田晴，曹秀爽

（1.河北聯(lián)合大學(xué) 電氣工程學(xué)院，河北 唐山063009；2.唐山學(xué)院 信息工程系，河北 唐山063009）

焦?fàn)t集氣管壓力是煉焦生產(chǎn)中的重要參數(shù)，其穩(wěn)定性直接影響著焦?fàn)t設(shè)備的使用壽命和焦炭與煤氣的生產(chǎn)。集氣管壓力值應(yīng)穩(wěn)定在80～120Pa范圍內(nèi)，壓力過(guò)低時(shí)，空氣會(huì)進(jìn)入焦?fàn)t體內(nèi)導(dǎo)致焦炭燃燒，造成產(chǎn)品質(zhì)量下降；壓力過(guò)高時(shí)，荒煤氣會(huì)從爐門(mén)、爐蓋等地方冒出，造成環(huán)境污染和能源浪費(fèi)。

實(shí)際生產(chǎn)表明，集氣管壓力的特性呈現(xiàn)了非線性、強(qiáng)耦合和多變量等特點(diǎn)，理論上大多以模糊控制、復(fù)合控制為主［1－2］；工程應(yīng)用方面，集氣管壓力主要依靠調(diào)節(jié)蝶閥門(mén)開(kāi)度來(lái)滿足工藝需求。本文依據(jù)集氣管壓力的靜態(tài)特性和動(dòng)態(tài)特性，以某焦化廠2座焦?fàn)t集氣管壓力控制為研究對(duì)象，給出集氣管壓力系統(tǒng)的動(dòng)態(tài)模型，采用逆系統(tǒng)解耦方法，結(jié)合神經(jīng)網(wǎng)絡(luò)非線性辨識(shí)特性，進(jìn)行動(dòng)態(tài)解耦控制。

1 集氣管壓力系統(tǒng)的數(shù)學(xué)模型

在煉焦生產(chǎn)中，集氣管的作用是匯集各炭化室來(lái)的荒煤氣，集氣管壓力調(diào)節(jié)的目的是使炭化室保持合適的正壓范圍，以滿足煤在干餾過(guò)程中所需要的工藝條件。集氣管壓力特性如圖1，圖中的斜線代表集氣管壓力系統(tǒng)有關(guān)的集氣管、初冷器、風(fēng)機(jī)、蝶閥等工藝對(duì)象。

圖1 集氣管動(dòng)態(tài)特性示意圖

Ps1、Ps2分別為焦?fàn)t產(chǎn)出煤氣產(chǎn)生的壓力；Q1、Q2分別為從1＃、2＃焦?fàn)t進(jìn)入集氣管的煤氣流量；P1、P2分別為1＃、2＃焦?fàn)t集氣管的煤氣壓力；P3為初冷器前煤氣壓力；P’1、P’2分別為管后煤氣壓力；C1、C2、C12、C23為對(duì)象的容量系數(shù)。R1、R2為對(duì)象的阻力系數(shù)，由蝶閥開(kāi)度決定；R12、R23為管道間的系數(shù)，由管道本身決定。

根據(jù)焦?fàn)t集氣管壓力控制主要是依靠改變各集氣管上的蝶閥開(kāi)度來(lái)控制集氣管壓力的，蝶閥開(kāi)度是控制量，選擇R1、R2作為系統(tǒng)的控制輸入量，表示蝶閥開(kāi)度；選擇P1、P2作為系統(tǒng)的輸出量；焦?fàn)t產(chǎn)出壓力Ps1、Ps2，初冷器前煤氣壓力P3，作為系統(tǒng)的擾動(dòng)輸入；根據(jù)對(duì)象的特性模擬圖，可建立氣體動(dòng)態(tài)平衡方程：

在穩(wěn)定工作點(diǎn)利用泰勒級(jí)數(shù)公式將所建非線性動(dòng)態(tài)平衡方程線性化為增量形式同時(shí)進(jìn)行拉氏變換，得到集氣管壓力系統(tǒng)的傳遞函數(shù)。

