焦?fàn)t集氣管壓力解耦控制系統(tǒng)設(shè)計與仿真

王玉臣

世源科技工程有限公司 北京 100000

1 集氣管壓力系統(tǒng)概述

焦?fàn)t集氣管系統(tǒng)是焦?fàn)t系統(tǒng)的重要組成部分，屬于煉焦?fàn)t煤氣設(shè)備中的荒煤氣導(dǎo)出設(shè)備。它負(fù)責(zé)收集焦?fàn)t生產(chǎn)過程中產(chǎn)生的焦?fàn)t煤氣，對其進(jìn)行氣液分離，冷卻，洗滌等凈化操作，提供給民用供氣，鍋爐或高爐加熱等進(jìn)一步使用。

在煉焦過程中，每座焦?fàn)t所生產(chǎn)的從炭化室溢出的850℃左右的荒煤氣經(jīng)循環(huán)氨水噴灑冷卻至80-85℃左右，通過集氣管引入氣液分離器，煤氣由氣液分離器上方導(dǎo)出后，進(jìn)入初冷器，從初冷器出來的煤氣由煤氣鼓風(fēng)機(jī)加壓后，通過壓力管道將大部分送往下道工序。

焦?fàn)t集氣管壓力系統(tǒng)由多個集氣管、初冷器、鼓風(fēng)機(jī)及回流裝置組成，圖1是由兩個集氣管（焦?fàn)t均為單集氣管結(jié)構(gòu)形式）組成的的集氣管壓力系統(tǒng)結(jié)構(gòu)原理圖。

圖1 焦?fàn)t集氣管壓力系統(tǒng)原理圖

1.1 集氣管壓力控制對煉焦生產(chǎn)的意義

在煉焦生產(chǎn)過程中，焦?fàn)t集氣管壓力是煉焦生產(chǎn)中的重要參數(shù)，它的穩(wěn)定性直接影響著焦碳的生產(chǎn)和焦?fàn)t的使用壽命。當(dāng)焦?fàn)t集氣管壓力為負(fù)壓時，空氣會從爐門、爐蓋等渠道進(jìn)入焦?fàn)t體內(nèi)導(dǎo)致焦炭燃燒、灰份增加、質(zhì)量下降；進(jìn)入的空氣還會同爐體建筑材料發(fā)生化學(xué)反應(yīng)，造成爐體剝蝕，縮短爐體使用壽命；而且空氣還會促進(jìn)荒煤氣燃燒，使煤氣系統(tǒng)溫度升高，從而加重了冷卻系統(tǒng)的負(fù)擔(dān)，產(chǎn)生不必要的能源消耗。當(dāng)焦?fàn)t集氣管壓力過高時，荒煤氣會從爐門、爐蓋等處冒出，一方面造成環(huán)境污染，另一方面降低了荒煤氣的回收率而造成能源浪費?？梢姡?fàn)t集氣管壓力控制在煉焦生產(chǎn)過程中十分重要。

1.2 集氣管壓力控制解耦重要性

對于多焦?fàn)t系統(tǒng)，由于焦?fàn)t的集氣管與集氣管之間、集氣管與鼓風(fēng)機(jī)之間均為串、并聯(lián)連接，焦?fàn)t相互間存在嚴(yán)重耦合關(guān)系，耦合對集氣管壓力的穩(wěn)定有著不可忽視的影響。

這是因為所有焦?fàn)t及其集氣管是一條總管上的并聯(lián)（或者組并聯(lián)）支路，當(dāng)一個集氣管壓力發(fā)生改變時，另外一個集氣管壓力也會隨之改變，是典型的多變量負(fù)耦合系統(tǒng)。各焦?fàn)t集氣管與以鼓風(fēng)機(jī)為代表的后續(xù)工藝設(shè)備相串聯(lián)，任一焦?fàn)t煤氣發(fā)生量及操作狀態(tài)的變化，都將引起流量的變化，進(jìn)而引起鼓風(fēng)機(jī)吸力變化，從而引起集氣管壓力的變化，各焦?fàn)t集氣管壓力與鼓風(fēng)機(jī)吸力之間存在正耦合關(guān)系。隨工藝管路設(shè)置方式、管道阻力和各焦?fàn)t裝煤時間的不同，耦合強弱也有所不同[1-3]。因此，解耦好壞直接影響到集氣管壓力控制的品質(zhì)，是焦?fàn)t集氣管壓力控制系統(tǒng)非常重要的環(huán)節(jié)。如何有效的解決耦合問題是現(xiàn)在集氣管壓力控制領(lǐng)域研究的重要方向之一。

2 模糊控制理論

2.1 模糊控制概述

模糊理論是在美國柏克萊加州大學(xué)電氣工程系L.A.Zadeh教授于1965年創(chuàng)立的模糊集合理論的基礎(chǔ)上發(fā)展起來的，其核心是對復(fù)雜的系統(tǒng)或過程建立一種語言分析的數(shù)學(xué)模式，使人們?nèi)粘Ｉ钪械淖匀徽Z言能直接轉(zhuǎn)化為計算機(jī)所能接受的算法語言。1974年，Mamdani創(chuàng)立了基于模糊語言描述控制規(guī)則的模糊控制理論，并將其成功應(yīng)用于控制，在自動控制領(lǐng)域中開辟了模糊控制理論及其工程應(yīng)用的嶄新階段。模糊控制系統(tǒng)是一種自動控制系統(tǒng)，它以模糊數(shù)學(xué)、模糊語言形式的知識表示和模糊邏輯的規(guī)則推理等模糊理論為理論基礎(chǔ)；采用計算機(jī)控制技術(shù)構(gòu)成的一種具有反饋通道的閉環(huán)結(jié)構(gòu)的數(shù)字控制系統(tǒng)。它的組成核心是具有智能性的模糊控制器，是一種智能控制系統(tǒng)[4-6]。

2.2 模糊控制特點

與傳統(tǒng)的控制方法相比，模糊控制對于非線性、復(fù)雜對象具有魯棒性好，控制性能高的優(yōu)點，其主要特點在于：

（1）本質(zhì)是一種非線性控制，因為語言變量具有一定的模糊性，而被量化的語言值又是分級不連續(xù)的。

（2）控制系統(tǒng)的設(shè)計不要求知道被控對象的精確數(shù)學(xué)模型，只需要提供現(xiàn)場操作人員的經(jīng)驗知識及操作數(shù)據(jù)。

