1 引言
国内对磨机的出入口温度控制都采用手动方式,这不但要求操作人员具有丰富的实践经验,而且要求操作人员长期处于紧张的监控状态,系统完全依赖于人的实时监控,不稳定的温度控制需要不断地调整热风炉的温度,增加了燃煤量。要实现磨机出入口温度的自动控制十分困难,主要原因有:1) 磨机有7 个调节阀,每个阀门的调节都影响磨机出入口温度出入口温度的控制主要靠调节3个阀门的开度来实现,是一个典型的多输入、多输出控制系统,控制复杂,难以建立精确数学模型对象;2) 系统具有明显的滞后性,且控制精度要求高,特别是出口温度必须维持在100 ℃左右;3) 进入磨机的物料的不稳定性引起磨机出口温度波动;4) 磨机振动大,需要喷水以减轻磨机的振动,又导致了出口温度降低。因此,该控制过程具有典型的非线性、复杂性、大滞后性、多输入、多输出及模型不确定等特点,难以用精确的数学模型来描述,采用传统的控制方法很难实现,必须采用一种有效的控制算法来实现。
2 模糊模型计算
根据热风炉燃烧PID控制,对控制模型进行了改进和优化。煤气流量数学模型在物料流量、水分含量和温度修正系数的输入下可以计算出煤气流量值,通过煤气PID控制器和煤气调节器实现稳定煤气流量的功能。根据空燃比模型,可以通过煤气流量计算出空气流量,并通过空气PID控制和空气调节器来稳定空气的流量。在调节磨机辊压、选粉机转速、磨机内压值和微粉粒度可以对热风温度进行修正,通过修正值重新计算出空燃比,为燃烧系统提供最优的空燃比。通过对热风炉的温度检测,得到温度实测值,实测温度与正常温度之间的差值可以作为模糊控制算法的输入参数,从而计算出温度修正系数,进而通过煤气流量数学模型,得到理想的煤气流量值[1]。图1为热风炉燃烧控制系统结构图。
模糊控制器的输入语言变量为出口温度偏差e及其变化率ec,输出语言变量选为煤气流量调节阀设定值的修正值u。通过控制器定时采样温度值N和温度值变化率与额定温度比较,获得温度偏差e以及偏差变化率ec ,并作为PLC控制器的输入变量,模糊控制器的输出控制煤气流量调节阀的开度。模糊控制器包括输入量模糊化、模糊推理和解模糊3个部分。E和Ec分别为e和ec模糊化后的模糊量,U为模糊控制量,u为U解模糊化后的精确量。
2.1 输入模糊化
在模糊控制器设计中[2],设:
E 的词集为[NB,NM,NS,ZO,PS,PM,PB],论域为[-4,-3,-2,-1,0,+1,+2,+3,+4] ;
Ec和u 的词集为[NB,NS,ZO,PS,PB],论域
为[-4,-3,-2,-1,0,+1,+2,+3,+4] ;
e(k)=N(k)-N(0),N(k) = e(k)-e(k-1),N(0)表示额定值。
将e、ec和U模糊化,根据N值控制经验可得出变量E,Ec和U的模糊量化表。
2.2 模糊决策和模糊控制规则[3]
通过总结温度调节处理过程中手动控制经验,可以得出模糊控制规则。
根据控制规则表,可以得到35 条模糊控制规则,例如:当E偏差和偏差变化均为负大时, E值小于额定值,应增大煤气流量,所以U取PB,即控制规则为IF E= NB AND Ec=NB THEN U=PB;如E偏差负大,偏差变化为正大时,煤气流量不变,即控制规则为IF E=NB AND Ec=PB THEN U=ZO。
2.3 输入反模糊化[3]
根据模糊规则表取定的每一条模糊条件语句,就可以计算相应的模糊控制量U,然后依据隶属度法得出的实际控制量u ,经D/A转换后去控制煤气流量阀位开度。
2.4 控制实现[4]
磨机出口温度设定值SP与模型输出修正值U进行运算,作为回路控制的设定值SP;设定值SP与实际检测温度PV进行比较,形成偏差进入PID控制模块,输出通过限幅模块调节煤气调节阀开度,控制磨机入口温度。
通过模糊控制模型调节使得预先判断出温度的变化趋势,并根据这一趋势调节阀门,当温度的变化反应到温度检测值上时,阀门正好调到合适的位置,克服了温度调节滞后时间长、易超调、反应速度慢的缺点。
3 结束语
模糊神经网络模型的建立,模仿人的模糊综合判断推理来处理常规方法难以解决的模糊信息处理的难题,利用神经网络极强的自适应学习能力,完成了难以用传统非线性理论来处理的问题,实现了系统的自动控制,经实践验证,系统具有良好的动静态性能和较强的鲁棒性能,抗干扰能力强,达到了理想的温度控制效果。
参考文献:
[1] 李士勇,模糊控制.神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社.1998.
[2] 李国勇,神经模糊控制理论及应用[M].北京:电子工业出版社.2009.
［3］ 易继锴,侯媛彬.智能控制技术[M].北京:北京工业大学出版社,1999.
［4］ 喻宗泉,喻晗.神经网络控制[M].西安:西安电子科技大学出版社,2009.
作者简介:李坤(1981-),女,学士,工程师,从事自动化控制系统及仪表应用。