摘要：針對(duì)焦?fàn)t集氣管壓力這類多變量非線性系統(tǒng)，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能協(xié)調(diào)控制方案。應(yīng)用遺傳算法對(duì)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行優(yōu)化，并采用PLC的邏輯梯形圖語言編程實(shí)現(xiàn)智能協(xié)調(diào)運(yùn)算。工程應(yīng)用表明了系統(tǒng)設(shè)計(jì)的有效性。

    關(guān)鍵詞：可編程控制器 模糊神經(jīng)網(wǎng)絡(luò) 智能控制

焦?fàn)t集氣管壓力控制是焦?fàn)t控制的關(guān)鍵之一,車間降溫風(fēng)機(jī)。壓力大時(shí)焦?fàn)t冒煙嚴(yán)重，近距離不能看清設(shè)備，大量焦?fàn)t媒氣進(jìn)入空氣中，污染環(huán)境；壓力小時(shí)空氣吸入嚴(yán)重，影響焦?fàn)t壽命和焦?fàn)t煤氣質(zhì)量。因此，采用先進(jìn)控制手段，對(duì)焦?fàn)t焦氣管壓力進(jìn)行長期穩(wěn)定控制，對(duì)于改善環(huán)境、提高煤氣回收量和質(zhì)量、提高焦?fàn)t輔助產(chǎn)品產(chǎn)量和質(zhì)量，具有重要的意義。焦?fàn)t集氣管控制系統(tǒng)的主要問題有：

（1）焦?fàn)t集氣管壓力系統(tǒng)是一個(gè)耦合嚴(yán)重、具有嚴(yán)重非線性、時(shí)變特性、擾動(dòng)變化激烈的多變量系統(tǒng)，一般的PID調(diào)節(jié)很難滿足要求。

（2）當(dāng)媒質(zhì)較好、鼓風(fēng)機(jī)后媒氣負(fù)荷穩(wěn)定時(shí)，自動(dòng)控制效果較好；當(dāng)媒質(zhì)較差、鼓風(fēng)機(jī)后壓力變化大時(shí)，常常出現(xiàn)振蕩現(xiàn)象，迫使系統(tǒng)無法投入自動(dòng)控制。

（3）作為控制機(jī)構(gòu)之一的鼓風(fēng)閘閥存在嚴(yán)重的非線性、滯后大，常規(guī)伺服放大器加執(zhí)行結(jié)構(gòu)很難適應(yīng)。

近年來，神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)和遺傳算法已成為智能計(jì)算的三大信息科學(xué)，是智能控制領(lǐng)域的三個(gè)重要基礎(chǔ)工具，將三者有機(jī)地結(jié)合起來，取長補(bǔ)短，不僅在理論上顯示出誘人的前景，在實(shí)際應(yīng)用也取得了突破。本系統(tǒng)采用一種基于遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)的智能模糊控制器，實(shí)現(xiàn)了模糊規(guī)則的在線修改和隸屬函數(shù)的自動(dòng)更新，使模糊控制具有自學(xué)習(xí)和自適應(yīng)能力。本文將系統(tǒng)的硬件高可靠性、軟件靈活性與現(xiàn)代智能控制相結(jié)合，在分析控制對(duì)象的基礎(chǔ)上采智能協(xié)調(diào)解耦控制方案，應(yīng)用PLC的邏輯梯形圖語言編程實(shí)現(xiàn)，保證了集氣管壓力穩(wěn)定在工藝要求范圍內(nèi)。

1 工藝簡介

圖1是焦?fàn)t集氣管系統(tǒng)的結(jié)構(gòu)。焦?fàn)t媒氣從各炭化室通過上升管時(shí)被循環(huán)氨氣冷卻到80～90℃，然后進(jìn)入集氣管。焦?fàn)t某氣從焦?fàn)t到初冷器分為兩個(gè)吸氣系統(tǒng)，即1號(hào)和2號(hào)焦?fàn)t為一個(gè)系統(tǒng)，3號(hào)焦?fàn)t為一個(gè)系統(tǒng)。1號(hào)和2號(hào)焦?fàn)t的煤氣從各自的集氣管進(jìn)入共用吸氣管后，在初冷器前與3號(hào)焦?fàn)t的煤氣會(huì)合后進(jìn)入初冷器。通過初冷器被冷卻到35～40℃，然后由鼓風(fēng)機(jī)送往下道工序。

