（测试计量技术及仪器专业论文）基于神经网络的中储式球磨机控制的研究.pdf

摘要 摘要 题名：基于神经网络的中储式球磨机控制的研究 姓名：华烟昱 导师：吕震中( 教授) 学校：东南大学 正文： 中储式钢球磨制粉系统是火力发电站锅炉的重要辅助系统，其系统具有多输入多 输出、运行特性有较大惯性及大延迟，一些主要系统变量之间存在较强耦合的特点。随 着电力改革的逐步深化，电力市场、厂网分开也开始实施，电力企业，尤其是电厂都希 望提高生产效率和设备可用率，优化资源配置，最大程度地降低发电成本。因此，提高 煤粉制各系统的安全、经济运行，减少制粉系统的单耗，有利于降低发电成本，便于企 业在电力市场的竞争中占据有利地位。 本文针对球磨机控制系统的非线性、大滞后、强耦合等特点，通过现场试验采集数 据，利用神经网络的辨识方法，得到系统的部分动态特性，然后对球磨机负荷系统和出 口温度与入口负压系统分别采用不同的控制方案。具体内容如下： 1 利用神经网络技术，建立球磨机运行工况的识别模型：能识别球磨机运行区域： 为实现系统的智能控制，优化运行提供了前提。 2 在球磨机运行模式智能分类的基础上采用改进的神经网络p i d 控制，使控制作 用的针对性和负荷适应性更强。 3 采用离线学习获得逆动态a n n 模型，实现球磨机神经网络逆系统控制。 4 在以上的神经网络技术应用中，本文通过在样本中加入噪声及使用检验样本及 学习最优停止法等方法，增加神经网络的泛化能力。 通过上述研究和仿真工作，表明基于神经网络的中储式球磨机控制具有下述特点： 适用的对象范围广，不仅实现了解耦控制，还使系统有一定的自适应性； 由于本文建立的神经网络模型考虑到系统的非线性因素，因此无论足静态性能还 是动态性能，系统都达到了较好的控制效果。 关键字：中储式制粉系统；神经网络：改进的p 1 d 控制；逆系统模型：解耦 a b s t r a c t t i t l e ：t h er e s e a r c ho fn e u r o nn e t w o r kt e c h n o l o g yi nt h eb a l l m i l lp u l v e r i z a t i o nc o n t r o l s y s t e m n a m e ：h u ay a n m i n s u p e r v is o r ：p r o f l vz h e n z h o n g s c h o o l ：s o u t h e a s tu n i v e r s it y t e x t ： c o a l p u l v e r i z i n gs y s t e mw i t hi n t e r m e d i a t es t o r a g eb u n k e rh a sb e e na d o p t e di nm o s t l y p o w e rp l a n t so fo u rc o u n t r y b u tt h e r ea r em a n yk i n d so fc o m p l e xp r o b l e m si nt h i sc o n t r o l p r o c e s s ，s oa u t o m a t i o ne x t e n to fc u s t o mc o n t r o lm e t h o d sh a sb e e nv e r yl o wf o rl o n gt i m e a sar e s u l t ，i ti sn e c e s s a r yt oa d o p ti n t e l l e c t i v ec o n t r o ls t r a t e g yt oi m p r o v et h ee c o n o m y o fb a l lp u l v e r i z e rs y s t e m ， b a s e dt h ec h a r a c t e r i s t i co fn o n l i n e a r ，h i g h l yl a ga n dc o u p l i n gi nb a l ip u l v e r iz e r c o n t r o ls y s t e m ，t h ep a p e rh a sc o ll e e r e dd a t af r o mf il e d e x p e r i m e n t ，b yn e u r o nn e t w o r k ，t o g e tp a r td y n a m i cc h a r a c t e r i s t i c so fs y s t e m h o w e v e r ，t h i sp a p e rh a sp u tf o r w a r dd i f f e r e n t c o n t r o lp r o j e c t sa c c o r d i n gt ol o a ds y s t e ma n do u t l e tt e m p e r a t u r e e n t r a n c ep r e s ss y s t e m o fh