煤炭燃燒全國中文核心期刊礦業(yè)類核心期刊《cAcD規(guī)范)執(zhí)行優(yōu)秀期刊水媒漿鍋的神經(jīng)網(wǎng)絡(luò)預(yù)測控制李毅!,張萱(1.上海工程技術(shù)大學(xué)工程實(shí)訓(xùn)中心,上海201620;2.河北工程大學(xué)信息與電氣工程學(xué)院,河北邯鄲056038)摘要:針對(duì)水煤漿鍋爐控制系統(tǒng)的非線性、強(qiáng)耦合、大時(shí)滯的特點(diǎn),設(shè)計(jì)了一種神經(jīng)網(wǎng)絡(luò)預(yù)測控制方法。模型采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)建模,其中網(wǎng)絡(luò)結(jié)構(gòu)在對(duì)水煤漿鍋爐燃燒系統(tǒng)分析研究的基礎(chǔ)上獲得,并經(jīng)優(yōu)化數(shù)據(jù)訓(xùn)練后達(dá)到預(yù)期結(jié)果;預(yù)測控制算法采用一步預(yù)測滾動(dòng)優(yōu)化算法。仿真結(jié)果顯示該方法控制效果良好,適合水煤漿鍋爐的實(shí)時(shí)控制。關(guān)鍵詞:水煤漿鍋爐;建模;神經(jīng)網(wǎng)絡(luò);預(yù)測控制中圖分類號(hào):TP273·2文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1006712(200)02007504隨著石油資源的匱乏和環(huán)境污染的日益惡化,yu(k+j)水媒漿產(chǎn)業(yè)越來越受到人們的重視"。作為燃燒定缸盤」線性優(yōu)化“k)受控對(duì)象水煤漿最多的熱能設(shè)備,水煤漿鍋爐的性能卻一直停留在較低的水平上,存在的問題也較多,例如:鍋yo(k+je(k)爐負(fù)荷不易調(diào)節(jié);運(yùn)行穩(wěn)定性差易熄火;燃燒效率較低;運(yùn)行過程中易結(jié)焦和積灰;設(shè)備磨損、煙道煙溫偏差、過熱蒸汽溫度偏高等,這些都成為嚴(yán)重制約水煤濾波器漿發(fā)展的瓶頸。在影響水煤漿鍋爐運(yùn)行性能的眾多圖1神經(jīng)網(wǎng)絡(luò)預(yù)測控制結(jié)構(gòu)因素當(dāng)中,水煤漿鍋爐難于建模、控制水平較低是其圖1中,預(yù)測模型采用神經(jīng)網(wǎng)絡(luò)來代替,實(shí)現(xiàn)了中一個(gè)非常重要的因素。筆者正是在這種背景下將神經(jīng)元網(wǎng)絡(luò)理論與預(yù)測控制算法相結(jié)合,在復(fù)雜控神經(jīng)網(wǎng)絡(luò)及預(yù)測控制引人水媒漿鍋爐,以提高水媒漿制系統(tǒng)中應(yīng)用形成了一類神經(jīng)元網(wǎng)絡(luò)預(yù)測控鍋爐的運(yùn)行水平,為水煤漿產(chǎn)業(yè)的發(fā)展拓寬道路。制2-3神經(jīng)網(wǎng)絡(luò)與預(yù)測控制相結(jié)合是基于神經(jīng)元水煤漿鍋爐難于控制就在于它的燃燒過程是一網(wǎng)絡(luò)能對(duì)任意復(fù)雜非線性函數(shù)充分逼近能夠?qū)W習(xí)個(gè)復(fù)雜的非線性過程無法找到其精確的數(shù)學(xué)模型,和適應(yīng)不確定系統(tǒng)的動(dòng)態(tài)特性能采用并行分布處因此無法用傳統(tǒng)的控制方法進(jìn)行分析和設(shè)計(jì)。而神理算法快速進(jìn)行實(shí)時(shí)運(yùn)算的特殊能力*3。這里被經(jīng)網(wǎng)絡(luò)控制方法不需要知道被控系統(tǒng)的數(shù)學(xué)模型經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)將數(shù)學(xué)模型隱藏在網(wǎng)絡(luò)及其權(quán)廣泛采用的有BP網(wǎng)絡(luò)、 Hopfield網(wǎng)絡(luò)以及基于徑向基函數(shù)的RBF網(wǎng)絡(luò)( RBFNN- radial basis function系當(dāng)中,因而使得控制趨于簡潔和有效。