2 系統(tǒng)硬件結(jié)構(gòu)及系統(tǒng)功能

焦?fàn)t集氣管壓力控制系統(tǒng)采用高可靠性的兩級(jí)計(jì)算機(jī)集散控制系統(tǒng)，由監(jiān)控、控制器和通訊網(wǎng)及儀表系統(tǒng)構(gòu)成，如圖2所示。監(jiān)控站由研華工業(yè)控制計(jì)算機(jī)和高性能工業(yè)控制軟件構(gòu)成，完成對(duì)焦?fàn)t集氣管壓力系統(tǒng)的監(jiān)視和操作，對(duì)歷史數(shù)據(jù)進(jìn)行存檔，是控制系統(tǒng)的主要機(jī)界面�？刂破鞑捎萌毡救�菱公司推出的A2A擬量輸入模塊、數(shù)字量輸入輸出模塊和基板組成，通過智能控制算法對(duì)三座焦?fàn)t的集氣管壓力和鼓風(fēng)機(jī)壓力進(jìn)行控制。儀表系統(tǒng)由變送器、配電器、隔離器、調(diào)節(jié)器和執(zhí)行器等構(gòu)成，主要完成壓力信號(hào)的獲取和閥門的控制執(zhí)行。

系統(tǒng)主要功能為：

（1）實(shí)現(xiàn)3焦?fàn)t集氣管壓力的解耦控制，實(shí)現(xiàn)初冷器前和鼓風(fēng)機(jī)前及鼓風(fēng)后壓力智能協(xié)調(diào)控制，保證4臺(tái)鼓風(fēng)機(jī)安全穩(wěn)定運(yùn)行。在推焦裝媒及鼓風(fēng)機(jī)后負(fù)荷變化等擾動(dòng)較大的情況下，集氣管壓力穩(wěn)定在設(shè)定值±20Pa內(nèi)。

（2）實(shí)現(xiàn)過程的實(shí)時(shí)數(shù)據(jù)采集、數(shù)據(jù)處理、顯示、報(bào)警、故障監(jiān)測及診斷功能，手、自動(dòng)無擾切換和設(shè)定操作，對(duì)歷史趨勢數(shù)據(jù)進(jìn)行存儲(chǔ)（存儲(chǔ)240天的歷史數(shù)據(jù)）和顯示。具備報(bào)表打印功能和與上位機(jī)（管理系統(tǒng)）聯(lián)網(wǎng)功能。

3 控制原理

針對(duì)焦?fàn)t集氣管系統(tǒng)的結(jié)構(gòu)和特點(diǎn)，本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能協(xié)調(diào)控制方案�？刂葡到y(tǒng)的結(jié)構(gòu)如圖3所示。它分為兩級(jí)：專家智能控制協(xié)調(diào)級(jí)（虛線框內(nèi)）和基本實(shí)時(shí)智能控制級(jí)。專家智能控制協(xié)調(diào)級(jí)在線實(shí)時(shí)監(jiān)測被控系統(tǒng)過程，根據(jù)不同爐況，協(xié)調(diào)控制策略，進(jìn)行有效控制。基本實(shí)時(shí)智能控制級(jí)分為單輸入單輸出（SISO）模糊神經(jīng)網(wǎng)絡(luò)控制器FNC1～FNC4和多變量解耦控制器FNC5兩部分,工廠車間通風(fēng)降溫，由徑向基函數(shù)網(wǎng)絡(luò)（RBFN）逼近過程模型。此模型用于計(jì)算過程輸出對(duì)過程輸入的一階偏導(dǎo)數(shù)ay/au和離線尋優(yōu)，由多量解耦控制器根據(jù)解耦參考模型2進(jìn)行解耦控制，與被控對(duì)象一道構(gòu)成解耦后的廣義被控對(duì)象，在此基礎(chǔ)上分別采用SISO模糊神經(jīng)網(wǎng)絡(luò)控制器控制被控對(duì)象的動(dòng)態(tài)特性：采用智能協(xié)調(diào)模糊神經(jīng)網(wǎng)絡(luò)控制器FNC4，以鼓風(fēng)機(jī)閘閥開度為控制量，控制初冷器前吸力；采用模糊神經(jīng)網(wǎng)絡(luò)控制器FNC1～3，以各焦?fàn)t集氣管蝶閥開度為控制量，控制相應(yīng)焦?fàn)t集氣管壓力。

3.1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3座焦?fàn)t集氣管壓力和初冷器前壓力控制算法FNC1～FNC4采用同樣的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，取誤差e、誤差變化率Δe及其導(dǎo)數(shù)Δ2e作為模糊推理控制器輸入，e為Δe分別劃分為7個(gè)模糊子集，Δ2e劃分為3個(gè)模糊子集，模糊子集隸屬度采用高斯型函數(shù)表示。上述的模糊推理控制器可用一個(gè)如圖4所示的初始神經(jīng)網(wǎng)絡(luò)構(gòu)成。初始神經(jīng)網(wǎng)絡(luò)共有四層：輸入層、隸屬函數(shù)生成層、推理層和去模糊化層。輸入節(jié)點(diǎn)數(shù)n為3，第一層隱含節(jié)點(diǎn)（模糊化）為17，第二層隱含節(jié)點(diǎn)（推理）L為7×7×3=147，一個(gè)輸出點(diǎn)節(jié)。模糊化到推理連接權(quán)重為1。

