论文研究 基于横墙效应的挥发分燃烧控制研究 .pdf

基于横墙效应的挥发分燃烧控制研究，刘贵学，庄伟林，控制好挥发分燃烧是保证生产工艺安全和节省燃料的重要措施，本文基于“火道横墙效应”及现场操作专家经验，提出了将挥发分燃烧区中国科技论又在统httpwww.paper.edu.cn4.串级控制系统的设计状态转换器2W算法图1预热区2P炉室智能控制器结构图控制系统结枃图如图1示,前半部分是单神经元PD控制器,具有参数自整定功能,H2()为比例控制器,W,(S)为前馈控制器,(S)和W1(S)和为被控对象的传递函数(S)为扰动通道的传递函数,T甲为温度设定值,Pn=41+为设定负压,T为此时刻2P炉室的炉温,4为排烟阀门的开度控制信号,Dm为检测负压,m为排烟架检测的火道温度。副回路的釆样周期为1秒,控制周期为1秒:主回路的釆样周期为5秒,控訇周期为5秒~120秒可调;模型的修正周期5秒~15分钟可调,一般将控制周期和模型的修正周期设定为主回路采样周期的整数倍。4.1单神经元PID控制器的设计411单神经元PID控制器的结构单神经元控制器的结构如上图示,转换器输入反映被控过程及控制设定的状态,若设定为y(k),输出为y(k),经过转换器转换为神经元学与控制所需要的状态量x,2,x3。其中:(k)=e(k)x()=△e(k)=e(k)-e(k-1)x3(k)=e(k)-2e(k-1)+e(k-2)3中国科技论又在统httpwww.paper.edu.cnz(k)=y()-y(k)=c(k)为性能指标或递进信号,()为对应于x(k)的加权系数,K为神经元的比例系数,K>0。神纾元通过关联搜索来产生控制信号,即()=(k-1)+K∑w(k)x(k)i=1根据讣算得到的界面髙度控制尜调节尜输出U:U/()=U(k-1)+△(z(k)=x(kw(k)+x2(k)w2(k)+x3(k)3(k)(k)w h将△(k)由单一神经元表达式为△(k)=Z(k)=∑x(k)(k)其中,权值"()、n2()、()与增量式PD控制的比例、积分、微分系数人八、7、D相对应。412单神经元PID的学习算法神经元的学习功能是迸过改变权系数oi来实现的,学习算法即是如何调整oi的规则,它是神经元控制器的核心,反映了学习方式和学习能力。如何调整对整个控制系统抗干扰能力和自适应性能都有很大影响BP学习算法是神经网络中比较简单实用的一种算法,但易形成局部极小而得不到整体最优,且迭代次数多,收敛速度慢。基」变尺度的学丬算法是神经网络中的一种典型算法。该算法收敛速度很快,网络误差随迭代次数的增加而急剧下降,且稳定性好35。本文采用变尺度BP算法来调整权系数,实现对输岀偏差的约束控制。用系统的输入及对象的输出之差的平方的12作为神经元的目标函数E=y(k)-y(k)2=[h(k)-h(k)得到目标函数E的梯度向量g(k)为8(k)=VE aEkk)ch(k)ou(k)dw(h)aw(k)ou(k)aw(k)4)ch(k) h(k)-h(kh Cu(k)k其中,O(k)△a(k)Ow(k)则有g(k)=-ke(k)·x(k)在采用拟牛顿法时有k+1)=w(k)-na g(h式中,A是目标函数的H矩阵,2为搜索步长。采用如下统一迭代公式4中国科技论又在统httpwww.paper.edu.cn(k+1)=(k)-2(k)g(k其中,H(k)是n"n对称矩阵,并有初始矩阵H(0)11为单位矩阵,()是随逐次迭代而变化的矩阵即变尺度。当K→时有打()→要求迭代过程中I(k)直是最称正定的。采用BFGS公式时有H(k+1)=H(k)+()8(H(抄)8+1△w(k)△g(k))△m(k)△n(k)△w(k)△g(k)-△M(k)△g(k)H(k)-H(k)△g(k)△w(k)]其中:A()=g(k+1)-g(),△M()=w(k+1)-k)4.2前馈控制器的设计由控制系统框图可知,该控制系统为前馈-串级复合控制系统。副回路的等效传递函数为:W2(s)=2、s)W2(s)Hn2(s)(8)(s)1+W2(s)Wn2(s)所以Tm()W(S)-Wm(s)2(swW(S)T2()1+W1(s)2(s)W1(S)根据绝对不变性原理,要想实现对扰动T2p的影响进行完全补偿,mhee0将此关系带入式(9)得前馈控制器的传递函数为w(s)Wy(s)(10W,(SWoI(s)因本文设计的副回路是个快速随动系统,闭环传递函数近似可以认为是W(s)≈1,因此WM(S)W(s K, Ts+S+e s=KWoI(s)K T' s+S上式中,K为静态前馈系数,工和T分别为控制通道和扰动通道的时间常数,为扰动通道与控制通道的纯滞后之差。采用阶跃响应曲线法实验,辨识得到被控对象Wa’(S)的传递函数为K1.5被控对象W(s)的传递函数为T2S+1184s+1W,(s)=4.61Ke.le80s扰动通道的传递函数:W,(s)所以前TS+1817s+1T,S+1720s+1馈控制器的传函为:Wn/()=k3wTs+Nx817s+1e=0.2386*冰80sK s+l720s+1中国科技论又在统httpwww.paper.edu.cn5.