基于改進(jìn)BP-PID干煤粉氣化爐控制系統(tǒng)的研究

唐明峰，秦琳琳，劉 鵬，要艷靜

(1.中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院，安徽 合肥 230027;2.航天長(zhǎng)征化學(xué)工程股份有限公司，北京 101111)

1 引言

由于我國(guó)“富煤、缺氣、少油”的能源結(jié)構(gòu)，煤炭成為我國(guó)最為重要的工業(yè)與民用能源。最近國(guó)家高度重視能源多樣化，煤電、煤化工是戰(zhàn)略技術(shù)，以煤為原料生產(chǎn)各種成品油、各種化工原料和產(chǎn)品[1]。為了大幅度減少煤炭造成的大氣污染，潔凈煤技術(shù)已經(jīng)成為我國(guó)當(dāng)前最為迫切的應(yīng)用，煤炭氣化技術(shù)是煤炭清潔化利用中最為優(yōu)選的技術(shù)，而干煤粉氣流床氣化技術(shù)由于其特有的清潔、高效特點(diǎn)，代表今后煤炭氣化技術(shù)的發(fā)展方向[2]。同時(shí)，隨著農(nóng)業(yè)的進(jìn)一步發(fā)展和提高，作為氮肥和其它復(fù)合肥料的中間產(chǎn)品，中國(guó)合成氨產(chǎn)量將穩(wěn)步增加。而煤氣化-合成氨-化肥已經(jīng)是中國(guó)主要煤化工產(chǎn)業(yè)，也是未來(lái)發(fā)展的方向。

對(duì)于氣化爐控制算法的研究，Tan等提出了一種基于穩(wěn)定器思想的部分分散控制器設(shè)計(jì)方法控制ALSTOM氣化爐的煤氣焓值、壓力、溫度以及床料質(zhì)量[3]。Sun等提出了一種基于概率魯棒性的分散PID / PI控制器參數(shù)優(yōu)化方法，通過(guò)統(tǒng)計(jì)計(jì)算滿(mǎn)足動(dòng)態(tài)性能的概率，然后將其作為基于遺傳算法優(yōu)化控制器參數(shù)的目標(biāo)函數(shù)，克服了基于標(biāo)稱(chēng)條件的優(yōu)化方法局限性[4]。羅偉分別采用免疫PID控制和PID控制對(duì)生物質(zhì)氣化爐溫度和含氧量分別進(jìn)行控制，起到了穩(wěn)定氣化爐溫度、降低可燃?xì)怏w含氧量的作用[5]。呂大非采用串級(jí)PID控制方法對(duì)生物質(zhì)氣化爐溫度進(jìn)行控制，提高了生物質(zhì)產(chǎn)品的質(zhì)量和數(shù)量[6]。

由于氣化爐是非線性系統(tǒng)，現(xiàn)有的氣化爐控制方法主要采用PID控制，但是PID參數(shù)不易整定[7]。BP神經(jīng)網(wǎng)絡(luò)屬于前饋型人工神經(jīng)網(wǎng)絡(luò)，具有逼近任意連續(xù)有界非線性函數(shù)的能力[8]。

本文提出了一種基于改進(jìn)BP-PID控制算法，并將其應(yīng)用于氣化爐的氧煤比控制系統(tǒng)，控制系統(tǒng)具有更高的跟蹤精度、更強(qiáng)的適應(yīng)性和更好的魯棒性。

2 干煤粉氣化技術(shù)原理以及模型建立

干煤粉氣流床氣化技術(shù)是指利用射流卷吸的原理，利用噴嘴，把含水量低于6%的干煤粉和氧氣、水蒸氣等氧化劑快速?lài)娭翚饣癄t中，氣化爐內(nèi)特殊設(shè)計(jì)的流場(chǎng)能夠讓煤粉和氧化劑充分混合，確保氣化反應(yīng)能夠正常進(jìn)行[5]。

煤是由多種有機(jī)高分子化合物和礦物質(zhì)組成的復(fù)雜混合物，一般認(rèn)為，煤在氣化爐內(nèi)氣化要經(jīng)歷干燥、揮發(fā)分析出和焦碳?xì)饣齻€(gè)過(guò)程。煤在氣化爐中首先進(jìn)行的是脫揮發(fā)份的熱裂解反應(yīng)，由于氣化爐內(nèi)溫度很高，焦油和氣相烴很少，裂解反應(yīng)可以下式表示

