摘? 要: 針對焦爐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)" title="模糊神經(jīng)網(wǎng)絡(luò)">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" title="遺傳算法">遺傳算法對模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進行優(yōu)化,并采用PLC的邏輯梯形圖語言編程實現(xiàn)智能協(xié)調(diào)運算。工程應(yīng)用表明了系統(tǒng)設(shè)計的有效性。?

　　關(guān)鍵詞: 可編程控制器? 模糊神經(jīng)網(wǎng)絡(luò)? 智能控制" title="智能控制">智能控制?

?

　　焦爐集氣管壓力控制是焦爐控制的關(guān)鍵之一。壓力大時焦爐冒煙嚴重,近距離不能看清設(shè)備,大量焦爐煤氣進入空氣中,污染環(huán)境;壓力小時空氣吸入嚴重,影響焦爐壽命和焦爐煤氣質(zhì)量^[1]。因此,采用先進控制手段,對焦爐集氣管壓力進行長期穩(wěn)定控制,對于改善環(huán)境、提高煤氣回收量和質(zhì)量、提高焦爐輔助產(chǎn)品產(chǎn)量和質(zhì)量,具有重要的意義。焦爐集氣管控制系統(tǒng)" title="控制系統(tǒng)">控制系統(tǒng)的主要問題有:?

　　(1)焦爐集氣管壓力系統(tǒng)是一個耦合嚴重、具有嚴重非線性、時變特性、擾動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)當煤質(zhì)較好、鼓風機后煤氣負荷穩(wěn)定時,自動控制效果較好;當煤質(zhì)較差、鼓風機后壓力變化大時,常常出現(xiàn)振蕩現(xiàn)象,迫使系統(tǒng)無法投入自動控制。?

　　(3)作為控制機構(gòu)之一的鼓風機閘閥存在嚴重的非線性、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算的三大信息科學,是智能控制領(lǐng)域的三個重要基礎(chǔ)工具,將三者有機地結(jié)合起來,取長補短,不僅在理論上顯示出誘人的前景,在實際應(yīng)用中也取得了突破。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,實現(xiàn)了模糊規(guī)則的在線修改和隸屬函數(shù)的自動更新,使模糊控制具有自學習和自適應(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,在分析控制對象的基礎(chǔ)上采用智能協(xié)調(diào)解耦" title="解耦">解耦控制方案,應(yīng)用PLC的邏輯梯形圖語言編程實現(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是焦爐集氣管系統(tǒng)的結(jié)構(gòu)。焦爐煤氣從各炭化室通過上升管時被循環(huán)氨氣冷卻到80～90℃，然后進入集氣管。焦爐煤氣從焦爐到初冷器分為兩個吸氣系統(tǒng),即1號和2號焦爐為一個系統(tǒng),3號焦爐為一個系統(tǒng)。1號和2號焦爐的煤氣從各自的集氣管進入共用吸氣管后,在初冷器前與3號焦爐的煤氣會合后進入初冷器。通過初冷器被冷卻到35～40℃,然后由鼓風機送往下道工序。?

?

?

2 系統(tǒng)硬件結(jié)構(gòu)及系統(tǒng)功能?

　　焦爐集氣管壓力控制系統(tǒng)采用高可靠性的兩級計算機集散控制系統(tǒng),由監(jiān)控站、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)控制計算機和高性能工業(yè)控制軟件構(gòu)成,完成對焦爐集氣管壓力系統(tǒng)的監(jiān)視和操作,對歷史數(shù)據(jù)進行存檔,是控制系統(tǒng)的主要人機界面?？刂破鞑捎萌毡救夤就瞥龅腁2A系列控制器,主要由電源模塊、CPU模塊、通信模塊、模擬量輸入模塊、數(shù)字量輸入輸出模塊和基板組成,通過智能控制算法對三座焦爐的集氣管壓力和鼓風機壓力進行控制。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,主要完成壓力信號的獲取和閥門的控制執(zhí)行。

?

?

　　系統(tǒng)主要功能為:?

