徐 巍,葛啟發(fā),2,張維國
(1.中國恩菲工程技術有限公司,北京 100038;2.北京科技大學,北京 100083)
通風系統(tǒng)對于礦山的運行非常關鍵,不僅保障礦山生產(chǎn)的正常開展,也為井下工作人員提供優(yōu)良的環(huán)境[1]。在礦井通風系統(tǒng)當中,積極應用自動化技術可以實現(xiàn)自動化管理和控制,通過自動化控制,有效地監(jiān)控井下的通風狀況,從而讓礦井通風的應變能力得到提升,更好地適應環(huán)境變化,同時節(jié)約通風成本。即便發(fā)生事故,也可以及時對通風進行調節(jié),避免出現(xiàn)事故[2]。因此,通過結合礦山的實際情況,系統(tǒng)、科學地做好礦山通風安全工作是非常必要的,并且對于礦山安全生產(chǎn)意義重大[3]。
隨著對礦山生產(chǎn)的信息化與精細化管理,高效合理、節(jié)能環(huán)保和安全可靠的科學生產(chǎn)方案亟待建立[4]。礦山通風機是礦山通風系統(tǒng)的關鍵設備,其不間斷運行能為礦山生產(chǎn)持續(xù)輸送新鮮空氣,進而直接調節(jié)井下溫濕度環(huán)境,降低CO、氮氧化物和粉塵等有害物質濃度[5]。然而,傳統(tǒng)礦山通風機監(jiān)控系統(tǒng)功能單一,受通風網(wǎng)絡阻力特性、礦山產(chǎn)能等因素影響,無法動態(tài)調控實際輸出功率,不間斷運行過程中存在嚴重的能耗問題[6]?;赑LC 和變頻器的礦山通風機監(jiān)控系統(tǒng)改造能按實際的產(chǎn)能和污染物濃度動態(tài)調控輸出功率,有助于提高通風機的運行效率,但對于多變量、非線性和強耦合的通風控制過程,變頻調速仍有待于進一步改善[7]。
對于自動化控制技術的應用而言,優(yōu)勢主要在于實現(xiàn)精準的控制和高效的操作,將其應用到礦山通風系統(tǒng)中,可以有效提高通風系統(tǒng)的工作效率[8]。當前投入使用的礦山通風系統(tǒng)均存在著較為明顯的系統(tǒng)短板,自動化程度較低,且操作控制較為復雜[9]。
模糊控制利用模糊集合理論將專家的經(jīng)驗轉化為機器可識別的語言,實現(xiàn)對復雜系統(tǒng)的精確控制[10]。在智能控制技術發(fā)展尚未成熟時,大多數(shù)簡單的被控對象通過建立精確的數(shù)學模型控制[11]。隨著一些難以建立精確數(shù)學模型的被控對象出現(xiàn),傳統(tǒng)的控制方法已難以對此類復雜系統(tǒng)進行控制[12]。在局部通風機風量智能調控系統(tǒng)中,風量的變化是非線性的、純滯后、多耦合的,所以無法建立精確的數(shù)學模型,利用模糊控制系統(tǒng)來實現(xiàn)對風量的實時調節(jié)[13]。因此,為進一步優(yōu)化礦山通風機的輸出,本文在風機變頻器硬件平臺上應用模糊PID算法,設計了模糊PID 風機風量控制系統(tǒng),可以提高礦山通風機的運行效率[14]。
模糊控制是以人的模糊推理和決策為依據(jù),通過人為設計相對應的模糊規(guī)則,模糊化處理外界采集的信息,將其作為輸入信號,在控制器中完成推理并將結果錄入執(zhí)行部件,最后得到理想的控制效果[15]。結合礦山通風管理的實際需要和模塊控制的基本原理,風量模糊控制系統(tǒng)主要由模糊PID 控制器、傳感器、A/D 和D/A 轉換、被控對象等部分組成,原理圖如圖1 所示[16],按照模塊劃分,模糊控制系統(tǒng)由模糊化、知識庫、模糊推理和解模糊化四個模塊組成[17]。
圖1 模糊控制基本原理圖
模糊化過程是將精確的測量值轉化為模糊語言的過程,也是模糊控制器設計的首要步驟[18]。系統(tǒng)采集輸入變量的值,并將輸入量轉化為模糊子集,并由隸屬度函數(shù)來定義[19]。用取值于(0,1)的隸屬度函數(shù)A(x)表征x屬于A的程度高低。隸屬度函數(shù)A(x)越接近于1,表示x屬于A的程度越高,反之則越低[20]。