a l lp u l v e r i z e r t h em a i nc o n t e n t sh a v eb e e nd e s c r i b e da sf o l l o w ： d u r i n gt h ed e s i g no fb a l lp u l v e r i z e rl o a dc o n t r o ls y s t e m ，t h ef i r s tp r o b l e mt ob es o l v e d ist oe s t a b l i s ht h ed y n a m i cm a t h e m a t i c a lm o d e lo fn e u r o nn e t w o r ki no r d e rt og a i nan o n l i n e a r e q u a t i o no fo b j e c t s s e c o n d l y ，u s et h en e u r o nn e t w o r kp i pc o n t r o lm e t h o d ，b a s e do nn e u r o n n e t w o r km a t h e m a t i c a lm o d e l t h e n ，i n v e r s es y s t e mc o n t r o lm e t h o dh a sb e e nu s e d f i n a l l y ， t h i sp a p e ra l s oh a sd e s i g n e da na d a p t i v ec o n t r o ls t r a t e g yo fh a l lp u l v e r i z e rl o a d ， s y n t h e t i c a l l yc o n s i d e r i n ga l lt h er u nc o n d i t i o n s ，s u c ha sm i l ls t i f l i n g ，m i l 卜e m p t y ，a n d n o r m a l d u r i n gt h ed e s i g no fb a l lp u l v e r i z e ro u t l e tt e m p e r a t u r ea n de n t r a n c ep r e s sc o n t r o l s y s t e m ，t h i sp a p e rh a sa d d e df e e d m i l lq u a l i t yt os y s t e mt oa c tf o r w a r d b a c kr o l ef o rt h e s a k eo fm i n i s ht h ec o u p l i n ga c t i o nb e t w e e nt h i ss y s t e ma n dl o a ds y s t e m a tt h es a m et i m e ， t h i sp a p e rh a su s e dn e u r a ln e t w o r kt ot u n et h ep i dp a r a m e t e r so fc u s t o m a r yd e c o m p o s i t i o n n e t w o r k a n dt h er e s u lto fe m u l a t i n gh a si n d ic a r e dt h a tt h es p e e do fp a r a m e t e rt u n i n gh a s b e e ni n c r e a s e da n dt h ep r e c i s i o no fp a r a m e t e rt u n i n gh a sb e e ni m p r o v e d f u r t h e rm o r e ，t h e c h a r a c t e ro ft h ew h o l ec o n t r o ls y s t e mh a sb e e na m e n d e d a tl a s t t h ed e s i g np r o j e c tb a s e d o nt h ea i r f l o wm e a s u r e m e n to fb a l lp u l v e r i z e ro u t l e tt e m p e r a t u r ea n de n t r a n c ep r e s sc o n t r o l s y s t e misp u tf o r w a r d k e yw o r d s ：c o a l - p u l v e r i z i n gs y s t e mw i t hi n t e r m e d i a t es t o r a g eb u n k e r ：n e u r o nn e t w o r k ；p i d c o n t r o l l e r ；m a t h e m a t i c a lm o d e lo f i n v e r s es y s t e mc o n t r o l ；d e c o m p o s i t i o nc o n t r o l i i 第一章绪论 第一章绪论 1 1 论文的选题背景与研究意义 随着现代计算机软硬件技术的迅速发展，工业生产的智能化和信息化水平得以迅速提高。