论文部分内容阅读
隧道窑是耐火材料生产过程中的重要设备,其温度控制水平是制约耐火材料质量提高的一个重要因素,因此温度控制策略是隧道窑控制系统中的一个重要研究内容。如何制定先进的温度控制策略来提高产品质量、降低能耗、减少环境污染,成为工业窑炉控制领域一个需要迫切解决的问题。隧道窑控制系统的性能指标主要包括以下三个方面:一是按给定的温度曲线控制隧道窑的温度,保证烧成制品的质量;二是控制空燃比的值保持最佳,因为只有当空燃比的值最佳,燃料才能充分燃烧,否则不仅浪费燃料,而且污染环境;三是实时调节引风量和送风量,保持隧道窑内压力平衡,保证工业生产的安全。由于隧道窑是一个具有大惯性、纯滞后、强耦合的非线性时变系统,很难建立其精确的数学模型。本文根据窑炉类控制对象的特点,用一个二阶纯滞后模型来对其进行近似描述,然后根据现场采集的输入输出数据,采用改进的粒子群优化算法对模型参数进行辨识,通过仿真验证了模型的有效性。实际生产过程中存在着各种干扰因素,模型参数发生变化将导致控制性能变差,此时需要对控制器参数进行重新调整,不利于实现系统的全自动控制。针对模型失配现象,本文采用模糊控制与神经网络控制相结合的模糊神经网络控制器。模糊神经网络控制作为一种智能控制方法,综合了模糊推理和神经网络二者的优点,它不需要被控对象的精确数学模型,只需要现场采集的数据对网络进行训练就能达到很好的控制效果。由于粒子群优化算法前期全局搜索能力强,后期局部搜索能力差;BP算法受初始参数的影响很大,前期全局搜索能力差,后期局部搜索速度很快。因此,本文采用粒子群优化算法和BP算法相结合的PSO-BP方法对网络参数进行离线优化,再使用BP算法对参数进行在线优化。仿真结果表明,在模型失配的情况下,采用模糊神经网络控制器可以有效地抑制模型失配带来的不利影响,控制精度高,跟踪速度快,超调量小,抗干扰能力强,具有良好的控制性能,能够满足隧道窑温度控制的要求。