知識庫主要包含數(shù)據(jù)和規(guī)則,其中數(shù)據(jù)庫提供邏輯推理模糊化過程和解模糊化等相關數(shù)據(jù),規(guī)則庫包含模糊邏輯推理的控制規(guī)則[21]。
模糊推理是采用推理的方法,將初始時刻的輸入值和模糊控制規(guī)則相結合得出模糊PID 控制器的精確輸出[22]。模糊推理規(guī)則算法與模糊蘊涵規(guī)則、模糊合成規(guī)則、模糊推理條件等有關聯(lián)。
由模糊推理所得的結果是一個隸屬度函數(shù)或模糊集合,但在模糊控制系統(tǒng)中,控制或驅動執(zhí)行機構必須是一個確定的值,這個過程就是解模糊化,也稱為逆模糊化。解模糊化計算過程采用不同的方法可以得到不同的結果,常用的解模糊化計算方法是重心法[23]。
該風機風量控制系統(tǒng)在工作時,會將傳感器檢測到的風量與系統(tǒng)設定的風量進行對比,最終得出風機風量的差值及偏差變化率,再根據(jù)模糊化模塊得出模糊控制變量,將變量輸入到知識庫、模糊邏輯推理模塊后,可以得到最終的模糊變量[24]。對該模糊變量進行解模糊化操作后,就可以得到精確的控制量。
本風機風量控制系統(tǒng)的模糊控制器采用了二維模糊控制,將巷道的所需風量作為控制器的設定值,與傳感器所采集回來的風量進行實時比對,將風量的誤差和誤差的變化量作為模糊系統(tǒng)的輸入,進而來控制風機轉速,實現(xiàn)增大或減小風量的自動控制效果[25]。
典型的二維模糊控制器輸入變量通常為系統(tǒng)的誤差和誤差的變化,模糊規(guī)則一般有以下形式[23]:
R1:如果e是E1且de是DE1,則u是U1;
R2:如果e是E2且de是DE2,則u是U2;
……
Rn:如果e是En且de是DEn,則u是Un;
其中E1,E2,…,En、DE1,DE2,…,DEn和U1,U2,…,Un均為輸入輸出論域上的模糊子集。
因此,在本風機風量控制系統(tǒng)中,模糊控制器的輸入為系統(tǒng)風量誤差e和風量誤差的變化de,輸出為系統(tǒng)控制值u,設計模糊控制器的過程為:先將風量誤差模糊化后變?yōu)槟:?利用模糊推理算法得出控制器的輸出精確量,最后解模糊化計算得到系統(tǒng)精確的輸出值來控制被控對象[26]??刂破鹘Y構圖如圖2 所示。
圖2 模糊控制器結構圖
對于n條模糊控制規(guī)則,系統(tǒng)總的模糊關系矩陣為:
則對于任意的系統(tǒng)誤差ei和系統(tǒng)誤差變化dei所對應的模糊控制器輸出uij為:
根據(jù)得到的模糊控制量uij再進行精確化計算,就可以去控制被控對象了。
在模糊控制器設計中常用的方法是查表法。查表法是通過離線計算獲得一個模糊控制表,并將其嵌入在主控制器的數(shù)據(jù)寄存器中。當模糊控制器工作時,只要根據(jù)傳感器采集得到誤差和誤差變化的量化值,就可以在表中尋找出當前時刻輸出的量化值,再將此量化值與比例因子相乘得到被控對象輸出控制量。如圖3 所示,k1、k2、k3分別為輸入輸出的量化因子和比例因子。
圖3 模糊邏輯控制器結構圖
PID 控制具有操作簡單、穩(wěn)定性好、可靠性高等優(yōu)點,是工業(yè)領域中應用最廣泛的控制算法之一。PID 控制是比例微分積分控制,從反饋機制獲得偏差e(t),通過比例、微分、積分對輸出量y(t)和給定值r(t)的偏差e(t)進行控制,數(shù)學表達式如下:
其中,Kp表示比例系數(shù),TI表示積分常數(shù),TD表示微分常數(shù)。為了方便表示,定義Ki=Kp/TI、Kd=Kp/TD。在PID 控制中,Kp、Ki和Kd三個參數(shù)的選取決定了控制算法的實際效果,Kp可以使系統(tǒng)快速響應,迅速調節(jié)誤差;Ki用來消除系統(tǒng)在進入穩(wěn)態(tài)時產(chǎn)生的穩(wěn)態(tài)誤差;Kd用于抑制調節(jié)過程中產(chǎn)生的振蕩,屬于超前調節(jié)。
PID 的控制效果對于大多數(shù)控制對象來說是很有效的,控制的效果也取決于PID 控制中多個參數(shù)的優(yōu)化。PD 控制器優(yōu)點在于有較好的系統(tǒng)動態(tài)特性,缺點是無法消除被控系統(tǒng)的靜態(tài)誤差;PI 控制器可以消除系統(tǒng)的靜態(tài)誤差,但是降低了響應速度,因此提出了模糊PID 控制器的方法。
