基于遺傳模糊PID的石灰窯溫度控制及優(yōu)化研究(共12頁)

1、基于(jy)遺傳(ychun)模糊(m hu)PID的石灰窯溫度控制及優(yōu)化研究李紹銘，楊鵬，楊帆(安徽工業(yè)大學電氣信息學院，安徽 馬鞍山 243000)摘 要：針對套筒窯燃燒控制系統(tǒng)中存在的燃燒效率不高，生產的石灰活性低的問題，設計了一種石灰窯燃燒室溫度智能控制的方案。首先，該方案以燃燒室溫度為控制目標，以煤氣流量為調節(jié)對象，采用模糊PID智能控制燃燒室的溫度的控制策略，針對模糊控制存在人為確定隸屬度且不能動態(tài)調整參數的弊端，提出了用改進的遺傳算法進行參數尋優(yōu)的辦法，通過仿真研究表明基于改進遺傳算法的模糊PID控制器性能更優(yōu)。其次，石灰石煅燒過程中工藝條件的優(yōu)化也至關重要，通過模糊控制空燃比來

2、控制煙氣氧含量，極大地提高了燃燒效率。關鍵詞：石灰窯,模糊控制,PID,遺傳算法Research On Lime Kiln Temperature System Based On GA Fuzzy PID Algorithm And Optimal ControlLI Shaoming,YANG Peng,YANG FanAnhui University Of Technology, Maanshan, Anhui, China e-mail: HYPERLINK mailto: Abstract: Sleeve kiln combustion control system for the p

3、resence of combustion efficiency is not high, low activity of lime production problems, the design of the program a lime kiln combustion chamber temperature intelligent control. First, the system temperature is controlled to the target chamber to adjust the gas flow to the object, using fuzzy PID in

4、telligent control of the combustion chamber temperature control strategies, determine the membership and can not be artificially dynamically adjust the parameters of the drawbacks of the existence of the fuzzy control proposed parameter optimization approach with improved genetic algorithms, simulat

5、ion results show that the performance of fuzzy PID controller based on improved genetic algorithm better. Secondly, optimizing process conditions limestone calcination process is also crucial, fuzzy control air-fuel ratio is controlled by the oxygen content in the flue gas to maximize combustion eff

6、iciency.Keywords: lime; fuzzy control; PID; genetic algorithms1、緒論隨著對噸鋼能耗的進一步降低挖潛，對石灰生產過程的質量控制、節(jié)能優(yōu)化控制已經十分迫切。由于石灰窯是一個典型的大滯后、大慣性、存在強耦合的非線性被控對象1，因此，傳統(tǒng)的常規(guī)PID等控制方法在石灰窯溫度只能控制中很難達到理想的控制效果。在活性石灰焙燒的過程中，首先，在工藝方面，煅燒時間、溫度、石灰石塊度、生產進程等與活性石灰的質量、能源利用效率等關系密切；其次，燃料煤氣尤其是混合煤氣的熱值、壓力、助燃空氣溫度、燃料配比等，與燃燒室溫度之間也存在極為密切的關系。就目前的控

7、制水平和控制技術來看，實現某個物理量的精確控制已經不是問題，但根據產品的質量要求，實現各個變量之間的參數優(yōu)化智能控制，以達到最佳質量和低能耗運行，確是值得研究的重大課題。本課題結合(jih)當今的最新控制技術和計算機信息處理技術，結合活性灰生產控制的工藝，開展對石灰窯焙燒過程的控制參數優(yōu)化和生產過程的智能控制進行研究，優(yōu)化生產過程工藝參數，以期達到控制工藝的最優(yōu)化，質量、產能和能耗比最優(yōu)，最大限度的提高生產效率、降低能耗，形成較為成熟的石灰窯焙燒過程的智能優(yōu)化控制技術。因此，本文以燃燒室溫度為控制目標，根據煙氣氧含量采用模糊智能控制空燃比，以煤氣流量為調節(jié)對象，設計(shj)了一種石灰窯溫度智

