干熄焦提升機定位系統(tǒng)智能控制策略應(yīng)用

陳冬玲 劉有冠

(1.柳州職業(yè)技術(shù)學(xué)院機電工程系，廣西 柳州 545006；2. 廣西柳州鋼鐵集團公司焦化廠，廣西 柳州 545006)

干法熄焦是目前國內(nèi)焦化行業(yè)大力倡導(dǎo)的一項先進技術(shù)，提升機作為干熄焦系統(tǒng)的關(guān)鍵工藝設(shè)備，其穩(wěn)定運行是干熄焦系統(tǒng)能夠生產(chǎn)質(zhì)量穩(wěn)定的焦炭和發(fā)電用蒸汽的首要條件[1]，目前提升機定位系統(tǒng)的正常運行完全依賴于定位檢測編碼器的數(shù)據(jù)。提升機電機的大電流特性使其控制通信網(wǎng)絡(luò)極易受到電磁干擾的影響，導(dǎo)致數(shù)據(jù)采集誤差大，甚至丟失數(shù)據(jù)，引起程序執(zhí)行混亂，造成控制失常等嚴(yán)重后果。傳統(tǒng)硬件和軟件整改方法由于自身特點和生產(chǎn)環(huán)境的特殊性很難徹底杜絕電磁干擾的影響，而人工神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)和自學(xué)習(xí)的功能[2]，并具有強大的非線性補償能力[3]，可以自動適應(yīng)控制對象在運行過程中因擾動引起的參數(shù)或數(shù)學(xué)模型發(fā)生變化的情況，因此在解決工業(yè)控制中的電磁干擾方面具有巨大的潛力[4]。針對電磁干擾的復(fù)雜情況，筆者提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的實時在線辨識方法，構(gòu)建了提升機系統(tǒng)軌跡數(shù)學(xué)模型，并引入相應(yīng)的切換策略，使定位系統(tǒng)能夠在編碼器數(shù)據(jù)模型與神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型之間動態(tài)切換，從而實現(xiàn)提升軌跡的精準(zhǔn)預(yù)測與控制。

1 提升機控制系統(tǒng)原理與提升過程①

提升機控制系統(tǒng)主要由定位檢測編碼器、全數(shù)字交流調(diào)速裝置6SE70及其整流回饋單元、冗余PLC及人機畫面HMI等單元組成。PLC控制系統(tǒng)和網(wǎng)絡(luò)通信示意圖如圖1所示。

圖1 PLC控制系統(tǒng)和網(wǎng)絡(luò)通信示意圖

提升機在整個運行過程中主要完成焦罐的提升、走行、下降和裝入動作。提升機的操作正常情況要求動作全部自動完成，并要保持一定的生產(chǎn)節(jié)奏。提升機在提升和走行運行過程中，采用分段速度控制的方法，既可以減小設(shè)備的沖擊，又可以保證定位的精度與設(shè)備的安全。提升過程中速度矢量由PLC根據(jù)提升機定位系統(tǒng)所提供的位置信號來確定，提升速度運行曲線如圖2所示。

圖2 提升速度運行曲線

2 雙模型智能控制系統(tǒng)

2.1 系統(tǒng)結(jié)構(gòu)設(shè)計

雙模型智能控制系統(tǒng)中既有編碼器數(shù)據(jù)模型，也有RBF辨識器數(shù)學(xué)模型，分別對應(yīng)于正常工況與電磁干擾工況，采用如圖3所示的雙模型切換控制設(shè)計方案。

圖3 基于雙模型切換的系統(tǒng)結(jié)構(gòu)框圖

在正常工況下，提升機的調(diào)速信號由編碼器數(shù)據(jù)模型發(fā)出，并傳給提升機逆變器驅(qū)動提升機正常運作；同時，RBF辨識器根據(jù)位置辨識數(shù)據(jù)對提升機定位進行在線辨識訓(xùn)練；而當(dāng)出現(xiàn)電磁干擾擾亂定位編碼器數(shù)據(jù)的非正常工況下，提升機的調(diào)速信號則切換到由RBF辨識器模型發(fā)出，并傳給提升機逆變器驅(qū)動提升機正常運作，此時RBF辨識器則停止訓(xùn)練。

