基于改進BP-PID干煤粉氣化爐控制系統的研究

唐明峰，秦琳琳，劉 鵬，要艷靜

(1.中國科學技術大學信息科學技術學院，安徽 合肥 230027;2.航天長征化學工程股份有限公司，北京 101111)

1 引言

由于我國“富煤、缺氣、少油”的能源結構，煤炭成為我國最為重要的工業與民用能源。最近國家高度重視能源多樣化，煤電、煤化工是戰略技術，以煤為原料生產各種成品油、各種化工原料和產品[1]。為了大幅度減少煤炭造成的大氣污染，潔凈煤技術已經成為我國當前最為迫切的應用，煤炭氣化技術是煤炭清潔化利用中最為優選的技術，而干煤粉氣流床氣化技術由于其特有的清潔、高效特點，代表今后煤炭氣化技術的發展方向[2]。同時，隨著農業的進一步發展和提高，作為氮肥和其它復合肥料的中間產品，中國合成氨產量將穩步增加。而煤氣化-合成氨-化肥已經是中國主要煤化工產業，也是未來發展的方向。

對于氣化爐控制算法的研究，Tan等提出了一種基于穩定器思想的部分分散控制器設計方法控制ALSTOM氣化爐的煤氣焓值、壓力、溫度以及床料質量[3]。Sun等提出了一種基于概率魯棒性的分散PID / PI控制器參數優化方法，通過統計計算滿足動態性能的概率，然后將其作為基于遺傳算法優化控制器參數的目標函數，克服了基于標稱條件的優化方法局限性[4]。羅偉分別采用免疫PID控制和PID控制對生物質氣化爐溫度和含氧量分別進行控制，起到了穩定氣化爐溫度、降低可燃氣體含氧量的作用[5]。呂大非采用串級PID控制方法對生物質氣化爐溫度進行控制，提高了生物質產品的質量和數量[6]。

由于氣化爐是非線性系統，現有的氣化爐控制方法主要采用PID控制，但是PID參數不易整定[7]。BP神經網絡屬于前饋型人工神經網絡，具有逼近任意連續有界非線性函數的能力[8]。

本文提出了一種基于改進BP-PID控制算法，并將其應用于氣化爐的氧煤比控制系統，控制系統具有更高的跟蹤精度、更強的適應性和更好的魯棒性。

2 干煤粉氣化技術原理以及模型建立

干煤粉氣流床氣化技術是指利用射流卷吸的原理，利用噴嘴，把含水量低于6%的干煤粉和氧氣、水蒸氣等氧化劑快速噴至氣化爐中，氣化爐內特殊設計的流場能夠讓煤粉和氧化劑充分混合，確保氣化反應能夠正常進行[5]。

煤是由多種有機高分子化合物和礦物質組成的復雜混合物，一般認為，煤在氣化爐內氣化要經歷干燥、揮發分析出和焦碳氣化三個過程。煤在氣化爐中首先進行的是脫揮發份的熱裂解反應，由于氣化爐內溫度很高，焦油和氣相烴很少，裂解反應可以下式表示

Coal→C+CH4+H2+CO+CO2+H2O

(1)

在氣流床氣化爐內，溫度是氣流床安全運行的重要指標，反映了煤的氧化程度。爐內溫度一般通過測量合成氣中甲烷含量間接獲得。在氧氣煤比比較低的時候，由于反應溫度較低，碳轉化率比較低，煤在氣化過程中主要發生熱解反應。此時，煤氣主要來自煤中的揮發分，CH4的含量比較高。隨著氧氣煤比的增加，反應溫度升高，CH4分解反應速度提高，CH4含量降低。因此，氧煤比的控制是氣化爐控制中非常重要的環節，氣化爐主回路的被控過程可簡化來用單輸入單輸出的模型描述，將系統的輸出氣體CH4作為輸出變量，而氧煤比作為控制變量。

氧煤比系統總體框圖如圖1所示，氧氣流量由氣化爐負荷決定，合成氣成分控制器根據測量的合成氣成分決定氧煤比，再與氧氣流量相乘，然后得到粉煤流量的設定值。實現氧煤比的優化自動控制，從而保證氣化爐安全可靠運行，促進氣化爐在大規模應用和推廣。

圖1 總體控制回路框圖

由于氣流床燃燒的復雜性，涉及到許多復雜的化學反應過程，氣化爐是一個復雜的多變量、大滯后、非線性及強耦合的系統，難以采用純機理建模，因此本文采用辨識建模和機理建模相結合的方法，利用現場運行數據作為實驗數據，根據統計學原理，只要樣本數據量足夠大，也可以建立起接近準確的數學模型。由于系統在絕大部分時間工作在穩定狀態，而系統在穩定狀態下的數據變化量很小，故采用受控自回歸積分滑動平均(Controlled Auto-Regressive Integral Moving-Average， CARIMA)模型進行系統辨識。CARIMA模型如下所示

(2)

辨識算法采用漸消記憶遞推增廣最小二乘法，能夠減少計算量。

(3)

(4)

(5)

其中

3 BP神經網絡PID控制器

3.1 傳統PID控制系統

在工業控制中，PID的運用非常廣泛，結構簡單，穩定性強。PID控制是一種線性控制算法，它通過調整比例(P)、積分(I)、微分(D)三種參數，使參數形成既相互配合又相互制約的控制關系，能獲得較好的控制效果。但是，當PID控制對象在外界環境的變化下改變時，PID控制器的三個控制參數很難自動調整以適應，特別是對于一些參數變化慢和一些復雜過程。而BP神經網絡具有擬合任意非線性函數的能力，利用BP神經網絡可以建立參數自學習PID控制器，從而通過對PID系統性能的學習來改進具有最佳參數組合的PID控制。這樣，在一定程度上解決了PID控制參數難以確定和環境擾動的不確定性等難題，以及PID控制器不易在線實時參數整定的弊端，從而充分發揮PID控制的優點。

