王伯君,孫丁丁,崔義森

(中煤科工智能儲(chǔ)裝技術(shù)有限公司 自控所， 北京 100013)

0 引言

帶式輸送機(jī)是運(yùn)送散裝物料的主要設(shè)備，如何控制上料速度減少設(shè)備能量損耗，并且在緩沖倉上料將近滿倉情況下能夠及時(shí)降低輸送帶轉(zhuǎn)速并停止給料機(jī)動(dòng)作，這個(gè)過程中時(shí)間間隔的計(jì)算，受到皮帶秤精度與筒倉復(fù)雜環(huán)境因素制約，一般很難準(zhǔn)確測(cè)量到物料的流動(dòng)性。目前數(shù)據(jù)采集主要是雷達(dá)料位儀與皮帶秤，如圖1所示，雷達(dá)料位儀安裝在緩沖倉本體內(nèi)，用來測(cè)量倉內(nèi)物料高度。當(dāng)雷達(dá)料位儀檢測(cè)到緩沖倉內(nèi)物料高位信號(hào)，則PLC程序自動(dòng)停止給料機(jī)運(yùn)行，阻斷物料上料過程；當(dāng)雷達(dá)料位儀檢測(cè)到緩沖倉內(nèi)物料滿倉信號(hào)，降低輸送帶轉(zhuǎn)速，防止棚倉現(xiàn)象的發(fā)生；當(dāng)雷達(dá)料位儀檢測(cè)到緩沖倉空倉信號(hào)，則PLC程序自動(dòng)啟動(dòng)給料機(jī)并給定頻率值自動(dòng)上料。雷達(dá)料位儀屬于精密儀器儀表，受粉塵影響大，煤炭緩沖倉是密閉空間，倉內(nèi)粉塵與煤炭顆粒對(duì)于儀表讀數(shù)的測(cè)量影響大，當(dāng)倉內(nèi)停止上料后，待粉塵逐漸下降雷達(dá)料位儀測(cè)量數(shù)據(jù)逐漸穩(wěn)定。因此在煤炭裝車過程中，雷達(dá)料位儀測(cè)量的倉內(nèi)物料數(shù)據(jù)會(huì)存在較大偏差。稱重傳感器的精度與復(fù)雜環(huán)境因素制約著輸送帶上料精度與穩(wěn)定性。人工很難準(zhǔn)確判定物料流動(dòng)性，同時(shí)當(dāng)輸送帶上方堆積殘留物料過多，PLC程序易發(fā)生誤判，造成帶式輸送機(jī)的提前啟動(dòng)，增加設(shè)備空載運(yùn)行時(shí)間。帶式輸送機(jī)有3個(gè)輸入信號(hào)：一個(gè)是瞬間輸送量或累計(jì)輸送量，通過皮帶秤來計(jì)算：這里P(t)是單位長(zhǎng)度輸送帶上方物料重量，v(t)是輸送帶瞬時(shí)線速度，根據(jù)瞬時(shí)量數(shù)據(jù)可以計(jì)算物料瞬時(shí)流量：

F(t)=P(t)·V(t)[1]

(1)

圖1 雷達(dá)料位儀在緩沖倉中的安裝[2]

在時(shí)間T內(nèi)帶式輸送機(jī)物料累積量可以這樣計(jì)算：

(2)

式中:W是物料累積量,kg或t;T是物料通過稱臺(tái)的時(shí)間,s或h;q(t)為輸送帶單位長(zhǎng)度物料質(zhì)量,kg/m;v(t)是物料在輸送帶上運(yùn)行速度m/s。

在現(xiàn)有配料系統(tǒng)中，輸送帶上料速度要與給料機(jī)控制轉(zhuǎn)速成正比，輸送帶長(zhǎng)度、物料粒度、濕度、溫度等外界因素影響大，會(huì)影響上料量的準(zhǔn)確性，帶式輸送機(jī)物料流量控制有嚴(yán)重的非線性、灰色性以及滯后性，采用傳統(tǒng)PID調(diào)節(jié)很難適應(yīng)工藝要求。將人工智能中模糊控制邏輯結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)，采用閉環(huán)控制來實(shí)時(shí)調(diào)節(jié)帶式輸送機(jī)轉(zhuǎn)速，可以很好地解決輸送帶上料速度與物流穩(wěn)定性控制，實(shí)現(xiàn)自適應(yīng)裝車過程。

1 模糊神經(jīng)網(wǎng)絡(luò)控制算法的原理與實(shí)現(xiàn)

