàn)t媒氣進(jìn)入空氣中，污染環(huán)境；壓力小時(shí)空氣吸入嚴(yán)重，影響焦?fàn)t壽命和焦?fàn)t煤氣質(zhì)量。因此，采用先進(jìn)控制手段，對(duì)焦?fàn)t焦氣管壓力進(jìn)行長期穩(wěn)定控制，對(duì)于改善環(huán)境、提高煤氣回收量和質(zhì)量、提高焦?fàn)t輔助產(chǎn)品產(chǎn)量和質(zhì)量，具有重要的意義。焦?fàn)t集氣管控制系統(tǒng)的主要問題有：
（1）焦?fàn)t集氣管壓力系統(tǒng)是一個(gè)耦合嚴(yán)重、具有嚴(yán)重非線性、時(shí)變特性、擾動(dòng)變化激烈的多變量系統(tǒng)，一般的PID調(diào)節(jié)很難滿足要求。
（2）當(dāng)媒質(zhì)較好、鼓風(fēng)機(jī)后媒氣負(fù)荷穩(wěn)定時(shí)，
自動(dòng)控制效果較好；當(dāng)媒質(zhì)較差、鼓風(fēng)機(jī)后壓力變化大時(shí)，常常出現(xiàn)振蕩現(xiàn)象，迫使系統(tǒng)無法投入自動(dòng)控制。
（3）作為控制機(jī)構(gòu)之一的鼓風(fēng)閘閥存在嚴(yán)重的非線性、滯后大，常規(guī)伺服放大器加執(zhí)行結(jié)構(gòu)很難適應(yīng)。
近年來，神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)和遺傳算法已成為智能計(jì)算的三大信息科學(xué)，是智能控制領(lǐng)域的三個(gè)重要基礎(chǔ)工具，將三者有機(jī)地結(jié)合起來，取長補(bǔ)短，不僅在理論上顯示出誘人的前景，在實(shí)際應(yīng)用也取得了突破。本系統(tǒng)采用一種基于遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)的智能模糊控制器，實(shí)現(xiàn)了模糊規(guī)則的在線修改和隸屬函數(shù)的自動(dòng)更新，使模糊控制具有自學(xué)習(xí)和自適應(yīng)能力。本文將系統(tǒng)的硬件高可靠性、軟件靈活性與現(xiàn)代智能控制相結(jié)合，在分析控制對(duì)象的基礎(chǔ)上采智能協(xié)調(diào)解耦控制方案，應(yīng)用PLC的邏輯梯形圖語言編程實(shí)現(xiàn)，保證了集氣管壓力穩(wěn)定在工藝要求范圍內(nèi)。
1 工藝簡介
圖1是焦?fàn)t集氣管系統(tǒng)的結(jié)構(gòu)。焦?fàn)t媒氣從各炭化室通過上升管時(shí)被循環(huán)氨氣冷卻到80～90℃，然后進(jìn)入集氣管。焦?fàn)t某氣從焦?fàn)t到初冷器分為兩個(gè)吸氣系統(tǒng)，即1號(hào)和2號(hào)焦?fàn)t為一個(gè)系統(tǒng)，3號(hào)焦?fàn)t為一個(gè)系統(tǒng)。1號(hào)和2號(hào)焦?fàn)t的煤氣從各自的集氣管進(jìn)入共用吸氣管后，在初冷器前與3號(hào)焦?fàn)t的煤氣會(huì)合后進(jìn)入初冷器。通過初冷器被冷卻到35～40℃，然后由鼓風(fēng)機(jī)送往下道工序。
2 系統(tǒng)硬件結(jié)構(gòu)及系統(tǒng)功能
焦?fàn)t集氣管壓力控制系統(tǒng)采用高可靠性的兩級(jí)計(jì)算機(jī)集散控制系統(tǒng)，由監(jiān)控、控制器和通訊網(wǎng)及儀表系統(tǒng)構(gòu)成，如圖2所示。監(jiān)控站由研華工業(yè)控制計(jì)算機(jī)和高性能工業(yè)控制軟件構(gòu)成，完成對(duì)焦?fàn)t集氣管壓力系統(tǒng)的監(jiān)視和操作，對(duì)歷史數(shù)據(jù)進(jìn)行存檔，是控制系統(tǒng)的主要機(jī)界面。控制器采用日本三菱公司推出的A2A擬量輸入模塊、數(shù)字量輸入輸出模塊和基板組成，通過智能控制算法對(duì)三座焦?fàn)t的集氣管壓力和鼓風(fēng)機(jī)壓力進(jìn)行控制。儀表系統(tǒng)由變送器、配電器、隔離器、調(diào)節(jié)器和執(zhí)行器等構(gòu)成，主要完成壓力信號(hào)的獲取和閥門的控制執(zhí)行。
系統(tǒng)主要功能為：
（1）實(shí)現(xiàn)3焦?fàn)t集氣管壓力的解耦控制，
實(shí)現(xiàn)初冷器前和鼓風(fēng)機(jī)前及鼓風(fēng)后壓力智能協(xié)調(diào)控制，保證4臺(tái)鼓風(fēng)機(jī)安全穩(wěn)定運(yùn)行。在推焦裝媒及鼓風(fēng)機(jī)后負(fù)荷變化等擾動(dòng)較大的情況下，集氣管壓力穩(wěn)定在設(shè)定值±20Pa內(nèi)。
（2）實(shí)現(xiàn)過程的實(shí)時(shí)數(shù)據(jù)采集、數(shù)據(jù)處理、顯示、報(bào)警、故障監(jiān)測及診斷功能，手、自動(dòng)無擾切換和設(shè)定操作，對(duì)歷史趨勢(shì)數(shù)據(jù)進(jìn)行存儲(chǔ)（存儲(chǔ)240天的歷史數(shù)據(jù)）和顯示。具備報(bào)表打印功能和與上位機(jī)（管理系統(tǒng)）聯(lián)網(wǎng)功能。
