论文部分内容阅读
【摘 要】本文结合安钢冶金炉料公司回转窑项目，提出神经网络建立回转窑的系统模型。利用模糊控制建立模糊-PI控制器，用以消除回转窑温度误差造成的质量波动。
【关键词】回转窑 模糊-PI控制器 神经网络Matlab
引言
随着炼钢对冶金石灰的要求不断提高，回转窑由于产品质量高已成为国内优质炼钢用灰的主要来源。在实际的操作中，由于回转窑具有大惯性、纯滞后、非线性等特点，很难实现煅烧过程的自动控制。本文结合安钢冶金炉料公司回转窑项目，利用窑尾温度、煤气量和上料周期三者的实际数据，采用神经网络的方法进行系统辨识，建立回转窑的系统模型。再设计一个模糊-PI控制器作为回转窑的控制系统。使用Matlab软件对控制系统的跟踪性能和抗干扰性能分别进行了仿真研究，达到了预期的效果，对生产实际中回转窑窑尾温度的控制与操作有着积极的指导作用。
一、工艺描述
活性石灰生产工艺就是将石灰石（主要成分是CaCO3）加热分解为石灰（CaO）和二氧化碳（随废气排出）的过程。其生产工艺流程如图1所示：
回转窑主要由预热器、回转窑窑体、冷却器等三大主机组成。石灰石原料从预热器由推头推至窑尾下料皿内，并下溜至窑内。窑体有3.5%的倾角，不断旋转，将石灰石从窑尾送至窑头，下料至冷却器冷却，由振动给料机排到成品链斗机提至成品仓。
二、控制系统
安钢集团冶金炉料公司1号600t/d回转窑于2007年投产。控制系统的硬件组成主要由一套西门子S7-300 PLC系统及工程师站和操作员站组成。人机接口软件为WinCC6.0。
三、系统研究
我们参考国内冶金石灰回转窑和水泥回转窑自动控制的相关文献，利用神经网络强大的非线性特性和自学习能力，采集窑尾温度、煤气量和上料周期三者的实际数据，建立基于BP神经网络的回转窑的系统模型，用于进一步分析回转窑的控制特性。在回转窑的控制方面，设计一个模糊-PI切换控制器。以窑尾温度和设定值的偏差以及该偏差的变化率为输入量，以煤气量的增量为控制器的输出。设计一个PI控制器。当窑尾温度与设定值的偏差较大时，系统采用模糊控制器以提高系统的响应速度，当偏差较小时，切换至PI控制器，以消除系统的稳态误差。
四、建立神经网络模型
我们采集了安钢冶金炉料公司一周的生产过程数据。是回转窑从点火开窑正常生产一段完整的过程，较为全面地反映了各种状况下的热工状况。这一时间段的WinCC记录的历史数据导出，得到了窑尾温度、煤气量和上料周期三者的生产过程数据。采用三层BP网络来建立状态观测器，煤气量、推料周期、窑尾温度的历史数据作为网络的输入，当前窑尾温度作为网络输出。这样该网络有多个输入，单个输出.在Matlab中建立一个前向型BP网络，并进行训练。由于系统未知，采用试凑法，将不同输入单元个数的情况做对比，选性能最优的作为输入单元的个数。经过多次运行测试得出结果，隐含层数为10时，网络性能最优。
五、建立模糊PI控制器
首先设计一个PID控制器，用来分析回转窑控制特点。当采用模糊控制器对煤气量进行控制时，我们采用二维模糊控制器，将窑尾温度差、窑尾温度变化率作为控制器的输入，煤气量的增量作为控制器输出.
模糊控制规则选取的基本原则是当偏差为零时，如果偏差的变化量也是零，由输出控制量的增量为零；当偏差的变化量为正小或正大时，说明温度正在升高，输出为负小，煤气流量渐减；当偏差的变化量为负小或负大时，说明温度正在降低，输出为正小，煤气流量渐增，
六、仿真
采用双控制模块的Fuzzy-PI双模控制器。当窑尾温度与设定值的偏差较大时，采用模糊控制模块，加快调节时间，窑尾温度与设定值的偏差较小时，第二个控制模块（PI调节器）投入使用，将系统调节到稳态。该控制器结构如图2所示。
在simulink中调用BP神经网络训练好的模块和制定的模糊控制器，再调用Matlab中的PI控制器形成图6中的仿真系统。经过仿真试验，当误差值的绝对值大于0.05时，采用模糊控制器，当误差值的绝对值小于0.05时，采用PI控制器，效果较好。
七、结束语
本文通过对回转窑窑尾温度控制系统进行建模和分析，提出了Fuzzy-PI双模控制器的控制策略，借助Matlab进行仿真分析，得到了比较理想的控制效果。随着自动化技术的飞速发展以及冶金石灰回转窑自动化程度的提高，回转窑系统控制策略将得到更多的讨论与研究，希望本文所作的工作具有一定的借鉴意义。
参考文献：
[1]喻玫瑰.基于模糊控制的水泥回转窑控制系统.科技广场，2006
[2]程湘君.神经网络原理及其应用.北京：国防工业出版社，1995
[3]王立新.模糊系统与模糊控制教程.北京：清华大学出版社，2003