Coal→C+CH4+H2+CO+CO2+H2O

(1)

在氣流床氣化爐內(nèi)，溫度是氣流床安全運(yùn)行的重要指標(biāo)，反映了煤的氧化程度。爐內(nèi)溫度一般通過(guò)測(cè)量合成氣中甲烷含量間接獲得。在氧氣煤比比較低的時(shí)候，由于反應(yīng)溫度較低，碳轉(zhuǎn)化率比較低，煤在氣化過(guò)程中主要發(fā)生熱解反應(yīng)。此時(shí)，煤氣主要來(lái)自煤中的揮發(fā)分，CH4的含量比較高。隨著氧氣煤比的增加，反應(yīng)溫度升高，CH4分解反應(yīng)速度提高，CH4含量降低。因此，氧煤比的控制是氣化爐控制中非常重要的環(huán)節(jié)，氣化爐主回路的被控過(guò)程可簡(jiǎn)化來(lái)用單輸入單輸出的模型描述，將系統(tǒng)的輸出氣體CH4作為輸出變量，而氧煤比作為控制變量。

氧煤比系統(tǒng)總體框圖如圖1所示，氧氣流量由氣化爐負(fù)荷決定，合成氣成分控制器根據(jù)測(cè)量的合成氣成分決定氧煤比，再與氧氣流量相乘，然后得到粉煤流量的設(shè)定值。實(shí)現(xiàn)氧煤比的優(yōu)化自動(dòng)控制，從而保證氣化爐安全可靠運(yùn)行，促進(jìn)氣化爐在大規(guī)模應(yīng)用和推廣。

圖1 總體控制回路框圖

由于氣流床燃燒的復(fù)雜性，涉及到許多復(fù)雜的化學(xué)反應(yīng)過(guò)程，氣化爐是一個(gè)復(fù)雜的多變量、大滯后、非線性及強(qiáng)耦合的系統(tǒng)，難以采用純機(jī)理建模，因此本文采用辨識(shí)建模和機(jī)理建模相結(jié)合的方法，利用現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，根據(jù)統(tǒng)計(jì)學(xué)原理，只要樣本數(shù)據(jù)量足夠大，也可以建立起接近準(zhǔn)確的數(shù)學(xué)模型。由于系統(tǒng)在絕大部分時(shí)間工作在穩(wěn)定狀態(tài)，而系統(tǒng)在穩(wěn)定狀態(tài)下的數(shù)據(jù)變化量很小，故采用受控自回歸積分滑動(dòng)平均(Controlled Auto-Regressive Integral Moving-Average， CARIMA)模型進(jìn)行系統(tǒng)辨識(shí)。CARIMA模型如下所示

(2)

辨識(shí)算法采用漸消記憶遞推增廣最小二乘法，能夠減少計(jì)算量。

(3)

(4)

(5)

其中

3 BP神經(jīng)網(wǎng)絡(luò)PID控制器

3.1 傳統(tǒng)PID控制系統(tǒng)

在工業(yè)控制中，PID的運(yùn)用非常廣泛，結(jié)構(gòu)簡(jiǎn)單，穩(wěn)定性強(qiáng)。PID控制是一種線性控制算法，它通過(guò)調(diào)整比例(P)、積分(I)、微分(D)三種參數(shù)，使參數(shù)形成既相互配合又相互制約的控制關(guān)系，能獲得較好的控制效果。但是，當(dāng)PID控制對(duì)象在外界環(huán)境的變化下改變時(shí)，PID控制器的三個(gè)控制參數(shù)很難自動(dòng)調(diào)整以適應(yīng)，特別是對(duì)于一些參數(shù)變化慢和一些復(fù)雜過(guò)程。而B(niǎo)P神經(jīng)網(wǎng)絡(luò)具有擬合任意非線性函數(shù)的能力，利用BP神經(jīng)網(wǎng)絡(luò)可以建立參數(shù)自學(xué)習(xí)PID控制器，從而通過(guò)對(duì)PID系統(tǒng)性能的學(xué)習(xí)來(lái)改進(jìn)具有最佳參數(shù)組合的PID控制。這樣，在一定程度上解決了PID控制參數(shù)難以確定和環(huán)境擾動(dòng)的不確定性等難題，以及PID控制器不易在線實(shí)時(shí)參數(shù)整定的弊端，從而充分發(fā)揮PID控制的優(yōu)點(diǎn)。

