基于BP神经网络模糊控制除盐水自动加氨控制系统.docVIP

基于BP神经网络模糊控制除盐水自动加氨控制系统 　　摘要：为了使除盐水的pH值快速稳定在给定指标范围内，设计了基于BP神经网络模糊PID智能控制系统。仿真结果表明，该控制系统具有更强的鲁棒性，良好的自适应能力，适用于缺乏精确数学模型且时变、非线性、纯滞后工业过程。 　　关键词：加氨调节；pH值控制；BP神经网络模糊控制 　　 　　1 除盐水调节pH值的意义 　　据统计，自然循环锅炉炉内金属腐蚀产物来源70%是给水带入，30%是锅炉本体腐蚀产生[1]。以除盐水为主要补给水的锅炉系统运行中，除盐水的水质直接关系锅炉水汽系统安全运行。由于二级除盐水的碱度低，只要含有少量的CO2，pH值就会显著降低，游离CO2气体在水中呈酸性，对管路产生酸性腐蚀。除盐水pH值与锅炉水系统的腐蚀具有密切关系，将其pH值控制在合理范围内，可尽量避免氢去极化、氧去极化和碱脆腐蚀[1]。 　　针对pH值控制，有很多控制算法被研究和应用，如常规PID、模糊自适应PID[4]和BP神经网络PID[5]等。但是单一PID控制适用于建立了精确数学模型的确定线性系统，模糊系统的设计参数只能依靠经验来选择；神经网络虽有较强的适应和学习功能,但无处理不确定信息的功能。鉴于以上原因，有必要开发先进控制算法，为非线性、纯滞后、时变系统的控制提供一定的思路，进一步改善pH值控制品质，严格控制加氨量，力求环保节能。 　　2控制系统设计 　　2.1整体设计方案 　　采用加氨调节给水pH值，防止游离CO2酸性腐蚀，已成为电厂汽包锅炉调节给水pH值最广泛使用的方法[3]。除盐水自动加氨控制系统广义被控对象由变频加氨泵、液氨箱、检测仪表等组成，如图1所示。除盐水加氨控制系统，根据检测信号与给定信号的偏差，控制器应用一定的智能控制算法，输出调节量自动调节变频泵的频率，进而调节加氨量，使除盐水pH值恒定于给定值附近。 　　图1 除盐水自动加氨控制系统图 　　2.2电气控制部分 　　电气接线部分：采用“一拖一”方案，不带工频旁路。除盐水管线附近安装两台变频加氨泵，以实现冗余，加氨控制流程图如图2所示。 　　 　　图2 除盐水加氨控制工艺流程图 　　执行系统采用瑞士ABB公司ACS143-K75-3变频调速电动机，电气控制原理如图3所示。由开关量控制的继电器来控制电机的正反转，FWD端子与CM端子短接，电机正转。电机转速通过外部输入电流控制，在Cl和l1(地)两端子间接入控制器输出的DC4～20mA控制电流，该电流的大小控制逆变器的输出频率。 　　 　　图3电气控制原理图 　　2.3基于BP神经网络模糊PID复合智能控制系统 　　模糊控制、神经网络是智能控制的二个重要分支，各有优缺点，且两者均不依赖于被控对象精确数学模型,把神经网络和模糊逻辑技术结合起来组成神经网络模糊控制复合智能控制器 [3]。本文将智能控制中的神经网络和模糊控制技术相结合，根据模糊系统的结构，决定等价的神经网络，采用BP网络映射模糊控制器的输入输出，经过模糊控制集训练后的BP网络可实现pH值的反馈控制。为了实现简单及提高系统的稳态性能，构成一个基于NNFC-PID一个单回路控制系统，如图4所示。 　　图4 基于BP神经网络模糊PID控制系统 　　控制器由两部分组成：(1)常规PID控制器：对被控对象进行闭环控制；(2)BP神经网络模糊控制器NNFC：根据系统的运行状态，调节PID控制器的参数，以期达到某种性能指标的最优化。 　　神经模糊控制器设计方案。本设计采用具有7个模糊变量、 49个模糊规则的FNN控制器，网络结构如图5所示。可见它是一个具有输入层、中间层和输出层的三层神经网络，在功能上，该网络的三层节点是严格对应于模糊逻辑控制的模糊化、规则推理和去模糊三个步骤的，因而具有明确的模糊逻辑意义。 　　系统的动态行为用希望输出Yd与实际输出Y之间的偏差e,所对应的模糊变量E，偏差变化率ec，所对应的模糊变量EC表示，控制量u对应的模糊变量为U来描述。 　　依据上述基本约定，网络输入层的节点分别对应偏差E和偏差变化率EC的模糊子集中的各个元素E(NB,NM,NS,O,PS,PM,PB),EC(NB,NM,NS,O,PS,PM,PB)的隶属度，中间层为隐层节点49个，输出层只有一个节点U，在控制量的论域(-6,+6)内取值。通过实验获取大量的数据样本e(k)、ec(k)、Kp、Ki、Kd，并对样本进行归一化处理。E,EC与U之间的推理规则为: 　　If Xl is Alp and X2 is A2p then U is Dk式中:Xl,X2为前提语言变量，这里分别为E,EC；A1p ，A2p为对应的语言值；U为结论语言变量；Dk为对应的语言值。 　　利用BP神经网络实现模糊推