8、能控制系統(tǒng)。2、套筒窯工藝(gngy)介紹2如圖1所示,套筒窯由窯殼(連同耐火襯)和上、下內筒組成,石灰石分布在窯殼和內筒之間的空間里。石灰窯由料 斗系統(tǒng)自動上料,石灰石經過窯頂的布料器進入窯內煅燒,并有密封系統(tǒng)隔絕外界空氣,保持窯內的負壓狀態(tài)。石灰石經過預熱帶進入煅燒帶。套筒窯有上、下兩層燒嘴。每層燒嘴有六個圓柱形燃燒室。每層燃燒室都固定在窯殼上并對稱分布。兩層燒嘴將石灰窯分成兩個煅燒區(qū),上煅燒帶燃燒氣體與物料運動方向相反(為逆流),在下煅燒帶循環(huán)氣體與物料運動方向相同(為并流)。并流帶下面為冷卻帶,在冷卻帶石灰將自身熱量傳遞給冷卻空氣。石灰冷卻空氣由廢氣風機抽吸上去,而石灰則在冷卻帶的底部

9、通過液壓推桿系統(tǒng)推出到位于套筒窯底部的石灰倉內,再經過振動出料機定時排出。煙氣鼓風機空氣流量Tsp1 +空氣量模糊控制器煙氣含氧量測量變送裝置燃燒室圖1.套筒式石灰窯結構3、石灰窯溫度系統(tǒng)控制策略在石灰窯溫度控制中，利用現代控制理論和反饋線性化方法建立精確的數學模型(如傳遞函數、微分方程和狀態(tài)方程)，再根據數學模型和分析結果設計出合適的控制器。在實際應用中，因為石灰窯燃燒過程的復雜性，其數學模型隨時間和工作環(huán)境的改變而改變，其變化規(guī)律往往事先未知，難以建立起精確的數學模型。常規(guī)(chnggu)PID控制依賴系統(tǒng)(xtng)的精確數學模型可以整定出PID參數(cnsh)，但是一旦模型發(fā)生改變，P

10、ID控制效果就會變差，系統(tǒng)就不能穩(wěn)定工作。模糊控制和PID相結合形成模糊PID控制器已經成為控制領域里比較熱門的研究課題，其能夠彌補單純PID控制器的不足，增強系統(tǒng)的魯棒性及對干擾的抑制能力，使整個系統(tǒng)具有響應快、超調小、穩(wěn)態(tài)性能好等優(yōu)點。在石灰石煅燒過程中，工藝條件的優(yōu)化至關重要，石灰煅燒質量很大程度上取決于石灰窯的熱效率與燃料配比的關系。對此，提出空燃比模糊控制，最大限度的提高燃燒效率，以達到節(jié)能減排的目的。4 空燃比模糊控制器的設計3空燃比是石灰窯燃燒室中空氣量與燃料量的比值，在石灰窯的煙道通常裝有煙氣氧含量在線檢測分析儀，用來檢測煙氣中的氧含量，而煙氣氧含量多少也直接反映了空氣與燃料燃

11、燒的充分程度，燃燒越充分則煙氣中的氧含量就越低。煙氣氧含量與空燃比有直接的量化關系，可以通過煙氣含氧量來動態(tài)設定空燃比，以保證燃燒效率?？杖急瓤刂葡到y(tǒng)框圖如下圖2所示。圖2 . 空燃比控制系統(tǒng)框圖同時，由于石灰窯系統(tǒng)動態(tài)特性和煙氣氧含量的測量分析都有較大的純滯后和時間常數，因此采用模糊控制器來防止大滯后對氧含量調節(jié)器調節(jié)特性的影響。雙輸入單輸出模糊控制器，如圖3所示。模糊化煙氣氧含量在線檢測分析儀A/D模糊控制算法模糊判決D/A燃燒室PVK-SPPV圖3. 空燃比模糊控制圖其中，輸入變量為氧含量偏差和偏差變化率，輸出為空燃比的大小。確定輸入輸出語言變量的論域和語言值。氧含量輸入偏差E 論域為X

