基于模糊神經(jīng)網(wǎng)絡(luò)的熱風(fēng)爐溫度智能控制研究

王珺

(西安航空職業(yè)技術(shù)學(xué)院,陜西 西安 710089)

熱風(fēng)爐作為鋼鐵高爐冶煉的重要工具,為高爐進行熱交換,因此能量耗損巨大。通過熱風(fēng)爐的燃燒控制能夠規(guī)定送風(fēng)的流量以及溫度等,保證高爐冶煉的效率。同時為了保護熱風(fēng)爐設(shè)備,提升設(shè)備的使用壽命,熱風(fēng)硅磚的溫度以及廢氣溫度必須在合理的范圍以內(nèi),這也進一步對熱風(fēng)爐的加熱控制提出了新的要求。現(xiàn)階段熱風(fēng)爐的溫度控制以手動為主,因此極易發(fā)生燃燒不均勻等問題。隨著模糊控制以及神經(jīng)網(wǎng)絡(luò)等不斷發(fā)展和完善,其能夠基于很少的控制規(guī)則,通過模擬神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)以及工作過程,提升整個控制系統(tǒng)的自適應(yīng)性,將其應(yīng)用于熱風(fēng)爐溫度,能夠顯著提高其熱效率,增強燃燒過程的均勻性。

1 模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)

1.1 模糊神經(jīng)控制系統(tǒng)

模糊控制系統(tǒng)是人工智能以及先進控制理論相結(jié)合的一種集成性模糊控制方法。主要包括四部分。

(1)被控制對象。由于熱風(fēng)爐爐溫的優(yōu)化被控對象是單變量現(xiàn)行數(shù)據(jù),一般對溫度的采集使用溫度傳感器,適合模糊控制[1]。

(2)輸入/輸出接口。本文的熱風(fēng)爐模糊控制系統(tǒng)部分采用單輸入、雙輸出。其中單輸入量為給定熱風(fēng)爐內(nèi)的溫度以及其與設(shè)定值之間的差值,衡量變化率。輸出量為煤氣以及空氣閥的開度。實際數(shù)據(jù)采集多為模擬的變化量,因此在接口中設(shè)置A/D以及D/A進行模擬采集轉(zhuǎn)換。

(3)模糊控制器。模糊智能控制的本質(zhì)是非線性的,因此將偏差以及偏差率作為輸入量,然后采用模糊控制的知識進行表示以及規(guī)則的推理。

(4)執(zhí)行機構(gòu)。執(zhí)行機構(gòu)采用電機對煤氣閥以及空氣閥的開度,從而調(diào)節(jié)熱風(fēng)爐內(nèi)煤氣以及空氣的比例,達(dá)到熱風(fēng)爐溫度的適宜情況[2]。

1.2 模糊神經(jīng)網(wǎng)絡(luò)特點

模糊神經(jīng)網(wǎng)絡(luò)是邏輯控制以及BP神經(jīng)網(wǎng)絡(luò)優(yōu)勢的結(jié)合,具有明確的系統(tǒng)架構(gòu)以及快速的學(xué)習(xí)模式。模糊神經(jīng)網(wǎng)絡(luò)特點如下:

(1)信息處理范圍廣。模糊神經(jīng)網(wǎng)絡(luò)所涉及的運算范圍廣泛,能夠?qū)Υ_定性以及不確定信息進行識別。

(2)信息處理時間縮短。模糊神經(jīng)網(wǎng)絡(luò)具有先進的模糊數(shù)學(xué)計算方法,在一些處理單元的計算上加以簡化,極大地縮短了信息處理的時間,提升了信息處理效率。

(3)模糊神經(jīng)網(wǎng)絡(luò)具有模糊控制系統(tǒng)的相同結(jié)構(gòu),且系統(tǒng)能夠逼近實函數(shù),利用其對系統(tǒng)規(guī)則的改進,能夠優(yōu)化控制系統(tǒng)的效果。

2 熱風(fēng)爐燃燒變化過程分析

2.1 熱風(fēng)爐燃燒溫度變化

熱風(fēng)爐在燃燒的初期,其蓄熱拱頂?shù)臏囟容^低,因此燃燒所產(chǎn)生的大量廢煙會被拱頂所吸收,在燃燒期短時間內(nèi),拱頂?shù)臏囟瘸霈F(xiàn)快速的上升,而蓄熱室中下部分的溫度上升較為緩慢。在熱風(fēng)爐拱頂溫度到達(dá)一定值后,溫度的升高緩慢,轉(zhuǎn)換為穩(wěn)態(tài)上升[3]。這時燃燒產(chǎn)生的廢煙熱量被蓄熱室的耐火格子所吸收。中下部格子的溫度以及拱頂溫度上升呈現(xiàn)正比例關(guān)系。熱風(fēng)爐拱頂以及煙氣溫度變化如圖1所示。

