第7章智能控制应用示例.pptVIP

7.1 电加热炉炉温智能控制 1.电加热炉结构 2.对自动控制提出的要求 根据不同的工艺要求，对不同的合金钢，测试温度不同，一般在500～1200℃范围之内， 要求温度从室温升到规定温度后长期（几十小时，甚至上百小时，上千小时）稳定在规定温度范围内，其温差要求不超过±2℃。 3. 智能控制的设计 智能控制器由数据库、知识库、推理机、学习环节、修正环节和黑板组成，其结构框图如图7.4所示。 （1）数据库 数据库中存放: 各个时刻采样值、偏差、控制量, 生成控制量所用的控制规则序号、每条控制规则的加权系数。 都以数组的形式存放。 （2）知识表达和知识库的建立 知识库中的知识由产生式规则组成。 关键是如何表示电加热炉温控过程知识的问题. 从人们对恒值调节经验可知: et越大，则对应控制量越大；反之，控制量越小。 det变化大，相应控制量越大；反之，控制量变化小。 。 （3）控制机和黑板 知识库中的规则集都是按顺序排列的，当求得偏差和被调整量后，借助黑板进行正向推理， 从上到下顺序地搜索知识库中的匹配模式，一旦找到匹配规则，即可求出控制量。 这里的黑板是求解问题的框架，并存放求解问题过程中的状态数据。 黑板的数据一旦产生就保持不便，直到下次求解过程开始时被擦掉。 控制量求解过程流程图如图7.8所示。 4. 智能控制器的学习环节和修正环节 （1）学习环节 这里采用动态奖罚的学习方法，即在线判断本时刻求解控制量u（k）的控制好与坏，据此对控制规则进行奖与罚。 例如，若本时刻有减小偏差的好趋势，则对产生导致这一变化的控制规则进行奖励，即乘以一个大于1的加权系数，使其控制量增强； 若本时刻有增大偏差的坏趋势，则对产生导致这一变化的控制规则进行处罚，即乘以一个小于1的加权系数，使其控制作用减弱。 1）评价函数 若欲对控制规则进行动态奖罚，则如何确定某时刻的控制效果好与坏是关键问题，为此引入评价函数的概念。 这种评价函数必须确切反映系统动态特征的好坏，而且它与控制规则应有一定对应关系，这样才能保证系统进行动态学习。 2）学习算法 学习过程是通过在线修正规则加权系数，使各控制规则所产生的控制量随环境和控制效果的变化作出修正，从而实现自学习的功能。 （2）修正环节 系统炉温控制是一个慢过程，一般采样间隔长，约为30～60s。 在此间隔时间内，被控对象可能受内部参数变化或随机干扰影响，因而可能导致时刻发出的控制量使控制效果变差，影响系统的控制性能。 为了弥补这一不足，引入动态修正环节: 5. 电加热炉炉温实时控制结果 ① 智能控制系统升温快，数字PID进入稳态需要127min，而智能系统第三次运行进入稳态只用56min； ② 智能控制系统精度高，数字PID稳态误差在-3～+3.5℃范围内，而智能控制的稳态误差可达到±1.5℃以内，这一温控精度比随机最优控制和非线性PID控制还要高。 7.2复杂工业过程的智能控制 以钢铁生产为例 钢铁企业中，高炉又叫鼓风炉，它的操作是一个十分复杂的过程，铁矿和焦炭从炉顶加入，鼓风机由底部吹风，这是一个非常重要的生产环节，生铁冶炼的质量将直接影响炼钢的过程与钢的品质。 为此，高炉安装了几百个传感器，从采集的数据中观察高炉内的状况。 图7-10 高炉操作控制概况 三个主要的功能 (1)数据分析功能。分析和采集传感器的数据。 (2)炉内静态状况分析功能。当操作约束条件改变很大时，要根据分析结果来寻求最合适的操作方法。 (3)炉况诊断功能。 对于常规的控制操作 当炉况比较稳定时，这种操作是比较有效的。 但是，炉内状况非常复杂，当炉内发生不正常工况，严重干扰炉子运行时，很多操作还是要依靠有经验操作员或专家的知识和经验。 因此有必要引入专家系统或智能控制系统来改善高炉运行条件，提高生铁的质量。 日本川崎钢铁厂在80年代后期就开发和建立了专家控制系统和对高炉进行控制。 7.2.1高炉监控专家系统1.系统的结构与功能 这个系统由两部分组成， 第一部分是“不正常炉况的预测系统”(AFS)，它预测炉内炉料滑动和沟道的产生； 第二部分是“高炉熔炼的监控系统”(HCS),它判断炉内熔炼过程并指示操作员对高炉进行合理的操作。 系统的结构 系统的功能可分成二部分： 其一是推理的预处理部分，它用常规的方法在过程计算机上执行。 其二是推理部分，它用知识工程技术在AI处理器上实施。 前者采集传感器的数据，将它们寄存在时间序列数据库中，在预处理之后形成推理所需的事实数据，并将推理结果进行显示。 后者利用前者所产生的事实数据和知识库的规则，对高炉的状况进行推理。 2. 系统的开发过程 ① 决定目标：明确系统的功能与所涉及的范围。 ② 获取知识：研究有关高炉领域的技术书籍和报告，研究高炉操作员手册；从领域专家中搜集知识。