離散PID控制器輸出增量為

Δu(k)=u(k)-u(k-1)=Kp(e(k)-e(k-1))+

Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))

(6)

其中u是控制量，e是控制誤差，Kp、Ki、Kd分別為PID參數。

3.2 BP網絡結構

BP神經網絡具有兩個特點：一是網絡為全連接的，即在任意一層上的神經元與它之前的所有神經元都相連，二是網絡至少具有一個隱含層。在BP神經網絡中，存在兩種信號：函數信號和誤差信號，這兩種信號分別體現在正向和反向傳播過程中。

基于BP的PID是一種改進型PID控制方法，是對傳統的PID控制的一種改進和優化。BP神經網絡由三層網絡(輸入層、隱含層、輸出層)組成，BP網絡中的輸出層神經元狀態對應PID控制器的三個可調參數Kp、Ki、Kd。當外界環境發生變化時，BP神經網絡可以通過自學習和調整加權系數等功能，使某種最優控制的PID控制的三個參數對應于BP神經網絡的輸出。根據PID的三個參數，設計4個輸入層、4個隱含層、3個輸出層的三層BP神經網絡結構，如圖2所示。

圖2 BP神經網絡結構圖

基于BP神經網絡的PID控制器由BP神經網絡和常規的PID控制器兩部分組成，如圖3所示。PID控制器負責控制信號的正向傳導，對被控對象進行閉環控制，BP神經網絡則根據誤差和運行狀態，以誤差梯度下降的方式修改BP神經網絡的各層權值和閾值，調節網絡輸出層對應的PID的三個參數Kp、Ki、Kd，使之實現在線調整控制參數，從而達到通過PID控制器參數的自適應調整來優化系統性能的目的。

圖3 BP-PID控制器結構

3.3 改進BP-PID算法

1)BP學習算法改進

由于BP神經網絡收斂速度慢，難以滿足具有適應功能的實時控制的要求，因此對此進行改進[6]。

①引入動量項。為使收斂速度更快，在加權系數修正公式中增加一個動量項α。

(7)

其中w是權值，ε是代價函數，η是學習率。

②變步長法。在BP學習算法中，學習率參數η不易選擇，選擇太小，收斂太慢，選擇太大，容易引起振蕩甚至發散。為解決這個問題，采用變步長方法。

(8)

其中η(n)=2λη(n-1)，λ=sgn[ε(n-1)ε(n)]

2)正向傳播過程

網絡輸入層節點的輸入輸出為

(9)

隱含層的誘導局部域和輸出分別為

(10)

(11)

隱含神經元的激活函數取雙曲正切函數

(12)

輸出層的誘導局部域和輸出分別為

(13)

(14)

輸出層的激活函數取非負的sigmoid函數

(15)

3)反向傳播過程

網絡的輸出性能指標函數為

(16)

輸出層權值調整修正公式為

(17)

隱含層權值調整修正公式為

(18)

BP-PID控制器算法過程如下

a) 確定輸入層、隱含層和輸出層的神經元個數，并給出各層網絡權值的初值；

b) 通過采樣得到輸入輸出值，計算誤差；

c) 計算神經網絡各層神經元輸入和輸出，即正向傳播過程；

d) 計算控制器輸出；

e) 進行神經網絡的學習，在線調整權值，實現PID控制參數的自適應調整，即反向傳播過程；

f) 開始下一次學習，從步驟b)開始重復執行，直到學習完畢。

4 仿真結果

圖4 濾波前后輸入輸出曲線

基于BP神經網絡整定的PID控制器，為了更快的收斂，選取學習率η為0.3，慣性系數α為0.05，權系數初始值選取為[-0.5 0.5]之間的隨機數。

圖5 系統臨界振蕩曲線

常規PID控制器和基于改進BP神經網絡PID控制器的仿真曲線分別如圖6所示。可以看出，常規PID控制器超調量為24.7%，調節時間為40s，基于BP神經網絡超調量為3.1%，調節時間為53s，因此BP-PID控制比常規PID控制器超調量較小，調節時間長，因此整個過渡過程也比較平穩，控制效果更佳。圖7則是BP-PID控制的PID參數曲線。

圖6 改進BP-PID控制和PID控制仿真曲線

圖7 BP-PID控制PID參數曲線

為了測試系統的穩定性，在200-230s加入2%的階躍值的直流擾動，結果如圖8所示，BP-PID控制輸出最高超調為15%，加入擾動到恢復穩態時間間隔為70s，可以看出改進BP-PID控制算法具有很好的魯棒性和抗干擾性。

圖8 加入直流擾動后BP-PID控制仿真曲線

5 結論

氣化爐是干煤粉氣流床氣化技術的一種重要設備，對氣化爐氧煤比回路的建模與控制研究具有實際應用價值。本文根據氧煤比和甲烷作為輸入輸出數據，經過濾波處理后，采用漸消記憶遞推增廣最小二乘辨識算法建立系統模型，通過BP神經網絡的自學習能力可以找到某一最優控制下的PID控制器參數，即運用改進的BP-PID算法對爐內溫度進行控制。仿真結果表明，BP-PID控制算法比普通PID算法具有更好的控制效果，并且具有很好的抗干擾性以及魯棒性，更適用于氣化爐這樣復雜的系統。