王珺

(西安航空職業(yè)技術(shù)學(xué)院,陜西 西安 710089)

熱風(fēng)爐作為鋼鐵高爐冶煉的重要工具,為高爐進(jìn)行熱交換,因此能量耗損巨大。通過(guò)熱風(fēng)爐的燃燒控制能夠規(guī)定送風(fēng)的流量以及溫度等,保證高爐冶煉的效率。同時(shí)為了保護(hù)熱風(fēng)爐設(shè)備,提升設(shè)備的使用壽命,熱風(fēng)硅磚的溫度以及廢氣溫度必須在合理的范圍以內(nèi),這也進(jìn)一步對(duì)熱風(fēng)爐的加熱控制提出了新的要求。現(xiàn)階段熱風(fēng)爐的溫度控制以手動(dòng)為主,因此極易發(fā)生燃燒不均勻等問(wèn)題。隨著模糊控制以及神經(jīng)網(wǎng)絡(luò)等不斷發(fā)展和完善,其能夠基于很少的控制規(guī)則,通過(guò)模擬神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)以及工作過(guò)程,提升整個(gè)控制系統(tǒng)的自適應(yīng)性,將其應(yīng)用于熱風(fēng)爐溫度,能夠顯著提高其熱效率,增強(qiáng)燃燒過(guò)程的均勻性。

1 模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)

1.1 模糊神經(jīng)控制系統(tǒng)

模糊控制系統(tǒng)是人工智能以及先進(jìn)控制理論相結(jié)合的一種集成性模糊控制方法。主要包括四部分。

(1)被控制對(duì)象。由于熱風(fēng)爐爐溫的優(yōu)化被控對(duì)象是單變量現(xiàn)行數(shù)據(jù),一般對(duì)溫度的采集使用溫度傳感器,適合模糊控制[1]。

(2)輸入/輸出接口。本文的熱風(fēng)爐模糊控制系統(tǒng)部分采用單輸入、雙輸出。其中單輸入量為給定熱風(fēng)爐內(nèi)的溫度以及其與設(shè)定值之間的差值,衡量變化率。輸出量為煤氣以及空氣閥的開(kāi)度。實(shí)際數(shù)據(jù)采集多為模擬的變化量,因此在接口中設(shè)置A/D以及D/A進(jìn)行模擬采集轉(zhuǎn)換。

(3)模糊控制器。模糊智能控制的本質(zhì)是非線性的,因此將偏差以及偏差率作為輸入量,然后采用模糊控制的知識(shí)進(jìn)行表示以及規(guī)則的推理。

(4)執(zhí)行機(jī)構(gòu)。執(zhí)行機(jī)構(gòu)采用電機(jī)對(duì)煤氣閥以及空氣閥的開(kāi)度,從而調(diào)節(jié)熱風(fēng)爐內(nèi)煤氣以及空氣的比例,達(dá)到熱風(fēng)爐溫度的適宜情況[2]。

1.2 模糊神經(jīng)網(wǎng)絡(luò)特點(diǎn)

模糊神經(jīng)網(wǎng)絡(luò)是邏輯控制以及BP神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)的結(jié)合,具有明確的系統(tǒng)架構(gòu)以及快速的學(xué)習(xí)模式。模糊神經(jīng)網(wǎng)絡(luò)特點(diǎn)如下:

(1)信息處理范圍廣。模糊神經(jīng)網(wǎng)絡(luò)所涉及的運(yùn)算范圍廣泛,能夠?qū)Υ_定性以及不確定信息進(jìn)行識(shí)別。

(2)信息處理時(shí)間縮短。模糊神經(jīng)網(wǎng)絡(luò)具有先進(jìn)的模糊數(shù)學(xué)計(jì)算方法,在一些處理單元的計(jì)算上加以簡(jiǎn)化,極大地縮短了信息處理的時(shí)間,提升了信息處理效率。

(3)模糊神經(jīng)網(wǎng)絡(luò)具有模糊控制系統(tǒng)的相同結(jié)構(gòu),且系統(tǒng)能夠逼近實(shí)函數(shù),利用其對(duì)系統(tǒng)規(guī)則的改進(jìn),能夠優(yōu)化控制系統(tǒng)的效果。

2 熱風(fēng)爐燃燒變化過(guò)程分析

2.1 熱風(fēng)爐燃燒溫度變化

熱風(fēng)爐在燃燒的初期,其蓄熱拱頂?shù)臏囟容^低,因此燃燒所產(chǎn)生的大量廢煙會(huì)被拱頂所吸收,在燃燒期短時(shí)間內(nèi),拱頂?shù)臏囟瘸霈F(xiàn)快速的上升,而蓄熱室中下部分的溫度上升較為緩慢。在熱風(fēng)爐拱頂溫度到達(dá)一定值后,溫度的升高緩慢,轉(zhuǎn)換為穩(wěn)態(tài)上升[3]。這時(shí)燃燒產(chǎn)生的廢煙熱量被蓄熱室的耐火格子所吸收。中下部格子的溫度以及拱頂溫度上升呈現(xiàn)正比例關(guān)系。熱風(fēng)爐拱頂以及煙氣溫度變化如圖1所示。