12、 = 6，5，4，3，2，1，0，+ 0，+ 1，+ 2，+ 3，+ 4，+ 5，+ 6 ; 語言變量值為 NB，NM，NS，NZ，PZ，PS，PM，PB ，分別表示當前氧含量相對于設定值“極高”， “很高”，“偏高”，“正好”， “正好”， “偏低”， “很低”， “極低”。偏差(pinch)變化EC 論域Y = 6，5，4，3，2，1，0，+ 1，+ 2，+ 3，+ 4，+ 5，+ 6 ; 語言(yyn)變量值: NB，NM，NS，ZE，PS，PM，PB ，分別表示(biosh)氧含量的變化速率急速下降， 快速下降，下降，不變，上升，快速上升，急速上升?？杖急菿 采用增量行輸出，論域Z =

13、 7，6，5，4，3，2，1，0，+ 1，+ 2，+ 3，+ 4，+ 5，+ 6，+ 7 ; 語言變量值: NB，NM，NS，ZE，PS，PM，PB ，對應的表示空燃比“大減”， “中減”，“小減”，“不變”，“小加”，“中加”，“大加”。確定語言值的隸屬度函數根據手動策略，由隸屬函數曲線可以得出各模糊變量在量化論域上的賦值表( 具體隸屬函數需現場調節(jié)) 。建立模糊控制規(guī)則根據專家知識和熟練操作人員經驗積累，選用“IF E AND EC THEN K”的模糊條件語句，描述出空燃比變化和含氧量偏差及其變化的關系，從而歸納出被控制過程的控制規(guī)則，見表2。表1空燃比模糊控制規(guī)則表ecNBNMNSeN

14、ZPZPSPM PBNBNBNBNMNMNMNS* *NMNBNBNMNMNMNS* *NSNBNBNMNSNSZEPM PMZENBNBNMZEZEPMPB PBPSNMNMZEPSPSPMPB PBPM*PSPMPMPMPB PBPB*PSPMPMPMPB PB表中，“* ”項表示控制過程中不可能出現的情況，稱為“死區(qū)”。 計算模糊關系矩陣R 及控制表已經選用“IF E AND EC THEN K”的模糊條件語句，它對應的模糊關系為R = E* EC* K，從表中可以得出182 條控制語句，對每條控制語句都可以得到一個模糊關系，那么，由182 條語句可得到182 個模糊關系，從而總的模糊關

15、系為對于給定的輸入E 和輸入變化率EC，把它們模糊化后由模糊推理合成規(guī)則求出推理結果K。用最大隸屬度法進行(jnxng)決策( 去模糊化) ，可得到(d do)論域上的控制量。對于所有(suyu)可能的輸入，都進行類似的離線計算，便可得到一張輸入輸出的對照表。將表中的數據存放到過程控制計算機的內存，實際控制時，只要直接查這張控制表即可，在線的運算量是很少的。這種離線計算，在線查表的模糊控制方法比較容易滿足實時控制的要求4。5 燃燒室溫度模糊控制5石灰窯燃燒室溫度智能控制系統(tǒng)結構如圖4所示，利用模糊PID控制器控制燃料閥，進而控制燃料的流量。T燃料流量模糊PID溫度控制器燃料調節(jié)閥溫度測量變送裝