3 控制原理
針對(duì)焦?fàn)t集氣管系統(tǒng)的結(jié)構(gòu)和特點(diǎn)，本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能協(xié)調(diào)控制方案。控制系統(tǒng)的結(jié)構(gòu)如圖3所示。它分為兩級(jí)：專家智能控制協(xié)調(diào)級(jí)（虛線框內(nèi)）和基本實(shí)時(shí)智能控制級(jí)。專家智能控制協(xié)調(diào)級(jí)在線實(shí)時(shí)監(jiān)測被控系統(tǒng)過程，根據(jù)不同爐況，協(xié)調(diào)控制策略，進(jìn)行有效控制。基本實(shí)時(shí)智能控制級(jí)分為單輸入單輸出（SISO）模糊神經(jīng)網(wǎng)絡(luò)控制器FNC1～FNC4和多變量解耦控制器FNC5兩部分，由徑向基函數(shù)網(wǎng)絡(luò)（RBFN）逼近過程模型。此模型用于計(jì)算過程輸出對(duì)過程輸入的一階偏導(dǎo)數(shù)ay/au和離線尋優(yōu)，由多量解耦控制器根據(jù)解耦參考模型2進(jìn)行解耦控制，與被控對(duì)象一道構(gòu)成解耦后的廣義被控對(duì)象，在此基礎(chǔ)上分別采用SISO模糊神經(jīng)網(wǎng)絡(luò)控制器控制被控對(duì)象的動(dòng)態(tài)特性：采用智能協(xié)調(diào)模糊神經(jīng)網(wǎng)絡(luò)控制器FNC4，以鼓風(fēng)機(jī)閘閥開度為控制量，控制初冷器前吸力；采用模糊神經(jīng)網(wǎng)絡(luò)控制器FNC1～3，以各焦?fàn)t集氣管蝶閥開度為控制量，控制相應(yīng)焦?fàn)t集氣管壓力。
3.1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3座焦?fàn)t集氣管壓力和初冷器前壓力控制算法FNC1～FNC4采用同樣的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，取誤差e、誤差變化率Δe及其導(dǎo)數(shù)Δ2e作為模糊推理控制器輸入，e為Δe分別劃分為7個(gè)模糊子集，Δ2e劃分為3個(gè)模糊子集，模糊子集隸屬度采用高斯型函數(shù)表示。上述的模糊推理控制器可用一個(gè)如圖4所示的初始神經(jīng)網(wǎng)絡(luò)構(gòu)成。初始神經(jīng)網(wǎng)絡(luò)共有四層：輸入層、隸屬函數(shù)生成層、推理層和去模糊化層。輸入節(jié)點(diǎn)數(shù)n為3，第一層隱含節(jié)點(diǎn)（模糊化）為17，第二層隱含節(jié)點(diǎn)（推理）L為7×7×3=147，一個(gè)輸出點(diǎn)節(jié)。模糊化到推理連接權(quán)重為1。
多變量解耦控制器FNC5采用T-S模糊模型[4]，取FNC1～FNC4輸出作為模糊控制器的輸入，三座焦?fàn)t焦氣管蝶閥和鼓風(fēng)機(jī)前閘閥實(shí)際控制輸出作為模糊控制器的輸出，考慮到系統(tǒng)的動(dòng)態(tài)解耦，每個(gè)輸入分別取當(dāng)前三個(gè)時(shí)刻值，從而構(gòu)成12輸入、4輸出多變量解耦模糊控制模型。
3.2 模糊神經(jīng)網(wǎng)絡(luò)GA優(yōu)化學(xué)習(xí)
對(duì)于單變量和多變量解耦模糊神經(jīng)網(wǎng)絡(luò)，可用遺傳算法（GA）來調(diào)整和優(yōu)化參數(shù)和結(jié)構(gòu)，而推理規(guī)則的結(jié)論部分中的權(quán)值Wi較為多地具有局部性，可采用智能梯度
【焦?fàn)t集氣管壓力模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)】相關(guān)文章：
基于matlab的節(jié)電模糊控制系統(tǒng)03-07
ＭＷＣ計(jì)算機(jī)模糊控制系統(tǒng)03-20
基于模糊神經(jīng)網(wǎng)絡(luò)的車輛自動(dòng)避撞預(yù)警算法研究03-07
PID參數(shù)自整定模糊控制器在爐溫控制系統(tǒng)中的應(yīng)用03-07
論壓力傳感器構(gòu)造自動(dòng)控制系統(tǒng)03-07
論模糊廣告12-09
基于粗集的神經(jīng)網(wǎng)絡(luò)的項(xiàng)目風(fēng)險(xiǎn)評(píng)估02-27
粗糙集神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用03-07
基于粗集神經(jīng)網(wǎng)絡(luò)的項(xiàng)目風(fēng)險(xiǎn)評(píng)估03-28