劉昕明 呂亮 羅偉
摘? ?要:焦?fàn)t集氣管壓力系統(tǒng)具有多變量、強(qiáng)耦合、非線性和純滯后等特點(diǎn),難以建立準(zhǔn)確的數(shù)學(xué)模型。文章采用基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的逆系統(tǒng)方法對(duì)集氣管壓力系統(tǒng)進(jìn)行解耦,建立逆系統(tǒng)解耦器,并且設(shè)計(jì)了集氣管壓力單神經(jīng)元PID控制器。該方法有效地實(shí)現(xiàn)了多焦?fàn)t集氣管壓力解耦控制,能較好地滿足多焦?fàn)t集氣管壓力控制的工藝要求。
關(guān)鍵詞:焦?fàn)t集氣管壓力;動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò);解耦控制
在多座焦?fàn)t并聯(lián)生產(chǎn)條件下,各集氣管壓力以及管道吸力之間存在復(fù)雜的耦合關(guān)系,一個(gè)過(guò)程變量的波動(dòng)往往會(huì)影響多個(gè)變量的變化,而一個(gè)變量的波動(dòng)也往往是多個(gè)變量共同作用的結(jié)果,故而僅對(duì)一個(gè)過(guò)程變量進(jìn)行控制難以達(dá)到良好的控制效果[1-3]。
1? ? 焦?fàn)t集氣管壓力模糊神經(jīng)網(wǎng)絡(luò)解耦控制
本文主要研究?jī)蓚€(gè)集氣管并聯(lián)情況下的壓力控制問(wèn)題,圖1為集氣管動(dòng)態(tài)特性示意。
該系統(tǒng)可以看作是連通的節(jié)流管道,用流體力學(xué)原理進(jìn)行分析,得到系統(tǒng)狀態(tài)方程總結(jié)如下[1]。
(1)
公式(1)的集氣管壓力系統(tǒng)是一個(gè)兩輸入兩輸出的非線性系統(tǒng),輸入控制量為1#,2#焦?fàn)t集氣管閥門(mén)開(kāi)度決定的阻力系數(shù)R1,R2;輸出被控量為1#,2#焦?fàn)t集氣管的煤氣壓力P1,P2。通過(guò)分析發(fā)現(xiàn),1#,2#焦?fàn)t集氣管后煤氣壓力P1',P2'兩個(gè)內(nèi)部狀態(tài)量在方程式(1)中擔(dān)任著重要的角色,反映了系統(tǒng)內(nèi)部變化的特性,鑒于此,將其作為系統(tǒng)內(nèi)部的狀態(tài)變量。經(jīng)整理得到如下?tīng)顟B(tài)模型:
(2)
根據(jù)基于狀態(tài)方程的多變量系統(tǒng)可逆性判別方法[3],可以求出集氣管壓力逆系統(tǒng)表達(dá)式,具體如下:
(3)
模糊神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)解耦控制思想為:采用動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)造的逆系統(tǒng),對(duì)被控多輸入多輸出非線性系統(tǒng)進(jìn)行線性化并解耦。
在集氣管壓力系統(tǒng)逆系統(tǒng)解耦的基礎(chǔ)上,設(shè)計(jì)基于單個(gè)神經(jīng)元的單集氣管壓力比例積分微分(Proportional-Integral-Derivative,PID)控制器,對(duì)解耦后的單集氣管壓力進(jìn)行控制。采用有監(jiān)督的Hebb學(xué)習(xí)規(guī)則,在神經(jīng)元PID控制器中,其具體算法實(shí)現(xiàn)可表示為:
(4)
其中,ηP,ηI,ηD分別為比例、積分、微分的學(xué)習(xí)速率。
2? ? 算法驗(yàn)證
選取隨機(jī)數(shù)作為集氣管壓力模型激勵(lì)信號(hào),獲得1 200組六入兩出標(biāo)準(zhǔn)數(shù)據(jù)樣本,將前900組數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù),后300組作為測(cè)試數(shù)據(jù)。
經(jīng)過(guò)多次仿真比較,得出模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型參數(shù)為:
emax=0.7,emin=0.1,kdmax=sqrt(log(1/0.5)),
kdmin=sqrt(log(1/0.8)),ks=0.8,km=0.6,k=12,kerr=0.001,
焦?fàn)t集氣管壓力系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)建立后,構(gòu)造逆系統(tǒng),并在在實(shí)現(xiàn)解耦的情況下,采用單神經(jīng)元PID控制器進(jìn)行獨(dú)立控制。
根據(jù)集氣管壓力控制系統(tǒng)現(xiàn)場(chǎng)要求,設(shè)定零1#集氣管壓力系統(tǒng)單神經(jīng)元PID控制器參數(shù):K=0.12,w1=0.4,w2=0.2,w3=0.4,ηi=0.4,ηp=0.8,ηd=0.08;2#集氣管壓力系統(tǒng)單神經(jīng)元PID控制器參數(shù):K=0.08,w1=0.3,w2=0.4,w3=0.3,ηi=0.05,ηp=0.8,ηd=0.001。設(shè)定P1=110,P2=90,當(dāng)系統(tǒng)達(dá)到穩(wěn)定時(shí),在100 s時(shí)刻,給系統(tǒng)干擾項(xiàng)Ps1加入50 Pa階躍,其控制曲線如圖2所示。在100 s時(shí)刻,給系統(tǒng)干擾項(xiàng)Ps2加入100 Pa階躍,其控制曲線如圖3所示。通過(guò)仿真可以看出,系統(tǒng)耦合得到抑制,系統(tǒng)抗干擾能力得到增強(qiáng),達(dá)到了本次研究的目的。
3? ? 結(jié)語(yǔ)
本文提出了一種基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的焦?fàn)t集氣管壓力控制策略,采用動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)來(lái)逼近集氣管壓力逆系統(tǒng)的表達(dá)式,增強(qiáng)了其對(duì)原系統(tǒng)變化的適應(yīng)能力與抗干擾能力。仿真結(jié)果表明,該策略辨識(shí)精度高,能夠?qū)崿F(xiàn)集氣管壓力的解耦控制。
[參考文獻(xiàn)]
[1]LIU X M.The modeling and verification of the collector pressure system of coke oven[C].Wuhan:Chinese Control Conference International,2018.
[2]劉昕明,高憲文.數(shù)據(jù)驅(qū)動(dòng)閉環(huán)子空間預(yù)測(cè)控制方法研究與應(yīng)用[J].控制與決策,2014(5):913-918.
[3]朱熀秋,杜偉.基于模糊神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的無(wú)軸承永磁同步電機(jī)解耦控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2019(4):11-13.
Decoupling control of coke oven gas collector pressure based on
inverse system using the dynamic neural-fuzzy network
Liu Xinming1, Lyu Liang1, Luo Wei2
(College of Electrical and Control Engineering, Liaoning Technical University, Huludao 125105, China;
2.Nanchang Urban Planning and Design Research Institute, Nanchang 330000, China)
Abstract:The coke oven gas collector pressure system has the characteristics of multi-variable, strong coupling, nonlinearity and pure hysteresis. The inverse system method based on fuzzy neural network is used to decouple the pressure system of gas collector, an inverse system decouple is established, and a single neuron PID controller is designed in this paper. This method effectively realizes the decoupling control of coke oven gas collector pressure, and can better meet the technical requirements of multi coke oven gas collector pressure control.
Key words:coke oven gas collector pressure; dynamic fuzzy neural network; decoupling control