（3）語言變量是總結(jié)人的控制行為，它遵循反饋控制的思想。

（4）控制系統(tǒng)的魯棒性強，適應(yīng)于常規(guī)控制方法難以解決的非線性、時變及滯后系統(tǒng)。

（5）推理為不精確推理，其推理模仿人的思維過程，介入了人類的經(jīng)驗，因而能夠處理復(fù)雜甚至“病態(tài)”系統(tǒng)。

2.3 模糊控制系統(tǒng)的基本結(jié)構(gòu)及組成

模糊控制系統(tǒng)通常由模糊控制器、輸入/輸出接口、執(zhí)行機(jī)構(gòu)、被控對象和測量裝置等五部分組成，如圖2所示。

圖2 模糊控制系統(tǒng)框圖

（1）被控對象——它可以是一種設(shè)備或裝置以及它們的群體，也可以是一個生產(chǎn)的、自然的、社會的、生物的或其它各種的狀態(tài)轉(zhuǎn)移過程。

（2）執(zhí)行機(jī)構(gòu)——除了電氣的，如各類交、直流電動機(jī)，伺服電動機(jī)，步進(jìn)電動機(jī)等以外，還有氣動的和液壓的，如各類氣動調(diào)節(jié)閥和液壓馬達(dá)、液壓閥等。執(zhí)行機(jī)構(gòu)的主要功能是根據(jù)控制器的輸出調(diào)節(jié)被控對象輸入，從而改變系統(tǒng)輸出。

（3）控制器——是各類自動控制系統(tǒng)中的核心部分。在經(jīng)典控制理論中，用運算放大器加上阻容網(wǎng)絡(luò)構(gòu)成的PID控制器和由前饋、反饋環(huán)節(jié)構(gòu)成的各種串、并聯(lián)校正器；在現(xiàn)代控制理論中，設(shè)計的有狀態(tài)觀測器、自適應(yīng)控制器、解耦控制器、魯棒控制器等。而在模糊控制理論中，則采用基于模糊知識表示和規(guī)則推理的語言型模糊控制器，這也是模糊控制系統(tǒng)區(qū)別于其它自動控制系統(tǒng)的特點所在[7-8]。

（4）輸入/輸出（I/O）接口——在實際系統(tǒng)中，由于多數(shù)被控對象的控制量及其可觀測狀態(tài)量是模擬量。因此，模糊控制系統(tǒng)與通常的全數(shù)字控制系統(tǒng)或混合控制系統(tǒng)一樣，必須具有模/數(shù)（A/D）、數(shù)/模（D/A）轉(zhuǎn)換單元，不同的只是在模糊控制系統(tǒng)中，還應(yīng)該有適用于模糊邏輯處理的“模糊化”與“解模糊化”環(huán)節(jié)，這部分通常也被看作是模糊控制器的輸入/輸出接口。

（5）測量裝置——它是將被控對象的各種非電量，如流量、溫度、壓力、速度、濃度等轉(zhuǎn)換為電信號的一類裝置。通常由各類數(shù)字的或模擬的測量儀器、檢測元件或傳感器等組成。它在模糊控制系統(tǒng)中占有十分重要的地位，其精度往往直接影響整個系統(tǒng)的性能指標(biāo)，因此要求其精度高、可靠且穩(wěn)定性好。

2.4 模糊控制器設(shè)計

2.4.1 模糊控制器組成

模糊控制器（Fuzzy Controller）的組成如圖3所示，從功能上劃分，它主要由4部分組成：模糊化、知識庫、模糊推理以及清晰化。

圖3 模糊控制器組成

（1）模糊化。模糊控制器由輸入通道得到的采樣值也是精確量，因此就需要一個把輸入量由精確值轉(zhuǎn)化成模糊子集的過程，即模糊化過程。模糊化可以概括成以下兩個方面：①量程轉(zhuǎn)換：把輸入信號的數(shù)值映射到相應(yīng)的輸入論域上；②模糊化：即把精確量轉(zhuǎn)化成模糊量，輸入信號映射到相應(yīng)論域上的一個點，把它轉(zhuǎn)化成該論域上的一個模糊子集。

（2）知識庫。知識庫包含應(yīng)用領(lǐng)域方面的知識，主要由數(shù)據(jù)庫和規(guī)則庫組成。

①數(shù)據(jù)庫。數(shù)據(jù)庫提供所有必要的定義。所有輸入、輸出變量所對應(yīng)的論域以及在這些論域上定義的規(guī)則庫中所使用的全部模糊子集的定義都存放在數(shù)據(jù)庫中。如果論域是離散形式，則模糊子集在數(shù)據(jù)庫中存放的是它在各個離散點上的隸屬度；如果論域是連續(xù)的，模糊子集在數(shù)據(jù)庫存放的是它的隸屬度函數(shù)。在控制系統(tǒng)運行過程中，數(shù)據(jù)庫向模糊推理功能塊提供必要的數(shù)據(jù)。在模糊化和清晰化時，數(shù)據(jù)庫也向它們提供相關(guān)論域的必要數(shù)據(jù)[9-10]。

②規(guī)則庫。規(guī)則庫存放模糊控制規(guī)則。模糊控制規(guī)則基于手動操作人員長期積累的控制經(jīng)驗和領(lǐng)域?qū)＜矣嘘P(guān)知識，它是對被控對象進(jìn)行控制的知識模型（不是數(shù)學(xué)模型）。這個模型建立得是否正確，也就是是否準(zhǔn)確地總結(jié)了操作人員的成功經(jīng)驗和領(lǐng)域?qū)＜业闹R，將決定模糊控制器控制性能的好壞?？刂埔?guī)則的表達(dá)形式也是按人的知覺推理的語言表示形式，是一種模糊條件語句的形式。

（3）模糊推理。模糊推理采用某種模糊推理方法，由采樣時刻的輸入和模糊控制規(guī)則推導(dǎo)出模糊控制器的控制輸出。

一般來講，模糊控制器中使用的推理機(jī)制比典型的專家系統(tǒng)的推理要簡單，因為在模糊控制器中，一條規(guī)則的結(jié)論是不會作為另一條規(guī)則的前件來使用的，控制作用是基于一級的數(shù)據(jù)驅(qū)動的前向推理，既肯定前件式GMP。

模糊控制由每個采樣時刻的輸入，依據(jù)模糊控制規(guī)則推導(dǎo)出控制作用，而模糊控制規(guī)則這一組模糊條件語句可以導(dǎo)出一個輸入輸出空間上的模糊關(guān)系，模糊推理按著模糊推理的合成規(guī)則進(jìn)行運算從而得到控制作用。