算法仿真分析根据生产工艺要求,火焰移动周期为28h,2P炉室起点设定温度范围为630℃~680℃,终点设定温度氾围为680℃~730℃。此处偎设2P炉室挥发分开始燃烧吋炉温为670℃,处在火焰周期的中期,以此时刻温度作为爪温起点,以700℃作为升温终点进行仂真。副回路采样周期为1秒,主回路的采样周期为§秒,仿真周期设定为半个火焰周期14h温度设定值的温度梯度为:14*60*60(700-670)=1680s/℃,即每1680秒增加1℃。采用上述搾制策略的仿真曲线如图2所示:2P炉室升温曲线加前馈补偿)700302001006007008000时间(钟)图22P炉室半个火焰周期升温曲线Figure2 Heating-up Curve of2P Furnace During a Half Cycle ofFire为验证本算法的抗扰动能力,在仿真300步时将模型W(s)的时间常数T增加30%,仿真结果如图3所示:2P炉室升温曲线加前馈补偿715参考输入普通模糊控制器714-整定比例因子和隶属度函数的模糊控制器70570068567570时间分钟)图32P炉室智能算法与普通PID控制效果比较Figure 3 Different Control Effect Between Intelligent Algorithm and Fuzzy algorithm中国科技论又在统httpwww.paper.edu.cn从仿真图中可知采用自整定比例因子和隶属度函数的模糊搾制算法比采用普通模糊控制算法对扰动的抑訇能力强,在整个火焰周期内,都能很好地跟随改定升温曲线,控制效果令人满意。6.结论木章分析了预热区控制系统的特点,针对IP炉室的炉温控制提出了将2P炉温的波动作为酽P炉温控制系统的ˆ可测扰动来对其进行前馈补偿旳控制策咯,采用自适应模糊控制器实现了IP炉室炉温的控制;提出了将2P炉室升温由线分三个阶段处理的控制策咯并将屮P炉温的波动作为2P炉温控制系统的一个可测扰动米对其进行前馈补偿,采用自适应模糊控制器实现了2P炉室炉温旳控制,)针对挥发分的燃烧状况提出了升温曲线的优化簧略,通过仿真验证了本智能控制算法的优点参考文献l郭戈袁占亭,潘峥埰等.阳极焙烧炉模糊控制器的设计lJ兰州理「大学学报,2004(10):81-86[2]曹阳,邓忠贵焙烧曲线设定的“横墙效应”门轻金属,2007(11):34-36[3]李广琼蒋加伏.关于对BP神经网络算法改进的岍究常德师范学院学报,2003,15(2):31-33Electric Power Automation Equipment, 2006, 26(11 ):61-6 Cr Bascd on Improved Singlc Ncrvc Ccll PID[4] Dcng Zangao, Wu Bijun, Zhang Fcng. Excitation controllo[S]余瑶,邓K其神经元PD控制器及改进算法的仿真硏究.控制工程,2005,12(S0)46-48「6邵裕森巴筱云.过程控制系统及仪表「M.北京:柷械工业岀版社,19,130-136Research on The cross wall effect of the volatileCombustion controlLiu guixue, Zhuang Weilin, Wang Suaicollege of information and electronic technology CUMT (221008AbstractControlling the volatile combustion is an important way to ensuring the safety of the productionprocess and saving fuels. Based on the"cross wall effect and expert experience in ficld, a controlstrategy is presented which divides volatile combustion zone into three stages. The simulation resultsprove that, the algorithm is effectiveKeywords: anode baking furnace; volatile combustion; cross wall effect; feed forward compensation;single nn-pid self-adapted controller作者简介:刘贵学,男,1983年牛,在读硕士研究生,主要研究方向为复杂过程控制,神经网络和讣算机控制