基于DRNN神经网络的球磨机智能控制的研究

摘　要：球磨机制粉系统的出口温度和入口负压控制回路具有比较强的耦合作用，并且对象具有纯延迟特性，PID参数的整定比较复杂。因此，文中提出了基于对角神经网络(DRNN)的解耦控制方案，能够在线自适应的调整PID控制器的3项参数，仿真结果表明可以达到较为理想的控制效果。 　　 关键词：球磨机；PID控制；解耦控制；对角神经网络 A study of a DRNNbased smart control system for use with a ba ll mill LIU Rong1，LV Zhenzhong2 (1.College of Automation Engineering,Nanjing University of Aero nautics and Astronautics, Jiangsu Nanjing 210016,China； 2.Power Engineering Dept of Southeast University,Jiangsu Nanjing 210096, China) Abstract：In a coalpulverizing system,the co ntrol loop of exit temperature and entry underpressure has a strong coupling eff ect.Besides,the control objects have the characteristic of large delay time,so t he tuning of PID parameters becomes very difficult.In this paper,a decoupling sy stem based on a diagonal recurrent neural network is presented.The system can re alize the selftuning of the three parameters of PID．The result of simulation shows that the system can achieve ideal control. 　　 Key words：ball pulverizer;PID control;decoupling control;diagon al recurrent neural network 0 引言 　　目前我国火电厂制粉系统中使用最多的磨煤设备——球磨机除了运行可靠、对煤种适应性强之外，还有维护简单及检修费用低等优点。然而，由于其运行时电耗高，钢球及衬板磨损量大，又较难投自动和优化运行，所以经济性较低［1］。 　　常规中储式制粉系统自动控制的设计是采用热风门控制球磨机出口温度，再循环风门控制入口负压，给煤量控制球磨机负荷，形成3套独立的PID控制回路。但是这3个自动调节系统之间存在着很强的耦合［2］，所以可以将球磨机对象分解为一个单回路对象和一个两输入——两输出对象。对于前者，利用给煤量来控制球磨机负荷，可以采用模糊控制算法，并根据其纯延迟的特性采取预估系统进行控制；而对于后者，是文中的主要研究对象，利用球磨机的冷热风门来控制入口负压和出口温度，采取神经网络自整定的PID控制器及解耦补偿调节器。 　　随着计算机技术的发展，神经网络的理论分析和实用研究都取得了可喜的进步，使得神经网络在非线性系统的动态辨识和建模方面显示出强大的优越性，受到越来越多的学者的关注［3，4］，该文提出了利用DRNN神经网络来进行PID控制器的KP、KI、KD参数的自学习，调整权值，达到最优控制效果［5］。 1 球磨机出口温度和入口负压控制系统的动态特性 1.1球磨机的工作特性 　　由于锅炉空气预热器来的热风温度一般在250～300 ℃左右，原煤的温度等于环境温度。在其他条件不变时，热风门开大，热风量增加，球磨机的出口温度升高。同时，在空预器送来的热风对原煤进行干燥时，为了保证制粉效率，防止球磨机内的煤粉跑出，球磨机的入口负压一般应保持在－0.5 kPa左右。热风门阶跃变化时，磨出口温度和入口负压响应曲线分别如图1中的曲线a、b所示。 　　球磨机制粉系统中，送入球磨机的冷风可以分为再循环风和大气冷风。一般的系统会采用再循环风来调节球磨机内的通风量，当球磨机的出口温度过高或停磨时，才打开大气冷风门，这种系统中，再循环风对磨出口温度影响不大，因而控制系统设计较为简单。笔者所研究的系统主要是依靠球磨机的冷风来调节制粉系统的通风量。由于冷风直接来自大气，它的温度比磨出口温度要低，因此冷风对磨出口温度有显著的影响。