基于通风机叶片动态智能调节系统的研究

《基于通风机叶片动态智能调节系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于通风机叶片动态智能调节系统的研究摘要：本文以DSP芯片TMS320F28335为核心，结合模糊控制算法，应用闭环控制的策略，实现以伺服电机驱动，动态智能调节叶片角度，从而改变排风量，使得矿井瓦斯浓度稳定在给定值以下。通过传感器实时采集通风机叶片位置信息，确保叶片旋转到规定位置，从而提高通风机运行效率，节约能源。1.绪论煤炭作为我国主要能源，尽管随着核能、风能、太阳能等新能源的发展，逐渐呈下降趋势，但在能源结构中仍占半壁江山。由于我国多为地下煤矿，开采条件复杂，事故频发，安全隐患更是无处不在，其中瓦斯爆炸最为典型。在众多瓦斯爆炸事故中，绝大

2、部分是由于通风不良造成局部瓦斯积聚，再遇上由各种不同原因引起的火花，从而导致瓦斯或者瓦尘爆炸。矿用通风机作为保证煤矿安全生产的主要设施，国内现今在役的矿用主通风机达到20000台，局部矿用通风更是达到30万台，总装机容量将近4500万千瓦。采用交流接触器手动控制的传统的局部通风机，其相关参数控制只能利用变频电机进行调速控制，对于叶片角度更是只能手动进行。这种静态调节不能及时进行通风机参数确定，待开机试验不合格时，又要打开机组进行人工调节，如此反复工作给矿山通风带来诸多不便，可谓费时费力。为解决现有技术中的上述问题，本文提出了一种基于模糊控制，

3、能在通风机工作状态下对通风机叶片角度进行控制的通风机叶片动态智能调节的系统。2.动态智能调节系统本文以TI公司的TMS320F28335芯片为核心，结合模糊控制技术，闭环控制技术，设计一个基于煤矿瓦斯浓度的通风机叶片动态智能调节系统。该系统分为两个部分。第一部分是模糊控制模块，主要对瓦斯浓度进行检测，并根据瓦斯浓度的变化，采用模糊控制的方法计算出相应的参数值，送给DSP进行处理。第二部分是执行模块，DSP将所得的参数经数据处理后，通过伺服电机调整通风机叶片角度，通过变频器驱动通风机，以此来改变排风量，进而降低瓦斯浓度。相对于传统的局部通风机控

4、制系统来说，本文通过设置一个位置传感器，使得通风机在工作状态下，DSP能通过位置传感器发送来的信号计算出叶片角度参数并发出控制指令，从而实现对叶片旋转角度的实时控制，保证叶片停留在所需的工作位置，以此确保通风机始终在最佳工况范围内运行，进一步提高运行效率，节约能源。系统框图如下：图1通风机叶片动态智能调节系统框图1.瓦斯浓度模糊控制器设计"模糊"是人类感知万物，获取知识，思维推理，决策实施的重要特征。"模糊"比"清晰"所拥有的信息容量更大，内涵更丰富，更符合客观世界。要以人类自然语言变量的概念作为描述手动控制策略的基础来实现模糊控制，就必须解

5、决如下三个问题：一，通过传感器将需要检测的物理量变为电量，再通过AD转换器将其转换为精确的数字量，待数字量输入至模糊控制器后，要把这精确的数字量转换成模糊集合的隶属度函数，这一过程我们称之为精确量的模糊化；二，根据有经验的操作者或专家的经验制定出模糊控制规则，并进行模糊逻辑推理，其目的是得到一个模糊输出集合，即一个新的模糊集合隶属度函数，这一过程我们称之为模糊控制形成和推理；三。根据模糊逻辑推理得到的输出模糊集合隶属度函数，用恰当的方法找一个具有代表性的精确值作为控制量，这一过程我们称之为模糊输出量的解模糊判决，其目的是把分布范围概括并合成单

6、点的输出值，加到执行器上实现控制。本文的被控对象对于精度要求不高，且只有一个控制量，故采用二维模糊控制器，其结构框图如下：图1通风机叶片动态智能调节系统框图3.1模糊控制器结构设计本文采用的是二维模糊控制器，所谓二维控制器指的是有两个输入变量、一个输出变量的模糊控制器。本文中模糊控制器选用瓦斯传感器输出值Nd与瓦斯给定值N的误差e=Nd-N及其误差变化de作为输入语言变量，把控制变频器的驱动电流A作为输出语言变量。此外，本文取三个语言变量的量化等级都为9级，即x,y,z={-4,-3,-2,-1,0,1,2,3,4}.误差e的论域为[-50,

7、50]，误差de的论域为[-150,150]，控制输出A的论域为[-64,64]。模糊语言集为{FD、FX、ZE、ZX、ZD}，语言表示为{负大、负小、零、正小、正大}。模糊集的隶属度函数以及相关的隶属度函数如下：表1模糊集的隶属度函数误差e-50-30-15-505153050误差率de-150-90-30-100103090150控制A-64-16-4-20241664量化等级-4-3-2-101234表2相关的隶属度函数FD00000000.351FX000000.410.40ZE0000.210.2000ZX00.410.400000

8、ZD10.3500000003.2模糊控制的规则设计模糊控制的核心部分为决策逻辑，决策逻辑是采用某种推理方法，由采样时刻的输入和模糊控制规则导出模糊控制器的控制输出