16、置Tsp2+燃燒室圖4 燃燒室溫度智能控制系統(tǒng)結構石灰窯溫度控制系統(tǒng)模糊PID控制器結構如圖5所示，該控制器是用模糊推理算法來實現對PID三個參數的整定功能。圖5.模糊PID控制器結構圖5.1 模糊控制規(guī)則的確定由人工控制經驗可知，當燃燒室溫度與設定值的偏差較大時，主要任務是調整燃料流量，減小偏差；當燃燒室內的溫度偏差較小時，控制的主要目標是預防超調量的產生，提高系統(tǒng)的穩(wěn)定性。被控量E和EC越小，系統(tǒng)的不確定量就越小，控制精度就越高。由此可總結出模糊控制規(guī)則：表2 的模糊控制規(guī)則NBNMNSZOPSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZO

17、NSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB表3 的模糊控制規(guī)則NBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNMNSNSZOPSPSZONMNMNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOPSPSPMPBPBPBZOZOPSPMPMPBPB表4 的模糊控制規(guī)則NBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZO

18、ZOZOZOZOPMPBPSPSPSPSPSPBPBPBPMPMPMPSPSPB5.2隸屬(lsh)度函數的確定隸屬度函數(hnsh)的選擇合適程度直接影響系統(tǒng)控制性能，遺憾的是，目前還沒有成熟的方法來指導(zhdo)怎樣確定隸屬度函數。三角形隸屬度函數是目前工程上使用比較多的隸屬度函數，本控制器將采用此隸屬度函數，偏差如圖6所示，偏差變化率EC的隸屬度函數與圖6類似。 圖6.偏差E隸屬度函數5.3 遺傳算法分析及其改進65.3.1 遺傳算法簡介遺傳算法是一種概率尋優(yōu)算法，其依據生物遺傳進化和優(yōu)勝劣汰的原理，是以個體適應度為基礎，對個體進行選擇、交叉、變異，搜索參數最優(yōu)解的智能算法。遺傳算法可

19、以用于對系統(tǒng)的一個或多個參數進行智能優(yōu)化，優(yōu)化控制器的控制效果?；镜倪z傳算法包含初始化、適應度計算、選擇、交叉、變異、終止判斷等操作 。5.3.2 遺傳算法的數學分析由遺傳算法的模式定理可知，若低階、高適應度的某種模式中包含了最優(yōu)解，則遺傳算法就可能把它找出來，但是若低階、高適應度的所有模式中均沒有包含最優(yōu)串的值，則遺傳算法就不能找到最優(yōu)解，通常只能給出次優(yōu)解。若在模式和中，不確定位基因的具體位置是一致的，但在任一確定位上的基因編碼均完全不同，就稱和互為競爭模式。例如，10*與01*屬于競爭模式；10*與11*則不屬于競爭模式。假定的最大值對應的未知量的集合為，為包含的階模式， 的競爭模式為

20、，若,則為階欺騙。例如，對于一個三位二進制編碼的模式，若為最大值，則下列任意一個不等式的成立都將說明其中存在欺騙性。 當模式階數為1時：, 當模式階數為2時：,.種群個體的編碼位數越多，模式階越高，計算復雜性越高，遺傳算法產生欺騙性問題的可能性就越大，找到全局最優(yōu)解的難度也就越大。造成上述欺騙問題的主要原因主要有兩個：編碼不當(b dn)或適應度函數選擇不當。若它們均為單調關系，就不會存在欺騙性問題，但對于非線性問題，難以實現其單調性。5.3.3 遺傳算法的改進(gijn)本文對算法進行了改進，在尋優(yōu)過程中插入種群精簡算法，將種群中相同或者(huzh)相似度很高的部分個體予以精簡，種群空位以新

21、個體補足，可以有效地保持種群多樣性，同時采用二進制編碼方法，可有效避免算法欺騙性問題的產生，使得算法更有可能找到全局最優(yōu)解。由積木塊假設可知，遺傳算法能夠最終找到最優(yōu)解的條件為：表現型相近的個體基因型類似且遺傳因子間相關性較低。若種群中個體的相關性較高，則不符合此條件，即算法很難找到最優(yōu)解，因此必須對種群進行精簡，降低個體間的相關性。此處以種群個體間的相似度來表征其相關性。首先，若種群為非初代種群，則對其個體按適應度由高到低的原則排序，之后比較個體之間的相似度。相似度的計算方法為：將染色體解碼后的c個參數作為某高維空間中某些點的向量坐標，每個染色體個體都與空間中的一點對應，用兩點間距的倒數表征