中储 式钢球磨制粉系统是火力发电站锅炉的重要辅助系统，其系统具有多输入多输出、对象具有大惯性， 大延迟及非线性，一些主要系统变量之间存在较强耦合的特点。随着电力改革的逐步深化，电力市场、 厂网分开也开始实施，电力企业，尤其是电厂都希望提高生产效率和设备可用率，优化资源配置 最大程度地降低发电成本。省煤节电是提高电厂整体经济效益的最直接方法，而煤粉制各系统是电 厂耗电量较大的设备，一般电厂厂用电率6 1 0 之间，其中制粉系统电耗占其中的1 4 1 3 左右。 因此，提高煤粉制备系统的安全、经济运行，减少制粉系统的单耗，有利于降低发电成本，便于企 业在电力市场的竞争中占据有利地位。 煤粉制备系统通常可分为直吹式制粉系统和中间储仓式制粉系统。其中，中储式钢球磨制粉系 统已广泛使用于国内外火力发电厂中，但使用中还存在着一些亟需解决的问题，如球磨机控制系统 投自动、球磨机内料位检测、制粉系统经济性能分析、优化运行和操作指导等。 实践表明，常规设计的多个单回路控制系统在实际运行中无法实现球磨机投自动。目前国内使 用中储式钢球磨制粉系统的电站基本上没有投制粉系统自动控制；虽然有相当一部分测控点进入电 站d c s 系统，但实际上并没有很好地利用，并对系统测控、诊断及优化运行的研究开发也不够，浪 费了电站信息资源，无助于经济运行和降低发电成本。 作为火力发电站中一个重要辅助系统，中储式制粉系统的控制研究，相对于电站中其他设备系 统，进步比较缓慢。 1 2 智能控制理论 在过程工业中，从4 0 年代开始直至现在，采用p i d 控制规律的单输入单输出简单反馈控制 回路已成为过程控制的核心系统。其理论基础是经典控制理论，主要采用频域分析方法进行控制 系统的分析设计和综合。目前，p i d 控制仍广泛应用，即便是在大量采用d c s 控制的热工过程中， 这类回路仍占总回路数的8 0 一9 0 。这是由于常规p i d 控制器是对人的简单而有效操作方式的 总结与模仿，具有结构简单，易于实现，鲁棒性强等优点，足以维护一般工业过程的平稳操作与 运行，并且这类算法简单，应用历史悠久，工业界比较熟悉且容易接受。然而，单回路控制并不 能适用于所有的过程和不同的要求。从5 0 年代开始，逐渐发展了串级、比值、前馈和s m i t h 预估 控制等复杂控制系统，也即当时的复杂控制系统，在很大程度e 满足了单变量控制系统的一些特 殊的控制要求。虽然它们从理论上看仍是经典控制理论的产物，但是在结构和应用r 各有特色， 目前仍在继续不断地改进和应用。随着过程工业日益走向大型化、连续化，对工业生产过程控制 的品质提出了更高的耍求，控制与经济效益的矛盾日趋尖锐，迫切需要一类合适的先进控制策略。 自5 0 年代末发展起来的以状态空间方法为主体的现代控制理论为过程控制带来了状态反 馈、输出反馈、解耦控制、自适应控制等一系列多变量控制系统设计方法；对于状态不能直接测 东南大学硕士学位论文 量的情形，也有观测器和估计器等工具。然而，在热工过程控制领域，现在仍然处于起步阶段。 这主要是由于对象的动态特性研究得不充分，没有获得精确动态数学模型的有效手段；同时，在 很长一段时间内，理论上缺乏处理模型摄动的有效手段。近年发展起来的自适应、自校正控制虽 然能在一定程度上解决不确定性问题，但其本质仍然要求在线辨识对象模型，所以算法复杂，计 算量大，且它对过程的未建模动态和扰动的适应能力差，系统的鲁棒性问题有待进一步解决。 为了克服理论与应用间的不协调，人们加强了对生产过程建模、系统辨识、自适应控制等的 研究，并开始打破传统控制思想的束缚，试图面向工业过程的特点，寻找各种对模型要求低、在 线计算方便、控制综合效果好的算法。预测控制就是这样一种新型的控制算法，并成为目前现代 控制应用最成功、也最具有前途的先进控制策略。晟早应用于工业过程的预测控制算法，有 r i c h a l e t 、m e h r a 等提出的、建立在非参数模型脉冲响应基础上的模型预测启发控制( m p h c ) ，或 称为模型算法控制( m a c ) ”，以及c u l t e r 等提出的、建立在非参数模型阶跃响应基础上的动态矩 阵控制( d m c ) “等。8 0 年代初期，为了增加自适应控制系统的鲁棒性，在广义最小方差控制的基 础上，汲取预测控制中多步预测优化策略，提高自适应控制系统的实用性出现了基于辨识被控 过程参数模型且带有自适应机制的预测控制算法，其中最具代表性的就是c l a r k e 等人提出的广义 预测控制( g p c ) “。 近年来，人工智能技术有了长足的进步，并在许多科学与工程领域中取得了广泛、较好的应 用。就过程控制而言，专家系统、神经网络和模糊系统是最具有潜力的三种工具。 人工神经网络是一种大规模并行分布处理系统，具有自组织、自适应、自学习能力。