　　(1)實現(xiàn)3座焦爐集氣管壓力的解耦控制,實現(xiàn)初冷器前和鼓風機前及鼓風機后壓力智能協(xié)調(diào)控制,保證4臺鼓風機安全穩(wěn)定運行。在推焦裝煤及鼓風機后負荷變化等擾動較大的情況下,集氣管壓力穩(wěn)定在設(shè)定值±20Pa內(nèi)。?

　　(2)實現(xiàn)過程的實時數(shù)據(jù)采集、數(shù)據(jù)處理、顯示、報警、故障監(jiān)測及診斷功能,手、自動無擾切換和設(shè)定操作,對歷史趨勢數(shù)據(jù)進行存儲(存儲240天的歷史數(shù)據(jù))和顯示。具備報表打印功能和與上位機(管理系統(tǒng))聯(lián)網(wǎng)功能。?

3 控制原理?

　　針對焦爐集氣管系統(tǒng)的結(jié)構(gòu)和特點,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?？刂葡到y(tǒng)的結(jié)構(gòu)如圖3所示。它分為兩級:專家智能控制協(xié)調(diào)級(虛線框內(nèi))和基本實時智能控制級。專家智能控制協(xié)調(diào)級在線實時監(jiān)測被控系統(tǒng)過程,根據(jù)不同爐況,協(xié)調(diào)控制策略,進行有效控制?；緦崟r智能控制級分為單輸入單輸出(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。此模型用于計算過程輸出對過程輸入的一階偏導數(shù)和離線尋優(yōu)，由多變量解耦控制器根據(jù)解耦參考模型2進行解耦控制，與被控對象一道構(gòu)成解耦后的廣義被控對象,在此基礎(chǔ)上分別采用SISO模糊神經(jīng)網(wǎng)絡(luò)控制器控制被控對象的動態(tài)特性:采用智能協(xié)調(diào)模糊神經(jīng)網(wǎng)絡(luò)控制器FNC4,以鼓風機閘閥開度為控制量,控制初冷器前吸力;采用模糊神經(jīng)網(wǎng)絡(luò)控制器FNC1～3,以各焦爐集氣管蝶閥開度為控制量,控制相應(yīng)焦爐集氣管壓力。?

?

?

3.1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)?

　　3座焦爐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及其導數(shù)Δ²e作為模糊推理控制器輸入,e和Δe分別劃分為7個模糊子集,Δ²e劃分為3個模糊子集，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)點數(shù)n為3,第一層隱含節(jié)點(模糊化)為17,第二層隱含節(jié)點(推理)L為7×7×3=147,一個輸出節(jié)點。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,三座焦爐集氣管蝶閥和鼓風機前閘閥實際控制輸出作為模糊控制器的輸出,考慮到系統(tǒng)的動態(tài)解耦,每個輸入分別取當前三個時刻值,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)化學習?

　　對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較多地具有局部性,可采用智能梯度算法在線調(diào)節(jié)。把兩種學習算法結(jié)合起來,可發(fā)揮GA算法的全局搜索結(jié)構(gòu)優(yōu)化能力和梯度算法局部優(yōu)化快速性。?

　　采用遺傳算法離線訓練模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的步驟如下:?

　　(1)采用實數(shù)編碼方式,隨機產(chǎn)生n個實數(shù)字符串,每個字符串表示整個網(wǎng)絡(luò)的一組參數(shù);?

　　(2)將各實數(shù)字符串譯碼成網(wǎng)絡(luò)的各參數(shù)值,然后計算每一組參數(shù)的適合度值f_i=1/E_i(i=1，2，.....，n)，式中E_i為定義的誤差指標函數(shù),按下列步驟產(chǎn)生新的群體,直到新群體中串總數(shù)達到n:?

　?、僖愿怕蔲_i/∑f_i，f_j/∑f_j從群體中選出兩個串S_i,S_j;?

　?、谝愿怕蔖_c對S_i,S_j進行交換,得到新串S_i′,S_j′；?

