空气重介流化床的神经网络逆在线解耦控制

摘要

空气重介流化床(Air Dense Medium Fluidized Bed,ADMFB)干法选煤技术是将流态化技术应用于选煤的一种高效干法分选技术,相比传统湿法选煤方法有很多优点,为煤炭分选开辟了一条新方法,具有重大的经济价值和广阔的应用前景。空气重介流化床干法选煤的关键在于控制流化床床高和密度,使其稳定在工艺设计的范围内。但是由于流化床干法分选系统中流化床床高和密度之间存在很强的耦合性,传统的控制方法很难达到较好的控制效果。本文基于逆系统的线性化解耦理论和神经网络在非线性系统控制中的优越性,将结合两种方法优势的神经网络逆系统方法应用到空气重介流化床分选系统控制中,并在神经网络离线训练的基础上,提出在线调整权值的策略,以实现流化床床高和密度的在线解耦控制。
　　 本文首先介绍了神经网络逆系统提出的背景和解决问题的优势所在,对神经网络逆系统进行了理论分析,详细介绍了神经网络逆系统的构造方法。然后基于空气重介流化床分选系统的数学模型和系统可逆性理论,证明了被控对象的可逆性。采用由静态神经网络加积分器构造被控对象的逆系统,通过离线训练得到网络初始参数,作为逆控制器与原系统相串联,另外采用相同结构的神经网络,在系统运行过程中在线辨识其逆系统,并将在线辨识得到的参数赋给作为逆控制器的神经网络,动态调整网络参数,以实现系统的在线解耦。将神经网络逆系统与被控对象复合,能将系统解耦成两个独立的伪线性子系统:一阶床高子系统和一阶密度子系统,在此基础上采用成熟可靠的PID控制器作为附加控制器,实现系统的高性能控制。
　　 最后,本文以Matlab软件为平台,对空气重介流化床分选系统的神经网络逆系统复合控制进行了仿真。由仿真曲线可以看出,神经网络逆系统方法实现了流化床床高和密度的高精度解耦控制,且在参数发生变化时,基于在线调整的神经网络逆控制方法比离线训练的神经网络逆控制具有更强的鲁棒性。