本風機風量控制系統(tǒng)結構如圖4 所示,主要由核心模糊PID 控制器、執(zhí)行機構變頻器和被控對象風機組成。
假設風機需要向巷道工作面輸送的風量為Q0,此時由傳感器采集到實時風量為Q,將風量的誤差和誤差的變化作為模糊PID 控制器的輸入,輸出為PID 控制所需參數(shù)的修正量,與初始參數(shù)相加后實現(xiàn)對變頻器進行控制,電機在得到控制信號后開始調節(jié)轉速從而實現(xiàn)風量的自動調節(jié)。在模糊PID 控制器設計中,要先確定Kp、Ki、Kd,與e、de之間的模糊關系,通過模糊邏輯推理和解模糊化得到修正后的參數(shù)ΔKp、ΔKi、ΔKd。
在本風機風量控制系統(tǒng)的模糊PID 控制器中,設輸入與輸出語言變量的基本模糊論域的量化區(qū)間均為[ -6,6],論域內(nèi)模糊子集均被劃分為7 個,即{PB、PM、PS、ZE、NS、NM、NB},其含義分別為負大、負中、負小、零、正小、正中、正大。輸入變量誤差e的基本論域為[ -500,500],誤差變化de的基本論域為[ -150,150],輸出變量中,比例參數(shù)ΔKp的基本論域為[ -0.1,0.1],積分參數(shù)ΔKi的基本論域為[ -0.08,0.08],微分參數(shù)ΔKd的基本論域為[ -0.04,0.04]。
本系統(tǒng)的隸屬度函數(shù)采用三角形與高斯形相結合的方式,在函數(shù)兩端采用高斯形,在中間部分采用三角形,以比例參數(shù)ΔKp為例,所設計的隸屬度函數(shù)如圖5 所示。
由于現(xiàn)場通風控制系統(tǒng)的自動化程度比較低,風機長期處于全頻率工作狀態(tài),造成電力資源的極大浪費,同時無法根據(jù)井下情況進行風量的適時調整。分析控制規(guī)則,可得比例參數(shù)ΔKp的模糊規(guī)則控制庫如表1 所示。
表1 比例參數(shù)ΔKp 的模糊規(guī)則控制庫
在風機風量控制系統(tǒng)中,電機的轉速是由變頻器直接控制的,根據(jù)前面的分析,風量控制系統(tǒng)的傳遞函數(shù)選取一個二階慣性系統(tǒng)較為合適,變頻器與電機的近似模型為:
根據(jù)模型可利用Simulink 模塊搭建常規(guī)PID 控制和模糊PID 控制系統(tǒng)仿真圖,常規(guī)PID 和模糊PID 分別如圖6、圖7 所示,輸入為階躍信號??梢娔:齈ID 控制系統(tǒng)中,由模糊控制器產(chǎn)生PID 參數(shù),輸入到PID 控制器中,進而對風機變頻器做出控制。
圖6 常規(guī)PID 控制系統(tǒng)仿真圖
圖7 模糊PID 控制系統(tǒng)仿真圖
設置好初始參數(shù)后進行仿真,對常規(guī)PID 和模糊PID 進行仿真分析,結果如圖8 所示??梢钥闯?模糊PID 控制器在約60 s 時達到穩(wěn)定,而常規(guī)PID的控制響應在經(jīng)過長時間的振蕩后,在500 s 時才能達到穩(wěn)定狀態(tài)。
圖8 模糊PID 和常規(guī)PID 仿真結果比較
由此可知,模糊PID 控制系統(tǒng)響應更快,達到穩(wěn)定時所需時間更短,控制效果更好。在礦井通風系統(tǒng)中,可以將不同場合的輸入信號調頻成所需的階躍信號進行模擬仿真,因此可知模糊PID 控制要優(yōu)于常規(guī)PID 控制。
本風機風量控制系統(tǒng)以風量為研究對象,分析了模糊控制理論,同時將PID 控制與模糊算法相結合,并在常規(guī)PID 控制器的基礎上,運用模糊控制的方法,從變量的模糊化、模糊規(guī)則確定和控制效果仿真分析等方面設計了一套模糊PID 控制器。由最后的仿真結果可知,模糊PID 控制系統(tǒng)響應更快,達到穩(wěn)定時所需時間更短,控制效果比傳統(tǒng)PID 更好,能夠有效改善礦井通風控制系統(tǒng)的性能。