神經(jīng)網(wǎng)絡(luò)的這一特點(diǎn)吸引了許多學(xué)者對(duì)其進(jìn)行研究并在鍋neural network)的辨識(shí)建模。以神經(jīng)網(wǎng)絡(luò)作為非線爐控制方面進(jìn)行了大量有益的嘗試。性估計(jì)器,已成功地應(yīng)用于非線性系統(tǒng)的辨識(shí)建模,并在此基礎(chǔ)上將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于模型預(yù)測控1神經(jīng)網(wǎng)絡(luò)預(yù)測控制制神經(jīng)網(wǎng)絡(luò)預(yù)測控制結(jié)構(gòu)如圖1圖所示嗎YH中國煤化工其網(wǎng)絡(luò)結(jié)構(gòu)多CNMHG收稿日期:2008-11-作者簡介:李毅(1974-),男河北安平人講師博士主要從事控制理論控制工程和工業(yè)自動(dòng)化等方面的教學(xué)和科研工作水煤漿鍋爐的神經(jīng)網(wǎng)絡(luò)預(yù)測控制y(k-D)OR全部作為神經(jīng)網(wǎng)絡(luò)的輸入,則導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)過于龐大,計(jì)算機(jī)運(yùn)算緩慢,而無法實(shí)施實(shí)際有效的控制。由于這些特性隨生產(chǎn)廠家的不同而不同,因此將水y(k)煤漿來源(即漿種)作為水煤漿各種特性的集合則是切實(shí)叮行的。在大多數(shù)時(shí)間內(nèi)漿種不變化,當(dāng)水煤漿的來源變化時(shí),以手動(dòng)方式將漿種的輸入做相應(yīng)的調(diào)整。因此作為神經(jīng)網(wǎng)絡(luò)要模擬的水煤漿鍋爐燃燒黑箱模型如圖3所示。圖2三層的前向神經(jīng)網(wǎng)絡(luò)模型送漿量送風(fēng)量戀蒸汽壓力圖中輸入層S有n,=nn+n,個(gè)節(jié)點(diǎn),隱含層A引風(fēng)早有p個(gè)節(jié)點(diǎn)輸出層R為單個(gè)節(jié)點(diǎn);n。和n,分別是蒸汽溫度漿種輸出和輸入量的階次;y(k),u(k)分別為k時(shí)刻系統(tǒng)的輸出和輸入。由上可知:圖3水煤漿鍋爐的輸入輸出簡化框圖(1)上圖是對(duì)于單個(gè)輸出受控對(duì)象.若對(duì)象有對(duì)于圖2中輸入、輸出量的階次,若取得太小m個(gè)輸出節(jié)點(diǎn),只要把y(k)寫成矢量形式Y(jié)(k)=會(huì)影響建模精度,取得太大,則網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,對(duì)系[y1(k)y2(k)Lyn(k)]r,W為權(quán)陣∈Rm。統(tǒng)的適應(yīng)性下降,并且訓(xùn)練計(jì)算量大,因此系統(tǒng)均定2)BP網(wǎng)絡(luò)只能實(shí)現(xiàn)一步預(yù)測至于系統(tǒng)多步義為3。再根據(jù)圖3的黑箱模型,定義網(wǎng)絡(luò)結(jié)構(gòu)為預(yù)測,可以通過反復(fù)迭代來獲得。輸入層18個(gè)輸出層2個(gè),隱層數(shù)根據(jù)經(jīng)驗(yàn)并經(jīng)多2水煤漿鍋爐預(yù)測模型構(gòu)造方法次比較測試后確定為30個(gè)。2.2網(wǎng)絡(luò)的訓(xùn)練水煤漿鍋爐的燃燒系統(tǒng)可以說是整個(gè)水煤漿系訓(xùn)練數(shù)據(jù)采自水煤漿鍋爐實(shí)際現(xiàn)場的10h運(yùn)行統(tǒng)中最復(fù)雜的部分,其運(yùn)行過程涉及到水煤漿中的數(shù)據(jù),包括負(fù)荷的變化和漿種的改變,采樣間隔水分汽化煤粉的多相燃燒固體與氣體在爐膛內(nèi)的30s,共1200組數(shù)據(jù)經(jīng)優(yōu)化后構(gòu)成訓(xùn)練樣本。