（4）清晰化。與模糊化相反，清晰化是由模糊量到精確量的轉(zhuǎn)化過程。微機(jī)控制系統(tǒng)在執(zhí)行模糊控制算法時，它從模糊推理中得到的模糊控制作用必須轉(zhuǎn)化為執(zhí)行機(jī)構(gòu)所能接受的精確量。清晰化功能主要有兩個：①量程轉(zhuǎn)換：把輸出作用的論域轉(zhuǎn)化成輸出物理量的變化范圍，在運行時模糊化求得輸出論域上的點轉(zhuǎn)化為輸出的物理量；②清晰化：由模糊推理得到的控制作用轉(zhuǎn)化為一個精確的控制量，它是輸出論域上的一個點。

模糊控制器的設(shè)計包括以下幾項內(nèi)容：

（1）確定模糊控制器的輸入變量和輸出變量（即控制量）。

（2）設(shè)計控制器的控制規(guī)則。

（3）確定模糊化和非模糊化（又稱清晰化）的方法。

（4）選擇模糊控制器的輸入變量及輸出變量的論域并確定模糊控制器的量化因子。

（5）編制模糊控制算法的應(yīng)用程序。

2.4.2 模糊控制器的輸入和輸出變量

通常將模糊控制器的輸入變量個數(shù)稱為模糊控制器的維數(shù)，常見的模糊控制器的結(jié)構(gòu)有三種形式，如圖4所示。模糊控制器的維數(shù)越高，控制效果也越好，但是維數(shù)高的模糊控制器實現(xiàn)起來相對與維數(shù)低的要復(fù)雜和困難得多。目前，二維模糊控制器得到了廣泛地應(yīng)用。

圖4 三種模糊控制器結(jié)構(gòu)

2.4.3 模糊化

在確定了模糊控制器的輸入和輸出變量之后，就需要對輸入量進(jìn)行采樣、量化并模糊化，以便實現(xiàn)模糊控制算法。將精確量轉(zhuǎn)化為模糊量的過程稱為模糊化（Fuzzication）。模糊化過程主要完成：測量輸入變量的值，并將數(shù)字表示形式的輸入量轉(zhuǎn)化為通常用語言值表示的某一限定碼的序數(shù)。每一個限定碼表示論域內(nèi)的一個模糊子集，并由其隸屬度函數(shù)來定義。對于某一個輸入值，它必定與某一個特定模糊子集的隸屬程度相對應(yīng)[11]。

（1）選擇描述輸入輸出變量的詞集。模糊控制器的控制規(guī)則表現(xiàn)為一組模糊條件語句，在條件語句中描述輸入輸出變量狀態(tài)的一些詞匯（如“正大”、“負(fù)小”等的集合）稱為這些變量的詞集。一般情況下選用“大、中、小”三個詞匯來描述模糊控制器的輸入、輸出變量的狀態(tài)。由于人的行為在正、負(fù)兩個方向的判斷是對稱的，將大、中、小再加上正、負(fù)兩個方向并考慮變量為零的狀態(tài)，共有七個詞匯，即：

{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}

或{NB，NM，NS，ZE，PS，PM，PB}

選擇較多的詞匯描述輸入、輸出變量，會使制定的控制規(guī)則變復(fù)雜；選擇詞匯過少，使得描述變量變得粗糙，導(dǎo)致控制器的控制性能變壞。一般情況下選擇上述七個詞匯，也可根據(jù)系統(tǒng)需要，選擇三個或五個語言變量。描述輸入、輸出變量的詞匯都具有模糊特性，可用模糊集合來表示。因此模糊概念的確定性問題就直接轉(zhuǎn)化為求取模糊集合隸屬函數(shù)的問題。

（2）模糊集合隸屬函數(shù)。語言變量隸屬函數(shù)有兩種表示方式：離散方式和連續(xù)方式。離散方式只取論域中的離散點及這些點的隸屬度來描述一個語言變量；連續(xù)方式將隸屬度表示成論域變量的連續(xù)函數(shù)，常見隸屬函數(shù)類型有：

①三角形型。這種隸屬函數(shù)有三個參數(shù)表示，一般可描述為：

其中a，b，c為三角形的三個頂點。

由于它的形狀僅與直線的形狀有關(guān)，因此適合于有隸屬函數(shù)在線調(diào)整的自適應(yīng)模糊控制。

②高斯型。它用兩個參數(shù)描述，一般可表述為：

其中c 是函數(shù)的中心點，δ是曲線的寬度。

這種函數(shù)的特點是連續(xù)且點點可求導(dǎo)，比較適合于自適應(yīng)、自學(xué)習(xí)模糊控制器的隸屬函數(shù)的修正，其中參數(shù)δ的大小直接影響隸屬函數(shù)曲線的形狀。

隸屬函數(shù)曲線的形狀不同會導(dǎo)致不同的控制特性。一般來說，隸屬函數(shù)的形狀越陡，分辨率就越高，控制靈敏度也越高；相反，若隸屬度函數(shù)變化緩慢，則控制特性也較平緩，系統(tǒng)的穩(wěn)定性較好。因此，在選擇模糊變量的模糊集的隸屬函數(shù)時，在誤差較大的區(qū)域采用低分辨率的模糊集，在誤差較小的區(qū)域采用較高分辨率的模糊集，在誤差接近于零時，采用高分辨率的模糊集[12]。

隸屬函數(shù)的確定，應(yīng)該是反映出客觀模糊現(xiàn)象的具體特點，要符合客觀規(guī)律，而不是主觀臆想的。

2.4.4 知識庫

知識庫包括了具體應(yīng)用領(lǐng)域中的知識和要求的控制目標(biāo)，它們決定模糊控制器的性能，通常由數(shù)據(jù)庫和模糊控制規(guī)則兩部分組成。

（1）數(shù)據(jù)庫存儲著有關(guān)模糊化、模糊推理、解模糊的一切知識。主要包括各語言變量的隸屬度函數(shù)、尺度變換因子、以及模糊空間的分級數(shù)等。

（2）規(guī)則庫包括了用模糊語言變量表示的一系列控制規(guī)則，它們反映了控制專家的經(jīng)驗和知識

2.4.5 模糊推理

模糊推理是模糊控制器的核心，它具有模擬人的基于模糊概念的推理能力。該推理過程是基于模糊邏輯中的蘊含關(guān)系及推理規(guī)則來進(jìn)行的。在各種推理方法中，使用最廣的是Mamdani最大一最?。╩ax-min）合成法。具體如下：設(shè)A、B、C分別是定義在論域X、Y、Z上的模糊子集，R是上的模糊關(guān)系，根據(jù)模糊推理，某一時刻控制量由下式給出：。

