馬文斌，譚翰墨，芮延年

（常熟理工學(xué)院機(jī)械工程學(xué)院，江蘇常熟 215500）

基于PID神經(jīng)網(wǎng)絡(luò)的碳粉燃燒器解耦控制問(wèn)題研究

馬文斌，譚翰墨，芮延年

（常熟理工學(xué)院機(jī)械工程學(xué)院，江蘇常熟 215500）

針對(duì)特定碳粉燃燒器中設(shè)定溫區(qū)不同溫度值難以采用常規(guī)控制算法解決的問(wèn)題，提出了利用燃燒室不同位置測(cè)量溫度作為輸入，碳粉送進(jìn)機(jī)構(gòu)以及進(jìn)氣量控制為輸出，基于多變量控制系統(tǒng)的特點(diǎn)建立了BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，利用PID神經(jīng)網(wǎng)絡(luò)控制建立系統(tǒng)的解耦模型，以不同熱區(qū)溫度設(shè)定值和燃燒器溫度值為解耦模型輸入?yún)⒘?，將系統(tǒng)解耦模型的輸出作為BP神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的輸入值，對(duì)燃燒過(guò)程進(jìn)行控制，仿真結(jié)果表明該方法具有較好的控制特性.

碳粉燃燒器；神經(jīng)網(wǎng)絡(luò)；解耦

不可再生能源作為主要燃料的生產(chǎn)方式隨著能源需求量的增加以及相關(guān)產(chǎn)品的價(jià)格升高而推動(dòng)了一些可再生能源的應(yīng)用研究.以風(fēng)能和太陽(yáng)能作為不可再生能源的補(bǔ)充已經(jīng)得到了廣泛的研究，但是生物質(zhì)能源的利用研究處于剛起步的階段.利用廢舊木屑或者秸稈經(jīng)行碳化，然后粉碎成很細(xì)的粉末，在一定條件下進(jìn)行充分燃燒得到的熱值僅低于汽油，可以達(dá)到8400 Kcal/Kg，因此具有很好的利用潛力.趙春雨等人[1]研究了利用碳粉燃料在火箭沖壓發(fā)動(dòng)機(jī)補(bǔ)燃室內(nèi)的燃燒特性，廣東的陳少杰等人研究了電爐碳粉系統(tǒng)的優(yōu)化改造方案，得到了較好的實(shí)際效果.在以碳粉為燃料的工業(yè)化燃燒器中，相關(guān)的研究較少，而已經(jīng)取得的相關(guān)專利在實(shí)際應(yīng)用過(guò)程中面對(duì)不同溫度場(chǎng)對(duì)燃燒過(guò)程存在較高的要求，這就要完成碳粉在進(jìn)入燃燒室過(guò)程中，對(duì)進(jìn)入分量與氣流的流速以及與空氣的配比進(jìn)行優(yōu)化研究［2］.由于氣流的流速以及碳粉的控制量對(duì)最終得到的溫度場(chǎng)都有影響，因此整個(gè)燃燒的優(yōu)化過(guò)程變?yōu)橐粋€(gè)解耦算法設(shè)計(jì)過(guò)程，即對(duì)解耦算法進(jìn)行研究.［3］

1 碳粉進(jìn)料部分結(jié)構(gòu)

碳粉進(jìn)入燃燒室的過(guò)程是在負(fù)壓作用下，負(fù)壓推動(dòng)空氣，空氣中混雜著直徑非常細(xì)小的碳粉顆粒物，碳粉顆粒的濃度可以通過(guò)閥體控制，而空氣流速通過(guò)負(fù)壓控制，負(fù)壓則來(lái)源于負(fù)壓風(fēng)機(jī)，可通過(guò)調(diào)整負(fù)壓風(fēng)機(jī)的轉(zhuǎn)速來(lái)完成空氣流速的控制.

裝置的上部為碳粉存儲(chǔ)裝置，用于將外部通入的碳粉在進(jìn)入燃燒室前進(jìn)行緩沖存放.碳粉進(jìn)料控制閥在碳粉存儲(chǔ)裝置的出口與空氣流道的中間位置，作用是控制進(jìn)入空氣流道內(nèi)部的碳粉量，由于碳粉在進(jìn)入過(guò)程中還存在碳粉自身重力和負(fù)壓的引力作用，因此控制閥的控制作用對(duì)于碳粉的進(jìn)料量控制呈非線性特性.如圖1所示的下部為空氣的流向，在負(fù)壓風(fēng)機(jī)的作用下，空氣在流道內(nèi)攜帶著彌散在流道內(nèi)部的碳粉顆粒進(jìn)入燃燒室內(nèi)部，其中空氣的流速在氣流主流道內(nèi)部截面積穩(wěn)定不變的情況下，將主要由負(fù)壓與大氣壓的壓差決定.當(dāng)壓差增加時(shí)，空氣的流速增加，當(dāng)壓差減小時(shí)，氣流流速減小.

2 控制器解耦和算法

在燃燒器的底部和中間部分設(shè)置兩個(gè)熱電偶分別用于檢測(cè)該區(qū)域的溫度變化.利用兩個(gè)熱電偶的輸出值作為控制器的輸入，以碳粉進(jìn)料控制閥的開度和負(fù)壓數(shù)值作為控制器的輸出，建立控制解耦模型.

