基于模糊神经元PID解耦的精馏塔温度控制

第 37 卷 第 3 期

金 属 材 料 与 冶 金 工 程

2009 年 6 月

METAL MATERIALS AND METALLURGY ENGINEERING

Vol.37 No.3 Jun 2009

基于模糊神经元 PID 解耦的精馏塔温度控制
潘 登
岳阳 (中石化巴陵分公司, 湖南 摘

414003)

要: 针 对 精 馏 塔 温 度 控 制 这 个 非 线 性 耦 合 对 象 , 提 出 了 一 种 模 糊 神 经 元 解 耦 智 能 控 制 器 。 该 控 制 器

避免了精馏塔精确数学模型的推导和严格计算解耦算式的麻烦, 是模糊逻 辑控制与神经元 PID 控制器的结 合。 同时, 分析了控制器的结构及其学习算法。 通过仿真试验, 得到了较为理想的控制效果。

关键词: 精馏塔; 温度控制; 神经元; 解耦控制 中图分类号: TQ053.5 文献标识码: A 文章编号: 1005 - 6084 (2009) 03 - 0062 - 03

Design of Fuzzy - neuron PID Decoupling Controller for Distillation Column Temperature
PAN Deng
(Department of Fertilizer , Sinopec Baling Company , Yueyang

414003, China)

ABSTRACT : This paper presented a fuzzy neural networks based intelligent controller for the temperature of distillation column. The proposed intelligent controller is the combination of fuzzy logic control and neural - PID control , and it can realize the decoupling control for VSC - HVDC. The structure and the learning algorithms of the controller is presented in detail. The new intelligent controller is tested by simulation , which shows that this controller can restore the system , when subject to a disturbance or fault , to normal state faster and better. It has effectively improved the dynamic performance of distillation column. KEY WORDS : distillation column ; temperature control ; neural networks ; decoupling control
精馏塔是石化工业中一种常见的分离设备, 精馏就是将一定质量分数的溶液进入精馏装置, 使它反复地进行汽化和部分冷凝, 从而得到预 期的塔顶和塔底产品的操作
[1,2]

的产品是一种浪费, 因为它的售价不会更高, 只能增加能耗。 因此提高产品质量, 控制产品 质量尤为重要, 而精馏塔常见的温度控制系统 就是一个多变量系统。 考虑到精馏塔的数学模 型难以准确得到, 本文提出了一种基于模糊神 经元 PID 解 耦 的 精 馏 塔 温 度 控 制 方 法 , 文 章 介 绍了该控制器的结构和实现方法, 并以仿真实 验验证了其优良的性能。

。 精馏塔的控制

目标是塔顶、 塔底产品之一应该达到规定的质 量分数, 而另一产品的参数也应保证在规定的 范围内。 在精馏操作中, 产品质量应该控制到 刚 好 满 足 要 求 , 处 于 “卡 边 ” 生 产 , 超 过 规 格
收稿日期: 2009 - 04 - 10 作者简介: 潘

登 (1972 - ), 男, 工程师, 主要从事技术主管工作。

2009 年第 3 期



登: 基于模糊神经元 PID 解耦的精馏塔温度控制

63

1

精馏塔温度控制模型
当生产要求只有塔顶、 塔底两种产品, 而

没有侧线产品时, 常用的精馏塔温度控制方案 如图 1 所示 [1]。 利用回流量来控制顶部塔板的温 度, 改变通往再沸器的加热蒸汽量来控制底部 塔板的温度, 这两个控制是互相干扰的。 当改 变蒸汽量时, 不但会影响塔底的温度, 也会影 响塔顶的温度, 从而引起塔顶温度控制器动作, 以改变回流量, 而它又会影响塔底的温度, 如 此反复, 使系统不易稳定, 调节频繁, 产品质 量不高。 采用常规解耦控制方法要求首先建立 系统的较精确的数学模型, 然而, 这对于一些 系统或过程, 建立精确的数学模型决非是一件 容易实现的事。 本文中的模糊神经元解耦控制 摆脱了数学模型的束缚, 开辟了解耦控制的一 条新的途径。 借助于操作工的经验及简单的参 数测试, 构成系统所需的信息, 通过计算机仿 真, 得到了系统较好的动态品质。 图1 精馏塔温度控制示意

2 精馏塔温度的模糊神经元解耦控制
2.1
控制器的结构 将神经网络与模糊控制结合起来设计智能 控制器, 既可以使模糊控制具有自学习的能力, 又可以赋予神经网络推理归纳的能力, 同时还 能够使网络的结构、 权值具有明确的物理意义, 使得网络的设计和初始化都十分容易 [8]。 本文中 将模 糊 控 制 与 神 经 元 PID 控 制 相 结 合 , 设 计 一 种用于精馏塔温度控制的解耦控制器, 控制器 的结构如图 2 所示。

