基于神經網絡的鍋爐控制系統設計

摘 要：鍋爐，作為火電廠、供暖系統、工業工礦等眾多行業中的主要能源轉換設備，在工業發展史中有重要的地位，但鍋爐系統普遍存在非線性、多擾動、負荷變動及燃燒產物污染等問題。本文通過對鍋爐系統的工藝流程的分析，在深入研究徑向基函數后，提出了鍋爐蒸汽壓力控制方案，研究分析RBF神經網絡技術的學習訓練方法，運用它高精度無限逼近非線性函數的特性，設計并運用RBFPID控制器，該控制器能夠根據輸入波動進行內部參數的自適應調整，這種成熟的在線控制系統很大程度上改善了鍋爐控制系統目前存在的問題。

關鍵詞：鍋爐控制；徑向基函數；神經網絡PID

鍋爐行業的發展關系到國家建設資源節約型、環境友好型社會的經濟發展和社會發展目標的實現。鍋爐行業應該以高效節能降耗為中心，潔凈減排環保為目標，關注核心技術和關鍵技術的創新，提升鍋爐系統節能效果，從整體出發優化鍋爐系統效率，提高鍋爐系統自動化控制水平，優化鍋爐燃燒系統和蒸汽運輸系統，對鍋爐各部分的溫度、壓力進行有效地控制，提高燃料的利用率。研究這些技術都有助于促進鍋爐系統降低燃燒排放的污染物，提高鍋爐系統整體的安全性以及對鍋爐系統進行有效的自動化控制。

1 人工神經網絡概述

人工神經網絡類似于人腦，從眼睛看到事物，到大腦做出思考，再到最后做出反應，就像神經網絡的輸入，通過內部的的學習，在不可見的神經網絡內部形成一種能夠自我學習的網絡，最后輸出。感知器和自適應原件的的提出，針對能量變化提出相應的概念，還有保持網絡穩定的要求，到最后BP算法的大量應用，再到徑向基函數的完善，人工神經網絡技術展現了它獨特的魅力。人工神經網絡有非線性、非局限性、非常定性、非凸性等特性，其中RBF神經網絡以其特有的最佳逼近和全局最優的的特點，在神經網絡領域中占據不可替代的地位。該網絡的基本思想是對非線性的無限逼近和對維度的處理技術，通過對隱含單元輸出進行加權求和，實現良好全局最優性。RBF神經網絡是一個標準的三層網絡，即輸入層、隱含層、輸出層，相比于普通的三層網絡技術，RBF神經網絡的獨到之處在于它在中間層采用RBF Kernel技術，這可以針對很多非線性輸入，對他們進行非線性變換，局部響應的高斯函數能在很大一方面擴寬RBF神經網絡的應用范圍，對比其他前向函數，處理相同問題時，RBF神經網絡就需要更多的神經元相互協作，這會縮短整體系統的學習時間，而且它的逼近程度是其他函數無可比擬的。

2 設計RBFPID的過程

RBF神經網絡PID控制器的Simulink仿真，利用基于MATLAB的RBF神經網絡PID控制器的S函數，可以有效地避免在復雜系統仿真時需要采用編程方法來編寫大量復雜、煩瑣的源程序的問題，讓程序的編程變得快速、簡捷，而且調試方便，大大減少系統仿真工作量。編寫完我們需要的函數時候，就應該建立實際模型，步驟是：（1）輸入函數變量名及參數變量名。單擊Simulink模型庫中非線性環節的S函數模塊，并拖動到所打開的模型窗口上，雙擊S函數模塊，按照相關的提示輸入函數變量名nnrbfpid和參數名T，nn，xite，alfa。（2）創建子系統。（3）屏蔽子系統，參照步驟的提示，先把子系統屏蔽，開始鍵入參數，雙擊該模塊也可以對參數進行修改。RBF神經網絡控制器的Simulink模型有2個輸入，2個輸出，其中輸入1為給定信號與對象輸出信號的誤差eK，輸入2為對象輸出信號yK。輸出1為控制器的輸出uK，輸出2為kP，kI，kD三個權值的變化量。

3 神經網絡與鍋爐控制的結合

我們根據鍋爐蒸汽壓力控制系統為研究對象，針對它的復雜變換的特性，對鍋爐蒸汽壓力系統建立起一個仿真模型，研究鍋爐運行系統和工藝流程圖，鍋爐蒸汽壓力的變化和減溫水、燃料量、外界負荷有著密切的關聯。蒸汽熱能是通過燃料在爐膛進行燃燒將化學能轉化為機械能，我們可以將該過程簡化為如下圖所示的調節系統。

蒸汽壓力調節對象示意圖

從蒸汽壓力調節對象圖出發，結合實際生產過程中鍋爐系統的實際參數可知，整個鍋爐系統具有的儲藏熱量的能力相比于過熱器、蒸汽管道和負荷系統設備的儲藏熱量能力大的多，基于這種現實情況，我們可以考慮把這三個環節的系統阻力作為控制系統中的一個集中阻力，根據它們的特性把這個阻力環節近似成為一個比例環節，對于整體的鍋爐系統我們把它用一個積分環節代替。

G0SB=PBuB=1CkSGS=1TαS（1）

G0SM=PMuB=1CkSGS=1TαSGS（2）

GS能夠表示燃燒方式的傳遞函數，這個一階慣性環節還有著純滯后特點；G0SB表示的是汽包壓力對象的傳遞函數；G0SM為蒸汽壓力的傳遞函數。試驗得到下列近似鍋爐蒸汽壓力傳遞函數

G0S=1250s2+50s+1250（3）

通過不斷的實驗得到RBFPID的參數xite=0.25，alfa=0.05，beta=0.01，k_pid分別為0.03，0.01，0.03。利用整定好的RBF神經網絡PID控制器，得到運用RBFPID控制器系統的超調量為4.8%，調節時間為0.6s。從控制效果分析，RBFPID控制器和常規PID控制器相比，有著調節時間短、超調量小、震蕩幅度較小的優點。因此，基于改進的徑向基神經網絡整定PID的控制器比常規PID控制器的控制品質更好。

4 結語

鍋爐是我國工業、生活供暖的主要動力設備，神經網絡技術是前沿的科學發展技術，這兩者的結合勢必會碰撞出不一樣的火花。將鍋爐控制系統和RBF神經網絡技術結合，針對鍋爐蒸汽壓力系統提出了RBFPID控制器的控制理念，尋找最合適的控制方案，有效解決了普通控制器的延遲滯后問題，對鍋爐系統取得了較好的控制效果。

參考文獻：

[1]趙敏.智能自適應PID控制器設計及仿真研究[D].哈爾濱：哈爾濱工業大學， 2012.

[2]李源松.基于神經網絡的鍋爐控制系統優化研究[D].哈爾濱：哈爾濱理工大學， 2015.

[3]陳益飛.RBF神經網絡的PID控制研究與仿真[J].計算機仿真，2011.

作者簡介：黃超（1993），男，漢族，河南信陽人，本科，研究方向：自動控制原理。