圖1 熱風(fēng)爐拱頂以及廢煙氣溫度變化曲線

由圖1可知,熱風(fēng)爐拱頂以及廢煙氣的溫度變化可以劃分為三個區(qū)間,從廢煙氣以及拱頂?shù)臏囟茸兓厔菽軌蛴^測到熱風(fēng)爐的交換效果。當(dāng)廢煙氣的溫度較低時,其與熱風(fēng)爐內(nèi)的熱交換能力較強。伴隨著蓄熱室溫度的上升,則以廢煙氣的溫度作為目標(biāo)觀測值控制熱風(fēng)爐的燃燒過程[4]。

2.2 熱風(fēng)爐智能燃燒控制策略

熱風(fēng)爐在燃燒階段的拱頂溫度升高速度和在儲熱管理階段的排煙溫度升高速度,受高爐煤氣、助燃空氣壓力、熱值狀態(tài)等因素的影響。所以,實現(xiàn)熱風(fēng)爐的自動控制,關(guān)鍵在于能有效地抑制高爐煤氣和助燃空氣的外界擾動,從而達(dá)到對高爐煤氣、助燃空氣流量的實時、高效調(diào)節(jié)。各階段細(xì)化控制策略如下。

2.2.1 燃燒初期

燃燒初期,以升高拱頂溫度為預(yù)定目標(biāo),其工藝過程的主要特征是:開啟高爐煤氣調(diào)節(jié)閥至最大開度,并以最大氣體流量進行燃燒。利用觀察到的溫度變化和變化速率,對燃?xì)庖约翱諝饬髁窟M行調(diào)整,以確保熱風(fēng)爐的快速燃燒[5]。為了使下一階段的燃燒達(dá)到最好的混合比例,采用自優(yōu)化的方法來調(diào)整燃?xì)夂蜌饬鞯牧魉?。在頂燃熱風(fēng)爐的拱頂溫度達(dá)到預(yù)定的溫度后,轉(zhuǎn)入蓄熱階段。

2.2.2 蓄熱階段

蓄熱階段一方面要保證拱頂?shù)臏囟炔荒苓^高,另一方面需要促進熱風(fēng)爐內(nèi)的耐火格子磚熱交換,從而加速熱風(fēng)爐的溫度上升。伴隨著蓄熱室內(nèi)的溫度的升高,廢氣溫度不斷升高。從廢氣溫度衡量熱風(fēng)爐內(nèi)的耐火磚熱交換效率。本階段控制策略主要是維持拱頂溫度上升同時控制廢氣溫度上升的變化速度,實現(xiàn)最佳的蓄熱交換。

2.2.3 蓄熱飽和階段

廢煙氣溫度達(dá)到設(shè)定值后,結(jié)合生產(chǎn)的需要選擇性操作。如果暫停燃燒,將熱風(fēng)爐轉(zhuǎn)入燜爐狀態(tài),如果持續(xù)性燃燒,手動減少煤氣的流量,以維持拱頂溫度為目標(biāo)[6]。

3 基于模糊神經(jīng)網(wǎng)絡(luò)的熱風(fēng)爐溫度智能優(yōu)化

3.1 系統(tǒng)結(jié)構(gòu)設(shè)計

熱風(fēng)爐溫度智能控制的模糊神經(jīng)網(wǎng)絡(luò)結(jié)合模糊化概念,同時引入模糊推理神經(jīng)元建立,如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)熱風(fēng)爐溫度控制結(jié)構(gòu)

系統(tǒng)的輸入量為熱風(fēng)爐溫度的偏差,即爐溫的給定值以及實測之間的差記為e,求導(dǎo)后計算出偏差的變化率ec。在采取學(xué)習(xí)算法,對偏差以及變化率進行模糊處理后得到模糊語言變量E以及EC,然后進行去?；?由PID控制器輸出至熱風(fēng)爐的煤氣以及空氣流量的調(diào)節(jié)閥,從而實現(xiàn)對熱風(fēng)爐爐內(nèi)溫度的控制[7]。

