孫超+袁立新

摘 要：分析燒結(jié)過程中主抽風(fēng)在管道運(yùn)行原理，建立基于主抽變頻自動(dòng)控制燒結(jié)過程機(jī)理模型，并用BP神經(jīng)網(wǎng)絡(luò)的方法對其在燒結(jié)臺(tái)車焙燒過建模，用基于密度聚類的小生鏡差分進(jìn)化算法訓(xùn)練。模型仿真證明，在相同的輸入狀態(tài)下，模型輸出與實(shí)際輸出誤差很小，模型有效，可用于主抽變頻自動(dòng)控制研究中。

關(guān)鍵詞：主抽變頻；燒結(jié)；仿真

1.引言

燒結(jié)生產(chǎn)過程是一個(gè)多變量、非線性、長延時(shí)的復(fù)雜系統(tǒng)。燒結(jié)過程建模是燒結(jié)過程控制的基礎(chǔ)，是燒結(jié)智能化程序設(shè)定及優(yōu)化的依據(jù)。

目前，智能建模方法已經(jīng)成為解決復(fù)雜工業(yè)建模難題的重要途徑，其中神經(jīng)網(wǎng)絡(luò)模型具有非線性擬合能力強(qiáng)，精度高的特點(diǎn)，適應(yīng)于燒結(jié)過程建模。利用神經(jīng)網(wǎng)絡(luò)建模的方法有、BP 神經(jīng)網(wǎng)絡(luò)[1]、小波神經(jīng)網(wǎng)絡(luò)[2]、模糊小腦模型神經(jīng)網(wǎng)絡(luò)[3]、多網(wǎng)絡(luò)模型[4]以及結(jié)合機(jī)理模型的BP 神經(jīng)網(wǎng)絡(luò)[5]等。通過這些智能化建模方法建立的燒結(jié)過程模型精度較高，可以反映實(shí)際燒結(jié)過程。

基于燒結(jié)過程的特殊性，筆者針對鋼鐵廠燒結(jié)過程智能控制要求，提出了一種燒結(jié)過程建模方法。首先，通過分析氣體在主抽大煙道的運(yùn)行過程，通過伯努利方程建立大煙道負(fù)壓、風(fēng)量及主抽風(fēng)機(jī)功率關(guān)系數(shù)學(xué)模型；其次，進(jìn)一步建立燒結(jié)過程中關(guān)于物料料層厚度、大煙道負(fù)壓、風(fēng)量與垂直燒結(jié)速度預(yù)測神經(jīng)網(wǎng)絡(luò)模型。最后，結(jié)合機(jī)理分析及BP神經(jīng)網(wǎng)絡(luò)模型，對燒結(jié)過程進(jìn)行仿真分析，仿真結(jié)果表明，結(jié)合燒結(jié)機(jī)理建立的燒結(jié)主抽負(fù)壓模型精度能滿足現(xiàn)代智能控制的應(yīng)用要求。

2.燒結(jié)系統(tǒng)建模分析

2.1大煙道管道系統(tǒng)機(jī)理建模

主抽風(fēng)機(jī)以負(fù)壓的形式抽風(fēng)，空氣在大煙道內(nèi)的流動(dòng)過程可以用伯努利方程表示，有：

（1）

空氣在管道運(yùn)行過程中，根據(jù)伯努利方程（基于機(jī)械能守恒規(guī)律），這里考慮一部分能量內(nèi)能損耗及其漏風(fēng)帶走的動(dòng)能及風(fēng)機(jī)自己損耗，可得到管道風(fēng)量與風(fēng)機(jī)功率之間的線性表達(dá)式：

（2）

其中：W為風(fēng)機(jī)功率，Q管道為大煙道風(fēng)量。

也可以表示為： （3）

其中：W為風(fēng)機(jī)功率，P管道為大煙道負(fù)壓。

其中：a0、a1、a2、a3為與管道及運(yùn)行狀態(tài)相關(guān)系數(shù)。

2.2燒結(jié)臺(tái)車焙燒過程BP神經(jīng)網(wǎng)絡(luò)建模

為減小BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的復(fù)雜性，采用3層的網(wǎng)絡(luò)結(jié)構(gòu)，建立燒結(jié)過程終點(diǎn)位置預(yù)測模型，網(wǎng)絡(luò)結(jié)構(gòu)如圖所示：