1.1 模糊控制的原理

模糊控制是一種基于規(guī)則的控制，采用語言控制規(guī)則，通過模糊邏輯以及近似推理的方法，將現(xiàn)場(chǎng)操作人員的控制經(jīng)驗(yàn)以及相關(guān)專家知識(shí)形式化、模型化，轉(zhuǎn)變?yōu)橛?jì)算機(jī)可以接受的控制模型，讓計(jì)算機(jī)來替代人工有效干預(yù)。語言變量的概念可以作為手動(dòng)控制策略的基礎(chǔ)，并在此基礎(chǔ)上發(fā)展出新型控制器——模糊控制器。

圖2中的Fgi為系統(tǒng)設(shè)定流量值，是精確量；Ffi是系統(tǒng)測(cè)量瞬時(shí)流量，是精確量，e與c是系統(tǒng)偏差以及偏差變化率，是精確量，也是模糊控制的輸入；E與C是經(jīng)過模糊量化處理后偏差以及偏差變化率的模糊量；U是模糊量的偏差與偏差變化率經(jīng)過模糊控制規(guī)則、近似推理處理后，得到輸出控制的模糊量；u是輸出控制的模糊量經(jīng)過模糊判決后得到的精確控制量，控制被控對(duì)象；Fi是為系統(tǒng)的輸出。[3]

圖2 模糊控制結(jié)構(gòu)

1.2 神經(jīng)網(wǎng)絡(luò)控制算法的原理

神經(jīng)網(wǎng)絡(luò)控制器是由常規(guī)PID控制器與神經(jīng)網(wǎng)絡(luò)兩部分組成，常規(guī)PID控制可以根據(jù)被控對(duì)象輸出與預(yù)設(shè)值誤差閉環(huán)控制，參數(shù)由Kp、Ki、Kd可以根據(jù)系統(tǒng)運(yùn)行狀況在線調(diào)整，而神經(jīng)網(wǎng)絡(luò)根據(jù)控制系統(tǒng)的運(yùn)行狀態(tài)不斷調(diào)節(jié)PID控制器參數(shù)，達(dá)到某種最優(yōu)性能指標(biāo)，輸出層神經(jīng)元對(duì)于常規(guī)PID控制器可調(diào)控制參數(shù)，通過神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整與修訂，提高系統(tǒng)控制精度。神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)如圖3所示。

網(wǎng)絡(luò)算法流程如圖4所示，具體實(shí)現(xiàn)步驟如下：

1) 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，確定輸入層節(jié)點(diǎn)與數(shù)目m與隱含層節(jié)點(diǎn)數(shù)目q，求得各層加權(quán)系數(shù)初始值wij(0)以及wli(0)，選定網(wǎng)絡(luò)學(xué)習(xí)速率η與慣性系數(shù)γ，其中令k=1。

圖3 神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)

2) 采樣計(jì)算rin(k)與yout(k)，計(jì)算輸入輸出誤差e(k)=rin(k)-yout(k)。

3) 計(jì)算神經(jīng)網(wǎng)絡(luò)神經(jīng)元在當(dāng)前時(shí)刻的輸入輸出值，輸出節(jié)點(diǎn)對(duì)應(yīng)PID控制器的參數(shù)Kp、Ki、Kd。

4) 計(jì)算PID控制器參數(shù)下輸出u(k)。

5) 進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)不斷加權(quán)系數(shù)wij(k)與wli(k)調(diào)整實(shí)現(xiàn)PID控制參數(shù)自適應(yīng)。

6) 設(shè)k=k+1返回第一步計(jì)算。[5]

圖4 網(wǎng)絡(luò)算法流程圖

[6]

2 模糊神經(jīng)網(wǎng)絡(luò)模型搭建與算法分析

對(duì)誤差進(jìn)行實(shí)時(shí)分析并利用非線性神經(jīng)網(wǎng)絡(luò)去逼近公式，建立緩沖倉料位儀與皮帶秤的神經(jīng)網(wǎng)絡(luò)模型，需要建立數(shù)學(xué)模型驗(yàn)證確定性后，用神經(jīng)網(wǎng)絡(luò)去無限逼近并選擇合適的理論模型投入實(shí)際運(yùn)行。安口南集運(yùn)站項(xiàng)目由3條帶式輸送機(jī)構(gòu)成，分布圖如圖5所示。上倉帶式輸送機(jī)825長(zhǎng)度超過60 m，倉下受煤坑帶式輸送機(jī)819與儲(chǔ)煤棚帶式輸送機(jī)820長(zhǎng)度均超過50 m。物料通過受煤坑圓盤給料機(jī)輸送通過819倉下帶式輸送機(jī)運(yùn)輸?shù)睫D(zhuǎn)載點(diǎn)1后，下落到儲(chǔ)煤棚上方820帶式輸送機(jī)，通過該帶式輸送機(jī)下方犁式卸料器下落至儲(chǔ)煤棚內(nèi)，之后通過圓盤給料機(jī)通過轉(zhuǎn)載點(diǎn)2運(yùn)送至上倉帶式輸送機(jī)825，最終到達(dá)緩沖倉內(nèi)，完成帶式輸送機(jī)的運(yùn)輸物料環(huán)節(jié)。