　?、垡愿怕蔖_m使S_i′,S_j′中的各位產(chǎn)生突變(取隨機數(shù));?

　?、芊祷氐冖俨?直到產(chǎn)生(n-1)個新一代的個體;?

　　⑤所產(chǎn)生的(n-1)個新一代的個體連同上一代中性能最好的那個個體,共同組成新的群體。?

　　(3)返回第(2)步,直到群體中的個體性能滿足要求為止。群體中適應(yīng)度最好的字符串譯碼后的參數(shù)即為所求參數(shù)。?

　　這里采用一種自適應(yīng)P_c和P_m方法。用適合度函數(shù)來衡量算法的收斂狀況,其表達式為:?

?????

式中，分別是群體中的最大適合度和平均適合度。由于篇幅的關(guān)系,有關(guān)SISO模糊網(wǎng)絡(luò)控制器和多變量解耦控制器的梯度在線學習算法請參考文獻[5],在本系統(tǒng)中由模糊神經(jīng)網(wǎng)絡(luò)控制器用可編程控制器提供的浮點運算指令完成,在線學習算法由上位機用VC編程,通過通訊修改模糊神經(jīng)網(wǎng)絡(luò)參數(shù)。?

4 控制系統(tǒng)實現(xiàn)?

4.1 專家智能協(xié)調(diào)控制的實現(xiàn)?

　　控制過程開始時啟動基于知識的專家控制系統(tǒng),通過過程特征提取將系統(tǒng)運行過程中的特征信息如各級壓力、誤差等送入推理結(jié)構(gòu),推理機構(gòu)根據(jù)知識庫中的規(guī)則和事實執(zhí)行推理,給出控制策略。當推理得出參數(shù)變化需啟動模糊神經(jīng)網(wǎng)絡(luò)學習功能時,保存原參數(shù),并啟動模糊神經(jīng)網(wǎng)絡(luò)學習機制,根據(jù)系統(tǒng)的性能好壞決定是否接受學習后的整體參數(shù)。 ?

　　根據(jù)工藝過程特點、工藝工程師和熟練操作工的知識和經(jīng)驗，初冷器前壓力專家設(shè)定采取如下協(xié)調(diào)原則:首先保證設(shè)備的安全運行,如果鼓風機機前吸力P₄高于工藝允許上限制值P_4max，則降低鼓風機閘閥開度;如果鼓風機控制閘閥控制輸出u₄低于喘震閘閥開度V_4min，則維持V_4min閘閥開度。然后將鼓風機機后壓力大小分為8段折線,根據(jù)經(jīng)驗和實驗數(shù)據(jù)給出初冷器前壓力初步設(shè)定值,并根據(jù)實際狀態(tài)進行調(diào)整,如果集氣管壓力超過設(shè)定上限制值P_max，閥位超過靈敏區(qū)上限制值V_qmax，則降低初冷器前壓力給定；如果3個集氣管壓力均超過設(shè)定上限制值P_Smax，則增大鼓風機閘閥控制輸出;如果集氣管壓力小于設(shè)定下限制值P_min，閥位低于靈敏區(qū)下限制值V_qmin，則增加初冷器前壓力給定；如果3個集氣管壓力均小于設(shè)定下限制值P_Smin，則降低鼓風機閘閥控制輸出。以產(chǎn)生式規(guī)則“IF conditions THEN results”形成的主要規(guī)則為:?

??? R1:IF(P₅≥X_i-1)AND(P₅i)

??????? ? THEN r₄=(Y_i-Y_i-1)/(X_i-X_i-1)+Y_i-1?

??? R2:IF(P₁>P_1max)AND(V₁>V_1qmax)?

??????? ? THEN? r₄=r₄-Δr?

??? R3:IF(P₂>P_2max)AND(V₂>V_2qmax)?? ?

??????? ? THEN? r₄=r₄-Δr?

??? R4:IF(P₃>P_3max)AND(V₃>V_3qmax)?

??????? ? THEN? r₄=r₄-Δr?

