劉昕明 呂亮 羅偉

摘? ?要：焦爐集氣管壓力系統(tǒng)具有多變量、強耦合、非線性和純滯后等特點，難以建立準確的數(shù)學模型。文章采用基于動態(tài)模糊神經(jīng)網(wǎng)絡的逆系統(tǒng)方法對集氣管壓力系統(tǒng)進行解耦，建立逆系統(tǒng)解耦器，并且設計了集氣管壓力單神經(jīng)元PID控制器。該方法有效地實現(xiàn)了多焦爐集氣管壓力解耦控制，能較好地滿足多焦爐集氣管壓力控制的工藝要求。

關鍵詞：焦爐集氣管壓力;動態(tài)模糊神經(jīng)網(wǎng)絡;解耦控制

在多座焦爐并聯(lián)生產(chǎn)條件下，各集氣管壓力以及管道吸力之間存在復雜的耦合關系，一個過程變量的波動往往會影響多個變量的變化，而一個變量的波動也往往是多個變量共同作用的結果，故而僅對一個過程變量進行控制難以達到良好的控制效果[1-3]。

1? ? 焦爐集氣管壓力模糊神經(jīng)網(wǎng)絡解耦控制

本文主要研究兩個集氣管并聯(lián)情況下的壓力控制問題，圖1為集氣管動態(tài)特性示意。

該系統(tǒng)可以看作是連通的節(jié)流管道，用流體力學原理進行分析，得到系統(tǒng)狀態(tài)方程總結如下[1]。

（1）

公式（1）的集氣管壓力系統(tǒng)是一個兩輸入兩輸出的非線性系統(tǒng)，輸入控制量為1#，2#焦爐集氣管閥門開度決定的阻力系數(shù)R1，R2;輸出被控量為1#，2#焦爐集氣管的煤氣壓力P1，P2。通過分析發(fā)現(xiàn)，1#，2#焦爐集氣管后煤氣壓力P1'，P2'兩個內部狀態(tài)量在方程式（1）中擔任著重要的角色，反映了系統(tǒng)內部變化的特性，鑒于此，將其作為系統(tǒng)內部的狀態(tài)變量。經(jīng)整理得到如下狀態(tài)模型：

（2）

根據(jù)基于狀態(tài)方程的多變量系統(tǒng)可逆性判別方法[3]，可以求出集氣管壓力逆系統(tǒng)表達式，具體如下：

（3）

模糊神經(jīng)網(wǎng)絡逆系統(tǒng)解耦控制思想為：采用動態(tài)模糊神經(jīng)網(wǎng)絡來構造的逆系統(tǒng)，對被控多輸入多輸出非線性系統(tǒng)進行線性化并解耦。

在集氣管壓力系統(tǒng)逆系統(tǒng)解耦的基礎上，設計基于單個神經(jīng)元的單集氣管壓力比例積分微分（Proportional-Integral-Derivative，PID）控制器，對解耦后的單集氣管壓力進行控制。采用有監(jiān)督的Hebb學習規(guī)則，在神經(jīng)元PID控制器中，其具體算法實現(xiàn)可表示為：

（4）

其中，ηP，ηI，ηD分別為比例、積分、微分的學習速率。

2? ? 算法驗證

選取隨機數(shù)作為集氣管壓力模型激勵信號，獲得1 200組六入兩出標準數(shù)據(jù)樣本，將前900組數(shù)據(jù)作為網(wǎng)絡的訓練數(shù)據(jù)，后300組作為測試數(shù)據(jù)。

經(jīng)過多次仿真比較，得出模糊神經(jīng)網(wǎng)絡訓練模型參數(shù)為：

emax=0.7，emin=0.1，kdmax=sqrt（log（1/0.5）），

kdmin=sqrt（log（1/0.8）），ks=0.8，km=0.6，k=12，kerr=0.001，

焦爐集氣管壓力系統(tǒng)模糊神經(jīng)網(wǎng)絡建立后，構造逆系統(tǒng)，并在在實現(xiàn)解耦的情況下，采用單神經(jīng)元PID控制器進行獨立控制。

根據(jù)集氣管壓力控制系統(tǒng)現(xiàn)場要求，設定零1#集氣管壓力系統(tǒng)單神經(jīng)元PID控制器參數(shù)：K=0.12，w1=0.4，w2=0.2，w3=0.4，ηi=0.4，ηp=0.8，ηd=0.08;2#集氣管壓力系統(tǒng)單神經(jīng)元PID控制器參數(shù)：K=0.08，w1=0.3，w2=0.4，w3=0.3，ηi=0.05，ηp=0.8，ηd=0.001。設定P1=110，P2=90，當系統(tǒng)達到穩(wěn)定時，在100 s時刻，給系統(tǒng)干擾項Ps1加入50 Pa階躍，其控制曲線如圖2所示。在100 s時刻，給系統(tǒng)干擾項Ps2加入100 Pa階躍，其控制曲線如圖3所示。通過仿真可以看出，系統(tǒng)耦合得到抑制，系統(tǒng)抗干擾能力得到增強，達到了本次研究的目的。

3? ? 結語

本文提出了一種基于動態(tài)模糊神經(jīng)網(wǎng)絡逆系統(tǒng)的焦爐集氣管壓力控制策略，采用動態(tài)模糊神經(jīng)網(wǎng)絡來逼近集氣管壓力逆系統(tǒng)的表達式，增強了其對原系統(tǒng)變化的適應能力與抗干擾能力。仿真結果表明，該策略辨識精度高，能夠實現(xiàn)集氣管壓力的解耦控制。

[參考文獻]

[1]LIU X M.The modeling and verification of the collector pressure system of coke oven[C].Wuhan：Chinese Control Conference International，2018.

[2]劉昕明，高憲文.數(shù)據(jù)驅動閉環(huán)子空間預測控制方法研究與應用[J].控制與決策，2014（5）：913-918.

[3]朱熀秋，杜偉.基于模糊神經(jīng)網(wǎng)絡逆系統(tǒng)的無軸承永磁同步電機解耦控制[J].中國電機工程學報，2019（4）：11-13.

Decoupling control of coke oven gas collector pressure based on

inverse system using the dynamic neural-fuzzy network

Liu Xinming1， Lyu Liang1， Luo Wei2

（College of Electrical and Control Engineering， Liaoning Technical University， Huludao 125105， China;

2.Nanchang Urban Planning and Design Research Institute， Nanchang 330000， China）

Abstract：The coke oven gas collector pressure system has the characteristics of multi-variable， strong coupling， nonlinearity and pure hysteresis. The inverse system method based on fuzzy neural network is used to decouple the pressure system of gas collector， an inverse system decouple is established， and a single neuron PID controller is designed in this paper. This method effectively realizes the decoupling control of coke oven gas collector pressure， and can better meet the technical requirements of multi coke oven gas collector pressure control.

Key words：coke oven gas collector pressure; dynamic fuzzy neural network; decoupling control