2.1 模糊神經(jīng)網(wǎng)絡(luò)控制誤差校正

通過倉下帶式輸送機(jī)819皮帶秤的上料量與上倉帶式輸送機(jī)825皮帶秤上料量與緩沖倉雷達(dá)料位儀米數(shù)數(shù)據(jù)分析，搭建皮帶秤測(cè)量簡(jiǎn)化模型，q′瞬時(shí)流量是q、H、V、t、δ的函數(shù)，即q′=f(q，H，V，t，δ)，選用簡(jiǎn)化模型，該模型直接影響神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間與誤差校正精確度：

圖5 安口南集運(yùn)站項(xiàng)目設(shè)備分布圖

q′=Kq

(3)

式中：K是神經(jīng)網(wǎng)絡(luò)輸出，這里使用B-P網(wǎng)絡(luò)結(jié)構(gòu)，這里有5個(gè)輸入節(jié)點(diǎn)，7個(gè)隱節(jié)點(diǎn)，3個(gè)輸出節(jié)點(diǎn)，對(duì)應(yīng)K1輸出節(jié)點(diǎn)輸出函數(shù)選乘2后的S型函數(shù)，K2與K3選擇輸出節(jié)點(diǎn)輸出函數(shù)向下平移半個(gè)單位后的S型函數(shù)，在模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)前K1函數(shù)為1，K2與K3為0，同時(shí)在學(xué)習(xí)中限制K1的范圍在0.98～1.02內(nèi)浮動(dòng)，此方法能夠近似電子皮帶秤測(cè)量公式并與項(xiàng)目實(shí)際情況相符；

q′=K1q+K2H+K3t[7]

(4)

當(dāng)倉下帶式輸送機(jī)819與上倉帶式輸送機(jī)825皮帶秤測(cè)量誤差在0.2%左右時(shí)，模糊神經(jīng)網(wǎng)絡(luò)算法結(jié)果誤差在0.12%左右。通過長(zhǎng)時(shí)間運(yùn)行，皮帶秤誤差降到0.4%左右時(shí)，皮帶秤計(jì)量誤差結(jié)果在0.15%左右，最終獲得較好的校驗(yàn)結(jié)果，測(cè)力傳感器的工作原理如圖6所示。

2.2 神經(jīng)網(wǎng)絡(luò)與模糊控制算法的融合

神經(jīng)網(wǎng)絡(luò)與模糊控制的融合主要是在神經(jīng)結(jié)構(gòu)

圖6 測(cè)力傳感器工作原理

模型中引入模糊邏輯控制，使之具有處理模糊信息的能力，同時(shí)利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與映射分析的能力，實(shí)現(xiàn)模糊控制中的模糊化、模糊推理與反模糊化的過程。倉下帶式輸送機(jī)820與上倉帶式輸送機(jī)825皮帶秤讀數(shù)，結(jié)合緩沖倉雷達(dá)料位儀采集緩沖倉物料高度等數(shù)據(jù)形式化、模型化，變成計(jì)算機(jī)可接受控制模型并實(shí)現(xiàn)模糊控制過程：輸入量輸出量模糊化；建立模糊控制規(guī)則以及模糊控制規(guī)則表；輸出信息模糊判決。模糊控制采用增量式數(shù)字算法，參數(shù)按照整定規(guī)則進(jìn)行優(yōu)化。

通過對(duì)819倉下帶式輸送機(jī)以及825上倉帶式輸送機(jī)的皮帶秤數(shù)據(jù)優(yōu)化，將每小時(shí)上料噸數(shù)實(shí)時(shí)采集，以及緩沖倉雷達(dá)料位儀的料位高米數(shù)匯總到模糊神經(jīng)網(wǎng)絡(luò)輸入端，并對(duì)相關(guān)數(shù)據(jù)進(jìn)行模糊處理，建立模糊控制規(guī)則以及輸出信息的模糊判決方法，通過數(shù)據(jù)優(yōu)化整定，確定合適的819以及825帶式輸送機(jī)帶速以及頻率給定輸出，并確定啟停給料機(jī)的個(gè)數(shù)。