图2

精馏塔温度控制的模糊神经元解耦控制系统结构 缺陷。 针对耦合情况比较严重的精馏塔温度系 统, 为 改 善 解 耦 效 果 , 在 神 经 元 PID 控 制 器 与 精馏塔温度系统之间串入了一个解耦补偿器。 在图 2 中, t*1, t*2 为精馏塔顶部塔板温度和 底部塔板温度的设定值, t1, t2 为精馏塔顶部塔 板温度和底部塔板温度的测量值, e1, e2 为输出 偏差, ec1, ec2 为输出偏差变化, f1, f2 为模糊控 制 器 输 出 值 , v1, v2 为 神 经 元 PID 控 制 器 输 出 值, U1 和 U2 为直接作用到精馏塔系统的控制量。

图 2 所示的模糊神经元解耦控制系统由 2 个模糊控制器、 2 个神经元 PID 控制器和解耦补 偿器构成。 模糊控制中知识的抽取和表达比较 方便, 它能将操作者或专家的控制经验和知识 表示成语言变量描述的控制规则, 然后用这些 控制规则去控制系统。 因此, 模糊控制
[3]

特别适

用于数学模型不精确, 复杂的非线性、 时变对 象的控制。 神经元 PID 控制可以通过在线学习, 根据对象参数发生变化时对系统输出性能的影 响来调整连接权值, 改变网络中比例、 积分、 微分作用的强弱, 使系统具有较好的动态和静 态特性, 也可以克服模糊控制器规则不精确的

2.2

控制器的设计与实现 图 2 中 FLC1 和 FLC2 模糊控制器均采用普

通的双输入单输出控制器结构。 模糊控制器设

64

金 属 材 料 与 冶 金 工 程

Vol.37

No.3

计时只考虑单变量, 不考虑其他变量之间的影响。 模 糊 控 制 规 则 如 附 表 所 示 。 附 表 中 PB 、 PM 、

U b = 2 22 U b
1 2

11 12

b21 b22

v 22 2 v
1 2

(6 )

PS、 Z、 NS、 NM、 NB 代 表 7 个 语 言 变 量 值 :
正大、 正中、 正小、 零、 负小、 负中、 负大。 隶 属函数采用三角形函数, 模糊推理采用 Madami 规则, 去模糊化采用加权平均法, 其具体描述 可以参考普通的双输入单输出模糊控制器。 附表
控制 U

式中 bij 为解耦权系数。 为了求得解耦权系数矩阵各系数的自学习 算法, 以实现解耦补偿, 建立各个系统输出的 局部优化目标函数:

模糊控制规则
误差 E

1 [ri(k) - yi(k)]2, i = 1 , 2 (7 ) 2 式 中 ri (k)表 示 期 望 值 , yi (k)为 系 统 的 实 际 值 。 Ji =
而 这 个 目 标 函 数 为 解 耦 权 系 数 矩 阵 bij 的 函 数 。
PB NS NS NM NM NB NB NB

NB
误差变 NB 化率 EC

NM PB PM PM PS PS Z NS

NS

Z

PS PS Z Z NS NS

PM Z NS NS NM NM NB

通过 bij 的自学习、 调整, 可使目标函数 Ji 达到 最小, 获得最佳的解耦控制效果。 根据梯度下 降优化方法即可得 bij 的学习调整公式:

PB PB PB PM PS PS Z

PM PM PS PS PS Z Z PS PS Z NS

NM NS Z PS PM PB

bij(k + 1 ) = bij(k) + λij(ri(k) - yi(k))bijvj(k) (8) 式中 λij 为优化步长, kij 为静态增益, kij = dyi / duj。
这 样 , 依 据 模 糊 控 制 器 、 神 经 元 PID 控 制 器和解耦补偿器的相互补充就可以实现精馏塔 温度系统的智能解耦控制。

NS NM NM

NS NM NM

神 经 元 PID 控 制 器 可 以 克 服 表 1 所 示 的 模 糊控 制 规 则 不 精 确 的 缺 陷 , 神 经 元 PID 控 制 器 是通过对加权系数的调整来实现自适应功能, 权 系 数 的 调 整 是 按 有 监 督 的 Hebb 学 习 规 则 实 现, 输出偏差信号作为教师信号。 以 第 一 个 神 经 元 PID 控 制 器 为 例 , 控 制 算 法及学习算法为:
3

3

仿真实验
为了验证本文所提出的基于模糊神经元解

耦控制的精馏塔温度控制的有效性能, 这里进 行计算机仿真研究, 对精馏塔的塔顶和塔底温 度进行控制。 指定塔顶温度设定值为 75 ℃ 并变 化 为 66 ℃ ; 塔 底 温 度 设 定 值 为 82 ℃ 并 变 化 为

v1(k) = v1(k - 1) + k1Σwi′(k)xi(k)
i=1 3

(1 ) (2 ) (3 )

67 ℃ , 仿真结果如图 3 所示 , 图 3 说 明 了 常 规

wi′(k) = wi(k) / Σwi′(k)
i=1

w1(k) = w1(k) + ηPe1(k)v1(k)x1(k)

