金風(fēng)濤

（甘肅鋼鐵職業(yè)技術(shù)學(xué)院，甘肅 嘉峪關(guān) 735100）

1 神經(jīng)網(wǎng)絡(luò)

復(fù)雜神經(jīng)網(wǎng)絡(luò)體系基于不同框架、模塊以及運(yùn)行模式下，對(duì)目標(biāo)進(jìn)行智能化運(yùn)算的過程，其特定是智能化程度高、選擇適用性高，在各大工業(yè)體系均具有廣泛的應(yīng)用。本文基于神經(jīng)網(wǎng)絡(luò)來優(yōu)化預(yù)測(cè)函數(shù)，以希在智能化預(yù)測(cè)模型下實(shí)現(xiàn)對(duì)系統(tǒng)過程的智能化控制和調(diào)控。

圖1 預(yù)測(cè)函數(shù)控制原理圖

在預(yù)測(cè)函數(shù)模型中，MAC、DMC、GPC均具有良好的發(fā)展前景，但在罩式爐溫度控制體系中，由于動(dòng)態(tài)閾值區(qū)域較大，非線性峰值浮動(dòng)不定，造成在溫度控制中無法實(shí)時(shí)對(duì)參量控制，罩式爐環(huán)境參考無法實(shí)現(xiàn)精確控制，神經(jīng)網(wǎng)絡(luò)和預(yù)測(cè)函數(shù)模型的應(yīng)運(yùn)而生，通過基于控制模型構(gòu)建環(huán)境變量模型，實(shí)現(xiàn)溫度控制的精準(zhǔn)控制，此外并入反饋模型還可實(shí)現(xiàn)參量的動(dòng)態(tài)控制，實(shí)現(xiàn)模型的全域控制。

2 溫度控制方式

PID（Proportion Integration Differentiation）作為一種前沿的調(diào)控方式，在各行各業(yè)均具有發(fā)展前景，目前主流市場(chǎng)上的主要有P.PI.PD以及PID，控制方式和模型具體如圖2所示。

圖2 PID控制系統(tǒng)的結(jié)構(gòu)圖

由圖2可以看出，控制回路主要包括2大部分，其一是控制目標(biāo)，其二是控制模型。通過控制系統(tǒng)的輸入、輸出參量來實(shí)現(xiàn)過程的反饋調(diào)節(jié)。

式中，KP為比例系數(shù)；T1為積分時(shí)間常數(shù)；TD為微分時(shí)間常數(shù)。

受傳統(tǒng)的PID控制算法的影響，參量模型會(huì)隨著環(huán)境變量發(fā)生改變，無法實(shí)現(xiàn)對(duì)過程控制的全域控制和反饋干擾，為提高系統(tǒng)的自適應(yīng)性，提高系統(tǒng)在非線性環(huán)境下系統(tǒng)的調(diào)節(jié)精度和反饋波長(zhǎng)。

本文基于罩式爐燃燒體系中溫度參數(shù)調(diào)控模型，由于受參量影響較大，環(huán)境干擾因素較多，模擬參量、動(dòng)態(tài)時(shí)域波動(dòng)較大，為提高系統(tǒng)適用性、反饋精度和控制參量的時(shí)效性，現(xiàn)有控制體系無法實(shí)現(xiàn)對(duì)模擬參量的實(shí)時(shí)干預(yù)和環(huán)境變量模型的構(gòu)建，基于神經(jīng)網(wǎng)絡(luò)體系構(gòu)建預(yù)測(cè)函數(shù)，實(shí)現(xiàn)時(shí)域閾值、環(huán)境變量的實(shí)時(shí)干預(yù)控制。