2.2 基于RBF神經(jīng)網(wǎng)絡(luò)辨識器設(shè)計

筆者以RBF神經(jīng)網(wǎng)絡(luò)作為辨識器對提升機的定位進行系統(tǒng)辨識，辨識學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)輸出可以很好地逼近實際的編碼器數(shù)據(jù)模型輸出，因此當(dāng)定位系統(tǒng)受到電磁干擾時，可以把神經(jīng)網(wǎng)絡(luò)輸出近似看作實際的編碼器數(shù)據(jù)模型輸出[5]。將實際編碼器數(shù)據(jù)模型輸出與RBF神經(jīng)網(wǎng)絡(luò)輸出之間的預(yù)測誤差用作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練信號，RBF在線辨識器控制框圖如圖4所示。

圖4 RBF在線辨識器控制框圖

設(shè)X=[x1，x2，…，xn]T為網(wǎng)絡(luò)的輸入向量，H=[h1，h2，…，hs]為RBF的徑向基向量，徑向基函數(shù)采用高斯函數(shù)，即[6]：

(1)

式中bj——隱節(jié)點j的基寬帶參數(shù)，且均大于零；

Cj——第j個隱節(jié)點的中心矢量，Cj=[cj1，cj2，…，cji,…，cjs]T，j=1，2，…，s；

hj——第j個隱層節(jié)點的輸出；

X——n維輸入向量。

RBF神經(jīng)網(wǎng)絡(luò)的輸出為隱層節(jié)點輸出的線性組合，即：

(2)

式中wj——輸入層第j個隱單元到輸出單元的權(quán)重；

θ——輸出單元閾值。

定義辨識網(wǎng)絡(luò)的性能指標(biāo)J為：

(3)

式中y(k+1)——RBF神經(jīng)網(wǎng)絡(luò)的輸出；

yout(k+1)——系統(tǒng)實際輸出。

根據(jù)梯度下降法修正網(wǎng)絡(luò)輸出權(quán)系數(shù)、隱節(jié)點中心和隱節(jié)點基寬帶參數(shù)[7]：

wj(k)=wj(k-1)+η[yout(k)-y(k)]hj+α[wj(k-1)-wj(k-2)]

(4)

(5)

(6)

其中，α為慣性系數(shù)，η為學(xué)習(xí)率，且α、η的值均在(0，1)上選取。

對象的輸出對控制輸入的靈敏度為[8]：

(7)

其中，x1=Δu(k)。

2.3 雙模型切換策略

正常工況時，編碼器數(shù)學(xué)模型根據(jù)定位編碼器的采樣數(shù)據(jù)，計算出來的提升機位置應(yīng)是高度不超過初始位至走行位之間的真實高度H1，跨度不超過走行位至前進位之間的真實跨度L1，因此兩模型間的切換策略就以當(dāng)前的提升機定位編碼器數(shù)據(jù)與速度矢量作為設(shè)計依據(jù)。當(dāng)理論高度值大于H1或理論跨度值大于L1時，定位編碼器肯定存在電磁干擾，系統(tǒng)工作方式切換到RBF辨識器模型的控制方式；當(dāng)理論高度值介于(0，H1)或理論跨度值介于(0，L1)時，如果速度矢量已經(jīng)發(fā)出，而相對應(yīng)的理論高度值或理論跨度值在較小的時段內(nèi)沒有發(fā)生變化，則定位編碼器肯定存在故障，系統(tǒng)工作方式仍然切換到RBF辨識器模型的控制方式。