[4] SIMULINK User’s Guide.The Mathworks，Inc.1995
【关键词】回转窑 模糊-PI控制器 神经网络Matlab
引言
随着炼钢对冶金石灰的要求不断提高，回转窑由于产品质量高已成为国内优质炼钢用灰的主要来源。在实际的操作中，由于回转窑具有大惯性、纯滞后、非线性等特点，很难实现煅烧过程的自动控制。本文结合安钢冶金炉料公司回转窑项目，利用窑尾温度、煤气量和上料周期三者的实际数据，采用神经网络的方法进行系统辨识，建立回转窑的系统模型。再设计一个模糊-PI控制器作为回转窑的控制系统。使用Matlab软件对控制系统的跟踪性能和抗干扰性能分别进行了仿真研究，达到了预期的效果，对生产实际中回转窑窑尾温度的控制与操作有着积极的指导作用。
一、工艺描述
活性石灰生产工艺就是将石灰石（主要成分是CaCO3）加热分解为石灰（CaO）和二氧化碳（随废气排出）的过程。其生产工艺流程如图1所示：
回转窑主要由预热器、回转窑窑体、冷却器等三大主机组成。石灰石原料从预热器由推头推至窑尾下料皿内，并下溜至窑内。窑体有3.5%的倾角，不断旋转，将石灰石从窑尾送至窑头，下料至冷却器冷却，由振动给料机排到成品链斗机提至成品仓。
二、控制系统
安钢集团冶金炉料公司1号600t/d回转窑于2007年投产。控制系统的硬件组成主要由一套西门子S7-300 PLC系统及工程师站和操作员站组成。人机接口软件为WinCC6.0。
三、系统研究
我们参考国内冶金石灰回转窑和水泥回转窑自动控制的相关文献，利用神经网络强大的非线性特性和自学习能力，采集窑尾温度、煤气量和上料周期三者的实际数据，建立基于BP神经网络的回转窑的系统模型，用于进一步分析回转窑的控制特性。在回转窑的控制方面，设计一个模糊-PI切换控制器。以窑尾温度和设定值的偏差以及该偏差的变化率为输入量，以煤气量的增量为控制器的输出。设计一个PI控制器。当窑尾温度与设定值的偏差较大时，系统采用模糊控制器以提高系统的响应速度，当偏差较小时，切换至PI控制器，以消除系统的稳态误差。
四、建立神经网络模型
我们采集了安钢冶金炉料公司一周的生产过程数据。是回转窑从点火开窑正常生产一段完整的过程，较为全面地反映了各种状况下的热工状况。这一时间段的WinCC记录的历史数据导出，得到了窑尾温度、煤气量和上料周期三者的生产过程数据。采用三层BP网络来建立状态观测器，煤气量、推料周期、窑尾温度的历史数据作为网络的输入，当前窑尾温度作为网络输出。这样该网络有多个输入，单个输出.在Matlab中建立一个前向型BP网络，并进行训练。由于系统未知，采用试凑法，将不同输入单元个数的情况做对比，选性能最优的作为输入单元的个数。经过多次运行测试得出结果，隐含层数为10时，网络性能最优。
五、建立模糊PI控制器
首先设计一个PID控制器，用来分析回转窑控制特点。当采用模糊控制器对煤气量进行控制时，我们采用二维模糊控制器，将窑尾温度差、窑尾温度变化率作为控制器的输入，煤气量的增量作为控制器输出.
模糊控制规则选取的基本原则是当偏差为零时，如果偏差的变化量也是零，由输出控制量的增量为零；当偏差的变化量为正小或正大时，说明温度正在升高，输出为负小，煤气流量渐减；当偏差的变化量为负小或负大时，说明温度正在降低，输出为正小，煤气流量渐增，
六、仿真
采用双控制模块的Fuzzy-PI双模控制器。当窑尾温度与设定值的偏差较大时，采用模糊控制模块，加快调节时间，窑尾温度与设定值的偏差较小时，第二个控制模块（PI调节器）投入使用，将系统调节到稳态。该控制器结构如图2所示。
在simulink中调用BP神经网络训练好的模块和制定的模糊控制器，再调用Matlab中的PI控制器形成图6中的仿真系统。经过仿真试验，当误差值的绝对值大于0.05时，采用模糊控制器，当误差值的绝对值小于0.05时，采用PI控制器，效果较好。
七、结束语
本文通过对回转窑窑尾温度控制系统进行建模和分析，提出了Fuzzy-PI双模控制器的控制策略，借助Matlab进行仿真分析，得到了比较理想的控制效果。随着自动化技术的飞速发展以及冶金石灰回转窑自动化程度的提高，回转窑系统控制策略将得到更多的讨论与研究，希望本文所作的工作具有一定的借鉴意义。
参考文献：
[1]喻玫瑰.基于模糊控制的水泥回转窑控制系统.科技广场，2006
[2]程湘君.神经网络原理及其应用.北京：国防工业出版社，1995
[3]王立新.模糊系统与模糊控制教程.北京：清华大学出版社，2003
[4] SIMULINK User’s Guide.The Mathworks，Inc.1995