離散PID控制器輸出增量為

Δu(k)=u(k)-u(k-1)=Kp(e(k)-e(k-1))+

Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))

(6)

其中u是控制量，e是控制誤差，Kp、Ki、Kd分別為PID參數(shù)。

3.2 BP網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)具有兩個(gè)特點(diǎn)：一是網(wǎng)絡(luò)為全連接的，即在任意一層上的神經(jīng)元與它之前的所有神經(jīng)元都相連，二是網(wǎng)絡(luò)至少具有一個(gè)隱含層。在BP神經(jīng)網(wǎng)絡(luò)中，存在兩種信號(hào)：函數(shù)信號(hào)和誤差信號(hào)，這兩種信號(hào)分別體現(xiàn)在正向和反向傳播過(guò)程中。

基于BP的PID是一種改進(jìn)型PID控制方法，是對(duì)傳統(tǒng)的PID控制的一種改進(jìn)和優(yōu)化。BP神經(jīng)網(wǎng)絡(luò)由三層網(wǎng)絡(luò)(輸入層、隱含層、輸出層)組成，BP網(wǎng)絡(luò)中的輸出層神經(jīng)元狀態(tài)對(duì)應(yīng)PID控制器的三個(gè)可調(diào)參數(shù)Kp、Ki、Kd。當(dāng)外界環(huán)境發(fā)生變化時(shí)，BP神經(jīng)網(wǎng)絡(luò)可以通過(guò)自學(xué)習(xí)和調(diào)整加權(quán)系數(shù)等功能，使某種最優(yōu)控制的PID控制的三個(gè)參數(shù)對(duì)應(yīng)于BP神經(jīng)網(wǎng)絡(luò)的輸出。根據(jù)PID的三個(gè)參數(shù)，設(shè)計(jì)4個(gè)輸入層、4個(gè)隱含層、3個(gè)輸出層的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器由BP神經(jīng)網(wǎng)絡(luò)和常規(guī)的PID控制器兩部分組成，如圖3所示。PID控制器負(fù)責(zé)控制信號(hào)的正向傳導(dǎo)，對(duì)被控對(duì)象進(jìn)行閉環(huán)控制，BP神經(jīng)網(wǎng)絡(luò)則根據(jù)誤差和運(yùn)行狀態(tài)，以誤差梯度下降的方式修改BP神經(jīng)網(wǎng)絡(luò)的各層權(quán)值和閾值，調(diào)節(jié)網(wǎng)絡(luò)輸出層對(duì)應(yīng)的PID的三個(gè)參數(shù)Kp、Ki、Kd，使之實(shí)現(xiàn)在線調(diào)整控制參數(shù)，從而達(dá)到通過(guò)PID控制器參數(shù)的自適應(yīng)調(diào)整來(lái)優(yōu)化系統(tǒng)性能的目的。

圖3 BP-PID控制器結(jié)構(gòu)

3.3 改進(jìn)BP-PID算法

1)BP學(xué)習(xí)算法改進(jìn)

由于BP神經(jīng)網(wǎng)絡(luò)收斂速度慢，難以滿(mǎn)足具有適應(yīng)功能的實(shí)時(shí)控制的要求，因此對(duì)此進(jìn)行改進(jìn)[6]。

①引入動(dòng)量項(xiàng)。為使收斂速度更快，在加權(quán)系數(shù)修正公式中增加一個(gè)動(dòng)量項(xiàng)α。

(7)

其中w是權(quán)值，ε是代價(jià)函數(shù)，η是學(xué)習(xí)率。

②變步長(zhǎng)法。在BP學(xué)習(xí)算法中，學(xué)習(xí)率參數(shù)η不易選擇，選擇太小，收斂太慢，選擇太大，容易引起振蕩甚至發(fā)散。為解決這個(gè)問(wèn)題，采用變步長(zhǎng)方法。

