基于動態模糊神經網絡逆系統的焦爐集氣管壓力解耦控制

劉昕明 呂亮 羅偉

摘? ?要：焦爐集氣管壓力系統具有多變量、強耦合、非線性和純滯后等特點，難以建立準確的數學模型。文章采用基于動態模糊神經網絡的逆系統方法對集氣管壓力系統進行解耦，建立逆系統解耦器，并且設計了集氣管壓力單神經元PID控制器。該方法有效地實現了多焦爐集氣管壓力解耦控制，能較好地滿足多焦爐集氣管壓力控制的工藝要求。

關鍵詞：焦爐集氣管壓力;動態模糊神經網絡;解耦控制

在多座焦爐并聯生產條件下，各集氣管壓力以及管道吸力之間存在復雜的耦合關系，一個過程變量的波動往往會影響多個變量的變化，而一個變量的波動也往往是多個變量共同作用的結果，故而僅對一個過程變量進行控制難以達到良好的控制效果[1-3]。

1? ? 焦爐集氣管壓力模糊神經網絡解耦控制

本文主要研究兩個集氣管并聯情況下的壓力控制問題，圖1為集氣管動態特性示意。

該系統可以看作是連通的節流管道，用流體力學原理進行分析，得到系統狀態方程總結如下[1]。

（1）

公式（1）的集氣管壓力系統是一個兩輸入兩輸出的非線性系統，輸入控制量為1#，2#焦爐集氣管閥門開度決定的阻力系數R1，R2;輸出被控量為1#，2#焦爐集氣管的煤氣壓力P1，P2。通過分析發現，1#，2#焦爐集氣管后煤氣壓力P1'，P2'兩個內部狀態量在方程式（1）中擔任著重要的角色，反映了系統內部變化的特性，鑒于此，將其作為系統內部的狀態變量。經整理得到如下狀態模型：

（2）

根據基于狀態方程的多變量系統可逆性判別方法[3]，可以求出集氣管壓力逆系統表達式，具體如下：

（3）

模糊神經網絡逆系統解耦控制思想為：采用動態模糊神經網絡來構造的逆系統，對被控多輸入多輸出非線性系統進行線性化并解耦。

在集氣管壓力系統逆系統解耦的基礎上，設計基于單個神經元的單集氣管壓力比例積分微分（Proportional-Integral-Derivative，PID）控制器，對解耦后的單集氣管壓力進行控制。采用有監督的Hebb學習規則，在神經元PID控制器中，其具體算法實現可表示為：

（4）

其中，ηP，ηI，ηD分別為比例、積分、微分的學習速率。

2? ? 算法驗證

選取隨機數作為集氣管壓力模型激勵信號，獲得1 200組六入兩出標準數據樣本，將前900組數據作為網絡的訓練數據，后300組作為測試數據。

經過多次仿真比較，得出模糊神經網絡訓練模型參數為：

emax=0.7，emin=0.1，kdmax=sqrt（log（1/0.5）），

kdmin=sqrt（log（1/0.8）），ks=0.8，km=0.6，k=12，kerr=0.001，

焦爐集氣管壓力系統模糊神經網絡建立后，構造逆系統，并在在實現解耦的情況下，采用單神經元PID控制器進行獨立控制。

根據集氣管壓力控制系統現場要求，設定零1#集氣管壓力系統單神經元PID控制器參數：K=0.12，w1=0.4，w2=0.2，w3=0.4，ηi=0.4，ηp=0.8，ηd=0.08;2#集氣管壓力系統單神經元PID控制器參數：K=0.08，w1=0.3，w2=0.4，w3=0.3，ηi=0.05，ηp=0.8，ηd=0.001。設定P1=110，P2=90，當系統達到穩定時，在100 s時刻，給系統干擾項Ps1加入50 Pa階躍，其控制曲線如圖2所示。在100 s時刻，給系統干擾項Ps2加入100 Pa階躍，其控制曲線如圖3所示。通過仿真可以看出，系統耦合得到抑制，系統抗干擾能力得到增強，達到了本次研究的目的。

3? ? 結語

本文提出了一種基于動態模糊神經網絡逆系統的焦爐集氣管壓力控制策略，采用動態模糊神經網絡來逼近集氣管壓力逆系統的表達式，增強了其對原系統變化的適應能力與抗干擾能力。仿真結果表明，該策略辨識精度高，能夠實現集氣管壓力的解耦控制。

[參考文獻]

[1]LIU X M.The modeling and verification of the collector pressure system of coke oven[C].Wuhan：Chinese Control Conference International，2018.

[2]劉昕明，高憲文.數據驅動閉環子空間預測控制方法研究與應用[J].控制與決策，2014（5）：913-918.

[3]朱熀秋，杜偉.基于模糊神經網絡逆系統的無軸承永磁同步電機解耦控制[J].中國電機工程學報，2019（4）：11-13.

Decoupling control of coke oven gas collector pressure based on

inverse system using the dynamic neural-fuzzy network

Liu Xinming1， Lyu Liang1， Luo Wei2

（College of Electrical and Control Engineering， Liaoning Technical University， Huludao 125105， China;

2.Nanchang Urban Planning and Design Research Institute， Nanchang 330000， China）

Abstract：The coke oven gas collector pressure system has the characteristics of multi-variable， strong coupling， nonlinearity and pure hysteresis. The inverse system method based on fuzzy neural network is used to decouple the pressure system of gas collector， an inverse system decouple is established， and a single neuron PID controller is designed in this paper. This method effectively realizes the decoupling control of coke oven gas collector pressure， and can better meet the technical requirements of multi coke oven gas collector pressure control.

Key words：coke oven gas collector pressure; dynamic fuzzy neural network; decoupling control