現場(chǎng)總線(xiàn)、模糊神經(jīng)網(wǎng)絡(luò )在回轉窯分解爐溫度控制中的應用
加入技術(shù)交流群
水泥生產(chǎn)過(guò)程是一個(gè)復雜的理化反應過(guò)程，具有大慣性，純滯后，非線(xiàn)性的特點(diǎn)，系統工況復雜，建立系統精確的復雜模型非常困難，采用傳統的PID控制效果又很難令人滿(mǎn)意，目前許多廠(chǎng)家還是借鑒現場(chǎng)操作人員的經(jīng)驗，通過(guò)人工調節來(lái)獲得滿(mǎn)意的控制效果，生產(chǎn)率很低。該文針對傳統生產(chǎn)過(guò)程中的諸多弊端，基于現場(chǎng)總線(xiàn)技術(shù)，引入神經(jīng)網(wǎng)絡(luò )控制算法，實(shí)現了水泥回轉窯生產(chǎn)過(guò)程的實(shí)時(shí)監控、分析和優(yōu)化。
2 現場(chǎng)總線(xiàn)
現場(chǎng)總線(xiàn)是一種多點(diǎn)、多站、多變量、全分布式智能、雙向串行的數字通訊鏈路，它直接溝通生產(chǎn)現場(chǎng)的測量控制與執行設備，以及更高層的自動(dòng)化控制設備，它不僅是一個(gè)網(wǎng)絡(luò )，而且是一個(gè)開(kāi)放的控制系統，當前工業(yè)控制體系結構正由以“信息集中，控制分散”為核心思想的DCS（集散控制系統）向FCS（現場(chǎng)總線(xiàn)控制系統）過(guò)渡，現場(chǎng)總線(xiàn)技術(shù)的出現，將傳統DCS集中與分散相結合的集散系統結構變成了新型智能全分散結構，使構建高性能的分散式智能化工業(yè)檢測監控系統成為可能。
基于Lonworks的分散智能控制系統在實(shí)現現場(chǎng)級功能時(shí)，需要首先確定整個(gè)系統的完整控制策略，分散到各個(gè)相互獨立的模塊和子任務(wù)上，然后確定每個(gè)智能節點(diǎn)所完成的任務(wù)，以及它們之間的數據共享關(guān)系，并對每個(gè)節點(diǎn)編寫(xiě)應用程序，并下載到節點(diǎn)的FlashRom中調試運行，在每個(gè)智能節點(diǎn)自治運行、完成現場(chǎng)控制的基礎上，上位機基于現場(chǎng)的控制信息以及數字通訊傳輸來(lái)的大量現場(chǎng)管理信息，通過(guò)人機界面軟件對系統的實(shí)時(shí)和歷史信息進(jìn)行監控，并可嵌入一些插件和智能軟件程序完成上位機的高級控制功能。
3 回轉窯分解爐溫度的模糊神經(jīng)控制
3.1 工藝流程分析
水泥生產(chǎn)的整個(gè)生產(chǎn)工藝過(guò)程主要包括窯外預熱分解、窯內鍛燒、熟料冷卻、廢氣處理和煤粉控制等工序。在回轉窯水泥生產(chǎn)過(guò)程中，窯尾分解爐溫度是一個(gè)重要的工藝參數，分解爐溫度的穩定對整條生產(chǎn)線(xiàn)的穩定、高產(chǎn)和節能具有重大的影響。根據對生產(chǎn)工藝和現場(chǎng)采樣數據的分析以及操作人員經(jīng)驗的總結，可以發(fā)現：①增加喂煤滑差電機轉速，則增大了分解爐的入煤流量，加劇分解爐反應，使溫度升高；②增加生料滑差電機轉速，則增大了入窯生料流量，將增加分解爐內反應物料數量，使爐溫升高；但當生料增大到一定程度后，由于物料未能充分反應，爐溫反而下降。應該讓入窯生料流量與入分解爐煤粉流量之間維持一定比例關(guān)系，以便進(jìn)行充分反應；③增大回轉窯轉速對爐溫影響大，沒(méi)有明確的關(guān)系。綜上分析，雖然影響分解爐溫度的因素很多，但喂煤滑差電機轉速是一個(gè)主要因素，而其它諸如生料滑差電機的轉速和回轉窯轉速也對分解爐溫度有一定影響，但各因素之間存在耦合關(guān)系，它們作用也不是線(xiàn)性的，難以建立一個(gè)準確的數學(xué)模型來(lái)描述該過(guò)程，通過(guò)建立對象模型來(lái)實(shí)現對分解爐溫度的控制就非常困難，為此采用了模糊神經(jīng)網(wǎng)絡(luò )控制技術(shù)來(lái)實(shí)現對爐溫的自動(dòng)調節。
3．2 基于模糊神經(jīng)網(wǎng)絡(luò )的算法
模糊神經(jīng)網(wǎng)絡(luò )控制器的輸入變量為分解爐溫度偏差e和溫度偏差的變化ec，輸出變量為喂煤滑差電機車(chē)速增量Δn，并將回轉窯轉速和生料滑差電機轉速作為干擾因素來(lái)處理，整個(gè)系統框圖如圖3―1所示?！?BR>
第2層模糊處理層對第1層的輸入進(jìn)行模糊化處理，并記此時(shí)生成的模糊集為Aij，模糊隸屬度函數可采用三角形或高斯隸屬度函數。該文采用高斯隸屬度函數。該層的輸入輸出表示如下：
其中μij表示模糊集隸屬度函數，mij和σij分別表示模糊集Aij的均值和方差。
評論