摘 要： 結(jié)合球磨機(jī)制粉系統(tǒng)的特點(diǎn)，提出球磨機(jī)對象控制中模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)PID控制算法，結(jié)合混合優(yōu)化算法，在混沌粒子群優(yōu)化的同時實現(xiàn)粗線調(diào)，并應(yīng)用BP算法做好在線細(xì)調(diào)，進(jìn)而得到PID控制的最佳參數(shù)。通過Matla對算法進(jìn)行仿真，結(jié)果表明，系統(tǒng)不僅有效解決了球磨機(jī)復(fù)雜對象的控制問題，同時也實現(xiàn)了算法的快速收斂，并有較快的跟蹤速度以及較小的超調(diào)，解耦較好，適應(yīng)性較強(qiáng)。

關(guān)鍵詞： 模糊徑向基函數(shù)； 神經(jīng)網(wǎng)絡(luò)； 球磨機(jī)； PID控制

中圖分類號： TN911?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）24?0056?03

PID control analysis of fuzzy radial basis function neural network in

ball mill object control

ZHU Lijuan

（College of New Energy and Electronic Engineering， Yancheng Teachers University， Yancheng 224002， China）

Abstract： On the basis of the characteristics of ball mill pulverizing system， the PID control algorithm of fuzzy radial basis function neural network is proposed in this paper， in which the hybrid optimization algorithm is combined to realize the chaos particle swarm optimization and coarse tunning， and the optimal parameters of PID controller are obtained by using BP algorithm. The Matlab simulation results show that the system has the advantages of fast tracking speed， small overshoot and strong adaptability， it not only can effectively solve the problem of the ball mill complex object， but also achieve the fast convergence of the algorithm.

Keywords： fuzzy radial basis function； neural network； ball mill； PID control

0 引 言

現(xiàn)階段，在火電廠的規(guī)模化發(fā)展中，更加注重球磨機(jī)輔助設(shè)備的安全高效運(yùn)行。球磨機(jī)作為一個復(fù)雜的對象，不僅具有非線性和大慣性的特點(diǎn)，同時也具有多變量和強(qiáng)耦合的特點(diǎn)。對于球磨機(jī)的控制，主要是采用PID解耦控制方法。該方法具有較好的魯棒性，以及明確的參數(shù)物理意義。但是在實際的應(yīng)用過程，同樣也有著不良的參數(shù)整定，工況適應(yīng)性相對而言比較差。在精確模型線性的一種系統(tǒng)控制過程中，結(jié)合球磨機(jī)的控制效果，使用手動操作的控制模式，往往有著相對較差的習(xí)慣運(yùn)行區(qū)，以至于火電廠有著相對較大的用電消耗和較差的經(jīng)濟(jì)效益。

隨著控制理論的成熟性發(fā)展，PID控制往往與先進(jìn)性的控制相結(jié)合，并在相對復(fù)雜對象中應(yīng)用；尤其是模糊的PID控制，結(jié)合Fuzzy非線性推理能力的自動調(diào)整過程，使PID參數(shù)得到有效性調(diào)整。在神經(jīng)網(wǎng)絡(luò)PID控制過程，主要是保證PID和神經(jīng)網(wǎng)絡(luò)的直接結(jié)合，并對PID參數(shù)進(jìn)行調(diào)整。在NN自學(xué)習(xí)能力的控制中，常伴有局部最小值以及發(fā)散現(xiàn)象。球磨機(jī)控制適應(yīng)性的提高，既要保證快速性，又要有準(zhǔn)確性的特點(diǎn)。在模糊RBN NN整定的一種PID控制技術(shù)應(yīng)用中，球磨機(jī)復(fù)雜對象的基礎(chǔ)控制，將收斂速度不斷加快，使最優(yōu)解控制參數(shù)值得到更好接近。

1 模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制

1.1 系統(tǒng)結(jié)構(gòu)

模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制過程如圖1所示。

圖1 模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制

控制系統(tǒng)在實際的控制過程中，設(shè)定系統(tǒng)k時刻的輸入值以及輸出值，在誤差的計算中，做好誤差變化率的分析。模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中PID控制器相關(guān)參數(shù)的計算，其中[ec（k）]表示誤差變化率，[e（k）]表示計算誤差，[rin（k）]表示設(shè)定值，[yout（k）]表示輸出值，[u（k）]表示控制信號，NN權(quán)值的在線調(diào)整過程，將PID自適應(yīng)控制過程全面實現(xiàn)。