多變量解耦控制器FNC5采用T-S模糊模型[4]，取FNC1～FNC4輸出作為模糊控制器的輸入，三座焦?fàn)t焦氣管蝶閥和鼓風(fēng)機(jī)前閘閥實(shí)際控制輸出作為模糊控制器的輸出，考慮到系統(tǒng)的動(dòng)態(tài)解耦，每個(gè)輸入分別取當(dāng)前三個(gè)時(shí)刻值，從而構(gòu)成12輸入、4輸出多變量解耦模糊控制模型。

3.2 模糊神經(jīng)網(wǎng)絡(luò)GA優(yōu)化學(xué)習(xí)

對(duì)于單變量和多變量解耦模糊神經(jīng)網(wǎng)絡(luò)，可用遺傳算法（GA）來調(diào)整和優(yōu)化參數(shù)和結(jié)構(gòu)，而推理規(guī)則的結(jié)論部分中的權(quán)值Wi較為多地具有局部性，可采用智能梯度算法在線調(diào)節(jié)。把兩種學(xué)習(xí)算法結(jié)合起來，可發(fā)揮GA算法的全局搜索結(jié)構(gòu)優(yōu)化能力和梯度算法局部優(yōu)化塊速性。

    采用遺傳算法離線訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的步驟如下：

（1）采用實(shí)數(shù)編碼方式，隨機(jī)產(chǎn)生n個(gè)實(shí)數(shù)字符串，每個(gè)字符串表示整個(gè)網(wǎng)絡(luò)的一組參數(shù)；

（2）將各實(shí)數(shù)字符串譯碼成網(wǎng)絡(luò)的各參數(shù)值，然后計(jì)算每一組參數(shù)的適合度值fi=1/Ei(i=1,2……，n)，式中Ei為定義的誤差指標(biāo)函數(shù)，按下列步驟產(chǎn)生新的群體，直到新群體中串總數(shù)達(dá)到n：

①以概率fi/∑fi,fj/∑fj從群體中選出兩個(gè)串Si，Sj；

②以概率Pc對(duì)Si，Sj進(jìn)行交換，得到新串Si',Sj'；

③以概率Pm使Si'，Sj'中的各位產(chǎn)生突變（取隨機(jī)數(shù)）；

④返回第①步，直到產(chǎn)生（n-1）個(gè)新一代的個(gè)體；

⑤所產(chǎn)生的（n-1）個(gè)新一代的個(gè)體連同一代中性能最好的那個(gè)個(gè)體，共同組成新的群體。

（3）返回第（2）步，直到群體中的個(gè)體性能滿足要求為止。群體中適應(yīng)度最好的字符串譯碼后的參數(shù)即為所求參數(shù)。

這里采用一種自適應(yīng)Pc和Pm方法。用適合度函數(shù)來衡量算法的收斂狀況，其表達(dá)式為：

Pc=K1(fmax-f)

Pm=K2(fax-f)

式中，fmax、f分別是群體中的最大適合度和平均適合度。由于篇幅的關(guān)系，有關(guān)SISO模糊網(wǎng)絡(luò)控制器和多變量解耦控制器的梯度在線學(xué)習(xí)算法請參考文獻(xiàn)[5]，在本系統(tǒng)中由模糊神經(jīng)網(wǎng)絡(luò)控制器用編程控制器提供的浮點(diǎn)運(yùn)算指令完成，在線學(xué)習(xí)算法由上位機(jī)用VC編程，通過通訊修改模糊神經(jīng)網(wǎng)絡(luò)參數(shù)。

4 控制系統(tǒng)實(shí)現(xiàn)

4.1 專家智能協(xié)調(diào)控制的實(shí)現(xiàn)

控制過程開始時(shí)啟動(dòng)基于智能的專家控制系統(tǒng)，通過過程特征提取將系統(tǒng)運(yùn)行過程的特征信息如各級(jí)壓力、誤差等送入推理結(jié)構(gòu)，推理機(jī)構(gòu)根據(jù)知識(shí)庫中的規(guī)則和事實(shí)執(zhí)行推理，給出控制策略。當(dāng)推理得出參數(shù)變化需啟動(dòng)模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能時(shí)，保存原參數(shù)，并啟動(dòng)模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)制，根據(jù)系統(tǒng)的性能好壞決定是否接受學(xué)習(xí)后的整體參數(shù)。