3.2 系統(tǒng)硬件選擇

采用AT89S52型單片機作為控制單元,利用熱風(fēng)爐加熱區(qū)域的熱電偶實現(xiàn)對爐膛溫度的檢測,并且通過 A/D轉(zhuǎn)換、冷端補償、數(shù)字化輸出等多種方法,將溫度信號輸入到計算機系統(tǒng)中。與 MCU直接連接,采集熱風(fēng)爐工作現(xiàn)場的實時數(shù)據(jù),并將其記錄保存在系統(tǒng)中,作為系統(tǒng)的輸入,根據(jù)熱風(fēng)爐實際的生產(chǎn)要求來確定控制參數(shù)[8]?？傮w上,溫度智能控制系統(tǒng)以電腦傳輸?shù)目刂茀?shù)為核心,對熱風(fēng)爐進行實時監(jiān)測。以便操作人員依據(jù)監(jiān)測結(jié)果和實際生產(chǎn)要求,對其進行調(diào)整,從而達(dá)到對溫度的準(zhǔn)確控制。

3.3 模糊神經(jīng)網(wǎng)絡(luò)算法

3.3.1 權(quán)值調(diào)整

本熱風(fēng)爐溫度智能調(diào)節(jié)控制系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)以及模糊系統(tǒng)的等價連接。其中神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)將現(xiàn)有本領(lǐng)域?qū)＜业慕?jīng)驗進行模糊化數(shù)字處理[9]。采用輸入值以及權(quán)值為模糊量的FNN3網(wǎng)絡(luò)模型,根據(jù)BP校正后得到連接的權(quán)證以及閾值,并修正現(xiàn)有隸屬參數(shù)。

3.3.2 隸屬函數(shù)優(yōu)化

將給定的樣本以及數(shù)值輸入后,神經(jīng)網(wǎng)絡(luò)通過反復(fù)的學(xué)習(xí)以及控制規(guī)則的調(diào)整適應(yīng)神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)變化趨勢,使得熱風(fēng)爐溫度的智能調(diào)整以及模糊神經(jīng)網(wǎng)絡(luò)控制方式更為適應(yīng)。

3.3.3 模糊神經(jīng)網(wǎng)絡(luò)算法

首先根據(jù)FNN3網(wǎng)絡(luò)模型,選定神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)以及隱含層的節(jié)點數(shù)、初值加權(quán)、學(xué)習(xí)速率以及慣性系數(shù)。將熱風(fēng)爐的溫度誤差值以及變化率進行模糊化處理,并作為神經(jīng)網(wǎng)絡(luò)的輸入值。其次計算出神經(jīng)網(wǎng)絡(luò)的各層神經(jīng)元的輸入以及輸出,借助PID控制器對煤氣以及空氣閥門的開度進行控制。借助增量數(shù)字PID進行控制。最后計算出修正后的連接權(quán)值。

4 熱風(fēng)爐模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制系統(tǒng)仿真

在Matlab的Simulink條件下仿真。為了凸顯出模糊神經(jīng)網(wǎng)絡(luò)對于熱風(fēng)爐溫度控制系統(tǒng)的優(yōu)越性,對比模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制法與傳統(tǒng)PID控制法之間的差異,多方面進行分析[10]。以系統(tǒng)參數(shù)保持在正常范圍內(nèi)時,不受干擾時為例。其對比如圖3所示。

圖3 模糊神經(jīng)網(wǎng)絡(luò)溫度智能控制法與傳統(tǒng)PID控制法響應(yīng)對比

由圖3可知,常規(guī)PID控制的響應(yīng)曲線為躍階響應(yīng),在時間為50～100 s時系統(tǒng)有輕微的震蕩,而模糊神經(jīng)網(wǎng)絡(luò)PID控制響應(yīng)系統(tǒng)在50 s后即達(dá)到穩(wěn)定的峰值,且超調(diào)量明顯的小于傳統(tǒng)常規(guī)PID控制系統(tǒng),達(dá)到穩(wěn)態(tài)的速度更快。

5 結(jié) 語

鋼鐵是我國進行基礎(chǔ)設(shè)施建設(shè)的重要物質(zhì)資源,在鋼鐵的加工冶煉過程中需要不斷地對其進行熱能輸送?？紤]到熱風(fēng)爐溫度控制系統(tǒng)是一個具有強耦合性、時變性的復(fù)雜非線性控制的系統(tǒng),傳統(tǒng)的人工以及PID控制方式很難建立起精準(zhǔn)的模型對其進行溫度控制。結(jié)合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,能夠顯著提升熱風(fēng)爐控制系統(tǒng)的穩(wěn)定性,使溫度更快地達(dá)到穩(wěn)態(tài),滿足高爐冶鐵的需要。