如圖6所示，Q1與Q2分別表示819倉下帶式輸送機(jī)以及825上倉帶式輸送機(jī)量化以后的變化因子，E表示偏差，Ep表示偏差變化率。在控制系統(tǒng)運(yùn)行過程中，測(cè)力傳感器載荷信號(hào)以及旋轉(zhuǎn)編碼器的帶速信號(hào)，經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)運(yùn)算后，與配煤流量設(shè)定值比較，求出偏差率E以及偏差變化率Ep，之后采用偏差與偏差變化率作為輸入信號(hào)，控制系統(tǒng)根據(jù)智能模糊控制算法通過變頻器調(diào)節(jié)變頻電動(dòng)機(jī)轉(zhuǎn)速、頻率等相關(guān)參數(shù)，從而將物料流量控制在穩(wěn)定變化范圍內(nèi),模糊神經(jīng)網(wǎng)絡(luò)智能配料系統(tǒng)控制原理如圖7所示。

圖7 模糊神經(jīng)網(wǎng)絡(luò)智能配料控制系統(tǒng)

2.3 B-P算法神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)算法在項(xiàng)目中的應(yīng)用

安口南集運(yùn)站項(xiàng)目帶式輸送機(jī)多、長(zhǎng)度長(zhǎng)，采用傳統(tǒng)預(yù)測(cè)滾動(dòng)優(yōu)化算法無法滿足控制要求，故采用B-P算法。

3) 模糊化層，神經(jīng)元個(gè)數(shù)c是模糊規(guī)則數(shù)，輸出代表輸入數(shù)據(jù)對(duì)規(guī)則的匹配度，即得到數(shù)據(jù)與數(shù)據(jù)庫資料的比較，即現(xiàn)場(chǎng)采集數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)的偏差比較，節(jié)點(diǎn)函數(shù)為：

(5)

式中:i=1,2,…,c;j=1,2,…,n;vij與δij是高斯隸屬函數(shù)中心以及寬度。

4) 模糊推理層，采用if…than…的形式計(jì)算，模糊神經(jīng)網(wǎng)絡(luò)推理輸出是：

(6)

節(jié)點(diǎn)函數(shù)為：

反應(yīng)過程中苯酚的殘余濃度隨時(shí)間的變化情況如圖3(a)所示。由該圖可知，反應(yīng)液中苯酚的濃度在反應(yīng)開始后急劇下降，5 min后即可達(dá)到90%的去除率，30 min后反應(yīng)達(dá)到平衡，說明制備的Fe3O4-C空心微球具有較高的催化活性。以ln(Ct/C0)對(duì)t作圖，可得一條直線，見圖3(b)，說明苯酚的催化氧化降解反應(yīng)符合偽一級(jí)反應(yīng)動(dòng)力學(xué)[8]。

(7)

5) 解模糊化，通過重心法解模糊化，網(wǎng)絡(luò)輸出是：

(8)

通過以上B-P神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)算法的應(yīng)用，可以得到模糊神經(jīng)網(wǎng)絡(luò)整定后的皮帶秤和緩沖倉料位儀數(shù)據(jù)。

2.4 確定皮帶秤與緩沖倉料位儀、模糊子集隸屬度

在測(cè)得煤炭帶式輸送機(jī)流量的基礎(chǔ)上，將給定值與實(shí)際測(cè)量值比較得到瞬時(shí)流量比較并計(jì)算偏差，通過調(diào)整電機(jī)勵(lì)磁電流控制電機(jī)轉(zhuǎn)速，使偏差趨于零。項(xiàng)目中上倉帶式輸送機(jī)和倉下帶式輸送機(jī)各安裝2組皮帶秤，分別由以上的模糊控制規(guī)則if…then…模糊條件語句構(gòu)成，根據(jù)現(xiàn)場(chǎng)實(shí)際經(jīng)驗(yàn)值得到表1的模糊控制規(guī)則表。

表1 模糊控制規(guī)則(Rules of Fuzzy Control)

對(duì)隸屬度取小并在語言變量區(qū)域取截集，將對(duì)應(yīng)輸入值有效規(guī)則推理控制量模糊截集取相并，根據(jù)中心法則進(jìn)行模糊判決并求得控制量u。具體模糊隸屬度在安口南集運(yùn)站中數(shù)據(jù)分析結(jié)果如表2所示。

u=∑(xi·μN(yùn)(xi))∑μN(yùn)(xi) (9)

