欢迎来到天天文库
浏览记录
ID:51452369
大小:216.88 KB
页数:3页
时间:2020-03-25
《基于神经元网络的球磨机解耦控制.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、《电气自动化》2Ol1年第33卷第1期智能控制技术nteliclentControlTechnique基于神经元网络的球磨机解耦控制邵伟刘江(电子科技大学机电学院。四川成都611731)摘要:针对球磨机这类多变量系统的特点,提出了一种基于神经元网络的解耦控制算法。详细分析了该算法在多变量系统中的工作机理,给出了控制回路参数整定方法。结果表明该算法且有较好的解耦控制效果。关键词:增量式PID神经元解耦控制多变量系统[中图分类号]TP273.5;TP183[文献标识码]A[文章编号]1000—3886(2011)01-0013-03B
2、allMillDecouplingAlgorithmBasedonNeuralNetworkShaoWeiLiuJiang(SchoolofMechatronicsEngineenng,UniversityofElectronicScienceandTechnologyofChina,ChengduSichuan611731,China)Abstract:Accordingtothecharacteristicsofmuhivariablesystemsuchastheballmill,anewalgorithmofdecoupl
3、ingcontrolbasedonneuralnetworkisproposed.Thispaperanalyzestheworkingprincipleinthemultivariablesystemandmethodofhowtosetthecontrolcircuitparameters.Theresultsshowthatthealgorithmhasgooddecouplingcontrolefect.Keywords:incrementalPIDalgorithmneurondecouplingcontrolmulti
4、variablesystemU日IJ吾球磨机是典型的多输入,多输出系统,需要通过对再循环风门的开度,热风门的开度和给煤量,来调节入口负压、出口温度和存煤量。由于球磨机内是气固两相流运行,运行工况极为复杂,式中:存在严重的耦合情况。如果采用常规的单回路PID控制器强行兰一『一球磨机入口负压一再循环风门开度割裂各变量问的耦合关系,将得不到好的控制效果,还极易造卜球磨机出n口一温5度nU一5一热风门开度成系统的不稳定。因此寻找合理、有效的解耦控制方案势在由式(1)可知堕当一给煤≈量一回路分离时,负压回路,温度依然存必行。在着较强的耦合,
5、为保证系统的正常运行必须对其进行解祸。常规的解耦控制和最优控制是解决多变量耦合系统的有效针对球磨机系统的运行特性,设计解耦控制系统如下:方法,但是这两种方法都是建立在系统精确的数学模型之上的,由于实际对象的数学模型建立十分困难,因而使多变量的控制在rl1[I⋯lull∞f1^l实际应用中仍然难以解决。—L;一\/球磨—f1—_.广—“2/u2L机l近年来神经网络的发展十分迅速,特别是神经网络不依赖于一,、】【I1_i一控制对象模型,易于对不确定模型和非线性系统进行控制,解决I神经元解耦控制器II广义对象I了许多经典控制和现代控制都
6、无法解决的问题,在实际控制中取—I●_得了丰硕的成果。本文根据神经网络不依赖对象模型,控制迅图1球磨机神经元解耦控制结构速,鲁棒性好的特点,改进了神经元的解耦控制算法,实现对球磨机的有效控制。神经元解耦控制器采用在每对输入输出通道上设置一个神1球磨机运行模型经元,每个神经元有2个输入,接受P/D控制器输出信号,每个神根据球磨机系统的控制要求,需要对球磨机的人口负压、出经元的输出作为控制信号送至多变量系统,通过神经元权值的修口温度和存煤量进行控制。当采用球磨机的轴瓦振动信号来表正达到解耦目的。这种结构属于神经网络位于控制器之后的串征
7、存煤量时,给煤量回路可与其它两个回路分离.近似成为一个联解耦方案。单回路。以下为采用轴瓦振动信号后,某典型球磨机负压回路,2神经元学习与解耦工作原理出口温度的传递函数矩阵:2.1神经元的学习策略人工神经元模型的输入输出关系为:收稿日期:2010.07.05ElectricaIAutomation13嚣罄旗&强蠕《豫;》《畿罐嚣键鹊舔瓣器
8、镬j强《电气自动化>)2ol1年第33卷第1期智能控制技术nteliclentControITechniques,:一0Y=(,f)(2)由于对象参数未知,每不能直接计算,考虑到仅式中:,为输入信
9、号,0为阈值,∞为从神经元到神经元i为的一个乘积因子,其正负决定了收敛的方向,其数值大的连接权值,‘D(·)为响应函数。d,神经元的学习规则主要包括:(1)无监督的学习规则;(2)小只决定收敛速度,因此可改用和“的相对变化量的符号函有监督的Delt
此文档下载收益归作者所有