2 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)解耦控制

2.1 逆系統(tǒng)解耦原理

如果將α階逆系統(tǒng)∏α串接在原系統(tǒng)∑α之前一起構(gòu)成具有類似線性傳遞關(guān)系的復(fù)合系統(tǒng)，稱為α階偽線性復(fù)合系統(tǒng)，其輸入輸出關(guān)系可簡(jiǎn)單的表示成如下的線性積分解耦型傳遞函數(shù)：

2.2 集氣管壓力系統(tǒng)的可逆性分析

能否實(shí)現(xiàn)逆系統(tǒng)，是能否將一個(gè)原系統(tǒng)線性化、解耦成偽線性子系統(tǒng)的重要前提。由上述模型方程可知，集氣管壓力數(shù)學(xué)模型表現(xiàn)為五輸入兩輸出的非線性系統(tǒng)，為實(shí)現(xiàn)解耦控制，本文采用逆系統(tǒng)方法分析其數(shù)學(xué)模型的可逆性，采用interactor算法［7－8］，不斷的對(duì)輸出函數(shù)進(jìn)行求導(dǎo)，直到輸出各分量都顯含輸入，且系統(tǒng)存在矢量相對(duì)階，則可判斷該系統(tǒng)可逆。

2.3 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)實(shí)現(xiàn)

2.3.1 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)解耦原理［7］

根據(jù)BP神經(jīng)網(wǎng)絡(luò)在逼近非線性映射的系統(tǒng)運(yùn)算中具有較好的性能，采用應(yīng)用最為廣泛的三層反饋前向神經(jīng)網(wǎng)絡(luò)來(lái)逼近集氣管壓力逆系統(tǒng)，則得到逆系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。解耦的基本思想為：將靜態(tài)神經(jīng)網(wǎng)絡(luò)逼近逆系統(tǒng)后再與原系統(tǒng)復(fù)合成偽線性系統(tǒng)，將原系統(tǒng)線性化和解耦成各個(gè)偽線性子系統(tǒng)，然后再對(duì)各個(gè)偽線性子系統(tǒng)設(shè)計(jì)控制器進(jìn)行閉環(huán)控制，以使原系統(tǒng)獲得良好控制性能。

2.3.2 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)辨識(shí)

根據(jù)集氣管壓力系統(tǒng)輸入輸出特性，確定BP神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)數(shù)2個(gè)，輸出節(jié)點(diǎn)數(shù)5個(gè)，隱含層節(jié)點(diǎn)數(shù)根據(jù)仿真實(shí)驗(yàn)來(lái)確定。訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)需要原系統(tǒng)的輸入量作為神經(jīng)網(wǎng)絡(luò)的期望輸出，需要原系統(tǒng)的輸出量作為神經(jīng)網(wǎng)絡(luò)的輸入，這需要通過(guò)在原系統(tǒng)的工作區(qū)域內(nèi)，選取適合的激勵(lì)信號(hào)來(lái)獲取原系統(tǒng)的動(dòng)靜態(tài)特性。

訓(xùn)練樣本的生成可根據(jù)原系統(tǒng)模型在MATLAB中進(jìn)行，在仿真系統(tǒng)中使采樣數(shù)據(jù)直接存入”ToWorksPace’’模塊。為了獲得足夠的樣本數(shù)據(jù)，我們?cè)O(shè)置仿真時(shí)間為1 000s，每0.05秒采樣一組數(shù)據(jù)，采樣的總數(shù)據(jù)量為20000組，其中的19500組作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，500組作為網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)。為了加快訓(xùn)練網(wǎng)絡(luò)的收斂性，我們需對(duì)數(shù)據(jù)進(jìn)行［－1，1］的歸一化處理，采用MATLAB自帶函數(shù) mapminmax對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

在MATLAB中進(jìn)行神經(jīng)網(wǎng)絡(luò)的離線訓(xùn)練：

%提取訓(xùn)練數(shù)據(jù)

%選定樣本輸入輸出數(shù)據(jù)歸一化

%初始化網(wǎng)絡(luò)結(jié)構(gòu)