神经网 络的研究历史已有半个世纪之久，主要的网络模型有数十种之多，分别从不同的角度对生物神经 系统进行不同层次的描述和模拟，其中具有代表性的网络模型有感知器、多层b p 网络、g m d h 网 络、r b f 网络、h o p f i e l d 网络、a r t 模型和c m a c 等。运用上述嘲络模型可阻实现函数近似、模式 识别、优化计算概率密度函数估计等功能，因此神经网络已广泛应用于人工智能、自动控制、机 器人、统计学等领域的信息处理中。 神经网络所具有的表达非线性系统以及自适应学习的能力可用来有效地解决非线性系统的控 制问题”“。它在系统建模、辨识与控制中的应用，大致以r u m e l h a r t “的突破性研究为界，在 极短的时间内引起了控制界的普遍重视，并取得了一系列重要成果，迄今已经覆盖了控制理论中 的绝大多数问题，如系统模型与辨识、p i d 参数的整定、极点配置、内模控制、优化设计、预测 控制、最优控制、故障诊断及容错控制、模糊控制、学习控制等等【1 9 l 。 神经网络的以下特性是非常有吸引力的。 1 ) 非线性特性：神经网络具有逼近任意非线性函数的能力，为非线性系统提供了一种通用的系 统辨识方法，可用来实现非线性控制。 2 ) 并行分布处理方式：在神经网络中信息是分布存储和并行处理的，这使它具有很强的容错性 和很快的处理速度。 3 ) 便于硬件实现：神经网络是由许多很简单的神经元相互连接构成的，便于用硬件来实现， 有望达到更快的处理速度和大规模生产，现在已经有了一些神经网络的v l s i 芯片。 4 ) 自学习和自适应能力：神经网络在训练时能从输入输出的历史数据中提取出规律性的知识， 记忆于网络的权值中，并具有泛化能力。神经网络的学习也可以在线进行，如果在线学习足够快的 话，可以用来做非线性自适应控制。 5 ) 数据融合的能力：神经网络可以同时处理定量信息和定性信息，因此它可以综合利用传统的 2 第一一章绪论 工程技术( 数值运算) 和人工智能技术( 符号处理) 。 6 ) 多变量系统：神经网络的输入和输出变量的数目是任意的，对单变量系统与多变量系统提供 了一种通用的描述方式，不必再考虑各子系统间的解耦等问题，因此它在多变量控制中比传统控制 方法更方便。 目前，神经网络用于建模、控制、优化中亟待解决的主要问题有：如何选择合适的网络结构， 即确定神经网络的模型类型、隐层层数及各隐层的节点数，以及优化网络权值的方法，使其更加逼 近实际系统的模型：增强神经网络的泛化能力，提高控制系统的鲁棒性；网络本身的黑箱式知识表 达方式，使其无法利用初始经验进行学习，且易于陷于局部极小值；分布并行计算的潜力还有赖于 硬件技术的进步等等。 将神经网络与传统的p i d 控制结合起来设计解耦控制器。利用神经网络的自学习功能和传统的 p i d 控制器的稳定特点，使得解耦控制系统的结构简单化、效果优良化。文 2 0 将神经网络和p i d 控制规律相结合，可构成新的控制器形式，现已有一些研究结果。目前的结合方式可分为两种，一 种是采用神经网络对传统p i d 控制器参数进行修正，另一种是先求出系统输出误差的比例、积分和 微分，再通过一个单神经元，将它们组合后输出。在文 2 1 中以多输入多输出系统电加热锅炉为被 控对象，基于神经网络p i d 控制，提出了一种可用于带有耦合时延的多输入多输出系统的比例、积 分和微分参数自整定的多输入多输出神经网络p i d 解耦控制器，并使系统实现了多变量系统的解耦， 定值跟踪控制，且系统具有很好的动态及稳态性能。文 2 0 1 针对多变量系统控制的特点和要求，建 立了一种新的多层神经网络，其隐层神经元分别具有比例( p ) 、积分( i ) 、微分( d ) 特性，实 现了神经网络和p i d 控制规律的本质结合，称之为神经p i d 网络控制器。它采用并列子网结构，在 多变量控制系统中表现出很强的自学习和自适应解耦能力，并行实现解耦和控制，使系统具有良好 的动态和静态性能。 神经网络还可以与一些其他的智能控制方法结合来实现解耦控制。如：文 2 2 提出一种自动完 成m i m 0 系统解耦控制的多变量系统模糊神经网络控制器，该控制系统在未知对象参数的情况下，通 过训练和学习可实现系统的解耦控制，使系统变量之间的相互耦合作用基本消除。文 2 3 提出一种 基于小波变换的“主控制器”结合“参征器”的复合控制策略，并用于电液伺服试验系统的多变量 控制。主控制器由一个包含控制规则的神经网络构成，在整个系统控制巾起着主导作用：“参征器” 的作用是抑制干扰，保证系统响应的快速性，该方法具有良好的自学习和自适应解耦控制性能，能 有效地提高系统的稳态精度，使系统具有较强鲁棒性。 1 3 球磨机制粉监控系统的现状与发展 1 3 1 磨机制粉监控系统 常规的中储式制粉系统自动控制的设计是采用热风门控制球磨机m 口温度，再循环风门控制入 口负压，给煤量控制球磨机进出口差压形成3 套独立的p i d 控制回路。但是这三个自动调节系统之 间存在着很强的耦合。因为热风比容大，它对负压的影响远比再循环风门对入口负压的影响大；给 煤量及煤水分对温度的影响也很大；磨差压除受负荷影响外还随磨通风量变化。如果将三个系统做 成各自独立的系统，很难保证长期稳定安全，经济运行。