22、j、k兩染色體的相似度，相似度計算如式（1）所示： （1）其中Djc和Dkc分別代表染色體j、k的第c個參數值。設排序后的種群染色體分別為A1、A2、AN，N為種群個體數。具體相似度比較方法為：首先以A1作為基準，從A2開始逐個比較其與A1的相似度，直至某個體Am與A1的相似度小于設定的閥值l，精簡過程為：若m-1大于L=xT2/3，則保留A1AL的個體，將AL+1 Am-1個體淘汰，并以新的隨機格雷碼將種群空位補足，否則不作改動。其中T為代數，x為預設值；之后以Am為基準，從Am+1開始逐個檢測其與Am的相似度，比較和精簡方法同前；通過從前到后的比較和精簡，直至遍歷整個種群，圖7為遺傳算法的

23、工作原理流程圖。圖7. 遺傳算法工作(gngzu)流程圖6 模糊PID參數(cnsh)優(yōu)化設計前面(qin mian)針對石灰窯溫度控制系統(tǒng)設計了模糊PID控制器，但是在設計的過程中控制器的量化因子和比例因子、控制規(guī)則和隸屬度函數的確定都是憑借經驗設計的，而這三方面的因素對控制器的性能有很大的影響，這也是目前模糊控制器設計的瓶頸問題，因此針對此類問題的模糊PID參數優(yōu)化策略的研究就顯得很有意義。隸屬度函數和比例因子和量化因子有較大關聯，如果隸屬度函數能動態(tài)更改橫坐標的值，那么實際上就不需要再對比例因子和量化因子進行優(yōu)化，因此可以說是隸屬度函數的優(yōu)化一舉兩得。本文提出了一種基于遺傳算法優(yōu)化模糊控

24、制器隸屬度函數的石灰窯溫度模糊PID控制系統(tǒng)，框圖如圖8所示。圖8. 基于遺傳模糊的PID石灰窯溫度系統(tǒng)控制框圖6.1 隸屬度函數選擇在NB（誤差為負大）處選Z形的隸屬度函數，在PB（誤差為正大）處選S形的隸屬度函數，其它模糊子集均采用三角形隸屬度函數。6.2 優(yōu)化參數個數確定模糊PID有5個參數的隸屬度函數需要優(yōu)化：e、ec、，每一個參數都被劃分為7分模糊子集，每個三角形形狀需要3個參數才能表示，S形和Z形函數形狀需要2個參數才能確定，那么一共需要優(yōu)化的參數有95個。這是一個多參數優(yōu)化問題，遺傳算法需要搜索的空間龐大，會極大地影響優(yōu)化速度，必須進行分析簡化。一般隸屬度函數的選取都是關于x=0

25、對稱，那么只相差一個符號的參數可以用程序實現，可以減少一半的參數數量。如圖6所示，一般隸屬度函數在x軸上可以選取為有共同交點的布局，所以最少需要7個參數就可以表示出一個參數的隸屬度函數，而x=0為已知，對稱的部分可以在程序里加負號來實現，因此，遺傳算法需要優(yōu)化的參數個數為15(3*5)個。6.3編碼算法格雷碼能夠有效提高遺傳算法的局部尋優(yōu)能力，因此這里采用(ciyng)格雷碼編碼方式，每個參數采用十位格雷碼表示，將15個編碼后的參數從左到右連接成150位的格雷碼染色體。6.4解碼(jim)算法將位串個體從位串空間轉化成問題參數(cnsh)空間的解碼函數，得到的15個十進制的實數。具體的解碼算法