1.2 PID算法

PID控制器的一種控制算法，如式（1）所示：

[u（k）=u（k-1）+kPec（k）+kIe（k）+kD[ec（k）-ec（k-1）] =u（k-1）+kPxc（2）+kIxc（1）+kDxc（3）] （1）

式中：[kP]表示比例系數(shù)；[kI]表示積分系數(shù)；[kD]表示微分系數(shù)。

對于PID控制過程，往往需要做好控制比例的調(diào)整，并在組合中尋找最好的一種配對關(guān)系，將控制的品質(zhì)不斷提高。

1.3 模糊徑向基函數(shù)結(jié)構(gòu)

RBF NN是一種具有3層結(jié)構(gòu)的前饋網(wǎng)絡(luò)，隱層到輸出層有著線性的映射。RBF NN結(jié)構(gòu)，不僅具有較小的運(yùn)算量，同時也具有相對較快的收斂速度。RBF NN的體系結(jié)構(gòu)如圖2所示。

圖2 RBF NN體系結(jié)構(gòu)

該體系結(jié)構(gòu)主要是實現(xiàn)輸入層到模糊化層的過渡，并實現(xiàn)模糊推理層的分析，最后實現(xiàn)輸出層的基礎(chǔ)轉(zhuǎn)變。

2 球磨機(jī)對象控制中模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

的PID控制

典型的球磨機(jī)被控對象可以看作是3 個輸入量（給煤機(jī)轉(zhuǎn)速、循環(huán)風(fēng)量、熱風(fēng)量）、3 個輸出量（差壓信號、入口負(fù)壓、出口溫度）的復(fù)雜對象。在多變量以及非線性的條件下，通過借助于球磨機(jī)前軸瓦垂直振動分量，用差壓信號表征存煤量，并在多變量對象的輸出過程中，實現(xiàn)單變量對象的較好控制。原來的3輸入3輸出復(fù)雜對象就分解為一個耦合的2輸入2輸出多變量對象和一個單輸入單輸出的單變量負(fù)荷對象。因單變量對象控制比較容易，所以本文僅分析2輸入2 輸出的多變量對象。按工藝的基本要求，變量配對過程中，用R表示熱風(fēng)量，T表示控制溫度，W表示循環(huán)風(fēng)量，P表示控制負(fù)壓。用U表示輸入的信號，即[U=[R] [W]T]，輸出信號用Y表示，即[Y=[T] [P]T]。G為2輸入2輸出對象的傳遞函數(shù)矩陣。三者之間的關(guān)系，如式（2）所示：

[Y（s）=G（s）U（s）=G11（s）G12（s）G21（s）G22（s）U（s）] （2）

式中s為拉普拉斯變換算子。

球磨機(jī)對象控制中模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制結(jié)構(gòu)如圖3所示。

圖3 球磨機(jī)對象控制中模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制結(jié)構(gòu)

為了便于仿真，對某火電廠球磨機(jī)在兩種不同狀態(tài)下的運(yùn)行情況采用階躍響應(yīng)曲線法進(jìn)行轉(zhuǎn)換，傳遞函數(shù)矩陣如式（3）和式（4）所示：

[G1（s）=3.5（80s+1）2 -0.14（60s+1）22.0（8s+1） 0.18（10s+1）] （3）

[G2（s）=10（90s+1）2 -0.8（40s+1）22.0（10s+1）0.5（10s+1）] （4）

3 球磨機(jī)對象控制中模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

的PID控制系統(tǒng)仿真

結(jié)合Simulink仿真平臺進(jìn)行仿真，對控制效果進(jìn)行驗證?？刂茀?shù)用T，P表示，其中[kP]，[kI]，[kD]的最佳整定值分別為19.6，4.7以及29.6。在參數(shù)的設(shè)置過程，將定值單位的一種階躍過程實現(xiàn)，結(jié)合控制器的超調(diào)量，并在穩(wěn)定時間內(nèi)分析，做好解耦控制，如圖4所示。