例如当用热风门独自控制球磨机出1 3 温 度，当煤含水分增加时，出口温度变低，此时热风门将开大，同时关小再循环风门，由于热风比容 大，很容易使入口负压变小，甚至出现漏粉现象。另外用给煤量来控制球磨机进出口差压，很难保 东南大学硕士学位论文 证球磨机在优化区运行而不出现堵磨现象，因此常规的制粉系统的控制策略应用效果并不理想。 球磨机制粉系统是一个严重的三输入三输出多变量耦合系统，存其三个调节回路中，不管三个 输入和三个输出如何配对均存在严重的耦合，因此需要进行多变量解耦。文献 1 论证了解耦控制在 解决球磨机制粉系统控制可行性，提出采用振动信号测量球磨机存煤量并采用工业p c 机对钢球磨煤 机制粉系统进行自动控制是可行的。文献 2 设计了三种解耦控制系统：动静态全解耦方法、静态解 耦方法和工程静态解耦方法。文献 3 将给煤控制回路看作单回路系统，针对磨入1 3 负压和出口温度 利用单位矩阵综合法对磨入口负压和出口温度回路进行解耦，并引入给煤量信号作为前馈信号，解 耦系统比较简单实用。文献 4 中在磨入口负压和出口温度两个单回路系统的基础上设计交叉解耦环 节，以消除磨煤机入口负压和出口温度控制系统之间的相互作用，并且在磨煤机出口温度控制中加 入相位补偿环节克服温度对象的大惯性，提高温度控制系统的品质，同时使用给煤机转速控制球磨 机的负荷，如图1 1 所示。 温度定值+ 负压定值+ 相位补偿 热风门开度 而广t i l 交叉解耦 旦生u j 丽 指令 被 控 对 象 磨煤机出口温度 磨煤机入口负压 图l l 带相位补偿的温度、负压解耦控制模型 文 5 和文 6 以振动信号来表征球磨机的负荷，将给煤量设计成一个单l 旦j 路，对磨煤机入口负 压和出口温度回路则基于多变量频域设计方法，给出了逆奈奎斯特阵列i n a 法和反标架正规化r f n 设计方法如图l 一2 ，其特点是系统结构简单，较易于工程实现，系统具有一定的鲁棒性。 图l 一2i n a 和r b f 设计闭环框图 解耦控制的共同特点是用补偿矩阵来消除各控制回路之间的影响，耍实现完全解耦在理论上是 可以通过补偿实现，但工程应用遵从简单有效的原则，过于复杂的补偿矩阵是难以工程实现的。 1 3 2 球磨机存煤量软测量方法的现状 1 差压法 差压法是目前球磨机控制系统中最广泛采用的表征磨内存煤最的方法。球磨机进出口差压信号 在一定程度卜能间接反映筒内的存煤量情况，当球磨机正常运行且在其它条件不变的情况下，磨进 出口压著越大，说明简内存煤量越多，反之磨进出口压差越小，筒内存煤量越少。在本文中还是以 差压信号为基础来表征存煤量。 但是差压信号易受其它冈素，如风量、煤质及钢球装载量等的影响，而且差压信号本身并不仪 不是存煤量的单值函数，叮且是个多元函数，因此用它来反映存煤量，其动态响应较慢，同时增加 了控制系统的耦台程度，所以必须采取其它的方法加以修正。 4 第一章绪论 2 电流法 通过电流来表征球磨机筒内存煤量也是种行之有效的经验做法，这种方法又称为功率法 1 0 。 通过对磨煤机电流的控制来实现给煤量的控制，以最终达到控制磨煤机煤位的目的；采用该种方式 后。对运行影响最大的是钢球装载量的变化，在一定的制粉通风量下，当装球量减小时，功率消耗将 会下降磨煤机效率将会降低，所以应维持稳定且合理的钢球装载量。另外，制粉出力与功率呈凸 曲线特性、非单值函数，给控制带来问题。但是，文献 9 1 中认为，球磨机给煤变化全过稗中，电流 变化范围小，故载煤量难以准确表达。 所以，如果用功率电流法来控制给煤量，必须建立相关的钏球补充机制和设定电流修正系数。 3 轴承振动法 这种方法的原理是通过测量球磨机前轴承或者后轴承的振动加速度信号来表征球磨机中的存煤 量。理论分析表明：对同一台球磨机而言，球磨机运行时，若测得的振动功率越小，说明存煤量越 高，对应球磨负荷越大：反之，测得的振动功率越大，说明对应存煤量越低，负荷越小。但振动一 料位和料位一磨出力特性的非线性，振动测量及处理算法的实时要求，增加了工 应用的难度。 文 8 通过在球蘑机前轴承上加装振动加速度传感器进行试验，只是对采集到的振动信号滤波后 取有效值，用来表征筒内存煤量。文f 7 同时通过对比试验指出振动法比蓑压法响应迅速，且后轴承 的振动响应比前轴承慢。 但是只有在球磨机从空磨状态开始加煤一直到加至满磨状态的6 0 8 0 左右期间，存煤量与振 动量之间才是一种近似线性关系，继续加煤时，它们之问就是一种非线性关系。 本文研究的球磨机控制系统，是在采用球磨机轴承振动信号经频谱分析，用以表征存煤量的基 础之上，利用神经网络技术，融台球磨机进出口差压信号、通风量等相关信息，用来建立球磨机的 工况模型。 4 音频法 陕西天安智能公司的t c $ 2 0 0 球蘑视存煤量监控系统“旒是采用此方法的典型系统。音顿法的原 理是通过音频传感器或传声器采集音频信号，根据在不同的存煤量状态下工作时，其滚筒发出的噪 音不同来判断存煤量。当球磨枕内存煤量少时，钢球间及钢球与简体的撞击机会增大，发出的声音 频率变高声强增大：当存煤量多时，由于煤层的缓冲作用，发出的声音频率变低，声强减弱。文 8 提出利片i 小波变换技术和基于小波变换的多频道分解技术从声音信号中识别提取反映存煤量的 特征信息，但尚未在1 程中获得应用。 