26、為： （1）其中，c為轉化為十進制的待尋優(yōu)的參數個數，此處c=10；j為種群的染色體個數，即j=Size；i為染色體的序位。解碼后的位串包含的c個數即為待尋優(yōu)參數的十進制表示形式，為后續(xù)的種群精簡及控制效果評價過程做準備。6.5適應度函數的確定這里選用ITAE最佳性能指標為遺傳算法優(yōu)化石灰窯燃燒室溫度模糊PID控制的適應度函數，因為遺傳算法是求最大值問題，所以這里的適應度函數fitness作如下變換：，ITAE性能指標 （2） ，目標函數 （3） 6.6控制參數的選擇遺傳算法的控制參數主要是指種群的規(guī)模，算法終止的最大計算代數、交叉概率、變異概率等。這里選擇：種群大小Size=50，最大終止代

27、數G=100,交叉概率Pc=0.9，變異概率Pm=0.1。在遺傳算法解碼后，利用種群精簡算法對種群進行精簡，降低個體間的相關性；在選擇操作時，應采用與高斯函數相結合的改進選擇算法，以避免遺傳算法過早收斂。7 仿真研究 石灰窯溫度控制系統(tǒng)的數學模型的建立由于篇幅所限不在這里介紹，將燃燒室被控對象近似為一階大慣性之后環(huán)節(jié)： （4） 根據第6節(jié)的設定的參數，以石灰窯溫度控制系統(tǒng)系統(tǒng)為被控對象，采用改進的遺傳模糊PID控制策略進行MATLAB仿真。圖9是遺傳算法優(yōu)化后的隸屬度函數，由圖可看出，優(yōu)化后的三角函數、Z函數和S函數的分布變化很大，總體呈現誤差較小的地方隸屬度函數密集（分辨率高），誤差較大的地

28、方隸屬度函數分散（平緩性好），跟前面分析的一致。圖9. 隸屬(lsh)度函數優(yōu)化結果由橫坐標的取值可以看出每一個物理量的論域劃分不再是人為劃分，這里都是由遺傳算法計算所得，顯得更加合理(hl)準確。圖10. 單位(dnwi)階躍響應對比曲線圖10是石灰窯溫度控制系統(tǒng)在不同控制器的作用下的階躍信號的響應曲線。圖中傳統(tǒng)PID三參數是通過Z-N參數整定后得到：Kp=21.3，Ki=0.05，Kd=0.3。為了便于比較三控制器的性能，將模糊PID和遺傳模糊PID初始參數取值為：Kp=20.0，Ki=0.01，Kd=1.0，模糊PID的模糊算法參數設置同第6節(jié)。由圖可知，模糊PID控制(kngzh)效果

29、優(yōu)于傳統(tǒng)PID控制，傳統(tǒng)PID控制存在一定的超調量，調節(jié)速度也較模糊PID時間長；遺傳算法優(yōu)化的模糊PID控制性能優(yōu)于模糊PID控制，響應速度極快，150s就能達到設定值，而且沒有超調量，同時(tngsh)也具備模糊PID的抗干擾能力。圖11. 目標函數J優(yōu)化過程比較(bjio)曲線針對遺傳算法存在的問題提出了改進，為了驗證其有效性，我們將兩種算法分別運行了5次如圖11所示，其中虛線表示傳統(tǒng)遺傳算法，實線表示改進后的遺傳算法。由曲線可知，傳統(tǒng)遺傳算法優(yōu)化到20代左右便過早地收斂，改進后的遺傳算法則避免了這一問題，且最終收斂尋得的目標函數的值更優(yōu)，證明了改進遺傳算法的有效性和優(yōu)越性。7 總結本文以石灰窯為研究對象，針對石灰窯溫度控制系統(tǒng)設計了模糊PID控制器，通過分析得知模糊PID在設計過程中存在憑借經驗設定參數的環(huán)節(jié)，而且這