3 現(xiàn)場(chǎng)應(yīng)用

模糊神經(jīng)網(wǎng)路算法在帶式輸送機(jī)物料運(yùn)輸上可以實(shí)現(xiàn)帶式輸送機(jī)自適應(yīng)調(diào)節(jié)，相比較傳統(tǒng)裝車系統(tǒng)上倉帶式輸送機(jī)到緩沖倉進(jìn)料的過程中，當(dāng)接近滿倉時(shí)停止全部給料機(jī)后帶式輸送機(jī)上總量無法準(zhǔn)確預(yù)估，以及空倉后何時(shí)調(diào)整帶式輸送機(jī)電流以及轉(zhuǎn)速，將給定頻率調(diào)整到合適的上料速度，即上料速度與流量可以通過神經(jīng)網(wǎng)絡(luò)以及模糊控制達(dá)到較好的匹配程度。

將模糊控制與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方式的長(zhǎng)處結(jié)合起來形成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制，根據(jù)歷史控制量與輸出量變化對(duì)滯后狀態(tài)進(jìn)行預(yù)測(cè)，將狀態(tài)反饋到模糊神經(jīng)網(wǎng)絡(luò)，并訓(xùn)練模糊神經(jīng)達(dá)到有效控制。模糊神經(jīng)網(wǎng)絡(luò)配料速度與流量控制模型如圖8所示。

圖8 模糊神經(jīng)網(wǎng)絡(luò)配料速度與流量控制模型

安口南集運(yùn)站項(xiàng)目設(shè)備主要通過819與820帶式輸送機(jī)上方皮帶秤數(shù)據(jù)，結(jié)合緩沖倉雷達(dá)料位儀數(shù)據(jù)綜合分析判斷，應(yīng)用神經(jīng)網(wǎng)絡(luò)與模糊控制的方法進(jìn)行上料速度與流量控制的自適應(yīng)調(diào)節(jié)過程。

通過調(diào)節(jié)帶式輸送機(jī)負(fù)載與之匹配的帶速，當(dāng)此速度與軟啟動(dòng)速度不匹配，需要通過神經(jīng)網(wǎng)絡(luò)與模糊控制算法進(jìn)行變頻調(diào)速，使上料速度與物料流量控制滿足智能化裝車系統(tǒng)的配料速度要求。由于帶式輸送機(jī)具有非線性、復(fù)雜性的特點(diǎn)，速度v(t)與加速度a(t)存在以下關(guān)系：

(10)

(11)

式中:td是速度變化Δv所需加速時(shí)間，v0是初始速度。為了減少空載運(yùn)行時(shí)間與防止溢料情況的發(fā)生，加速度時(shí)間應(yīng)盡量減小，最大加速度amax與最小加速度時(shí)間tdmin分別是：

(12)

(13)

通過順序運(yùn)行帶式輸送機(jī)，采用模糊控制與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的過程控制，實(shí)現(xiàn)帶式輸送機(jī)之間的聯(lián)動(dòng)。

4 結(jié)論

神經(jīng)網(wǎng)絡(luò)與模糊控制的融合提高了帶式輸送機(jī)上料速度以及流量控制的方法，提高了機(jī)器學(xué)習(xí)的自適應(yīng)能力，預(yù)測(cè)控制的超前判斷能力，具有更廣泛的適用性。該模型能夠補(bǔ)償傳統(tǒng)預(yù)測(cè)控制基于線性模型的局限性，預(yù)測(cè)控制反饋校正使偏差變化率通過模糊神經(jīng)網(wǎng)絡(luò)進(jìn)一步修正，保證了煤炭上料的超前控制有效實(shí)現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)，處理泛化能力可以彌補(bǔ)模糊控制的缺陷并改善控制特征。對(duì)于煤炭上料速度以及流量控制，通過神經(jīng)網(wǎng)絡(luò)以及模糊控制算法，可以提高上料的準(zhǔn)確性與上料帶式輸送機(jī)運(yùn)行有效性，對(duì)于具有時(shí)滯性與干擾的過程控制系統(tǒng)效果明顯。

經(jīng)過在華亭安口南集運(yùn)站的實(shí)驗(yàn)與測(cè)試，可以通過神經(jīng)網(wǎng)絡(luò)與模糊控制算法來自適應(yīng)調(diào)節(jié)上料速度并精確控制物料流量，不會(huì)出現(xiàn)以前傳統(tǒng)裝車站中上料不足空倉需要裝車長(zhǎng)時(shí)間等待補(bǔ)料、滿倉由于不能及時(shí)停止給料機(jī)減緩帶式輸送機(jī)運(yùn)行速度導(dǎo)致棚倉現(xiàn)象，實(shí)現(xiàn)了自適應(yīng)調(diào)節(jié)參數(shù)控制，提高裝車系統(tǒng)運(yùn)行效率，滿足智能化煤炭裝車的需求。