使用噪音法测景，如果周围其他球磨祝的噪音等影响不湾除，就难以达到正确测量的目的，而 对周围环境降噪处理的工程造价和可能性很难被电j 接受，故此方法较少采用、即使应用、效果也 欠佳。 除上述几种常用方法外。还有称重法f 9 】，气动差压法 ”，油压法 1 2 】，应变法【1 2 】等等。此类方法 或者是投资很大，或者是因为国内煤种和球磨机类犁问题。投入使用后控制效果不很理想，因而在 国内较少应用。 1 3 3 基于神经网络技术的中储式球磨机测控系统的研究现状 1 软测量 文 2 4 给高了基于前向复台型神经网络的分工况学习的变结构式负荷测量模型及神经网络训练 算法，正常工况下采用延时神经网络，i m 接近堵磨工况时则聚用回归神经网络，工况的一种模糊划分 方法同时被给出。离线训练及计算机仿真结果证实了所提神经网络软测量方法的可行性，为球磨机制 东南人学硕士学位论文 粉系统的优化运行和自动控制奠定了基础。文 2 5 采用并行r b f 神经网络测量球磨机磨筒内负荷。表 明神经网络在非线性系统动态辨识方面强大的优越性。避免了文献 2 4 中工况的人为模糊划分问题。 2 系统建模 建模的算法包括以下几种：基于传统的传递甬数原理的测试法建模，机理法建模，利用数据 挖掘技术建模等等。测试法建模一般只用于建立输入输出模型，因此得到的是系统的传递函数。 机理法建模就是根据生产过程中实际发生的变化机理，写出各种有关的下衡方程如：物质平衡方 程、能量平衡方程、动量平衡方程、相平衡方程以及反映流体流动、传热、传质、化学反应等基 本规律的特性方程等，从中获得所需的数学模型口。数据挖掘技术是当今智能系统理论的重要研 究内容，它综合运用人工智能、计算智能、模式识别、数理统讨等先进技术从大量数据中挖掘和 发现有价值和隐含的知识。随着信息技术的进步以及计算机存储技术和网络技术的发展，大量数 据被收集和存储在各种数据库中。数据挖掘技术存很大程度上能够解决采用传统的数据分析方法 分析处理时，耗时、有限性差、知识获取瓶颈、难以处理非线性等问题口”。神经网络辨识模型是 其中较为重要的一种，该模型是非算法式的，为非线性系统的辨识提供了一种通用模式。 通过机理分析的方法建立了中问储仓式制粉系统球磨机的动态数学模型，针对制粉系统运行的 不同模式( 包括正常模式和堵磨等故障模式) ，根据逆系统原理，给山了适于分布式控制的模糊工况 划分方法“。 3 智能控制 文 2 9 提出了神经元控制方法，将神经网络理论应用于球磨机控制系统如图1 - - 3 。 这种神经元解耦控制无需知道对象的数学模型，可以通过再现或离线训练获得控制器的最优参 数，这是常规p 1 d 调节器无法达到的优点。 图1 3 神经元控制系统的模型结构 由三神经元实现的解耦算法，如图卜4 ，采用s i e m e n s p l c 3 1 4 开发了球磨机自动控制系统并用它 成功改造了河南开封电厂钢球磨制粉系统。”1 尽管模糊控制具有较强的不确定性知识表达和逻辑推理能力，但它缺乏自学爿，并行计算，全局 寻优和复杂数据处理能力，随着神经网络，遗传算法t 口e l , 波变换技术的发展和应用，模糊控制与之结 合已成为解决复杂系统控制问题的最有效途径之一。”“采用模糊控制与神经元控制组合的智能控制 方式，针对火电厂3 0 0 m w 机组磨煤机在系统偏著大时采用模糊控制方案，偏差小时采用神经元控制方 案。”现场应用表明此系统可有效解决磨煤机制粉系统的大迟延，强耦合控制问题硬件选用西门子 公司的s 7 系列p l c 产品 6 第一章绪论 图1 4 三神经元控制系统的模型结构 通过对球磨机建立神经网络预测模型，提出了基于神经网络预测控制器的非线性预测控制方法。 。采用结构简单而有效的对角递归神经网络( d r n n ) 对系统进行动态辩识，权值学习算法采用了p i d 梯度算法，由d r n n 获得的敏感信息a y a u 可以在线调整p i d 控制器的比例、积分、微分系数，从而 利用经典的p i d 控制器得到相应的各控制量输出到被控对象，并行完成系统的解耦与控制工作。”“ 如图卜5 ，该方法的优点有：适用的对象范围广，结构简单，小仅实现了解耦控制，还使系统有一 定的自适应性，无论是静态性能还是动态性能，系统部达到了较好的控制效果。 u 热风f 。l 一d r n n l 譬寨竺 警粤擘商丽 志雌 定值i + i + 莎 u 再循环 风门 球 磨 机 被 控 过 程 给煤扰动 丝划 - - q 给煤扰动 图l 一5 基于d r n n 神经网络自整定的p i d 控制器 针对球磨机制粉系统的优化控制问题，有很多方案被提出和通过仿真研究，表明可在定程度上 解决球磨机自控中难点，但是能否在工程实际中投用，能否长期稳定运行节能降耗，还有很多工作要 做。 7 蠼h 燕 东南大学硕士学位论文 1 4 论文主要内容 1 4 1 论文主要内容 1 中储武制球磨制粉系统运行模式智能分类研究 球磨机运行工况主要可分为：习惯区、优化区( 包括手操时不允许进入的j 临界区) 、故障区 本文利用神经网络技术，建立球磨机运行工况的识别模型：能识别球磨机运行区域：为实现系 统的智能控制，优化运行提供了前提和理论依据。 