圖1.BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

其中，x1，x2，…，xn表示BP神經(jīng)網(wǎng)絡(luò)的輸入變量，y表示BP神經(jīng)網(wǎng)絡(luò)的輸出變量，h1，h2，…，hn表示網(wǎng)絡(luò)隱含層變量，bk為隱含層第k個(gè)節(jié)點(diǎn)的閾值，θ為輸出層節(jié)點(diǎn)的閾值， 為輸入層第j個(gè)變量到隱含層第k個(gè)節(jié)點(diǎn)的權(quán)值， 為隱含層第k個(gè)變量到輸出層節(jié)點(diǎn)的權(quán)值。

通過生產(chǎn)指標(biāo)與過程參數(shù)的灰色關(guān)聯(lián)度分析，確定燒結(jié)物料焙燒BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入變量x1為燒結(jié)料層厚度、x2為燒結(jié)機(jī)臺(tái)車速度、x3為物料透氣性指數(shù)、x4大煙道負(fù)壓、x5為大煙道風(fēng)量、x6為物料透氣性指數(shù)；采用上圖所示的網(wǎng)絡(luò)結(jié)構(gòu)，模型輸出變量y1為燒結(jié)終點(diǎn)位置、y2為燒結(jié)物料溫度最高點(diǎn)溫度。

模型燒結(jié)終點(diǎn)位置BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以描述為：

（4）

模型燒結(jié)物料溫度最高點(diǎn)溫度預(yù)測模型可以描述為：

（5）

2.3基于密度聚類的小生鏡差分進(jìn)化算法

差分進(jìn)化算法的基本思想是：對當(dāng)前種群進(jìn)行變異和交叉操作，產(chǎn)生一個(gè)新種群；然后利用基于貪婪思想的選擇操作對這兩個(gè)種群進(jìn)行一對一的選擇，從而產(chǎn)生最終的新一代種群。具體而言，首先通過下式對第t次迭代種群中的每個(gè)個(gè)體 ，具體而言，i=1，2，…，Np實(shí)施變異操作（Np為種群規(guī)模），得到與其對應(yīng)的變異個(gè)體 ，即

（6）

3.模型系統(tǒng)仿真

3.1仿真模型的建立

系統(tǒng)仿真在MATLAB/SIMULINK環(huán)境下進(jìn)行，根據(jù)模型關(guān)系，在SIMULINK環(huán)境下搭建仿真模塊

3.2模型仿真分析

在該仿真模型，輸入為主抽負(fù)壓、風(fēng)量，輸出為各風(fēng)箱下料層厚度及各風(fēng)箱所需風(fēng)量。

通過建立的仿真模型，設(shè)定仿真時(shí)間可以得到燒結(jié)料燒結(jié)過程曲線，主要反映為燒結(jié)礦層厚度的變化，曲線如下：

圖2.模型燒結(jié)礦料層厚度仿真曲線

4.結(jié)論

通過仿真，我們可以看到此模型既能反映垂直燒結(jié)過程，也能得到燒結(jié)礦在臺(tái)車上的靜態(tài)特性，此模型能很好的描述燒結(jié)動(dòng)態(tài)過程，通過該模型能反應(yīng)燒結(jié)過程實(shí)時(shí)風(fēng)量、系統(tǒng)阻力系數(shù)與負(fù)壓等之間的關(guān)系，根據(jù)模型可判斷主抽的風(fēng)量和負(fù)壓需求，從而調(diào)節(jié)風(fēng)機(jī)的速度和風(fēng)門開度。

參考文獻(xiàn)

[1] 張群，吳信慈，馮安祖，等.寶鋼焦炭質(zhì)量預(yù)測模型I一焦炭質(zhì)量預(yù)測模型的建立和應(yīng)用〔J].燃料化學(xué)學(xué)報(bào)，2002，30（4）：300-305.

[2] 胡德生，吳信慈，戴朝發(fā).寶鋼焦炭強(qiáng)度預(yù)測和配煤煤質(zhì)控制[J].寶鋼技術(shù)，2000，（3）：30-34.

[3] 張群，馮安祖，史美仁，等.寶鋼控制焦炭熱性質(zhì)的研究川.鋼鐵，2002，37（7）：l-7.

[4] 胡德生，吳信慈，冒建軍，曹進(jìn).寶鋼煉焦配煤的技術(shù)進(jìn)步[J].鋼鐵，2004，39（l）：9-12.

[5] 胡德生，吳信慈，戴朝發(fā).寶鋼煤巖配煤方法的研究[J].鋼鐵，2001，36（1）：1-5.