圖1 熱風(fēng)爐拱頂以及廢煙氣溫度變化曲線

由圖1可知,熱風(fēng)爐拱頂以及廢煙氣的溫度變化可以劃分為三個(gè)區(qū)間,從廢煙氣以及拱頂?shù)臏囟茸兓厔?shì)能夠觀測(cè)到熱風(fēng)爐的交換效果。當(dāng)廢煙氣的溫度較低時(shí),其與熱風(fēng)爐內(nèi)的熱交換能力較強(qiáng)。伴隨著蓄熱室溫度的上升,則以廢煙氣的溫度作為目標(biāo)觀測(cè)值控制熱風(fēng)爐的燃燒過(guò)程[4]。

2.2 熱風(fēng)爐智能燃燒控制策略

熱風(fēng)爐在燃燒階段的拱頂溫度升高速度和在儲(chǔ)熱管理階段的排煙溫度升高速度,受高爐煤氣、助燃空氣壓力、熱值狀態(tài)等因素的影響。所以,實(shí)現(xiàn)熱風(fēng)爐的自動(dòng)控制,關(guān)鍵在于能有效地抑制高爐煤氣和助燃空氣的外界擾動(dòng),從而達(dá)到對(duì)高爐煤氣、助燃空氣流量的實(shí)時(shí)、高效調(diào)節(jié)。各階段細(xì)化控制策略如下。

2.2.1 燃燒初期

燃燒初期,以升高拱頂溫度為預(yù)定目標(biāo),其工藝過(guò)程的主要特征是:開(kāi)啟高爐煤氣調(diào)節(jié)閥至最大開(kāi)度,并以最大氣體流量進(jìn)行燃燒。利用觀察到的溫度變化和變化速率,對(duì)燃?xì)庖约翱諝饬髁窟M(jìn)行調(diào)整,以確保熱風(fēng)爐的快速燃燒[5]。為了使下一階段的燃燒達(dá)到最好的混合比例,采用自優(yōu)化的方法來(lái)調(diào)整燃?xì)夂蜌饬鞯牧魉?。在頂燃熱風(fēng)爐的拱頂溫度達(dá)到預(yù)定的溫度后,轉(zhuǎn)入蓄熱階段。

2.2.2 蓄熱階段

蓄熱階段一方面要保證拱頂?shù)臏囟炔荒苓^(guò)高,另一方面需要促進(jìn)熱風(fēng)爐內(nèi)的耐火格子磚熱交換,從而加速熱風(fēng)爐的溫度上升。伴隨著蓄熱室內(nèi)的溫度的升高,廢氣溫度不斷升高。從廢氣溫度衡量熱風(fēng)爐內(nèi)的耐火磚熱交換效率。本階段控制策略主要是維持拱頂溫度上升同時(shí)控制廢氣溫度上升的變化速度,實(shí)現(xiàn)最佳的蓄熱交換。

2.2.3 蓄熱飽和階段

廢煙氣溫度達(dá)到設(shè)定值后,結(jié)合生產(chǎn)的需要選擇性操作。如果暫停燃燒,將熱風(fēng)爐轉(zhuǎn)入燜爐狀態(tài),如果持續(xù)性燃燒,手動(dòng)減少煤氣的流量,以維持拱頂溫度為目標(biāo)[6]。

3 基于模糊神經(jīng)網(wǎng)絡(luò)的熱風(fēng)爐溫度智能優(yōu)化

3.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

熱風(fēng)爐溫度智能控制的模糊神經(jīng)網(wǎng)絡(luò)結(jié)合模糊化概念,同時(shí)引入模糊推理神經(jīng)元建立,如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)熱風(fēng)爐溫度控制結(jié)構(gòu)

系統(tǒng)的輸入量為熱風(fēng)爐溫度的偏差,即爐溫的給定值以及實(shí)測(cè)之間的差記為e,求導(dǎo)后計(jì)算出偏差的變化率ec。在采取學(xué)習(xí)算法,對(duì)偏差以及變化率進(jìn)行模糊處理后得到模糊語(yǔ)言變量E以及EC,然后進(jìn)行去?；?由PID控制器輸出至熱風(fēng)爐的煤氣以及空氣流量的調(diào)節(jié)閥,從而實(shí)現(xiàn)對(duì)熱風(fēng)爐爐內(nèi)溫度的控制[7]。