2 基于改进的神经网络p i d 控制，实现中储式制粉系统球磨机自控 由于神经网络具有的强大的并行处理能力、分布式的存储方式、很强的容错和联想能力及很强 的学习能力，近年来已引起控制界的极大重视。 本文在球磨机运行模式神经网络智能分类的基础上采用改进的神经网络p i d 控制，使控制作用 的针对性和负荷适应性更强 3 研究中储式制粉系统球磨机神经网络逆系统控制 在多变量控制系统中，往往存在较强的耦合现象，如果不采取一定的解耦措施，是难以取得满 意的控制效果的。 逆动态a n n 模型的学习分为离线学习和在线学习两种。离线学习就是将网络的学习和控制分开 进行。以过程的一些实际输入和输出构成一个训练样本集，对a n n 进行离线训练，在训练完成后再将 其作为逆动态模型的a n n 加到控制系统中去。离线学习其学习方法比较简单，但训练集1 i 可能覆盖 所有可能的工作范围，同时也难以适应系统在工作过程中参数的变化。在线学习克服了离线学习的缺 点，可以在工作点附近进行专门的在线学习，从而使控制系统有更好的鲁棒性和自适应能力。但在线 学习要耗费一定时间且收敛速度也慢洇此可能影响控制系统的工作。 本文采用离线学习获得逆系统a n n 模型，实现球磨机神经网络逆系统控制。 该方法的优点有：不仅实现了解耦控制，还使系统有一定的自适应性，由于神经网络模型可以 考虑到系统的非线性因素，因此无论是静态性能还是动态性能，系统都达到了较好的控制效果。 4 研究并提出增加神经网络的泛化能力的方法 在以上的神经i 叫络技术应用中，本文采用在样本中加入噪声及使用榆验样本及学习最优停i r 法等 方法，增加了神经网络的泛化能力。 5 对中储式球磨机j | 【控系统进行总体设计 目前，国内绝大多数采用单元制制粉系统。单元制制粉系统又可分为直吹式和中间仓储式两 种。其中，在直吹式系统中，煤粉从磨煤机出来，直接经燃烧器吹入炉膛；在中间仓储式系统中， 煤粉被收集存储到煤粉仓中，燃用时再由煤粉仓下部的给粉机按锅炉负荷的需要调节给粉量，经 排粉机或一次风机送入炉膛。中间仓储式制粉系统比直吹式系统增加了细粉分离器和煤粉仓等设 备。 巾储式球磨机监控系统的总体设计将主要有以下内容： ( 1 ) 球磨机入口负压和出口温度的自动控制； ( 2 ) 对宁磨、满磨等异常或故障工况进行分类； ( 3 )在t 况智能分类基础上，实现中储式制粉系统球磨机负荷的改进的神经网络p i d 控制。 1 4 2 论文创新点 1 本文基于神经网络逆系统理论，对中储式球磨机制粉系统进行分析和工况判断，为中储式 第1 章绪论 球磨机制粉系统控制提供了新的思路： 2 将改进p i d 控制与神经网络智能分类相结合，实现了r 】j f 神经网络结构与权值的优化 3 在分析神经网络泛化理论的基础上，研究并提出增加神经网络的泛化能力的方法。 9 东南大学硕士学位论文 第二章中储式球磨机智能控制系统的总体设计 2 1 球磨机制粉系统介绍 制粉系统是火电厂的重要辅机设备，其任务就是将原煤磨制成符合要求的煤粉供锅炉燃烧。 制粉系统按照结构区别可分为直吹式和中间仓储式两种：直吹式系统是指煤经磨煤机磨成煤粉 后直接吹入炉膛燃烧：而仓储式制粉系统是将磨好的煤粉先储存到煤粉仓中，然后再根据锅炉运行 负荷的需要，从煤粉仓经给粉机送入炉膛中燃烧。 制粉系统选用的磨煤机又州分为以下三种：低速磨煤机。转速为1 5 2 5 r m i n ，如筒式钢球磨 煤机；中速磨煤机，转速为5 0 3 0 0 r m i n ，如平盘磨煤机、环球式磨煤机、碗式磨煤机等：高速磨 煤机，转速为7 5 0 1 5 0 0 r m i n ，如风扇磨煤机。国内应用较多的是筒式钢球磨煤机、中速磨煤机和 风扇磨煤机。 对于筒式钢球磨煤机，按照它的结构特点，又分为单迸单出钢球磨煤机和双进双山钢球磨煤机。 单进单出球磨机国内应用较广泛，而双进双山钢球磨煤机在一些大容量锅炉机组中应用较多。 2 2 中储式钢球磨煤机制粉系统 单进单出钢球磨煤机制粉系统分为集中制和单元制两类”“。多台锅炉燃用的煤粉都集中在制粉 车间或制粉工厂进行磨制和干燥，称为集中式制粉系统。如果制粉系统直接与锅炉配套，并取用锅 炉的热空气或热烟气作为干燥剂和输送介质，就称为单元制制粉系统。目前国内绝大多数电厂采用 单元制肯4 粉系统。 单元制制粉系统又分为直吹式和中间仓储式两种。在直吹式系统中，煤粉从磨煤机出来，直接 经燃烧器吹入炉膛；在中间仓储式系统中煤粉被收集存储到煤粉仓中，燃用时再巾煤粉仓下部的给 粉机按锅炉负荷的需要调节给粉量，由乏气或次风机送入炉膛。 典型的钢球磨煤机中间仓储式制粉系统的结构如图2 1 所示。( a ) 为乏气送粉，( b ) 为热风送粉。 它比直吹式系统增加了细粉分离器和煤粉仓等设备。原煤和球磨机进口总风在下行干燥管内相遇后， 一同进入球磨机。磨制好的煤粉由风带出，输送至粗粉分离器。经过一次分离合格的煤粉被输送至 细粉分离器，不合格的煤粉返回球磨机重新研磨。经细粉分离器将风粉分离后，煤粉被输送甭粉仓， 再按锅炉需要由可调节的给粉机送入一次风管，由一次风送入炉膛内燃烧。由细粉分离器上部出来 的为磨煤乏气，含有约1 0 的极细煤粉。 输粉方式有乏气送粉和热风送粉两种。不同机组的具体管道和调节阀设计可能有所差别，但基 本都具有图中功能相似的各个调节风门。 