其隸屬度函數(shù)為：

可見，用模糊關(guān)系來表示模糊條件語句，可將模糊推理的判斷過程轉(zhuǎn)化為對隸屬度的合成及演算過程。推理結(jié)果只表示推理過程已完成，它仍是一個模糊量，必須警告解讀模糊化，把它轉(zhuǎn)換成精確量，才可以控制受控對象。

2.4.6 反模糊化

反模糊化的作用是將模糊推理得到的控制量（模糊量）變換為實際用于控制的精確量。它包含以下兩部分內(nèi)容：量程轉(zhuǎn)換和解模糊。

（1）解模糊是將模糊量轉(zhuǎn)換成控制量的過程。主要有三種方法：

①最大隸屬度法：選取模糊子集中隸屬度最大的元素作為控制輸出量，若有多個這樣的點，則取平均值。

②取中位數(shù)法：將求出的模糊子集的隸屬度函數(shù)曲線與橫坐標(biāo)所圍成的面積的均分點對應(yīng)的論域元素作為判決結(jié)果。

③加權(quán)平均法：對論域中的每個點，以它們對待判決的模糊集的隸屬度為加權(quán)系數(shù)，它類似于重心的計算，所以也稱重心法。對于論域為離散的情況則有：

（2）量程轉(zhuǎn)換將求得的清晰值z0，經(jīng)尺度變換為實際的控制量。變換的方法可以是線性的，也可以是非線性的。若z0的變化范圍為[zmin，zmax]，實際控制量的變化范圍為[umin，umax]，若采用線性變換則有：

其中k稱為比例因子。

3 焦?fàn)t兩集氣管壓力模糊解耦控制系統(tǒng)設(shè)計

3.1 兩集氣管壓力系統(tǒng)建模

確定控制對象合理的數(shù)學(xué)模型是分析、設(shè)計控制系統(tǒng)最重要的一步。同時，只有根據(jù)控制系統(tǒng)的目的，在充分分析系統(tǒng)工作原理的基礎(chǔ)上，采用合適的方法，才能得到合理的數(shù)學(xué)模型。

目前，常用的建模方法有機(jī)理分析建模和測試法（即系統(tǒng)辨識方法）兩種。

機(jī)理分析法就是根據(jù)對象內(nèi)在機(jī)理，通過靜態(tài)與動態(tài)的物料平衡或能量平衡關(guān)系以及反映流體流動、傳熱、傳質(zhì)、化學(xué)反應(yīng)等基本規(guī)律的運動方程和某些設(shè)備的特性方程等，從中獲取所需得的數(shù)學(xué)模型。該方法的優(yōu)點在于充分揭示對象的內(nèi)在規(guī)律，但對比較復(fù)雜的實際生產(chǎn)過程來說，這種建模方法也有一定的局限性。許多工業(yè)的工藝過程的內(nèi)部工藝過程較為復(fù)雜，對某些物力、化學(xué)過程尚不完全清楚，使得復(fù)雜過程的數(shù)學(xué)模型較難建立[13]。

測試法（系統(tǒng)辨識法）是根據(jù)系統(tǒng)的輸入輸出數(shù)據(jù)，通過過程辨識和參數(shù)估計的方法，測算系統(tǒng)模型的理論和方法，其實質(zhì)是從一組模型類中選擇一個模型，按照某種準(zhǔn)則，使之能最好的擬合所關(guān)心的實際過程的動態(tài)特性。但該方法得到的數(shù)學(xué)模型僅僅能夠反映輸入輸出之間的特性，而得不到反映系統(tǒng)內(nèi)在特性的信息。

由于對焦?fàn)t集氣管壓力系統(tǒng)的工作過程有較清楚的認(rèn)識，對其工作機(jī)理也有較深入的研究，因此，本文采用機(jī)理建模的方法。

圖5是以兩焦?fàn)t為例的系統(tǒng)對象動特性示意圖。

圖中，方框、斜線代表集氣管壓力系統(tǒng)的各個組成部分，包括焦?fàn)t、集氣管、風(fēng)機(jī)、蝶閥等。Ps1、Ps2分別為焦?fàn)t產(chǎn)出煤氣產(chǎn)生的壓力；Q1、Q2分別為從1#、2#焦?fàn)t進(jìn)入集氣管的煤氣流量；P1、P2分別為1#、2#焦?fàn)t集氣管的煤氣壓力；P3為鼓風(fēng)機(jī)前壓力；P’1、P’2分別為管后煤氣壓力；R1、R2、R12、R23為對象的阻力系數(shù)；C1、C2、C12、C23為對象的容量系數(shù)。

R12、R23是管道之間的阻力系數(shù)，由管道本身決定，是固定值；R1、R2也是阻力系數(shù)，由蝶閥開度決定，是變化值。因此，模型中將R1、R2作為系統(tǒng)的控制輸入量，用以表示蝶閥開度。

需要說明的是，當(dāng)生產(chǎn)需要確定后，在無擾動的理想情況下，焦?fàn)t產(chǎn)出煤氣所產(chǎn)生的壓力Ps應(yīng)該為定值。但由于在實際中不可能達(dá)到無擾動，裝煤、扣蓋等操作必然會使焦?fàn)t產(chǎn)出煤氣所產(chǎn)生的壓力發(fā)生變化，因此Ps可視為系統(tǒng)的擾動量。為方便準(zhǔn)確分析系統(tǒng)動態(tài)特性，明確不同擾動對系統(tǒng)壓力產(chǎn)生的不同影響，在建立系統(tǒng)動態(tài)數(shù)學(xué)模型時，將、作為系統(tǒng)的擾動輸入。

P3是鼓風(fēng)機(jī)前壓力，機(jī)前壓力控制不是本文的研究內(nèi)容，在這里暫不考慮對P3的控制，認(rèn)為P3始終滿足控制要求。在建模過程中，將P3作為擾動輸入量。

圖5 以兩焦?fàn)t為例的系統(tǒng)對象動特性示意圖

經(jīng)上述分析，確定對象的控制輸入是R1、R2，擾動輸入是Ps1、Ps2，系統(tǒng)輸出是 P1、P3。

流體阻力主要集中在蝶閥上，還有一部分體現(xiàn)在管道阻力上，同時氣體具有可壓縮性，在建立氣壓系統(tǒng)的動態(tài)模型時，體積流量與壓力的關(guān)系應(yīng)予以充分考慮。在對象的特性模擬圖中，對象的阻力系數(shù)定義為R=dP/dQ，即氣體壓力對流量的導(dǎo)數(shù)；對象的容量系數(shù)定義為C=dV/dP，即氣體體積對氣體壓力的導(dǎo)數(shù)[14]。