將數(shù)多相流動(dòng)以及爐膛內(nèi)高溫?zé)煔獾膫鳠徇^程,這些過據(jù)分成兩組,一組用來對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以程同時(shí)發(fā)生且相互影響具有強(qiáng)藕合性對(duì)這樣一個(gè)實(shí)現(xiàn)水煤漿鍋爐的動(dòng)態(tài)建模,另一組用來檢驗(yàn)神經(jīng)復(fù)雜的燃燒系統(tǒng)要想建立精確的機(jī)理模型是相當(dāng)困網(wǎng)絡(luò)模型的有效性和泛化能力。采用正交最小二乘難的,因此采用神經(jīng)網(wǎng)絡(luò)建模恰恰利用了神經(jīng)網(wǎng)絡(luò)法離線訓(xùn)練取訓(xùn)練允許誤差為0.1%,得到一個(gè)含對(duì)任意非線性系統(tǒng)的逼近能力6有30個(gè)隱節(jié)點(diǎn)的BP網(wǎng)絡(luò)。其中蒸汽壓力訓(xùn)練結(jié)2.1網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)果如圖4所示,圖中虛線表示訓(xùn)練好的BP網(wǎng)絡(luò)輸經(jīng)過對(duì)水煤漿鍋爐燃燒系統(tǒng)的深人研究,發(fā)出,實(shí)線表示實(shí)際蒸汽壓力的響應(yīng)輸出,可以看出現(xiàn)對(duì)水煤漿鍋爐燃燒影響較大的因素除送漿量、送BP網(wǎng)絡(luò)能夠較好的擬合實(shí)際蒸汽壓力的變化,說明風(fēng)量以及送風(fēng)溫度幾個(gè)因素外,還包括水煤漿的自BP網(wǎng)絡(luò)對(duì)水煤漿鍋爐的建模較為準(zhǔn)確。身特性,包括水分、粒度煤質(zhì)等但如果將這些因素實(shí)際輸出預(yù)測輸出965中國煤化工時(shí)向/hCNMHG圖4蒸汽壓力預(yù)測輸出與實(shí)際輸出比較《潔凈煤技術(shù))200年第16卷第2期L煤炭燃燒全國中文核心期刊礦業(yè)類核心期刊《CAcD規(guī)范》行優(yōu)秀期刊3水煤漿鍋爐滾動(dòng)優(yōu)化控制實(shí)現(xiàn)e(k+i dy(k+i)a△u(k+-ie(+八)=(k+)(k鑒于水煤漿鍋爐的復(fù)雜性和時(shí)滯性,若預(yù)測步+j),L為控制時(shí)域長度,=1,2,A,M。由上可知數(shù)較多,則會(huì)產(chǎn)生較大誤差,對(duì)控制的精度和穩(wěn)定性神經(jīng)網(wǎng)絡(luò)預(yù)測控制算法步驟可歸納為的影響較大因此只對(duì)水煤漿鍋爐進(jìn)行一步預(yù)測控(1)由式(1)計(jì)算期望輸入?yún)⒖架壽E:y4(k+j);制。(2)由神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸出yx(k),經(jīng)濾波器在模型預(yù)測控制中設(shè)輸入?yún)⒖架壽E生成預(yù)測輸出:y2(k+j)y(k+j)=cy(k+j-1)+(1-c)s(3)計(jì)算預(yù)測誤差:e(k+)=y4(k+)-y,(k+j)j=1,2,L,M)(1)(4)求二次型性能函數(shù)minJ(M,L,r);獲得最式中:c為柔化系數(shù),為給定值,M為優(yōu)化域長度,優(yōu)控制解△n(k+-1)。希望受控對(duì)象實(shí)際輸出能跟蹤它,即y(k)=y(k)。4仿真取二次型性能函數(shù)在網(wǎng)絡(luò)滿足訓(xùn)練數(shù)據(jù)的基礎(chǔ)上,采用水煤漿鍋J=min(∑(k+j+∑r△n2(K+j+1)}爐負(fù)荷改變時(shí)的實(shí)時(shí)數(shù)據(jù)來驗(yàn)證該系統(tǒng)的?？啃院?2)穩(wěn)定性。水煤漿鍋爐的實(shí)時(shí)數(shù)據(jù)是在外界的負(fù)荷具式中:為控制權(quán)系數(shù);△(k+j-1)=u(k+j-1)有脈沖變化性質(zhì)時(shí)取得的,對(duì)比系統(tǒng)的預(yù)測控制效-a(k+j-2),可以由=0,求得△a(k+)-1)果與j實(shí)際輸出數(shù)據(jù)如圖5、圖6所示104實(shí)際數(shù)據(jù)實(shí)際數(shù)據(jù)---測軍數(shù)據(jù)測址數(shù)據(jù)995543時(shí)間/min時(shí)間/min圖5蒸汽壓力預(yù)測值與實(shí)際值對(duì)比曲線圖6蒸汽溫度預(yù)測值與實(shí)際值對(duì)比曲線從圖中可看出,在負(fù)荷升高后,實(shí)際的蒸汽壓制。