3.2 系統(tǒng)硬件選擇

采用AT89S52型單片機(jī)作為控制單元,利用熱風(fēng)爐加熱區(qū)域的熱電偶實(shí)現(xiàn)對(duì)爐膛溫度的檢測(cè),并且通過(guò) A/D轉(zhuǎn)換、冷端補(bǔ)償、數(shù)字化輸出等多種方法,將溫度信號(hào)輸入到計(jì)算機(jī)系統(tǒng)中。與 MCU直接連接,采集熱風(fēng)爐工作現(xiàn)場(chǎng)的實(shí)時(shí)數(shù)據(jù),并將其記錄保存在系統(tǒng)中,作為系統(tǒng)的輸入,根據(jù)熱風(fēng)爐實(shí)際的生產(chǎn)要求來(lái)確定控制參數(shù)[8]?？傮w上,溫度智能控制系統(tǒng)以電腦傳輸?shù)目刂茀?shù)為核心,對(duì)熱風(fēng)爐進(jìn)行實(shí)時(shí)監(jiān)測(cè)。以便操作人員依據(jù)監(jiān)測(cè)結(jié)果和實(shí)際生產(chǎn)要求,對(duì)其進(jìn)行調(diào)整,從而達(dá)到對(duì)溫度的準(zhǔn)確控制。

3.3 模糊神經(jīng)網(wǎng)絡(luò)算法

3.3.1 權(quán)值調(diào)整

本熱風(fēng)爐溫度智能調(diào)節(jié)控制系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)以及模糊系統(tǒng)的等價(jià)連接。其中神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)將現(xiàn)有本領(lǐng)域?qū)＜业慕?jīng)驗(yàn)進(jìn)行模糊化數(shù)字處理[9]。采用輸入值以及權(quán)值為模糊量的FNN3網(wǎng)絡(luò)模型,根據(jù)BP校正后得到連接的權(quán)證以及閾值,并修正現(xiàn)有隸屬參數(shù)。

3.3.2 隸屬函數(shù)優(yōu)化

將給定的樣本以及數(shù)值輸入后,神經(jīng)網(wǎng)絡(luò)通過(guò)反復(fù)的學(xué)習(xí)以及控制規(guī)則的調(diào)整適應(yīng)神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)變化趨勢(shì),使得熱風(fēng)爐溫度的智能調(diào)整以及模糊神經(jīng)網(wǎng)絡(luò)控制方式更為適應(yīng)。

3.3.3 模糊神經(jīng)網(wǎng)絡(luò)算法

首先根據(jù)FNN3網(wǎng)絡(luò)模型,選定神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)以及隱含層的節(jié)點(diǎn)數(shù)、初值加權(quán)、學(xué)習(xí)速率以及慣性系數(shù)。將熱風(fēng)爐的溫度誤差值以及變化率進(jìn)行模糊化處理,并作為神經(jīng)網(wǎng)絡(luò)的輸入值。其次計(jì)算出神經(jīng)網(wǎng)絡(luò)的各層神經(jīng)元的輸入以及輸出,借助PID控制器對(duì)煤氣以及空氣閥門的開(kāi)度進(jìn)行控制。借助增量數(shù)字PID進(jìn)行控制。最后計(jì)算出修正后的連接權(quán)值。

4 熱風(fēng)爐模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制系統(tǒng)仿真

在Matlab的Simulink條件下仿真。為了凸顯出模糊神經(jīng)網(wǎng)絡(luò)對(duì)于熱風(fēng)爐溫度控制系統(tǒng)的優(yōu)越性,對(duì)比模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制法與傳統(tǒng)PID控制法之間的差異,多方面進(jìn)行分析[10]。以系統(tǒng)參數(shù)保持在正常范圍內(nèi)時(shí),不受干擾時(shí)為例。其對(duì)比如圖3所示。

圖3 模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制法與傳統(tǒng)PID控制法響應(yīng)對(duì)比

由圖3可知,常規(guī)PID控制的響應(yīng)曲線為躍階響應(yīng),在時(shí)間為50～100 s時(shí)系統(tǒng)有輕微的震蕩,而模糊神經(jīng)網(wǎng)絡(luò)PID控制響應(yīng)系統(tǒng)在50 s后即達(dá)到穩(wěn)定的峰值,且超調(diào)量明顯的小于傳統(tǒng)常規(guī)PID控制系統(tǒng),達(dá)到穩(wěn)態(tài)的速度更快。

5 結(jié) 語(yǔ)

鋼鐵是我國(guó)進(jìn)行基礎(chǔ)設(shè)施建設(shè)的重要物質(zhì)資源,在鋼鐵的加工冶煉過(guò)程中需要不斷地對(duì)其進(jìn)行熱能輸送。考慮到熱風(fēng)爐溫度控制系統(tǒng)是一個(gè)具有強(qiáng)耦合性、時(shí)變性的復(fù)雜非線性控制的系統(tǒng),傳統(tǒng)的人工以及PID控制方式很難建立起精準(zhǔn)的模型對(duì)其進(jìn)行溫度控制。結(jié)合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,能夠顯著提升熱風(fēng)爐控制系統(tǒng)的穩(wěn)定性,使溫度更快地達(dá)到穩(wěn)態(tài),滿足高爐冶鐵的需要。