刘昕明 吕亮 罗伟

摘   要：焦爐集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点，难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦，建立逆系统解耦器，并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制，能较好地满足多焦炉集气管压力控制的工艺要求。

关键词：焦炉集气管压力;动态模糊神经网络;解耦控制

在多座焦炉并联生产条件下，各集气管压力以及管道吸力之间存在复杂的耦合关系，一个过程变量的波动往往会影响多个变量的变化，而一个变量的波动也往往是多个变量共同作用的结果，故而仅对一个过程变量进行控制难以达到良好的控制效果[1-3]。

1    焦炉集气管压力模糊神经网络解耦控制

本文主要研究两个集气管并联情况下的压力控制问题，图1为集气管动态特性示意。

该系统可以看作是连通的节流管道，用流体力学原理进行分析，得到系统状态方程总结如下[1]。

（1）

公式（1）的集气管压力系统是一个两输入两输出的非线性系统，输入控制量为1#，2#焦炉集气管阀门开度决定的阻力系数R1，R2;输出被控量为1#，2#焦炉集气管的煤气压力P1，P2。通过分析发现，1#，2#焦炉集气管后煤气压力P1'，P2'两个内部状态量在方程式（1）中担任着重要的角色，反映了系统内部变化的特性，鉴于此，将其作为系统内部的状态变量。经整理得到如下状态模型：

（2）

根据基于状态方程的多变量系统可逆性判别方法[3]，可以求出集气管压力逆系统表达式，具体如下：

（3）

模糊神经网络逆系统解耦控制思想为：采用动态模糊神经网络来构造的逆系统，对被控多输入多输出非线性系统进行线性化并解耦。

在集气管压力系统逆系统解耦的基础上，设计基于单个神经元的单集气管压力比例积分微分（Proportional-Integral-Derivative，PID）控制器，对解耦后的单集气管压力进行控制。采用有监督的Hebb学习规则，在神经元PID控制器中，其具体算法实现可表示为：

（4）

其中，ηP，ηI，ηD分别为比例、积分、微分的学习速率。

2    算法验证

选取随机数作为集气管压力模型激励信号，获得1 200组六入两出标准数据样本，将前900组数据作为网络的训练数据，后300组作为测试数据。

经过多次仿真比较，得出模糊神经网络训练模型参数为：

emax=0.7，emin=0.1，kdmax=sqrt（log（1/0.5）），

kdmin=sqrt（log（1/0.8）），ks=0.8，km=0.6，k=12，kerr=0.001，

焦炉集气管压力系统模糊神经网络建立后，构造逆系统，并在在实现解耦的情况下，采用单神经元PID控制器进行独立控制。

根据集气管压力控制系统现场要求，设定零1#集气管压力系统单神经元PID控制器参数：K=0.12，w1=0.4，w2=0.2，w3=0.4，ηi=0.4，ηp=0.8，ηd=0.08;2#集气管压力系统单神经元PID控制器参数：K=0.08，w1=0.3，w2=0.4，w3=0.3，ηi=0.05，ηp=0.8，ηd=0.001。设定P1=110，P2=90，当系统达到稳定时，在100 s时刻，给系统干扰项Ps1加入50 Pa阶跃，其控制曲线如图2所示。在100 s时刻，给系统干扰项Ps2加入100 Pa阶跃，其控制曲线如图3所示。通过仿真可以看出，系统耦合得到抑制，系统抗干扰能力得到增强，达到了本次研究的目的。

3    结语

本文提出了一种基于动态模糊神经网络逆系统的焦炉集气管压力控制策略，采用动态模糊神经网络来逼近集气管压力逆系统的表达式，增强了其对原系统变化的适应能力与抗干扰能力。仿真结果表明，该策略辨识精度高，能够实现集气管压力的解耦控制。

[参考文献]

[1]LIU X M.The modeling and verification of the collector pressure system of coke oven[C].Wuhan：Chinese Control Conference International，2018.

[2]刘昕明，高宪文.数据驱动闭环子空间预测控制方法研究与应用[J].控制与决策，2014（5）：913-918.

[3]朱熀秋，杜伟.基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制[J].中国电机工程学报，2019（4）：11-13.

Decoupling control of coke oven gas collector pressure based on

inverse system using the dynamic neural-fuzzy network

Liu Xinming1， Lyu Liang1， Luo Wei2

（College of Electrical and Control Engineering， Liaoning Technical University， Huludao 125105， China;

2.Nanchang Urban Planning and Design Research Institute， Nanchang 330000， China）

Abstract：The coke oven gas collector pressure system has the characteristics of multi-variable， strong coupling， nonlinearity and pure hysteresis. The inverse system method based on fuzzy neural network is used to decouple the pressure system of gas collector， an inverse system decouple is established， and a single neuron PID controller is designed in this paper. This method effectively realizes the decoupling control of coke oven gas collector pressure， and can better meet the technical requirements of multi coke oven gas collector pressure control.

Key words：coke oven gas collector pressure; dynamic fuzzy neural network; decoupling control