3 應(yīng)用結(jié)果

雙模型切換控制策略具有較高的魯棒性和動態(tài)響應(yīng)能力，可以實現(xiàn)精確定位。采用該控制策略對柳鋼焦化廠1#干熄焦提升機進行控制系統(tǒng)設(shè)計。在系統(tǒng)硬件搭建、軟件編程和人機畫面HMI設(shè)計完成后，首先對編碼器數(shù)據(jù)模型控制方式進行系統(tǒng)測試，再投入RBF辨識器模型進行自學(xué)習(xí)。設(shè)計RBF神經(jīng)網(wǎng)絡(luò)辨識器時，由于提升機有高度和跨度兩個輸出值，因此輸出層的神經(jīng)元節(jié)點為2；以時間為自變量，采樣周期為0.5s；通過實驗數(shù)據(jù)對比，最終確定隱含層神經(jīng)元節(jié)點數(shù)為7，閾值取為0.215 6。根據(jù)上述算法設(shè)置，系統(tǒng)在離線訓(xùn)練完成后就可以投入智能控制模式。

系統(tǒng)經(jīng)過調(diào)試后其可靠性得到很大提高，提升機運行平穩(wěn)，在定位編碼器受到強電磁干擾后，提升機依然能夠按照原有的軌跡正常運行。圖5

圖5 提升機一個運行周期的RBF神經(jīng) 網(wǎng)絡(luò)辨識運行曲線

為提升機一個運行周期的RBF神經(jīng)網(wǎng)絡(luò)辨識運行曲線，可以發(fā)現(xiàn)RBF神經(jīng)網(wǎng)絡(luò)在線辨識器能夠很好地辨識提升機位置，表明該智能控制系統(tǒng)具有很好的控制效果和很強的魯棒性。

圖6給出了神經(jīng)網(wǎng)絡(luò)辨識與實際數(shù)據(jù)之間的殘差，從圖6可以看出：RBF神經(jīng)網(wǎng)絡(luò)辨識數(shù)據(jù)具有高精度的特性，滿足生產(chǎn)工藝需求。

圖6 神經(jīng)網(wǎng)絡(luò)辨識與實際數(shù)據(jù)之間 的殘差數(shù)據(jù)曲線

4 結(jié)束語

針對干熄焦提升機的定位系統(tǒng)容易受到電磁干擾的特點，設(shè)計了基于RBF神經(jīng)網(wǎng)絡(luò)的雙模型智能控制系統(tǒng)，有效避免各種類型的電磁干擾，使提升機能夠正常工作，既節(jié)約了投資成本，又突破了傳統(tǒng)的軟、硬件濾波法的限制。該系統(tǒng)在柳鋼焦化廠自2013年投入使用以來，運行穩(wěn)定，有效保障了生產(chǎn)正常運行。

[1] 佘林林.干熄焦控制系統(tǒng)實現(xiàn)高效生產(chǎn)的優(yōu)化措施[J].新疆鋼鐵，2010，(1)：25～28.

[2] 陳雅群，郭雷，張樹生，等.基于兩種神經(jīng)網(wǎng)絡(luò)的管內(nèi)沸騰汽液兩相流型識別[J].化工機械，2010，37(6)：763～766.

[3] 石純芳.基于神經(jīng)網(wǎng)絡(luò)的高溫壓力管道渦流檢測信號的溫度補償研究[J].化工機械，2012，39(2):174～176.

[4] 勵紅英，李曉霞，楊海燕，等.自動化控制中曲線擬合的應(yīng)用及研究[J].微計算機信息，2007,23(4)：58～59,75.

[5] 唐家德.基于MATLAB的非線性曲線擬合[J].計算機與現(xiàn)代化，2008，(6):15～19.

[6] 張世峰，童德華，薛紅宇，等.焦化鼓風(fēng)機系統(tǒng)智能控制策略研究及應(yīng)用[J].儀器儀表學(xué)報，2009，30(11)：2309～2315.

[7] 吳衛(wèi)兵. 基于RBF在線辨識的神經(jīng)網(wǎng)絡(luò)PID控制及其應(yīng)用[J].冶金動力，2006，(4)：84～86.

[8] 夏長亮，李志強，王明超，等. 基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的永磁無刷直流電機單神經(jīng)元PID模型參考自適應(yīng)控制[J].電工技術(shù)學(xué)報，2005，20(11)：65～69.