由dQ=dV/dt，根據(jù)對象阻力系數(shù)和容量系數(shù)的定義，可知dQ=CdP/dt；又根據(jù)氣體流量的動態(tài)平衡方程dQ=Q入-Q出，得到dQ=Q入-Q出=CdP/dt。則依對象的動態(tài)特性示意圖，建立氣體動態(tài)平衡方程。

1#集氣管動態(tài)平衡方程：

2#集氣管動態(tài)平衡方程：

連接1#、2#集氣管的管道動態(tài)平衡方程：

連接2#集氣管與鼓風(fēng)機(jī)的管道動態(tài)平衡方程：

根據(jù)公式Q=k ?P可知（已忽略氣體密度變化），從焦?fàn)t進(jìn)入集氣管的煤氣體積流量Q是由焦?fàn)t產(chǎn)出的煤氣所產(chǎn)生的壓力Ps與集氣管壓力P之差所決定，即Q=k。將公式Q=k代入上述動態(tài)平衡方程，可得到多個非線性方程。

在工程上，將非線性微分方程在一定條件下轉(zhuǎn)化為線性微分方程的方法，稱為非線性微分方程的線性化。通過線性化得到的線性微分方程，或稱線性化微分方程將有條件地、近似地描述控制系統(tǒng)的控制過程。

控制系統(tǒng)通常都有一個預(yù)期狀態(tài)。在由描述控制系統(tǒng)特性的諸多變量所決定的廣義坐標(biāo)中，與系統(tǒng)預(yù)期工作狀態(tài)相對應(yīng)的點，稱為預(yù)期工作點。非線性微分方程能進(jìn)行線性化的一個基本假設(shè)就是變量偏離其預(yù)期工作點的偏差甚小。在數(shù)學(xué)處理上，只要變量在預(yù)期工作點處有導(dǎo)數(shù)或偏導(dǎo)數(shù)存在，則在預(yù)期工作點的微小鄰域便可將非線性函數(shù)通過變量的偏差展開成泰勒級數(shù)，如將級數(shù)中偏差的高階項加以忽略，可獲得以變量的偏差為自變量的線性函數(shù)[14]。

由于在控制系統(tǒng)中正常的控制動作總是連續(xù)不斷地進(jìn)行著，所以變量的增量大多滿足微量要求。因此，應(yīng)用小偏差線性化概念對非線性運動方程進(jìn)行線性化，并根據(jù)線性理論分析設(shè)計控制系統(tǒng)，是研究控制系統(tǒng)的有效方法之一。

將該多個非線性方程利用泰勒級數(shù)公式：

展開，忽略二階以上導(dǎo)數(shù)，設(shè)焦?fàn)t穩(wěn)定工作點為P1=P10、P2=P20、P3=P30、P4=P40、PS1=PS10、PS2=PS20、PS3=PS30、R1=R10、R2=R20、R3=R30。這樣，可在穩(wěn)定工作點將非線性方程線性化為增量形式，之后再進(jìn)行拉氏變換寫成標(biāo)準(zhǔn)傳遞函數(shù)形式：

至此，得到了一個能夠基本反映焦?fàn)t集氣管壓力系統(tǒng)主要特性、含參數(shù)的、比較簡單的線性化模型。文中沒有忽略其時變參數(shù)的特性，對于每個模型僅是給出了其模型的結(jié)構(gòu)形式，而未給出其參數(shù)。這是由于對于同一系統(tǒng)在不同工況、不同時間或者結(jié)構(gòu)類似的不同系統(tǒng)，模型的參數(shù)是不同的，為了模型的通用性，就沒有給出模型的參數(shù)。在后面的仿真實驗中，會根據(jù)閱讀參考文獻(xiàn)和大量相關(guān)的書籍中介紹的經(jīng)驗，針對系統(tǒng)給出相應(yīng)的統(tǒng)參數(shù)[14]。

3.2 多變量過程控制系統(tǒng)解耦原理與方法

3.2.1 多變量過程控制系統(tǒng)解耦原理

多變量過程變量之間的關(guān)聯(lián)性，即耦合是目前許多控制系統(tǒng)投運不好的重要原因。所謂耦合，就是一個過程變量的變化必然會波及到其它過程變量的變化，它是生產(chǎn)過程動態(tài)特性普遍存在的一種現(xiàn)象，因為生產(chǎn)過程都是各個環(huán)節(jié)協(xié)調(diào)的進(jìn)行工作，一個過程變量的變化必然涉及到其它過程變量的變化[15]。

如果設(shè)計者回避了事實上存在的回路之間的耦合而采用近似處理的辦法，仍然采用單變量PID控制方式。這種人為的簡化會導(dǎo)致以下一些問題：

（1）由于沒有考慮被控制對象中各回路間的關(guān)聯(lián)，因而很難同時使各個單變量系統(tǒng)穩(wěn)定地運行，也就無法有效地對這種多輸入——多輸出、變量間緊密關(guān)聯(lián)的系統(tǒng)實現(xiàn)統(tǒng)一的控制。

（2）對于存在耦合的系統(tǒng)，由于各回路不能獨立考慮，因而各回路PID參數(shù)的整定不得不多次進(jìn)行，以找到一個合適值，而在很多實際場合，很難得到一個令人滿意的整定。

（3）從理論上講，PID控制器具有較好的魯棒性，但是當(dāng)多個單回路之間存在耦合的情況下，整個系統(tǒng)的魯棒性無法得到保證。

因此，研究如何實現(xiàn)解耦控制是多變量過程控制理論與實踐中的一個突出的問題。

所謂解耦控制就是討論應(yīng)當(dāng)采取何種措施，能夠把一個有耦合影響的多變量過程，化成為一些無耦合的單變量過程來處理。假如能做到這一點，則解除耦合以后的系統(tǒng)，就可以用我們所熟知的單變量系統(tǒng)理論來處理了。