根據(jù)工藝過程特點(diǎn)、工藝工程師和熟練操作工的知識(shí)和經(jīng)驗(yàn)，初冷器前壓力專家設(shè)定采取如下協(xié)調(diào)原因：首先保護(hù)設(shè)備的安全運(yùn)行，如果鼓風(fēng)機(jī)機(jī)前吸力P4高于工藝允許上限制值P4max，則降低鼓風(fēng)機(jī)閘閥開度；如果鼓風(fēng)機(jī)控制閘閥控制輸出u4低于喘震閘閥開度V4min,則維持V4min閘閥開度。然后將鼓風(fēng)機(jī)機(jī)后壓力大小分8段折線，根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)給出初冷器前壓力初步設(shè)定值，并根據(jù)實(shí)際狀態(tài)進(jìn)行調(diào)整，如果集氣管壓力超過設(shè)定上限制值Pmax，閥位超過靈敏區(qū)上限制值Vqmax，則降低初冷器前壓力給定；如果3個(gè)集氣管壓力均超過設(shè)定上限制值Psmax，則增大鼓風(fēng)機(jī)閘閥控制輸出；如果集氣管壓力小于設(shè)定下限制值Pmin，閥位低于靈敏區(qū)下限制值Vqmin，則增加初冷器前壓力給定；如果3個(gè)集氣管壓力小于設(shè)定一下限制值Psmin，則降低鼓風(fēng)機(jī)閘閥控制輸出。以產(chǎn)生式規(guī)則“IF conditions THEN results”形成的主要規(guī)則為：

R1：IF（P5≥Xi-1）AND（P5

THEN r4=(Yi-Yi-1)/(Xi-Xi-1)+Yi-1

R2：IF（P1>P1max）AND（V1>Vlqmax）

THEN r4=r4-Δr

R3:IF (P2>P2max)AND（V2>V2qmax）

THEN r4=r4-Δr

R4:IF (P3>P3max)AND (V3>V3qmax)

THEN r4=r4-Δr

R5:IF (P1>Psmax)AND(P2>Psmax) AND(P3>Psmax)

THEN u*04=u04+Limit

R6：IF（P1

THEN r4=r4+Δr

R7：IF （P2

THEN r4=r4+Δr

R8:IF(P3

THEN r4=r4+Δr

R9:IF（P1

THEN u*04=u04-Limit

R10：IF P4>P4max

THEN u*4=u4-Limit

R11:IF u4

上述規(guī)則中Xi、Yi(i=1,2,…,,7)為初冷器前壓力設(shè)定經(jīng)驗(yàn)數(shù)據(jù)，r4為初冷器前壓力設(shè)定值，Δr為設(shè)定增量，u04為集氣管模糊神經(jīng)控制器輸出值，u*04為前級(jí)合成控制輸出，u4為解耦控制鼓風(fēng)機(jī)閘閥控制輸出，u*4為鼓風(fēng)機(jī)閘閥控制最后合成輸出，Limit為可能的最小閘閥開度調(diào)節(jié)量，取決于執(zhí)行機(jī)構(gòu)的調(diào)節(jié)精度。可編程控制器梯形圖很適合上述規(guī)則的編程。四套鼓風(fēng)機(jī)機(jī)組均采用智能專家協(xié)調(diào)控制系統(tǒng)，只是參數(shù)不同。不同機(jī)組運(yùn)行時(shí)自動(dòng)選用相應(yīng)參數(shù)。

    4.2 時(shí)間比例數(shù)字輸出控制的實(shí)現(xiàn)

經(jīng)過專家智能協(xié)調(diào)控制后的輸出，還要經(jīng)過非線性修正，然后采用時(shí)間比例數(shù)字輸出算法并用固態(tài)繼電器直接控制閥門。控制輸出經(jīng)過標(biāo)度變換，轉(zhuǎn)換成相應(yīng)的時(shí)間。由于小于某一值的脈沖不但不會(huì)驅(qū)動(dòng)伺服電機(jī)，還會(huì)使電機(jī)過熱，因此需極小值切除，并且根據(jù)上次開閥方向和本次開閥方向進(jìn)行死區(qū)補(bǔ)償，并根據(jù)閥位測量數(shù)據(jù)進(jìn)行故障處理。其框圖如圖5所示。

本系統(tǒng)于1999年6月在湘潭鋼鐵集團(tuán)有限公司焦化廠投入運(yùn)行，實(shí)際應(yīng)用表明，該系統(tǒng)工作可靠、性能穩(wěn)定、功能齊全、操作方便，控制精度達(dá)到要求。單座焦?fàn)t的調(diào)節(jié)對(duì)其它焦?fàn)t壓力的影響較控制前明顯削弱，對(duì)壓力的最大擾動(dòng)幅度從±200Pa下降到±10Pa，當(dāng)出現(xiàn)擾動(dòng)時(shí)，能快速調(diào)節(jié)達(dá)到穩(wěn)定，保證壓力穩(wěn)定在工藝要求的范圍內(nèi)�！