??? R5:IF(P₁>P_Smax)AND(P₂>P_Smax) AND(P₃>P_Smax)?

??? ??? ? THEN? u*0₄=u⁰₄+Limit?

??? R6:IF(P₁1min)AND(V₁1qmin)

??? ????? THEN? r₄=r₄+Δr?

??? R7:IF(P₂2min)AND(V₂2qmin)?

??????? ? THEN? r₄=r₄+Δr?

????R8:IF(P₃3min)AND(V₃3qmin)

??????? ? THEN? r₄=r₄+Δr?

????R9:IF(P₁1Smin)AND(P₂2Smin)AND(P₃3Smin)

??? ??? ? THEN? u*⁰₄=u⁰₄-Limit?

??? R10:IF P₄>P_4max ?

??????? ? THEN? u^*₄=u₄-Limit ?

??? R11:IF u₄4min THEN u^*₄=V_4min

　　上述規(guī)則中X_i、Y_i(i=1，2，…，7)為初冷器前壓力設(shè)定經(jīng)驗數(shù)據(jù),r₄為初冷器前壓力設(shè)定值，Δr為設(shè)定增量,u⁰₄為集氣管模糊神經(jīng)控制器輸出值，u*⁰₄為前級合成控制輸出,u₄為解耦控制器鼓風機閘閥控制輸出,u^*₄為鼓風機閘閥控制最后合成輸出,Limit為可能的最小閘閥開度調(diào)節(jié)量，取決于執(zhí)行機構(gòu)的調(diào)節(jié)精度?？删幊炭刂破魈菪螆D很適合上述規(guī)則的編程。四套鼓風機機組均采用智能專家協(xié)調(diào)控制系統(tǒng),只是參數(shù)不同。不同機組運行時自動選用相應(yīng)參數(shù)。?

4.2 時間比例數(shù)字輸出控制的實現(xiàn)?

　　經(jīng)過專家智能協(xié)調(diào)控制后的輸出,還要經(jīng)過非線性修正,然后采用時間比例數(shù)字輸出算法并用固態(tài)繼電器直接控制閥門?？刂戚敵鼋?jīng)過標度變換,轉(zhuǎn)換成相應(yīng)的時間。由于小于某一值的脈沖不但不會驅(qū)動伺服電機,還會使電機過熱,因此需極小值切除,并且根據(jù)上次開閥方向和本次開閥方向進行死區(qū)補償,并根據(jù)閥位測量數(shù)據(jù)進行故障處理。其框圖如圖5所示。?

?

?

??? 本系統(tǒng)于1999年6月在湘潭鋼鐵集團有限公司焦化廠投入運行,實際應(yīng)用表明,該系統(tǒng)工作可靠、性能穩(wěn)定、功能齊全、操作方便,控制精度達到要求。單座焦爐的調(diào)節(jié)對其它焦爐壓力的影響較控制前明顯削弱,對壓力的最大擾動幅度從±200Pa下降到±10Pa,當出現(xiàn)擾動時,能快速調(diào)節(jié)達到穩(wěn)定,保證壓力穩(wěn)定在工藝要求的范圍內(nèi)。?

參考文獻?

1 陽春華,沈德耀.集氣管壓力智能控制設(shè)計與實現(xiàn).小型微型計算機,1999；20(7):550～554?

2 Tkagi T， Sugeno I. Derivation of Fuzzy Rules From Human Aperator＇s Control Action. In:Proc IFAC Sym Pon Fuzzy Information， Knowledge Representation and Decision Analysis, 1983:55～60 ?

3 王耀南.神經(jīng)網(wǎng)絡(luò)自適應(yīng)模糊控制在溫度控制系統(tǒng)中的應(yīng)用. 信息與控制,1996;25(4):247～250?

4 周景振,韓曾晉.一種新型多變量模糊自適應(yīng)控制系統(tǒng)的研究.自動化學報,1999;25(2):215～220?

5 秦 斌,王欣.流程工業(yè)計算機集成過程系統(tǒng)CIPS. 國防科技大學出版社,2002.6