3 預(yù)測(cè)模型構(gòu)建

系統(tǒng)預(yù)測(cè)函數(shù)模型的建立是系統(tǒng)調(diào)控中必不可少的一個(gè)環(huán)節(jié)，因此建立不同的模型會(huì)有不同的預(yù)測(cè)性能。因此可以通過現(xiàn)有的數(shù)據(jù)信息來進(jìn)一步預(yù)測(cè)系統(tǒng)預(yù)期數(shù)據(jù)的輸出。而此時(shí)的預(yù)測(cè)模型在系統(tǒng)的框架上毫無任何約束，僅僅惟一的不同就在于使用途徑上的不同，因此借助此功能賦予的模型特性就可以極大的增大系統(tǒng)評(píng)估的深度和寬度，這是以往簡(jiǎn)單數(shù)學(xué)模型所不及之處。

預(yù)測(cè)函數(shù)控制預(yù)測(cè)模型包括：

ym（k）的輸出自由項(xiàng)；yL（k）零輸入響應(yīng)和強(qiáng)迫項(xiàng)yF（k）零狀態(tài)響應(yīng)組成，具體如下式所示。

3.1 反饋矯正

調(diào)節(jié)體系的響應(yīng)修正，主要借助預(yù)測(cè)輸出和實(shí)際輸出形成一個(gè)誤差校正值，其主要的原因是，在實(shí)際的應(yīng)用中往往存在一些不能調(diào)控的參數(shù)和因子以及需要再次輸入的參數(shù)值，造成實(shí)際輸出之間會(huì)存在一個(gè)誤差校正值；為了使得此校正值處于系統(tǒng)可接受之內(nèi)，因此系統(tǒng)需要對(duì)其進(jìn)行適當(dāng)?shù)脑u(píng)估。

式中，e（k+i）為過程與預(yù)測(cè)模型的預(yù)測(cè)誤差，其為k時(shí)的誤差與修正誤差組成。

3.2 滾動(dòng)優(yōu)化

滾動(dòng)優(yōu)化是為了實(shí)現(xiàn)在優(yōu)化時(shí)域H系統(tǒng)的輸出和標(biāo)準(zhǔn)軌跡的平方和最小即式3-6、式3-7所示。

式中，nH擬合點(diǎn)數(shù)；（nn＞nB）；yP（k+i）是過程輸出預(yù)測(cè)；ym（k+i）是k+i時(shí)刻模型輸出；e（k+i）e為將來誤差。

4 預(yù)測(cè)函數(shù)控制算法

5 預(yù)測(cè)函數(shù)控制結(jié)構(gòu)

預(yù)測(cè)函數(shù)調(diào)控框架大體包括以下幾個(gè)部分。其中預(yù)測(cè)函數(shù)中最主要的部分是基函數(shù)的選擇、特定模型的規(guī)劃以及相關(guān)控制器的部署和誤差的校正和優(yōu)化等，而本文主要是在鍋爐燃燒系統(tǒng)的基礎(chǔ)下建立的溫度調(diào)控系統(tǒng)，其控制的結(jié)構(gòu)形式如下圖所示。

如上圖3所示串級(jí)框架，W2（s）與W1（s）由于具有不同的屬性而分別加以研究和討論，將其劃分為導(dǎo)前區(qū)和惰性區(qū)。系統(tǒng)主要的輸入?yún)?shù)為減溫閥門的調(diào)控量u，輸出參數(shù)為此時(shí)系統(tǒng)的燃燒溫度，為了使得預(yù)測(cè)效果達(dá)到最佳，需將圖中虛線中的傳遞路線劃為一個(gè)整個(gè)加以考慮。

圖3 燃燒溫度預(yù)測(cè)函數(shù)控制結(jié)構(gòu)圖

6 結(jié)束語

動(dòng)態(tài)時(shí)域優(yōu)化的評(píng)估函數(shù)的調(diào)節(jié)系統(tǒng)的穩(wěn)定性最高，響應(yīng)的時(shí)間及時(shí)，超調(diào)量的幅度也大大的降低。主要的原因是，系統(tǒng)自身就具有一定的誤差校正功能，對(duì)應(yīng)的調(diào)控裝置能預(yù)先對(duì)產(chǎn)生誤差進(jìn)行修正，使系統(tǒng)更加穩(wěn)定和可靠。此外此調(diào)控體系在于給定誤差修正方法還具有一定的發(fā)展?jié)摿Α?/p>