基于PID神经网络的蒸氨塔的解耦控制.pdfVIP

《7台金自动4七,}2006年增刊(S2) 基于PID神经网络的蒸氨塔的解耦控制 陈素巧1，贾默伊2 (1．河北理工大学计算机与自动控制学院，河=I匕唐山063009；2．河北理工大学) [摘要]分析了蒸氨塔蒸氨过程中各变量之问的耦合关系，针对蒸氨过程中参数多变、过程复杂的特点，提出 了一种新的解耦控制方式，即把神经网络和传统的PID控制结合应用到解耦控制中。文中给出了网络结构和算 法，仿真与实验结果表明：PID神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。 [关键词]神经网络；蒸氨；PID控制；解耦；仿真 O引言 数往往整定不良。为了解决这些问题，近年来提出 蒸氨系统具有多变量、多回路耦合等特点，其 了PID神经网络控制，并发表了大量的文章。 控制系统的设计难度较大。当多个控制回路同时 神经网络具有自学习、自组织、自适应的能 工作时，各个控制回路之间相互耦合、相互干扰； 力，基于神经网络的PID控制器，使人工神经网络 要提高蒸氨系统的控制性能和品质，必须减小或 与传统PID控制相结合。该方法不但结构简单， 消除多个回路之间的耦合。如果采用常规的单回 易于在单片机系统上实现，且能适应环境变化，有 路PID控制器强行割裂各变量间的耦合关系，不 较强的鲁棒性。 但控制效果差，还极易造成系统的不稳定。因此 本文利用PID神经元网络进行强耦合带时延 本文将PID技术和神经网络技术相结合，提出一 多变量系统的控制。PID神经网络是一种前向多 种智能的解耦控制方案。 层神经元网络，它参照PID规律选取隐含层神经 1过程描述 ． 元的输入输出函数，使它们分别成为具有比例、积 氨水蒸馏，即用含氨0．3％一0．5％原料氨水， 分和微分处理功能的比例元、积分元和微分元；它 经水蒸气蒸馏制取含氨为10％～12％的浓氨水，还参照PID规律确定网络的连接权初值，使系统 同时要求废水的含氨量不高于0．01％。 初始状态稳定，且使网络的学习收敛速度快。应用 由于在保持塔压恒定的条件下，温度和浓度 PID神经元网络控制器时，不需要测量或辨识对象 呈单值对应的关系，故利用产品温度作为间接指 的内部结构和参数。PID神经元网络通过在线测量 标实现对产品浓度的控制。可利用回流量来控制 的系统给定值和输出值，通过自主学习，调整网络 塔顶产品的温度；利用塔底通人的直接蒸汽量来 权值，并同时完成系统解耦控制工作，使强耦合带 控制塔底的温度，由于对塔顶产品和塔底产品的 时延多变量系统具有良好的动态和静态性能。 质量指标同时都有要求，因此控制回路之间存在 3系统模型的建立 较严重的耦合。 整个蒸氨塔的控制可看成是一个具有2个输 2 PID神经网络控制技术 入变量与2个输出变量的复杂多变量关联系统。 迄今为止，PID控制仍然是工业过程中最常见 两输入变量：塔底的直接蒸汽量rI，回流量r2。输 的控制方法，它具有结构简单、实现容易、鲁棒性 入向量为r=[rlr2]T。两输出变量：塔顶温度 能良好、适用于很大一类工业对象等一系列优点。 )，l，塔底温度)，2。输出向量为Y=[Yl耽]T。 但是，当被控对象具有非线性特性并且为时变对象 3．1 PID神经网络的结构形式 时，传统的PID控制往往不佳；并且在实际生产中， 图l为蒸氨系统的PID神经网络控制结构 由于参数整定方法受到困扰，传统PID控制器的参 图。PID神经网络是一个三层前向网络[1-3|，它是 [收稿日期]2006-03．16；[修改稿收到日期]2