%網(wǎng)絡(luò)訓(xùn)練

%生成simulink模塊

在MATLAB中訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)生成simulink模塊如圖2，這樣就可以很方便的將該模塊應(yīng)用到集氣管壓力的離線仿真中去。

誤差訓(xùn)練如圖3：

圖2 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)模塊

圖3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖

3 MATLAB仿真實(shí)現(xiàn)

3.1 原系統(tǒng)仿真

某焦化廠焦?fàn)t集氣管壓力系統(tǒng)實(shí)際穩(wěn)態(tài)工作點(diǎn)參數(shù)為：

在simulink中搭建輸出量P1和P2的閉環(huán)控制模型，輸入為集氣管壓力的設(shè)定期望值，stepP1＝110，，stepP2＝100，且2＃集氣管壓力的設(shè)定值延遲100s作用，以便研究其耦合性。仿真結(jié)果如圖4.

圖4 未解耦系統(tǒng)閉環(huán)仿真曲線

3.2 集氣管壓力系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆解耦控制

將基于MATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)模塊與集氣管壓力系統(tǒng)串聯(lián)，加上必要的歸一化模塊和反歸一化模塊，形成閉環(huán)系統(tǒng)，就構(gòu)成了集氣管壓力系統(tǒng)的神經(jīng)網(wǎng)絡(luò)逆解耦控制系統(tǒng)，在simulink中搭建模型如圖5。

圖5 集氣管壓力神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)simulink模型

在上述閉環(huán)結(jié)構(gòu)中，參數(shù)設(shè)置同上，仿真結(jié)果如圖6。

圖6 集氣管逆解耦控制仿真曲線

從仿真結(jié)果分析，未解耦系統(tǒng)明顯可看出P1和P2之間的耦合關(guān)系，且系統(tǒng)進(jìn)入穩(wěn)態(tài)后，不能達(dá)到設(shè)定值。通過(guò)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)解耦后，耦合關(guān)系已基本消除，且基本能夠達(dá)到設(shè)定值。

4 結(jié)論

在確定集氣管壓力系統(tǒng)特性的基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)逼近逆系統(tǒng)，根據(jù)逆系統(tǒng)解耦原理，神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)與原系統(tǒng)構(gòu)成復(fù)合系統(tǒng)，實(shí)現(xiàn)解耦控制。通過(guò)仿真，證明了其有一定的可行性，但是對(duì)其控制性能仍需進(jìn)一步的研究。

［1］孟月波等.焦?fàn)t集氣管壓力系統(tǒng)建模與仿真［J］.系統(tǒng)仿真學(xué)報(bào)，2005，（17）10：2314～2316.

［2］王學(xué)武等.焦?fàn)t集氣管壓力系統(tǒng)的復(fù)合控制［J］.化工自動(dòng)化及儀表，2004，31（6）：18～20.

［3］王學(xué)雷等.集氣管壓力協(xié)調(diào)控制系統(tǒng)的應(yīng)用［J］.燃料與化工，2009，（40）2：12～14.

［4］薄敬東等.集氣管壓力控制系統(tǒng)建模與解耦［J］.自動(dòng)化儀表，2008（29）11：25～28.

［5］賴旭芝等.焦?fàn)t集氣管的模糊專家控制方法及其應(yīng)用.控制工程，2006（13）2：108～110.

［6］潘海鵬.焦?fàn)t集氣管壓力綜合控制算法研究與應(yīng)用［J］.控制工程，2003，10（6）：529－531.

［7］趙君.永磁同步電機(jī)神經(jīng)網(wǎng)絡(luò)逆解耦控制研究［J］.電機(jī)與控制學(xué)報(bào)，2012，3，.16（3），90～95.

［8］何勇.基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的永磁同步電機(jī)的控制［D］.南京理工大學(xué)，2009.

［9］薛定宇.控制系統(tǒng)計(jì)算機(jī)輔助設(shè)計(jì)——MATLAB語(yǔ)言與應(yīng)用（第3版）［M］.北京：清華大學(xué)出版社，2012.