仿真結(jié)果顯示該方法控制效果良好,適合水煤力蒸汽溫度都產(chǎn)生擾動(dòng)變化,曲線快速、平穩(wěn)的重漿鍋爐的實(shí)時(shí)控制。新達(dá)到穩(wěn)定值,這說明實(shí)際系統(tǒng)很好的完成了變負(fù)荷調(diào)整,具有神經(jīng)網(wǎng)絡(luò)模型的預(yù)測控制系統(tǒng)同樣產(chǎn)參考文獻(xiàn)生脈沖響應(yīng)預(yù)測數(shù)據(jù)與實(shí)際數(shù)據(jù)雖有一定的差別,[1]李毅楊公訓(xùn),高松.水煤漿鍋爐的發(fā)展及現(xiàn)狀[刀但與實(shí)際數(shù)據(jù)的變換基本一致,并且也是逐漸趨于熱能動(dòng)力工程,2007,22(6):583-585平穩(wěn),這說明仿真系統(tǒng)同樣較好的實(shí)現(xiàn)了變負(fù)荷調(diào)2】何玉彬,李新忠神經(jīng)網(wǎng)絡(luò)控制技術(shù)及其應(yīng)用M]整,且平均誤差量低于5%,仿真結(jié)果表明系統(tǒng)對(duì)非北京:科學(xué)出版社,2000線性復(fù)雜系統(tǒng)的建模能力和穩(wěn)定控制能力均較強(qiáng)[3]諸靜.智能預(yù)測控制及其應(yīng)用[M]杭州:浙江大學(xué)出版社,2002[4] Donat J S, Bhat N, Mcavoy T. Neural net basedmodel predictive control[ J]. Int. JControl, 1991, 64(6):水煤漿鍋爐是一種非線性強(qiáng)耦合,大時(shí)滯的系統(tǒng)并且被控對(duì)象沒有精確的數(shù)學(xué)模型,采用傳統(tǒng)的[5中國煤化工n0, et al. Imple-控制方法效果很不理想。筆者采用BP神經(jīng)網(wǎng)絡(luò)對(duì)CNMH水煤漿鍋爐進(jìn)行建模作為預(yù)測控制中的預(yù)測模型,……,28:37將神經(jīng)網(wǎng)絡(luò)和預(yù)測控制結(jié)合起來以實(shí)現(xiàn)復(fù)雜系統(tǒng)控6]shmn, S.A. Billings, P. M. Grant. Nonlinear SystemIdentification Using Neural Networks. Int. J. Control水煤漿鍋爐的神經(jīng)網(wǎng)絡(luò)預(yù)測控制1(6)[9] Romeo L M, Gareta R. Neural network for evaluating[7]馬翔,陳新楚,王劭伯.基于RBF神經(jīng)網(wǎng)絡(luò)的電站鍋boiler behavior[ J]. Applied Thermal Engineering, 2006爐燃燒系統(tǒng)非線性建模[J].福州大學(xué)學(xué)報(bào)(自然科26:1530-6學(xué)版),2004,32(03):295-306.[10] Najim K, Rusnak A., Meszaros A. Constrained long[8] Murty Venkataesh V, et al. Boiler system identificationrange predictive control based on artificial neural netusing sparse neural networks[ J]. ASME Dyn Syst Controlworks[ J]. Int. J System Science, 1997, 28(2)Div Publ DSC,1993,53:103-11l1211-1226Neural model predictive control of coal- water mixture boilerLI Yi. ZHANG Xuan2. Hebei University of Engineering, Handan 