旦廑旦壅趔旦
文章编号:1671-1041(2008)02-0042-02
D控制器在球磨机控制中的应用
BP神经网络PI
梁兆阳。孙建平,孙静
(华北电力大学。保定071003)
摘要:基于神经网络控制理论。针对球磨机的运行特点,提出T--种新
型的基于BP神经网络PID解耦的球磨机控制系统。此控制系统既实
现了系统解耦而且通过在线整定PID参数兼具了PID控制的优点。
2
BP神经网络PID控制系统的模型结构
大量的仿真表明。与常规控制系统相比。此系统具有更好的动态及稳
态
性能。
关键词:神经网络;PID控制;解耦控制;球磨机
.c
文献标识码:B
中田分类号:TP273
。
The application 0f BP neural network
in ball
based PⅢcontroller
LIANG Zhao-yang,SUN
mills
Jl蛆-ping,SUN Jing
China Electric Power
University,
(North
圈1 球磨机BP神经网络PID控制系统的模型结构
071004,China)
Baoding
根据以上对球磨机系统的特性分析和神经网络PID的算
Al鸲tract:Based
the neural network
the
upon
theory,poInting
opera-
control
法特点,提出如图1的基于BP神经网络PID的球磨机控制系
统。%、Po分别表示球磨机的出口温度和入口负压的给定值,
features of the ball
now
mill。a
type
which baded 011 BP neural natwork PID is
ball mill
decoupled
tlon
forward.It can
put
system
r、P是系统的反馈信号,表示球磨机的实际输出值。
not
the
but also have the merit of PID controllor
deal simulation
only decouple
system
PID控制器直接对球磨机对象进行闭环控制,它的三个参
量Kp、Ki和Kd由神经网络NN在线整定;神经网络NN包括学
习算法和神经元网络NN两部分,它可以根据系统的运行状
态,按照学习算法,在线调整PID控制器的参数,使得给定性能
指标参数最优,即不断修正PID控制器的3个参量Kp、Ki和Kd
满足该性能指标的要求;神经网络NN则是一个由3层的BP
神经元网络构成的子网络。它有J=3个输入节点,I=8个隐
含节点,L=3个输出节点。在第k个采样时刻B号子网输入层
self— tune PID
the
shows that,
by
parameters.A great
control
petter
and
comparing
regular
system p0880sses
dynamic
static
responsible specifications.
mill
Key wO噶:neural natwo水;PID control;deooupllng control;ball
球磨机作为火力发电厂的重要辅助设备,其安全、经济运
行与整个电厂的安全、经济运行有着紧密的联系。但目前国
内大多数电厂的球磨机系统未能投上自动,显著的降低了全
厂的经济效益,这是由于球磨机系统是多输入一多输出的强
耦合、大延迟、时变系统,因此基于精确被控对象数学模型的
常规PID调节方法不适用于球磨机系统。近年来神经网络理
论的兴起引起了控制界的关注,因为神经网络具有自学习、自
的3个节点分别接收偏差e.(_|})、偏差和乏:e.(k)以及偏差增
量ae.(k);输出层的3个节点分别对应PID控制器的3个参量
Kp、l(i和Kd。所有这样的S=2个子网络在控制学习算法中进
行控制律的综合,与PID控制器一起形成双入双出神经网络
PID解耦控制器。
适应的优点,并且不依赖具体的数学模型,这为如何控制动
态
特性随运行工况大范围变化的对象找到了一条出路。本文针
对球磨机的具体特点,将神经网络控制理论运用于球磨机控
颗粒机www.ftxny.com
制系统,解除系统的耦合性。
3
球磨机BP神经网络PID控制系统的计算方法
基于BP神经网络PID控制系统的计算方法由两部分组成,包
括经典PID控制算法和基于BP神经网络的多变量学习算法。
1
球磨机的动态特性
根据球磨机系统的要求,需对球磨机的入口负压、出口温
3.1
经典PID控制算法
度和存煤量进行控制,其调节手段分别为再循环风门的开度,
。
采用增量式数字PID控制的算法为:
热风门的开度和给煤量。由于球磨机内是气固两相流,运行
n。(矗≯ =I‘(k一1)+鼻≯ .[eJ(I|})一es(知一1)]+缸,[e。(k)]
(2)
工况极为复杂,所以三个被控量之间耦合严重。采用球磨机
的轴瓦振动信号来表征存煤量时,给煤量回路可与其它两个
圆路分离,近似成为一个单回路,以下为采用振动信号的某典
型球磨机的温度、负压回路的传递函数矩阵。
+Kd,[e.(后)一2e,(詹一1)+e,(k一2)]
其中,虬(知)为k时刻8号子网输出控制量;蜘,、K/,和磁为比
例、积分、微分系数;e.(||})为k时刻s号子网给定值与输出值的
偏差,e.(知)=rJ(_|})一儿(后).
rQ:至塾:兰0— .8— e-知1
3.2
神经网络多变量学习算法
神经网络多变量学习算法有前向传播算法和反向传播算
法两部分组成⋯ 。由于PID控制器的3个可调参数向量Kp、Ki
【:】=巨二≥ 5能一厶㈣,、’㈩
L1万■广丽.J
式(1)中,P是球磨机入口负压,r是球磨机出口温度,以
和Kd不能为负值,所以输出层神经元的活化函数需要取非负
是再循环风门开度,%是热风门开度。
的Sigmoid函数呤j,而隐含层神经元的活化函数可以取为正负
对称的Sigmoid函数,仍用s表示子网络序号(8=l,2),用j,
由式(1)可知当给煤量回路分离时,温度、负压回路依然
存在着较强的耦合,为保证系统的正常运行必须对其进行
解耦。
i,l表示输入层、隐含层和输出层神经元序号,则在任意采样
“
时
刻k,神经网络多变量学习算法如下。
42
V01.15
EIC
2∞8 NO.2
欢迎光临本刊网站http://www.eic.com.cn
万方数据
全部评论(0)