要想實現(xiàn)這一目標(biāo)，直觀地說，下面兩種方法最簡單，第一種方法是切斷耦合通道，但這種方法只是在方框圖上有意義，因為任何實際的耦合總是某種物理（或者化學(xué)——物理）過程的顯示，從而它不可能按主觀想象而切斷。第二個直觀方法是連接補償通道，并且讓這個補償通道并聯(lián)地接入耦合通道，當(dāng)然耦合通道的影響就會被消除，但是，這種方法也只是在方框圖上適用。因為在實際的系統(tǒng)中耦合常常發(fā)生在輸出變量上，而這些輸出變量經(jīng)常是一些具有一定容量的對象的某些實際參數(shù)。所以很顯然，要想用這種辦法來消除系統(tǒng)中的耦合影響是很不容易的[16]。因此，對于任何具有耦合的多變量過程控制系統(tǒng)，為了實現(xiàn)解耦控制，必須進(jìn)行解耦設(shè)計，并且在這個系統(tǒng)中設(shè)置某種解耦環(huán)節(jié)。解耦環(huán)節(jié)是以補償環(huán)節(jié)形式設(shè)置于系統(tǒng)中，很顯然，它們僅能接受并傳輸十分有限的能量，因而它們應(yīng)當(dāng)安置在用有限能量就能對整個系統(tǒng)發(fā)生顯著的影響的地方。因此，解耦環(huán)節(jié)應(yīng)當(dāng)設(shè)置在控制對象之前或者在反饋通道上，用于解除系統(tǒng)中各輸入和輸出量之間的耦合關(guān)系。補償方法之一是對角矩陣法，其基本思想是，進(jìn)行適當(dāng)?shù)脑O(shè)計，使得聯(lián)系多變量控制系統(tǒng)輸入變量與輸出變量之間的系統(tǒng)傳遞函數(shù)矩陣為一個對角矩陣。

3.2.2 多變量過程控制系統(tǒng)解耦方法

目前，有很多方法可以用來解決多變量控制系統(tǒng)的解耦問題。但總的來說，下列幾種是普遍認(rèn)為成功的方法：

由Boksenbom、Hood、錢學(xué)森、Kavanagh、Mesarovic和Schwarz等人建立和發(fā)展起來的對角矩陣法；首先由Bristol提出，然后主要有Shinskey、Nisenfeld、McAvoy等人發(fā)展起來的相對增益分析法；由Rosenbrock提出的逆Nyquist曲線法以及由MacFarlane和Belletrutti提出的特征曲線分析法；由Falb、Wolovich、Gilbert等人發(fā)展起來的狀態(tài)變量法。

這幾種方法應(yīng)用比較廣泛，但不能說哪一種方法最好，因為研究的對象與目的是不同的?，F(xiàn)代控制理論家都十分欣賞狀態(tài)變量法，目前有大量的文章都是討論這個方法的。對于變量數(shù)目相當(dāng)多的高階大系統(tǒng)，很易于應(yīng)用這種方法進(jìn)行理論上的分析，其研究的對象常常是抽象化的。然而，過程控制理論家和工程師們卻格外喜歡對角矩陣法與相對增益分析法，因為這兩種方法能十分方便地應(yīng)用于多變量過程控制系統(tǒng)的解耦設(shè)計，而且由此引出來的結(jié)論都能很容易的在實際中得到應(yīng)用，從而這兩種方法是過程控制實踐中目前應(yīng)用最廣的方法。狀態(tài)變量法目前在過程控制實踐中應(yīng)用不多，而逆Nyquist曲線法和特征曲線分析法雖然能應(yīng)用于實踐，但這些方法本身引用的理論概念很多，計算也較復(fù)雜，因此應(yīng)用起來不甚方便，這就限制了它們的廣泛流行[17]。

盡管解耦理論研究已取得豐碩成果，但與最優(yōu)控制、自適應(yīng)控制等其它分支相比，解耦理論在工程上的應(yīng)用卻不能令人滿意，究其原因，上述的經(jīng)典解耦方法屬于傳統(tǒng)控制理論的應(yīng)用，而傳統(tǒng)控制理論在應(yīng)用中面臨著很大的難題：

以前的解耦控制理論大都建立在精確的系統(tǒng)模型上，而且所設(shè)計的解耦控制器對模型的不確定性十分敏感，而實際系統(tǒng)存在復(fù)雜性、非線性、時變性、不確定性，實際應(yīng)用中由辨識得到的系統(tǒng)模型往往不準(zhǔn)確，同時模型參數(shù)在各種因素的影響下不斷地發(fā)生擾動。研究這類系統(tǒng)時，必須提出并遵循一些比較苛刻的假設(shè)，而這些假設(shè)在應(yīng)用中往往與實際不相吻合。對于某些復(fù)雜的和包含不確定性的對象，根本無法以傳統(tǒng)數(shù)學(xué)模型來表示，即無法解決建模問題。為了提高性能，傳統(tǒng)控制系統(tǒng)可能變得復(fù)雜，從而增加了設(shè)備的初始投資和維修費用，降低系統(tǒng)可靠性。

解決這一問題的一條有效途徑就是把人工智能等相關(guān)技術(shù)應(yīng)用于解耦技術(shù)。

多變量智能解耦技術(shù)是智能控制技術(shù)與多變量解耦技術(shù)相結(jié)合的產(chǎn)物。近年來，如何實現(xiàn)具有非線性、多變量強耦合的復(fù)雜工業(yè)過程的解耦控制引起了控制界的關(guān)注。神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)、專家系統(tǒng)等人工智能理論開始被引入解耦控制領(lǐng)域。目前應(yīng)用最多的是基于模糊控制技術(shù)和基于神經(jīng)網(wǎng)絡(luò)的智能解耦控制。

基于模糊控制技術(shù)的智能解耦方法可以通過串聯(lián)模糊解耦補償器對模糊系統(tǒng)進(jìn)行解耦，也可以通過接入反饋模糊解耦控制器對對象進(jìn)行解耦，然后針對解耦而成的各單變量過程進(jìn)行模糊控制系統(tǒng)的設(shè)計；還可以對控制器進(jìn)行模糊解耦，也可以研究出一類多變量模糊控制器即模糊多變量控制算法，對多變量對象進(jìn)行控制，最終得到令人滿意的控制效果。

表1 雙集氣管壓力系統(tǒng)解耦規(guī)則表

由于神經(jīng)網(wǎng)絡(luò)有自學(xué)習(xí)功能以及對參數(shù)攝動的不敏感，因此采用神經(jīng)網(wǎng)絡(luò)作為補償器進(jìn)行解耦，能夠獲得較強的魯棒性。

3.3 兩集氣管壓力系統(tǒng)模糊解耦控制器設(shè)計

焦?fàn)t集氣管壓力系統(tǒng)由于耦合嚴(yán)重，明顯降低控制系統(tǒng)的調(diào)節(jié)品質(zhì)，在耦合嚴(yán)重的情況時會使各個系統(tǒng)均無法投入運行。分析目前許多難于投入運行的系統(tǒng)，許多是由耦合的原因造成的。