056038, ChinAbstract: In response to the coal-water mixture boilers characteristics of nonlinear, strong coupling and large deadtime, a neural model predictive control method has been designed. The model is built by bP neural network, whichis obtained by the research of combustion system of coal-water mixture boiler. The network meets the requirementafter being trained by optimized data. Rolling optimization arithmetic adopts one step prediction. Simulation resultsshow that the designed control system can meet the requirement of real running and be an effective control method.Keywords: coal-water mixture boiler; model, neural network predictive control上接第66頁)Characteristics of CFB boiler ignition coalREN Yue-ping, ZHAO Peng-bo, GAO Hong-pei(1. Shanxi International Hongguang Energy Limited, Liulin, China;2. Xi'an Institute of Thermal Engineering Co., Ltd., Xian 710032, China)Abstract: Compared the results of five kinds of coal TGA with the lgnition characteristic parameters obtained in theIMW. circulating fluidized bed combustion test rig, got the ignition point of different types of coal, and analysed thelevel of difficulty of them, analysed the relationship between the ignition point and its volatile. The results can beKeywords: TGA; ignition temperature i volatile e ceb boilers and combustion apparatus.used to guide the uesign and operation of large-sca了。信息檢素中國擬建工業(yè)節(jié)能減排技術(shù)改造項(xiàng)目儲(chǔ)備庫據(jù)工業(yè)和信息化部透露,中國擬建立工業(yè)節(jié)能減排技術(shù)改造項(xiàng)目儲(chǔ)備庫,目前正進(jìn)行節(jié)能減排技術(shù)改造儲(chǔ)備項(xiàng)目征集工作工業(yè)和信息化部有關(guān)負(fù)責(zé)人表示為優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),轉(zhuǎn)變V凵中國煤化工經(jīng)濟(jì)平穩(wěn)較快增長國家將加大對(duì)企業(yè)技術(shù)改造投資力度。此次節(jié)能減排技CNMHG包括重點(diǎn)節(jié)能技術(shù)改造專項(xiàng)、工業(yè)節(jié)水技術(shù)改造專項(xiàng)、工業(yè)“三廢”綜合利用技術(shù)改造專項(xiàng),以及重點(diǎn)打業(yè)的污染治理、清潔生產(chǎn)專項(xiàng)等。《潔凈煤技術(shù)》200年第16卷第2期