圖1 PID神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.1 控制器結(jié)構(gòu)

對(duì)于兩輸入兩輸出耦合系統(tǒng)，神經(jīng)網(wǎng)絡(luò)可以表示為4×6×2結(jié)構(gòu)，該機(jī)構(gòu)由兩個(gè)獨(dú)立的網(wǎng)絡(luò)構(gòu)成，每個(gè)網(wǎng)絡(luò)從輸入開始經(jīng)過(guò)隱含層到輸出，如圖1所示，每個(gè)子網(wǎng)絡(luò)分別對(duì)應(yīng)與解耦過(guò)程的三種神經(jīng)元：比例、積分和微分，通過(guò)子網(wǎng)絡(luò)之間的控制律調(diào)節(jié)來(lái)完成過(guò)程的解耦控制.P、I和D的具體數(shù)值由網(wǎng)絡(luò)的權(quán)重決定.［4］

2.2 PID神經(jīng)網(wǎng)絡(luò)計(jì)算方法

2.2.1 前向算法

PID神經(jīng)網(wǎng)絡(luò)前向算法輸入與輸出之間的關(guān)系，可以用下面的公式表示：

2.2.2 反傳算法

反向傳播算法作用是完成PID網(wǎng)絡(luò)權(quán)值的調(diào)整.其學(xué)習(xí)過(guò)程可以表示為目標(biāo)函數(shù)J的最小值

其中：z為采樣點(diǎn)數(shù)；y為系統(tǒng)輸入變量的數(shù)量.

網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)可以由公式（9）確定：

3 模型建立

由于系統(tǒng)的非線性，考慮使用BP神經(jīng)網(wǎng)絡(luò)建立系統(tǒng)的動(dòng)態(tài)模型.BP神經(jīng)網(wǎng)絡(luò)具有較好的逼近精度，因此以實(shí)驗(yàn)設(shè)定溫度和該溫度下的負(fù)壓與閥開度為數(shù)據(jù)對(duì)BP網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練.這里選擇特性函數(shù)為Sigmoid函數(shù)［5］，神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元個(gè)數(shù)分別為：輸入層2個(gè)，隱含層4個(gè)，輸出層2個(gè).系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)模型圖如圖2所示.圖中Tg為給定溫度，T1和T2為實(shí)際測(cè)量溫度.

仿真分析：

以matlab軟件為仿真平臺(tái)，以某一時(shí)刻開始的給定溫區(qū)設(shè)定值為解耦方法的輸入，以PID神經(jīng)網(wǎng)絡(luò)的輸出即測(cè)量得到的閥體的開度和負(fù)壓為BP神經(jīng)網(wǎng)絡(luò)的輸入，得到的系統(tǒng)解耦仿真曲線如圖3所示.

PID神經(jīng)網(wǎng)絡(luò)解耦輸出即為BP神經(jīng)網(wǎng)絡(luò)控制的輸入，即：控制碳粉進(jìn)料量的開度和風(fēng)機(jī)的負(fù)壓值.如圖4所示，其中開度以閥體滿開度的百分比表示，風(fēng)機(jī)負(fù)壓值單位為kpa.

從圖3和圖4可以看出，PID神經(jīng)網(wǎng)絡(luò)解耦過(guò)程能夠完成上述碳粉燃燒器溫度耦合問(wèn)題進(jìn)行解耦，并且兩個(gè)參數(shù)的對(duì)溫度耦合的影響不同.

圖2 系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)模型

圖3 系統(tǒng)解耦仿真曲線

圖4 系統(tǒng)輸出曲線

4 結(jié)論

利用PID神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)碳粉燃燒器中不同溫區(qū)問(wèn)題的解耦并且利用BP神經(jīng)網(wǎng)絡(luò)能夠較好地?cái)M合系統(tǒng)能夠的非線性過(guò)程，但是可以看出，由于解耦或者參數(shù)優(yōu)化等問(wèn)題的影響，解耦過(guò)程后系統(tǒng)的響應(yīng)速度較慢.

[1]趙春宇，李斌.碳粉燃燒在火箭沖壓發(fā)動(dòng)機(jī)補(bǔ)燃室內(nèi)燃燒特性的分析[J].火箭推進(jìn)，2007，33（5）：37-41.

[2]李曉斌.真空退火溫度的建模與解耦控制[J].機(jī)械工程學(xué)報(bào)，2008，10：89-95.

[3]付龍海，李蒙.基于PID神經(jīng)網(wǎng)絡(luò)解耦控制的變風(fēng)量空調(diào)系統(tǒng)[J].西南交通大學(xué)學(xué)報(bào)，2005，40（1）：13-17.

[4]YOUNG C Cho,WOOK Hyun Kwon,CHRISTOS G Cassandras.Optimal control for steel annealing processes as hybrid systems[C]. Proceedings of the 39thIEEE Conference on Decision and Control,Aust-ralia:Sydney,2000:540-545.

[5]湯毅，任國(guó)梅，王潤(rùn)華.基于CMAC和PID的非線性耦合系統(tǒng)解耦控制研究[J].燕山大學(xué)學(xué)報(bào)，2009，33（5）：450-454.

A Study of the Problem of Carbon Powder Burner Decoupling Control Based on PID Neural Network

MA Wen-bin,TAN Han-mo,RUI Yan-nian

(School of Mechanical Engineering,Changshu Institute of Technology,Changshu 215500,China)

In order to solve the problem of holding a certain place for temperature gradient of charcoal powder burning room,this paper introduces a kind of new method which keeps measurement data as input of control system and capacity of charcoal powder and gas.Based on multivariable control systems,a new BP neural network is built and PID Neural Networks can be used as system decoupling model so as to keep different temperature data of each parts for Charcoal powder burning room and burning temperature as input,and decoupling model output as BP neural networks input to simulate this process.The result shows that the method is beneficial to the temperature control.

charcoal powder burner;neural networks;decoupling model

TH164

A

1008-2794（2011）10-0098-04

2011-08-23

蘇州市工業(yè)攻關(guān)項(xiàng)目（SG0846）.

馬文斌（1979—），男，甘肅天水人，常熟理工學(xué)院機(jī)械工程學(xué)院講師，研究方向：機(jī)電一體化.