(4 ) w2(k) = w2(k) + ηIe2(k)v2(k)x2(k) (5 ) w3(k) = w3(k) + ηDe3(k)v3(k)x3(k) 式中 x1(k) = f1(k), x2(k) = f1(k) - f1(k - 1 ), x3(k) = f1(k) - 2f1(k - 1 ) + f1(k - 2 ), ηP, ηI, ηD 分别为 比 例 、 积 分 、 微 分 的 学 习 速 率 , k1 为 神 经 元 的 比例系数, k1 > 0。 对比例、 积分、 微分分别采 用了不同的 ηP, ηI, ηD, 以便对不同的权系数分 别进行调整。 考虑到精馏塔温度控制系统是一个耦合的 非线 性 关 系 , 这 里 在 神 经 元 PID 输 出 之 后 增 加 了一个解耦补偿器, 其原理是通过对不同神经 元 PID 的加权来衡量相互间的耦合关联作用。 即: 图3 精馏塔温度控制曲线
a - 塔顶; b - 塔底

(下转第 67 页)

2009 年第 3 期

谢琼泽等: 选矿厂自动化系统的故障诊断系统

67

不断 校 正 PID 调 节 器 参 数 , 直 到 被 控 过 程 的 响 应曲线的特征参数满足用户期望的要求。

常, 如执行机构出现故障时, 给出相应的报警 并提出建议。 ( 6) 自 动 生 成 故 障 信 息 报 表 , 统 计 仪 表 故 障率与正常运转率等。 经过长时间的实验, 本系统运行稳定, 能 及时诊断选矿自动控制系统的传感器、 执行器 故障, 给出相应的报警和应采取的措施建议; 能实时监测自动调节系统调节品质, 诊断控制 系统是否处于最优整定状态, 并给出建议措施; 能对控制系统进行闭环辨识。

2

实现功能
在完成故障诊断装置的程序编制、 静态调

试和现场调试后, 该故障诊断系统已用于丹东 东方测控技术有限公司开发的选矿自动化系统 的故障诊断。 故障诊断系统实现的功能如下: ( 1) 在 线 监 测 自 动 调 节 系 统 调 节 品 质 并 给 出评价, 如衰减率、 过渡过程时间、 超调量、 静态偏差、 动态偏差等指标。 ( 2) 控 制 系 统 闭 环 辨 识 。 在 系 统 不 切 除 自 动的情况下, 根据闭环系统本身的定值扰动与 外界干扰响应, 辨识被控对象的数学模型, 并 进行试验验证。 (3) 诊断控制系统是否处于最优整定状态, 分析其原因, 并给出建议措施。 ( 4) 判 断 控 制 系 统 中 一 些 重 要 信 号 是 否 正 常工作, 给出报警并分离出故障传感器, 提出 建议和应采取的措施。 ( 5) 判 断 控 制 系 统 中 执 行 机 构 是 否 工 作 正

3





故障诊断系统的使用, 提高了选矿自动控制 系统的可靠性, 优化了自动调节系统的调节品 质, 为选矿厂的安全经济运行做出了重要贡献。 参考文献:
[1 ] 左 国 庆 , 明 赐 东 . 自 动 化 仪 表 故 障 处 理 实 例 [M ]. 北京: 化学工业出版社, 2003. [2 ] 乐嘉谦 . 仪表工手册[M ]. 北 京 : 化 学 工 业 出 版 社 ,

1998.

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
(上接第 64 页) 的 PID 控 制 与 本 文 的 模 糊 神 经 元 解 耦 控 制 的 效 果, 结果表明, 本文的方法不仅调节速度快, 而且精度更高。 参考文献:
[1 ] 李 清 , 何 小 阳 , 韩 宇 星 . 基 于 DDE 技 术 的 酒 精

精馏塔模糊控制的研究与仿真[J ]. 自动化技术与应 用, 2008 , 27 (8 ): 33 - 35. [2 ] 孟令雅, 尹瑞竹 . LQR 最优化控制器在精馏塔上的 应用[J]. 山东电力高等专科学校学报, 1999, 2 (1):

4





针对精馏塔温度控制这个非线性耦合对象, 提出了一种模糊神经元解耦智能控制器。 该控 制器避免了精馏塔精确数学模型的推导和严格 计算解耦算式的麻烦, 通过仿真试验, 控制效 果较为理想。

20 - 22.
[3 ] Li - xin Wang. Modeling and Control of Hierarchical

Systems with Fuzzy Systems [J ]. Automatica, 1997, 33 (6 ): 1 041 - 1 053.
[4 ] 王耀南 . 智 能控制系统[M]. 长沙: 湖南大学出版社,

2006.


相关文档

精馏塔的神经元PID解耦控制研究
磁悬浮平台的解耦模糊PID控制
一种基于单神经元的模糊自整定PID控制器
基于解耦及NCD优化的二元精馏塔PID控制
PID神经元网络解耦控制算法
基于单神经元自适应PID的水分定量内模解耦控制
温湿度解耦的模糊PID_自适应Smith控制
PID神经元网络解耦控制算法_多变量系统控制
流化床燃烧系统模糊_神经元PID解耦补偿控制_王万召
单神经元PID多变量解耦控制研究
电脑版