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
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