(8)

其中η(n)=2λη(n-1)，λ=sgn[ε(n-1)ε(n)]

2)正向傳播過(guò)程

網(wǎng)絡(luò)輸入層節(jié)點(diǎn)的輸入輸出為

(9)

隱含層的誘導(dǎo)局部域和輸出分別為

(10)

(11)

隱含神經(jīng)元的激活函數(shù)取雙曲正切函數(shù)

(12)

輸出層的誘導(dǎo)局部域和輸出分別為

(13)

(14)

輸出層的激活函數(shù)取非負(fù)的sigmoid函數(shù)

(15)

3)反向傳播過(guò)程

網(wǎng)絡(luò)的輸出性能指標(biāo)函數(shù)為

(16)

輸出層權(quán)值調(diào)整修正公式為

(17)

隱含層權(quán)值調(diào)整修正公式為

(18)

BP-PID控制器算法過(guò)程如下

a) 確定輸入層、隱含層和輸出層的神經(jīng)元個(gè)數(shù)，并給出各層網(wǎng)絡(luò)權(quán)值的初值；

b) 通過(guò)采樣得到輸入輸出值，計(jì)算誤差；

c) 計(jì)算神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元輸入和輸出，即正向傳播過(guò)程；

d) 計(jì)算控制器輸出；

e) 進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，在線調(diào)整權(quán)值，實(shí)現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整，即反向傳播過(guò)程；

f) 開(kāi)始下一次學(xué)習(xí)，從步驟b)開(kāi)始重復(fù)執(zhí)行，直到學(xué)習(xí)完畢。

4 仿真結(jié)果

圖4 濾波前后輸入輸出曲線

基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制器，為了更快的收斂，選取學(xué)習(xí)率η為0.3，慣性系數(shù)α為0.05，權(quán)系數(shù)初始值選取為[-0.5 0.5]之間的隨機(jī)數(shù)。

圖5 系統(tǒng)臨界振蕩曲線

常規(guī)PID控制器和基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)PID控制器的仿真曲線分別如圖6所示?？梢钥闯觯Ｒ?guī)PID控制器超調(diào)量為24.7%，調(diào)節(jié)時(shí)間為40s，基于BP神經(jīng)網(wǎng)絡(luò)超調(diào)量為3.1%，調(diào)節(jié)時(shí)間為53s，因此BP-PID控制比常規(guī)PID控制器超調(diào)量較小，調(diào)節(jié)時(shí)間長(zhǎng)，因此整個(gè)過(guò)渡過(guò)程也比較平穩(wěn)，控制效果更佳。圖7則是BP-PID控制的PID參數(shù)曲線。

圖6 改進(jìn)BP-PID控制和PID控制仿真曲線

圖7 BP-PID控制PID參數(shù)曲線

為了測(cè)試系統(tǒng)的穩(wěn)定性，在200-230s加入2%的階躍值的直流擾動(dòng)，結(jié)果如圖8所示，BP-PID控制輸出最高超調(diào)為15%，加入擾動(dòng)到恢復(fù)穩(wěn)態(tài)時(shí)間間隔為70s，可以看出改進(jìn)BP-PID控制算法具有很好的魯棒性和抗干擾性。

圖8 加入直流擾動(dòng)后BP-PID控制仿真曲線

5 結(jié)論

氣化爐是干煤粉氣流床氣化技術(shù)的一種重要設(shè)備，對(duì)氣化爐氧煤比回路的建模與控制研究具有實(shí)際應(yīng)用價(jià)值。本文根據(jù)氧煤比和甲烷作為輸入輸出數(shù)據(jù)，經(jīng)過(guò)濾波處理后，采用漸消記憶遞推增廣最小二乘辨識(shí)算法建立系統(tǒng)模型，通過(guò)BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力可以找到某一最優(yōu)控制下的PID控制器參數(shù)，即運(yùn)用改進(jìn)的BP-PID算法對(duì)爐內(nèi)溫度進(jìn)行控制。仿真結(jié)果表明，BP-PID控制算法比普通PID算法具有更好的控制效果，并且具有很好的抗干擾性以及魯棒性，更適用于氣化爐這樣復(fù)雜的系統(tǒng)。