現(xiàn)場總線、模糊神經網絡在回轉窯分解爐溫度控制中的應用
加入技術交流群
第3層為模糊規(guī)則層，根據第2層的輸入，可以按下式計算第m條規(guī)則的信用度
當a為∞時，該運算相當于一般最小化運算，當a為有限值時將得到輸入的一個可微函數。該層的輸入輸出可以表示如下：
第4層為去模糊輸出層，每條規(guī)則在模糊集中的輸出可表示為
式中?為語言變量集（比如正大、正小等），被激活的規(guī)則對最后的輸出影響加權平均得到轉速的精確控制量可表示如下：
在設計過程中，模糊規(guī)則庫的建立是整個系統(tǒng)設計的關鍵。模糊規(guī)則庫建立的常用方法是根據工藝操作規(guī)程對操作人員的經驗進行總結。抽取相應的模糊規(guī)則，這種方法較為簡便，但獲得的規(guī)則較為粗糙；另一種方法是應用系統(tǒng)辨識技術，根據輸入輸出數據建立對象的模糊模型，再根據模糊模型提取相應的模糊控制規(guī)則。該文采用的是先建立對象的模型，再提取模糊控制規(guī)則，同時借鑒操作人員經驗和現(xiàn)場控制情況對控制規(guī)則作適當修改，自動生成規(guī)則模塊，根據模糊規(guī)則庫，經過在線分析訓練后，得出最優(yōu)控制規(guī)則。具體運算步驟如下：
在讀入e，ec值后，經過初始運算，對所有規(guī)則Rm逐一判斷、刪除，信用強度小于某一閾值的規(guī)則和明顯與預期結論相矛盾的規(guī)則，經上一步的篩選后，規(guī)則將能輸出正確的符號，但不少規(guī)則還具有相同的前提，需要對規(guī)則進行進一步優(yōu)化。假設經篩選后剩下的R條規(guī)則可分成n組R1，R2…Rn，同一組規(guī)則Ri（1≤i≤n）都具有相同的前提，Ri（j）表示Ri（1≤j≤1i）中的某一條規(guī)則，1i是每組的總規(guī)則數，每組中規(guī)則的總數不一定相等，優(yōu)化的具體步驟如下：（1）獲得系統(tǒng)狀態(tài)e和ec；（2）在前提相同的每個規(guī)則組Ri中，隨機選擇1條規(guī)則Ri（j），n組共選擇n條規(guī)則；（3）模糊神經網絡控制模塊計算每條規(guī)則的輸出：,n條規(guī)則的總輸出Δn；（4）可按下式計算由所選各條規(guī)則產生的誤差：
其中WRi（j）表示各條規(guī)則Rj（k）的信用度，bi（j）為第Ri（k）條規(guī)則的輸出，Δnmax和Δnmin分別為輸出轉速可能的最大值和最小值；（5）累計每次迭代后的各條規(guī)則的Ri（j）的ERi（j）；（6）將輸出作用到執(zhí)行器獲取新的e和ec；（7）返回第一步，繼續(xù)迭取規(guī)則組中的一條規(guī)則；（8）在前提相同的規(guī)則組中僅保留累計誤差ER（j）最小的規(guī)則，由此得到一組優(yōu)化控制規(guī)則?！ ?BR> 在本系統(tǒng)中定義爐溫偏差e，爐溫偏差變化率ec和輸出喂料誤差電機轉速增強Δn。輸入變量e的論域為［－30℃，30℃］，語言值為｛負大，負中，負小，負零，零，正零，正小，正中，正大｝，記作｛NL，NM，NS，NZ，ZO，PZ，PS，PM，PL｝；ec的論域為［－30，30］，語言值為｛負大，負小，零，正小，正大｝，記作｛NL，NS，ZO，PS，PL｝；Δn的論域為［－20％，20％］，語言值為｛負大，負中，負小，零，正小，正中，正大｝，記作｛NL，NM，NS，NO，PS，PM，PL｝。表3―1是由模糊網絡控制器產生的一組優(yōu)化控制規(guī)則表。
4 現(xiàn)場總線控制系統(tǒng)的實現(xiàn)
采用Lonworks節(jié)點完成回轉窯分解爐的溫度控制，將控制節(jié)點連接安置在現(xiàn)場，只需通過一根雙絞線就可完成現(xiàn)場各節(jié)點之間以及與上位機之間的信息通訊（如圖4―1），在這里應用了4個節(jié)點，它們分別是傳感器輸入節(jié)點、控制器節(jié)點、執(zhí)行器節(jié)點、顯示節(jié)點。傳感器節(jié)點完成現(xiàn)場溫度值的網絡變量輸出；控制器具體實施模糊神經網絡控制算法，并輸出修正的網絡變量；執(zhí)行器驅動電閥工作；顯示節(jié)點完成溫度設定值的輸出及當前溫度的動態(tài)顯示。網絡變量的概念大大簡化了復雜應用程序的設計，使節(jié)點程序的可利用性提高，節(jié)點間的虛擬連接關系得到加強，使其添加、移動、改變均方便易行，每個節(jié)點中的數據可與整個網絡中的所有節(jié)點共享；另外上位機通過Lonworks網卡便可實現(xiàn)與所有現(xiàn)場節(jié)點的通訊，通過工控組態(tài)軟件（citech或Intouch）完成對整個系統(tǒng)的監(jiān)控并可嵌入一些高級控制功能。
5 結束語
在水泥回轉窯生產過程中采用現(xiàn)場總線技術、模糊神經網絡控制技術，建立了Lonworks智能節(jié)點的模糊神經網絡溫度控制系統(tǒng)，分散的節(jié)點不僅有效地實現(xiàn)了模糊控制功能，而且系統(tǒng)的整體性得到提高；特別是采用模糊神經控制等策略后，取得了良好的效果，爐溫基本穩(wěn)定在850℃左右，滿足了生產要求。對比采用PID控制等，控制效果非常明顯。
分散智能控制網絡系統(tǒng)是過程控制技術、儀表工業(yè)技術和計算機網絡技術三者的結合，它代表了工業(yè)控制體系結構發(fā)展的一種方向。
評論