中储式制粉系统中，干燥剂( 热风) 和煤料一同进入球磨机，磨制好的煤粉由干燥剂从球磨机 中带出，输送至粗粉分离器，经分离，粗粉返回磨筒继续碾磨，合格煤粉继续由干燥剂输送至细粉 分离器。在这里约9 0 的煤粉被分离出来，落入煤粉仓或经过螺旋输粉机送往其他锅炉的煤粉仓巾， 再按锅炉需要由可调节的给粉机送入一次风管，由一次风送入炉膛燃烧。而另1 0 极细的煤粉仍然 跟随干燥剂( 又称乏气) 从细粉分离器上部出去，若作一次风输送煤粉进炉膛，如图2 - 1 ( a ) ，这 1 0 第二章中储式球磨机监控系统的总体设计 种系统称为乏气送粉系统；若作三次风进入炉膛参与燃烧，而热空气作为一次风输送煤粉，如图 2 - 1 ( b ) ，这种系统称为热风送粉系统。热风送粉不存在倒风操作。 单式球磨机 ( a ) 单式球磨机 图2 1 中储式单进单出钢球磨煤机制粉系统 中问储仓式制粉系统一般都工作在负压下，利用再循环管来协调磨煤、干燥和燃烧三方面所需 风量。乏气送粉系统通过图2 一l ( a ) 中4 、5 、6 、8 阀门的切换，可以实现制粉系统起停时乏气送粉与 1 l 东南大学硕士学位论文 热风送粉互相切换的倒风操作。 当系统启动乏气送粉方式时，原煤和热风通过干燥管一同进入球磨机，磨制好的煤粉由热风从 磨煤机内输送至粗粉分离器分离，粗粉返同磨煤机重新碾磨，合格的煤粉继续输送至细粉分离器被 再次分离，风和粉经细粉分离器分离后，煤粉经绞龙输粉机分配到不同的粉仓储存待用，由细粉分 离器上部出来的乏气，携带一部分极细的煤粉，经排粉机提高压头后作为输送煤粉的一次风。此时， 系统通过调节冷、热风门( 3 # 、2 # ) 的开度来控制蘑煤机入口负压和出口温度。 当机组则采用热风送粉的方式时，即采用如图2 - 1 ( b ) 排粉机入口冷、热风| j 的近路风经排粉 机提高压头后作为一次风进行输粉并送入炉膛燃烧。此时，系统要求通过调节冷、热风门( 3 # 、2 # ) 的开度来维持排粉机的入口温度和入口负压，而排粉机的出口压力则通过调节排粉机入口挡板 开度来维持定值。 2 3 中储式球磨机监控系统的总体设计 2 3 1 制粉系统自动控制的任务 控制系统的设计必须确定其控制任务和要达到的控制目的，制粉系统的控制任务简单可归纳为 以下两个方面： 图2 3 典型球磨机制粉系统及热工测点分布图 1 保证制粉系统的安全工作 制粉系统的工况主要由球磨机的入口负压、出口温度及出入口差压决定，确保这三个值在一定 1 2 第二章中储式球磨机监控系统的总体设计 的正常范围之内是控制系统的首要工作。 2 保证球磨机的经济性运行 提高球磨机制粉出力，使球磨机制粉电耗较小，可以人人提高球磨机制粉系统运行的经济性。 通过存煤量的检测保证球磨机在优化区运行是控制系统的另一项重要任务。 2 3 2 智能控制方案 1 基于神经网络的球磨机运行模式智能分类 球磨机所处的运行模式对于制粉系统的控制具有非常关键的作用。对于一台球磨机，在其他条 件不变的情况f ，如果磨内的存煤量偏少，铡球抛落处缺少足够的煤层来吸收钢球的动能，则会造 成钢球与衬板碰撞加剧，无用能耗及钢球损耗增加。反之磨内存煤量偏多，虽然钢球的动能大都被 煤层吸收，但由于钢球抛落点到煤层间的下落高度减小，钢球的势能没能得到充分转化，造成磨出 力下降。因此在球磨机运行过程中，对于一定的装球量和通风量，存在一个最佳存煤范围，当磨在此 范围运行时，磨的制粉电耗最低。要使得球磨机运行在最佳工况点附近，则首先要了解球磨机运行 所正处的工况。 本系统中采用r b f 神经网络进行球磨机运行模式的智能分类。图2 - 3 为某典型钢球磨煤机制粉 系统及热工测点分布图。 神经网络结构见图2 4 。网络的输入参数是：磨煤机电流、磨前轴承振动能量、磨后轴承振动 能量，磨进出口差压发差压变化率，磨进出口温度，磨煤机入口负压及癌煤机入口总风量。网络输出 是磨煤机所处的运行模式。 图2 4 球磨机运行模式智能分类的神经网络结构图 2 给煤量控制系统 在球磨机运行模式智能分类的基础上，将给煤量控制设计成一个相对独立的控制回路。如图2 5 所示。 在以球磨机进出口差压为主要被调量的基础上，加入基于神经网络的球磨机运行模式智能分类 的输出，用以修正系统的调节量即给煤量。以期达到在保证球磨机进出口差压信号稳定的基础上，使 得球磨机运行在最佳的工况下。 当系统偏离设计的最佳工况时，神经网络对应的工况输出作用到函数f ( x ) 上，改变系统的给煤 量，同时改变系统的差压。而当系统处于设计的最佳工况附近时，差压的微小受扰波动由经典的p i d 反馈控制回路调节。 东南大学硕士学位论文 图2 5 给煤量控制系统示意图 总的控制机理是，神经网络前馈i 旦j 路根据多个测量信号值进行计算得出的工况输出值通过函数 f ( x ) 改变给煤量对差压进行粗调，而p i d 反馈回路对差压进行细调。总的控制效果是，最终，当系 统运行在设计工况附近且差压控制在设定值范围内时，系统才会停止动作，最终达到稳定。 3 入口负压和出口温度控制系统 在解决了一次风总风量、球磨机进口热风量、再循环风量的测量后，可以将入口负压和出口温 度两个控制回路结合起来形成一个相互补偿的取进双出子系统，如图2 - - 6 所示： 图2 6 神经网络逆控制系统示意图 调节热风量控制球磨机出口温度