圖4 給定值單位階躍[[P0T0]=[1，1]]的響應(yīng)曲線

比較圖4（a）圖和圖4（b）圖可知，在正常給定值單位階躍情況下，模糊RBF NN的PID解耦控制的超調(diào)量、穩(wěn)定時間均比常規(guī)PID解耦控制要小得多，即模糊FBF NN的PID控制具有較好的動態(tài)性能。系統(tǒng)處于穩(wěn)定的狀態(tài)過程中，其中1 000 s時0.1階躍內(nèi)部擾動響應(yīng)曲線如圖5所示。

圖5 1 000 s時0.1階躍內(nèi)部擾動響應(yīng)曲線

系統(tǒng)基于外部給定值的一種擾動過程，PID控制器重新穩(wěn)定需要相對較短的時間，振幅相對較小，與傳統(tǒng)PID解耦控制相比較，具有相對較強(qiáng)的抗干擾能力。對于系統(tǒng)穩(wěn)定之后的相應(yīng)曲線，如圖6所示。

由仿真結(jié)果分析可知，模糊RBF神經(jīng)網(wǎng)絡(luò)的PID解耦控制相對常規(guī)的PID解耦控制而言，其控制品質(zhì)較好，對于球磨機(jī)制粉系統(tǒng)的一種強(qiáng)耦合性有著積極改善過程，同時也有著較好的魯棒性以及較好的抗干擾能力。

圖6 系統(tǒng)穩(wěn)定之后的相應(yīng)曲線

4 結(jié) 語

球磨機(jī)是一個多變量、強(qiáng)耦合、慢時變的復(fù)雜對象，使用傳統(tǒng)PID解耦控制算法難以實現(xiàn)滿意的控制效果。本文提出了一種模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制方法，對系統(tǒng)控制參數(shù)進(jìn)行優(yōu)化，有效地解決了球磨機(jī)相對復(fù)雜的控制系統(tǒng)問題。使用Matlab的Simulink進(jìn)行仿真，仿真結(jié)果表明，本文的控制算法與傳統(tǒng)得PID控制相比，具有更好的動態(tài)、靜態(tài)及解耦性能，較強(qiáng)的魯棒性、自適應(yīng)性和抗干擾能力。實現(xiàn)了球磨機(jī)控制的在線優(yōu)化，提高了制粉系統(tǒng)的出力，降低了制粉電耗，這對于實現(xiàn)球磨機(jī)的最佳經(jīng)濟(jì)運(yùn)行具有重要的實際參考價值。

參考文獻(xiàn)

[1] BUSCH A C， SCHEFFER C， BASSON A H， et al. Development and testing of a prototype reflex measurement system employing artificial neural networks [J]. Computer Methods Programs in Biomedicine， 2009， 94（1）： 15?25.

[2] 程啟明，鄭勇.球磨機(jī)多模型PID型神經(jīng)元網(wǎng)絡(luò)控制系統(tǒng)[J].中國電機(jī)工程學(xué)報，2008，28（2）：103?109.

[3] 譚盧敏.模糊PID控制在球磨機(jī)給礦量控制系統(tǒng)中的應(yīng)用[J].化工自動化及儀表，2011，38（12）：1434?1436.

[4] GOMEZ C， HORNERO R， ABASOLO D， et al. Analysis of MEG background activity in alzheimer’s disease using nonlinear methods and ANFIS [J]. Annals of Biomedical Engineering： The Journal of the Biomedical Engineering Society， 2009， 37（3）： 586?594.

[5] 陳路偉，謝志強(qiáng).灰色PID控制在AUV橫滾控制中應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2015，38（1）：100?102.

[6] 楊科科，王臻卓.基于模糊PID控制的水輪機(jī)調(diào)節(jié)系統(tǒng)應(yīng)用與仿真研究[J].現(xiàn)代電子技術(shù)，2012，35（19）：152?154.

[7] ZHANG Qi， YANG Hao， WEI Yuguang， et al. Selection of destination ports of inland?port?transferring RHCTS based on sea?rail combined container transportation [C]// Proceedings of the 3rd international symposium on innovation and sustainability of modern railway. Nanchang， China： IEEE， 2012： 675?680.

[8] 譚盧敏，馮新剛.基于模糊PID控制的球磨機(jī)自動控制系統(tǒng)設(shè)計[J].煤礦機(jī)械，2012，33（2）：170?172.

[9] 程啟明，程尹曼，汪明媚，等.基于灰色預(yù)測的無模型控制在球磨機(jī)負(fù)荷控制中的仿真研究[J].儀器儀表學(xué)報，2011，32（1）：87?92.