当冷风作阶跃变化时，磨的出口响应曲线如图2中曲线c所示，它与曲线a类似，但变化方向相反，且变化幅值要小一些。变化方向相反的原因是显而易见的，变化幅值小一些的原因是因为冷风的管道比热风管道要细，在同样的阀位变化下，热风量的变化要比冷风量的变化多。而且，热风温度与磨出口温度之间的温差要比冷风与磨出口温度之间的温差要大。冷风门开度对磨入口负压的影响与热风门开度对其影响基本相同，但前者的影响幅度要小些。冷风门阶跃变化时，磨入口负压的响应曲线如图2中曲线d所示。 1.2磨出口温度和入口负压系统的动态模型 　　根据现场扰动试验的数据和曲线，采用时域分析的方法，得到磨出口温度和入口负 压这样的二输入二输出控制系统的传递函数矩阵如下： 　 　　 2 控制方案 2.1控制的目的 　　在机组负荷较低时，二次风温度较低，磨煤机的干燥通风量大于磨煤通风量，控制系统为了维持磨煤机出口温度，将开大热风门，增加热风流量，由于热风量增加，磨煤机入口负压降低。为保持磨煤机入口负压不变，再循环门将关小，若关闭后，磨煤机出口温度仍低于设定值，则热风门将继续开大，造成磨煤机入口负压迅速降低，甚至出现正压和喷粉，严重影响磨煤机的安全经济运行。而在制粉系统中，若负压升高，为了维持负压稳定，再循环门将打开，但是磨煤机出口温度和干燥输出降低。在磨煤机正常运行时，通过再循环门来调节磨煤机入口负压，会降低磨煤机输出，故不经济。 　　球磨机出口温度表征了煤粉的最终温度。球磨机出口温度过高会产生自燃现象，太低将使制粉系统输出降低。 　　因此，要使制粉系统正常地运行，必须保证球磨机的入口负压、出口温度的值在一定范围之内。当通过改变热风流量维持出口温度时，会影响到磨煤机的入口负压；冷风量的改变同样也会对磨煤机出口温度有较大的影响。因此在两输入、两输出对象中的两个回路即温度回路与负压回路之间仍有很强的关联，所以对该对象控制系统的解耦设计是必要的。另一方面，热风流量改变到引起磨煤机出口温度变化是一个大惯性、大滞后的过程，对于一个存在大惯性的高阶被控对象，经典PID控制器的参数难以整定，不可能获得满意的控制品质。 2.2控制策略 　　在解决了一次风总风量、球磨机进口热风量、再循环风量、冷风量的软测量后，可以将入口负压和出口温度两个控制回路结合起来形成一个相互补偿的双输入、双输出系统。如图3所示。 　　控制系统中采用了结构简单、稳定性和可靠性都较高的PID调节器，并且利用解耦控制策略解决了系统中的耦合问题。当出口温度偏低时，增大热风门开度，同时减小冷风门开度；当出口温度偏高时，关小热风门开度，同时开大冷风门开度。当入口负压偏低时，开大冷风门开度，同时关小热风门开度；当入口负压偏高时，关小冷风门开度，同时开大热风门开度。 　　同时采用了先进的DRNN网络作为辨识器，根据环境信息的变化，对PID调节器的3个调节参数进行自学习在线整定，改变网络权值，跟踪对象输出。 2.3DRNN神经网络算法 　　DRNN就是在部分递归网络Elman的基础上，将隐层权值矩阵WD做了进一步的简化，变为对象阵，即隐层的每一个神经元仅接受自己输出的反馈，而与其他神经元无反馈连接。DRNN网既保持了自反馈特性，又减少了需调整的参数，从而大大减少了计算量，缩短了训练时间，它比Elman网更为简单，与传统的前馈神经网络(FNN)相比，也能实现动态映射，具有动态记忆能力。 　　DRNN神经网络的算法为： 　 其中，WＤ和WO为网络回归层和输出层的权值向量，WＩ为网络输入层的权值向量，Ii(k)为输入层第I个神经元的输入，Xj(k)为网络回归层第j个神经元的输出，Sj(k)为第j个回归神经元输入总和，f(·)为S函数，O(k)为DRNN网络的输出。 　　DRNN作为网络辨识器，y(k)为被控对象实际输出，ym(k)为DRNN的输出。将系统输出y (k)及输入u(k)作为辨识器的输入，将系统输出与网络输出的误差作为辨识器的调整信 号。学习算法采用梯度下降法： 　　 　　 　　以控制器PID1为例，控制算法如下： 　　 式中，T为采样时间。PID 3项系数kp1(k)、ki1(k)、kd1(k)采用DRNN神经网络进行整定。 定义如下的指标： 　　 3 仿真结果 　　采用某电厂的DTM380／550球磨机在某工况下的传递函数： 　　 　　y1、y2的设定值分别为1、0。 　　在MATLAB下进行仿真试验，结果如图4和图5所示。其中图4为采用普通的PID解耦控制的结果，图5为采用了基于DRNN神经网络的PID解耦控制的结果。 　　仿真结果表明：采用了DRNN算法对PID参数进行在线整定后，控制结果的动静态特性得到了明显的改善。静差消失，超调减少，调节时间也减少