基于神經(jīng)網(wǎng)絡的鍋爐控制系統(tǒng)設計

摘 要：鍋爐，作為火電廠、供暖系統(tǒng)、工業(yè)工礦等眾多行業(yè)中的主要能源轉(zhuǎn)換設備，在工業(yè)發(fā)展史中有重要的地位，但鍋爐系統(tǒng)普遍存在非線性、多擾動、負荷變動及燃燒產(chǎn)物污染等問題。本文通過對鍋爐系統(tǒng)的工藝流程的分析，在深入研究徑向基函數(shù)后，提出了鍋爐蒸汽壓力控制方案，研究分析RBF神經(jīng)網(wǎng)絡技術的學習訓練方法，運用它高精度無限逼近非線性函數(shù)的特性，設計并運用RBFPID控制器，該控制器能夠根據(jù)輸入波動進行內(nèi)部參數(shù)的自適應調(diào)整，這種成熟的在線控制系統(tǒng)很大程度上改善了鍋爐控制系統(tǒng)目前存在的問題。

關鍵詞：鍋爐控制；徑向基函數(shù)；神經(jīng)網(wǎng)絡PID

鍋爐行業(yè)的發(fā)展關系到國家建設資源節(jié)約型、環(huán)境友好型社會的經(jīng)濟發(fā)展和社會發(fā)展目標的實現(xiàn)。鍋爐行業(yè)應該以高效節(jié)能降耗為中心，潔凈減排環(huán)保為目標，關注核心技術和關鍵技術的創(chuàng)新，提升鍋爐系統(tǒng)節(jié)能效果，從整體出發(fā)優(yōu)化鍋爐系統(tǒng)效率，提高鍋爐系統(tǒng)自動化控制水平，優(yōu)化鍋爐燃燒系統(tǒng)和蒸汽運輸系統(tǒng)，對鍋爐各部分的溫度、壓力進行有效地控制，提高燃料的利用率。研究這些技術都有助于促進鍋爐系統(tǒng)降低燃燒排放的污染物，提高鍋爐系統(tǒng)整體的安全性以及對鍋爐系統(tǒng)進行有效的自動化控制。

1 人工神經(jīng)網(wǎng)絡概述

人工神經(jīng)網(wǎng)絡類似于人腦，從眼睛看到事物，到大腦做出思考，再到最后做出反應，就像神經(jīng)網(wǎng)絡的輸入，通過內(nèi)部的的學習，在不可見的神經(jīng)網(wǎng)絡內(nèi)部形成一種能夠自我學習的網(wǎng)絡，最后輸出。感知器和自適應原件的的提出，針對能量變化提出相應的概念，還有保持網(wǎng)絡穩(wěn)定的要求，到最后BP算法的大量應用，再到徑向基函數(shù)的完善，人工神經(jīng)網(wǎng)絡技術展現(xiàn)了它獨特的魅力。人工神經(jīng)網(wǎng)絡有非線性、非局限性、非常定性、非凸性等特性，其中RBF神經(jīng)網(wǎng)絡以其特有的最佳逼近和全局最優(yōu)的的特點，在神經(jīng)網(wǎng)絡領域中占據(jù)不可替代的地位。該網(wǎng)絡的基本思想是對非線性的無限逼近和對維度的處理技術，通過對隱含單元輸出進行加權求和，實現(xiàn)良好全局最優(yōu)性。RBF神經(jīng)網(wǎng)絡是一個標準的三層網(wǎng)絡，即輸入層、隱含層、輸出層，相比于普通的三層網(wǎng)絡技術，RBF神經(jīng)網(wǎng)絡的獨到之處在于它在中間層采用RBF Kernel技術，這可以針對很多非線性輸入，對他們進行非線性變換，局部響應的高斯函數(shù)能在很大一方面擴寬RBF神經(jīng)網(wǎng)絡的應用范圍，對比其他前向函數(shù)，處理相同問題時，RBF神經(jīng)網(wǎng)絡就需要更多的神經(jīng)元相互協(xié)作，這會縮短整體系統(tǒng)的學習時間，而且它的逼近程度是其他函數(shù)無可比擬的。