集氣管壓力系統(tǒng)是一個復(fù)雜多變量系統(tǒng)，不易建立精確數(shù)學(xué)模型，采用傳統(tǒng)解耦控制算法，會在量化過程中引入誤差造成穩(wěn)態(tài)誤差，因此不能采用常規(guī)的基于精確數(shù)學(xué)模型的解耦算法。為此本文兩焦?fàn)t集氣管壓力系統(tǒng)解耦控制方案采用模糊解耦控制，解耦控制器放在單集氣管控制器與控制對象之間。

3.3.1 模糊控制器的輸入和輸出變量

根據(jù)集氣管的耦合性質(zhì)，本文選取的模糊控制器結(jié)構(gòu)采用的是二維模糊控制器，以單集氣管控制器的輸出，即1#蝶閥開度的變化量和2#蝶閥開度的變化量為模糊控制器的輸入，1#和2#蝶閥開度的修正變化增量為模糊控制器的輸出。

控制對象的輸入，即兩集氣管的輸入為當(dāng)前時刻蝶閥開度的值，具體由模糊控制器的輸入加上1#蝶閥開度變化值（2#蝶閥開度變化值）再加上上一時刻的1#蝶閥開度的值（2#蝶閥開度的值）得到。

模糊解耦控制流程如圖6所示。

圖6 模糊解耦控制流程圖

選1#蝶閥開度的變化量和2#蝶閥開度的變化量的模糊論域為 {-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}用 模 糊語言變量描述為：{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}或{NB，NM，NS，NZ，PZ，PS，PM，PB}選控制量1#和2#蝶蝶閥開度的修正變化增量的模糊論域為{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}用語言變量描述為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}或{NB，NM，NS，ZE，PS，PM，PB}。

3.3.2 隸屬函數(shù)的選擇及隸屬度的確定

本次設(shè)計輸入變量選取的隸屬函數(shù)如圖7所示。

圖7 輸入變量選取的隸屬函數(shù)示意圖

本次設(shè)計輸出變量選取的隸屬函數(shù)如圖8所示。

圖8 輸入變量選取的隸屬函數(shù)示意圖

3.3.3 模糊控制規(guī)則的設(shè)計

根據(jù)經(jīng)驗規(guī)則，得到耦規(guī)則控制修正表，如表1所示。

表1實際對應(yīng)2張表：一張表對應(yīng)于1#集氣管蝶閥開度變化量E1的蝶閥開度修正量?U1；另一張表對應(yīng)于2#集氣管的蝶閥開度變化量E2的蝶閥開度修正量?U2。

3.3.4 模糊推理

模糊推理是模糊控制器的核心，它具有模擬人的基于模糊概念的推理能力。在各種推理方法中，使用最廣的是Mamdani最大-最?。╩ax-min）合成法。本次設(shè)計也是使用Mamdani推理方法。具體如下：設(shè)A、B、C分別是定義在論域X、Y、Z上的模糊子集，R是上的模糊關(guān)系，根據(jù)模糊推理，某一時刻控制量由下式給出：

其隸屬度函數(shù)為：

可見，用模糊關(guān)系來表示模糊條件語句，可將模糊推理的判斷過程轉(zhuǎn)化為對隸屬度的合成及演算過程。推理結(jié)果只表示推理過程已完成，它仍是一個模糊量，必須把它轉(zhuǎn)換成精確量，才可以控制受控對象。

3.3.5 解模糊

模糊推理得到的是模糊值，不能直接用于控制對象。需要先轉(zhuǎn)化成一個執(zhí)行機(jī)構(gòu)可以執(zhí)行的精確量，此過程稱為解模糊或模糊判決。它可以看作是模糊空間到清晰空間的一種映射。目前常用的解模糊方法有三種，本文使用的是取中位數(shù)法。所謂中位數(shù)，就是將求出的模糊子集的隸屬度函數(shù)曲線與橫坐標(biāo)所圍成的面積的均分點對應(yīng)的論域元素作為判決結(jié)果。

3.3.6 確定量化因子和比例因子

則1#和2#集氣管蝶閥開度的比例因子和模糊控制器輸出的控制量比例因子分別由以下幾個公式確定：

根據(jù)以上公式得出本次設(shè)計的可修正量化因子和比例因子為：0.06和2.55，量化因子和比例因子不是固定值，在MATLAB軟件環(huán)境中可以根據(jù)仿真情況對其進(jìn)行適當(dāng)?shù)男薷摹?/p>

4 焦?fàn)t集氣管壓力模糊解耦控制系統(tǒng)仿真

4.1 焦?fàn)t集氣管壓力系統(tǒng)模型仿真

4.1.1 參數(shù)設(shè)置

根據(jù)大量的閱讀參考文獻(xiàn)和相關(guān)書籍得知，在實際工況中，焦化廠焦?fàn)t集氣管壓力系統(tǒng)集氣管壓力要求穩(wěn)定在P1=110±20Pa、P2=100±20Pa。每座焦?fàn)t煤氣發(fā)生量在10000m3/h，即2.8m3/s。

實際工程中，蝶閥的有效開度為30°到70°，在實際工況中蝶閥開度擁有死區(qū)，當(dāng)?shù)y開度無法達(dá)到30°以下或70°以上。所以要使蝶閥開度保持在一定的范圍內(nèi)。

參數(shù)的設(shè)定是在不同的工況下，有不同的值。但是不會改變控制的本質(zhì)。本文根據(jù)文獻(xiàn)與書籍介紹，采用的焦?fàn)t集氣管壓力系統(tǒng)實際穩(wěn)態(tài)工作點參數(shù)設(shè)為：

C1=C2=10，Q10=Q20=2，PS10=210，P10=110，P10=70，P10=20，K1=0.2，PS20=200，P20=100，P′ 20=60，R20=20，K2=0.2，R12=2.5，R23=5，P3=30。

根據(jù)第三章中建立的集氣管壓力模型，得到集氣管壓力模型的傳遞函數(shù)：

由上文對MATLAB軟件的介紹可以得知，利用上述四個傳遞函數(shù)我們可以通過MATLAB軟件中的Simulink來實現(xiàn)對系統(tǒng)的仿真試驗。

