JRPS控制器在烧结矿混合料自动配水上的应用.docVIP

JRPS控制器在烧结矿混合料自动配水上的应用 许开瑜 （攀钢钒设备部） 摘 要：介绍如何应用JRPS控制器对烧结矿混合料水分进行控制，保持烧结矿中混合料的水分含量相对稳定，从而稳定烧结矿质量，提高成品率。 JRPS控制器；混合料；水分稳定 0引言 JRPS控制器。 1 水分控制器选择 1.1控制算法比较 目前，各种控制算法种类繁多，传统的PID算法，神经网络算法，粒子群优化算法，JRPS算法等。PID算法即通过比例、微分、积分过程的算法控制，优点能较好地解决线性过程控制。不足之处对非线性控制误差较大，稳定性能差。 神经网络算法是应用最普遍的神经网络模型之一，它基于成熟并得到广泛应用的BP算法，它具有以下优点：理论上可以充分逼近任意复杂的非线性关系；具有很强的容错性，因为信息是分布存贮于网络内的神经元中；可并行处理，使得计算速度较快；可以处理不确定或不知道的系统，因为神经网络具有自学习和自适应能力；具有很强的信息综合能力，能同时处理定量和定性的信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。但神经网络也存在以下问题：从数学上看，它是一个非线性优化问题，这就不可避免地存在局部极小问题；运算量大，训练时间长，收敛速度慢；网络对参数的初始设置比较敏感；网络的结构参数(包括隐层数、隐层节点数)和运算参数(如步长、非线性函数的选择)等都尚无公认的理论指导，往往是根据经验选取的，一旦选择不当系统性能将恶化，甚至导致不收敛。 粒子群优化算法是一种基于迭代的优化工具，系统初始化为一组随机解，通过某种方式迭代寻找最优解，但粒子群优化算法没有 “选择”、“交叉”、“变异”算子，编码方式也较简单。 JRPS算法是在综合神经网络算法和粒子群优化算法的各自优点，弥补二者不足之处而得出的一种算法。主要解决在过程控制中阶跃响应滞后问题。 1.2 JRPS控制器算法 JRPS控制器算法基于神经网络算法和粒子群优化算法控制过程出现滞后解决的一种算法。由于控制作用只有在滞后时间过去之后才会表现出来，为了避免增加的控制作用会过度调节操作变量最后导致被控变量出现大范围的振荡，因此JRPS抗滞后控制器采用用粒子群优化算法训练神经网络预估的方法。 神经网络本质是一种并行结构，它通过信号在底层输入端的神经元输入及相互连接的权值组成的网络来解决控制问题。神经网络具有很强的信息综合能力，它能同时处理大量不同类型的输入，能很好解决输入信息的非线性和时变性问题，神经元网络可以任意逼近非线性函数，可学习和自适应不知道或者不确定的系统，如果系统发生变化，可通过自动修改网络权值来实现。 抗滞后控制器利用神经网络的特殊技术实现滞后预估，预估器在滞后时间消逝之前产生一个人为模拟的偏差。这一偏差可使控制器马上“感到”自己的控制作用，从而避免了继续盲目地增加控制作用而造成超调，以至于产生控制振荡。与传统的史密斯预估器不同，抗滞后JRPS的预估器不需要过程的精确模型，只要用户粗略估计过程的滞后时间和时间常数。若估计不符合实际的过程参数，将由控制器自适应算法来弥补这些差异，从而能够解决配水过程中存在的大滞后与非线性问题。 JRPS控制器比较传统PID控制的优势见表1表1 JRPS控制器与传统PID控制比较 功能 传统PID控制方式 JRPS控制方式 应用难度 需要复杂的人工整定 输入基本的参数即可 自适应能力 环境改变后需要重新调整 可以随着环境的改变进行不断的自我学习 建模过程 需要 不需要 更改比例积分微分参数 需要 不需要 振荡现象 存在 不存在 抗滞后能力 需要准确了解滞后各种参数 仅仅需要了解滞后时间即可 上位机组态 不方便 可以通过OPC方式连接 控制复杂系统能力 效果较差 效果较好 JRPS控制器进行控制回路的组态，它可以随着过程对象的增益变化动态调整当前控制策略，从而实现对于过程增益变化的自适应控制，具有滞后时间变化时的抗滞后能力，这种技术突破极大地提高了抗滞后控制的有效性和实用性，可以有效地解决工程对控制的要求。 2 控制组态实现 攀钢炼铁厂6号烧结机的自动配水控制系统中，选用JRPS控制器实现一个前馈加反馈的串级控制回路，外环选用专用抗滞后的JRPS控制器，可以解决控制对象存在的大滞后问题，内环选用普通JRPS控制器，实现内环水流量的控制。在此前馈加反馈的串级控制回路中，前馈控制及时，反馈控制可消除剩余偏差，串级控制系统可改善系统的动态特性，对负荷变化的适应性强，有较强的抗扰动能力等特点。其控制回路框图如图1图2所示。 图1 一混控制回路框图 混合料在一次混合机、二次混合机加水过程中，对过程产生扰动的因素很多，要实现对配水的较好控制，就必须对各干扰因素有充分的考虑。 在配水过程中会对混合料水分会产生