2 設計RBFPID的過程

RBF神經(jīng)網(wǎng)絡PID控制器的Simulink仿真，利用基于MATLAB的RBF神經(jīng)網(wǎng)絡PID控制器的S函數(shù)，可以有效地避免在復雜系統(tǒng)仿真時需要采用編程方法來編寫大量復雜、煩瑣的源程序的問題，讓程序的編程變得快速、簡捷，而且調(diào)試方便，大大減少系統(tǒng)仿真工作量。編寫完我們需要的函數(shù)時候，就應該建立實際模型，步驟是：（1）輸入函數(shù)變量名及參數(shù)變量名。單擊Simulink模型庫中非線性環(huán)節(jié)的S函數(shù)模塊，并拖動到所打開的模型窗口上，雙擊S函數(shù)模塊，按照相關的提示輸入函數(shù)變量名nnrbfpid和參數(shù)名T，nn，xite，alfa。（2）創(chuàng)建子系統(tǒng)。（3）屏蔽子系統(tǒng)，參照步驟的提示，先把子系統(tǒng)屏蔽，開始鍵入?yún)?shù)，雙擊該模塊也可以對參數(shù)進行修改。RBF神經(jīng)網(wǎng)絡控制器的Simulink模型有2個輸入，2個輸出，其中輸入1為給定信號與對象輸出信號的誤差eK，輸入2為對象輸出信號yK。輸出1為控制器的輸出uK，輸出2為kP，kI，kD三個權值的變化量。

3 神經(jīng)網(wǎng)絡與鍋爐控制的結(jié)合

我們根據(jù)鍋爐蒸汽壓力控制系統(tǒng)為研究對象，針對它的復雜變換的特性，對鍋爐蒸汽壓力系統(tǒng)建立起一個仿真模型，研究鍋爐運行系統(tǒng)和工藝流程圖，鍋爐蒸汽壓力的變化和減溫水、燃料量、外界負荷有著密切的關聯(lián)。蒸汽熱能是通過燃料在爐膛進行燃燒將化學能轉(zhuǎn)化為機械能，我們可以將該過程簡化為如下圖所示的調(diào)節(jié)系統(tǒng)。

蒸汽壓力調(diào)節(jié)對象示意圖

從蒸汽壓力調(diào)節(jié)對象圖出發(fā)，結(jié)合實際生產(chǎn)過程中鍋爐系統(tǒng)的實際參數(shù)可知，整個鍋爐系統(tǒng)具有的儲藏熱量的能力相比于過熱器、蒸汽管道和負荷系統(tǒng)設備的儲藏熱量能力大的多，基于這種現(xiàn)實情況，我們可以考慮把這三個環(huán)節(jié)的系統(tǒng)阻力作為控制系統(tǒng)中的一個集中阻力，根據(jù)它們的特性把這個阻力環(huán)節(jié)近似成為一個比例環(huán)節(jié)，對于整體的鍋爐系統(tǒng)我們把它用一個積分環(huán)節(jié)代替。

G0SB=PBuB=1CkSGS=1TαS（1）

G0SM=PMuB=1CkSGS=1TαSGS（2）

GS能夠表示燃燒方式的傳遞函數(shù)，這個一階慣性環(huán)節(jié)還有著純滯后特點；G0SB表示的是汽包壓力對象的傳遞函數(shù)；G0SM為蒸汽壓力的傳遞函數(shù)。試驗得到下列近似鍋爐蒸汽壓力傳遞函數(shù)

G0S=1250s2+50s+1250（3）

通過不斷的實驗得到RBFPID的參數(shù)xite=0.25，alfa=0.05，beta=0.01，k_pid分別為0.03，0.01，0.03。利用整定好的RBF神經(jīng)網(wǎng)絡PID控制器，得到運用RBFPID控制器系統(tǒng)的超調(diào)量為4.8%，調(diào)節(jié)時間為0.6s。從控制效果分析，RBFPID控制器和常規(guī)PID控制器相比，有著調(diào)節(jié)時間短、超調(diào)量小、震蕩幅度較小的優(yōu)點。因此，基于改進的徑向基神經(jīng)網(wǎng)絡整定PID的控制器比常規(guī)PID控制器的控制品質(zhì)更好。

4 結(jié)語

鍋爐是我國工業(yè)、生活供暖的主要動力設備，神經(jīng)網(wǎng)絡技術是前沿的科學發(fā)展技術，這兩者的結(jié)合勢必會碰撞出不一樣的火花。將鍋爐控制系統(tǒng)和RBF神經(jīng)網(wǎng)絡技術結(jié)合，針對鍋爐蒸汽壓力系統(tǒng)提出了RBFPID控制器的控制理念，尋找最合適的控制方案，有效解決了普通控制器的延遲滯后問題，對鍋爐系統(tǒng)取得了較好的控制效果。

參考文獻：

[1]趙敏.智能自適應PID控制器設計及仿真研究[D].哈爾濱：哈爾濱工業(yè)大學， 2012.

[2]李源松.基于神經(jīng)網(wǎng)絡的鍋爐控制系統(tǒng)優(yōu)化研究[D].哈爾濱：哈爾濱理工大學， 2015.

[3]陳益飛.RBF神經(jīng)網(wǎng)絡的PID控制研究與仿真[J].計算機仿真，2011.

作者簡介：黃超（1993），男，漢族，河南信陽人，本科，研究方向：自動控制原理。