1、焦爐集氣管壓力模糊神經網絡控制系統 演講者：楊通輝指導教師：吳耿鋒2004.4.22工藝簡介 8090 3540問題的提出焦爐集氣管壓力控制是焦爐控制的關鍵之一。壓力大時焦爐冒煙嚴重，近距離不能看清設備，大量焦爐媒氣進入空氣中，污染環境；壓力小時空氣吸入嚴重，影響焦爐壽命和焦爐煤氣質量。 解決問題需要考慮的因素焦爐集氣管壓力系統是一個耦合嚴重、具有嚴重非線性、時變特性、擾動變化激烈的多變量系統，一般的PID調節很難滿足要求。當媒質較好、鼓風機后媒氣負荷穩定時，自動控制效果較好；當媒質較差、鼓風機后壓力變化大時，常常出現振蕩現象，迫使系統無法投入自動控制。作為控制機構之一的鼓風閘閥存在嚴重的非線

2、性、滯后大，常規伺服放大器加執行結構很難適應。提出解決方案采用先進控制手段，對焦爐焦氣管壓力進行長期穩定控制，對于改善環境、提高煤氣回收量和質量、提高焦爐輔助產品產量和質量，具有重要的意義。采用一種基于遺傳算法和模糊神經網絡的智能模糊控制器，實現了模糊規則的在線修改和隸屬函數的自動更新，使模糊控制具有自學習和自適應能力。控制原理 模糊神經網絡結構模糊神經網絡GA優化學習 （2）將各實數字符串譯碼成網絡的各參數值，然后計算每一組參數的適合度值fi=1/Ei(i=1,2，n)，式中Ei為定義的誤差指標函數，按下列步驟產生新的群體，直到新群體中串總數達到n： 以概率fi/fi,fj/fj從群體中選出

3、兩個串Si，Sj； 以概率Pc對Si，Sj進行交換，得到新串Si,Sj； 以概率Pm使Si，Sj中的各位產生突變（取隨機數）； 返回第步，直到產生（n-1）個新一代的個體； 所產生的（n-1）個新一代的個體連同一代中性能最好的那個個體，共同組成新的群體。模糊神經網絡GA優化學習 （3）返回第（2）步，直到群體中的個體性能滿足要求為止。群體中適應度最好的字符串譯碼后的參數即為所求參數。 這里采用一種自適應Pc和Pm方法。用適合度函數來衡量算法的收斂狀況，其表達式為：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。專家智能協調控制的實現R4

4、: IF (P3P3max)AND (V3V3qmax) THEN r4=r4-rR5: IF (P1Psmax)AND(P2Psmax) AND(P3Psmax) THEN u*04=u04+LimitR6：IF（P1Plmin）AND(V1V1qmin) THEN r4=r4+rR7：IF （P2P2min）AND(V2V2qmin) THEN r4=r4+r專家智能協調控制的實現R8: IF(P3P3min)AND(V3V3qmin) THEN r4=r4+rR9: IF（P1PlSmin） AND(P2P2min)AND(P3P4max THEN u*4=u4-LimitR11: IF

5、 u4V4min THEN u*4=V4min專家智能協調控制的實現時間比例數字輸出控制的實現 經過專家智能協調控制后的輸出，還要經過非線性修正，然后采用時間比例數字輸出算法并用固態繼電器直接控制閥門。控制輸出經過標度變換，轉換成相應的時間。由于小于某一值的脈沖不但不會驅動伺服電機，還會使電機過熱，因此需極小值切除，并且根據上次開閥方向和本次開閥方向進行死區補償，并根據閥位測量數據進行故障處理。其框圖如圖5所示。時間比例數字輸出控制的實現結束語本系統于1999年6月在湘潭鋼鐵集團有限公司焦化廠投入運行，實際應用表明，該系統工作可靠、性能穩定、功能齊全、操作方便，控制精度達到要求。單座焦爐的調節對其它