4.1.2 Simulink環(huán)境下建立集氣管壓力系統(tǒng)模型

由于Simulink是一個用來對動態(tài)系統(tǒng)進(jìn)行建模、仿真和分析的軟件包，為用戶提供了用方框圖進(jìn)行建模的圖形接口，并可方便地擴(kuò)展，使得系統(tǒng)的構(gòu)建容易。同時，Simulink能夠方便地修改擬用系統(tǒng)的模型，包括元件參數(shù)的改變，以便反映所設(shè)想的系統(tǒng)變化。因此，在這里，我們根據(jù)上述集氣管壓力系統(tǒng)傳遞函數(shù)，利用Simulink建立如圖9的系統(tǒng)仿真模型。

圖9 焦?fàn)t集氣管壓力系統(tǒng)仿真模型結(jié)構(gòu)示意圖

為方便后續(xù)控制，增加直觀性，利用Simulink自帶的子系統(tǒng)模塊將上述模型表示為子系統(tǒng)形式，子系統(tǒng)形式如圖10所示。其中，R1、R2表示系統(tǒng)輸入，Ps1、Ps2、P3表示系統(tǒng)擾動輸入，P1、P2表示系統(tǒng)輸出。利用該模型，通過示波器顯示的仿真結(jié)果可以觀察不同輸入及擾動變化給系統(tǒng)帶來的不同影響，分析系統(tǒng)的動態(tài)性能。

4.1.3 仿真結(jié)果及分析

成功的在Simulink中建立模型后，通過改變輸入R1、R2、Ps1、Ps2、P3突加階躍信號，來得到不同輸入時間仿真模型的圖像。借此來確認(rèn)模型的合理性及實用性仿真結(jié)果如圖10（a，b，c，d，e）所示：

從仿真結(jié)果可以看出所建模型能夠很好地反映真實系統(tǒng)的動態(tài)特性：①當(dāng)R1增大時，P1增大，P2減?。划?dāng)R1減小時，P1減小，P2增大，P3。②當(dāng)R2增大時，P2增大，P1減?。划?dāng)R2減小時，P2減小，P1增大。③當(dāng)Ps1增大時，P1增大P2增大。當(dāng)Ps1減小時，P1減小，P2減小。④當(dāng)Ps2增大時，P2增大，P1增大。；當(dāng)Ps2減小時，P2減小，P1減小。

圖10 子系統(tǒng)形式焦?fàn)t集氣管壓力系統(tǒng)仿真模型結(jié)構(gòu)示意圖

圖10 蝶閥開度及爐況變化給集氣管壓力帶來的影響仿真曲線

上述仿真表明焦?fàn)t集氣管壓力系統(tǒng)耦合程度達(dá)到了1/10以上，耦合強烈。對于集氣管之間存在的正耦合，耦合程度與集氣管之間管道距離有密切關(guān)系，距離壓力突變的集氣管越近的集氣管耦合程度越嚴(yán)重；對于集氣管與鼓風(fēng)機(jī)之間存在的負(fù)耦合，距離鼓風(fēng)機(jī)越近的集氣管受鼓風(fēng)機(jī)影響越強烈。擾動對各集氣管壓力的影響也與集氣管之間的距離有關(guān)，距離近則影響大，距離遠(yuǎn)則影響小。通過以上的分析，能夠證明管道之間距離是反映真實系統(tǒng)的重要因素，將系統(tǒng)管道阻力忽略得到的數(shù)學(xué)模型不能很好地反映真實系統(tǒng)。

4.2 焦?fàn)t集氣管壓力模糊解耦控制系統(tǒng)仿真

4.2.1 Simulink環(huán)境下建立集氣管壓力模糊解耦控制系統(tǒng)模型

根據(jù)第三章模糊規(guī)則解耦控制策略，建立如圖11所示的仿真模型。

圖11 解耦控制仿真模型結(jié)構(gòu)示意圖

如圖11所示，仿真過程中運用了限幅和Memory模塊。模糊控制器輸入前加入限幅的目的是為了確保輸入保持在模糊控制器輸入的論域內(nèi)（如果解耦控制器前的單集氣管壓力控制器輸出未加限幅，那么模糊解耦控制器的輸入可能就會超出合理的蝶閥開度變化范圍）；模糊控制器后的限幅是因為蝶閥同任何一個物理元器件一樣會有死區(qū)，它的有效開度為30°-70°，為保證蝶閥開度始終保持在合理的開度范圍內(nèi)，因此此處使用限幅；Memory模塊具有記憶功能，利用它能輸出上一時刻的輸入值的特性，模型中采用Memory模塊來確保控制對象的輸入為蝶閥開度值，而非蝶閥開度變化量。

4.2.2 仿真結(jié)果及分析

對焦?fàn)t集氣管壓力系統(tǒng)已解耦的模型，分別給控制量R1、R2突加階躍信號，仿真結(jié)果如圖12（a，b）所示：

從仿真結(jié)果可以看出，模糊規(guī)則解耦后的曲線比較理想，當(dāng)任意一管道壓力發(fā)生變化，通過解耦，耦合程度減至1/100，其他管道的壓力基本保持不變，尤其是在穩(wěn)態(tài)時，可以說基本上完全消除了各管之間的耦合。仿真結(jié)果非常理想，系統(tǒng)運行情況良好。

5 結(jié)語

本文首先對焦?fàn)t集氣管壓力系統(tǒng)的耦合問題做了比較細(xì)致的研究，充分了解到產(chǎn)生耦合的具體原因，并對本次設(shè)計所涉及到的控制理論（模糊控制），做了系統(tǒng)的學(xué)習(xí)，對模糊控制解耦問題做了大量的前期準(zhǔn)備工作。通過閱讀相關(guān)文獻(xiàn)和學(xué)習(xí)模糊控制理論，運用機(jī)理分析，建立焦?fàn)t集氣管壓力系統(tǒng)多變量數(shù)學(xué)模型。通過對模糊控制理論的學(xué)習(xí)，在MATLAB中建立合理的集氣管壓力系統(tǒng)及其解耦控制數(shù)學(xué)模型。最后應(yīng)用強大的MATLAB軟件建立焦?fàn)t集氣管壓力系統(tǒng)解耦仿真模型。通過仿真實驗所建模型和解耦控制策略的合理性和有效性，仿真結(jié)果令人滿意。本次設(shè)計基本達(dá)到了任務(wù)書中要求。

圖12 系統(tǒng)解耦后的仿真曲線

由于時間和所學(xué)知識的限制，本文并沒有針對鼓風(fēng)機(jī)對集氣管的耦合問題做詳細(xì)的研究，也沒有提出合適的解決方案，這是此次設(shè)計最大的遺憾，希望通過以后的不斷學(xué)習(xí)更深一步的知識，可以將本次設(shè)計的不足之處加以修正。