神经网络PID在梗丝分离系统中的应用

王光举江义渊彭忠勇袁国安张振峰

（1.贵州中烟工业有限责任公司贵阳卷烟厂，贵州 贵阳550000；2.湖南核三力工程技术有限公司，湖南 衡阳 421001）

神经网络PID在梗丝分离系统中的应用

王光举1江义渊1彭忠勇2袁国安2张振峰2

（1.贵州中烟工业有限责任公司贵阳卷烟厂，贵州 贵阳550000；2.湖南核三力工程技术有限公司，湖南 衡阳 421001）

针对采用常规PID控制方案来减少或消除被控量的偏差，在梗丝分离系统中的效果不是很理想，很难满足工艺提出的要求。从而提出了基于神经网络PID的控制方案应用于梗丝分离系统，实际应用显示，梗丝分离效果良好，分离成功率达到80% 以上。

神经网络；PID；梗丝分离

目前，采用常规的PID控制方式，其调节参数通过现场摸索确定一组固定的数值，去适应各种工况下的运行状态，这种方式对于各种工况下要达到好的控制效果并不容易。针对常规PID的不足，利用神经网络的并行处理、自学习、逼近任意非线性函数的特性，可以在线实时调整参数，从而找到PID控制下最优的调节参数。基于该思路，设计了一套新的梗丝在线分离回收控制系统，在实际应用中取得了良好的效果。

1　梗丝在线分离回收系统

梗丝在线分离回收系统，主要由五个部分组成：风机、除尘器、分离装置、风速调控装置和管网。

风机电动机采用变频器来驱动，系统主管上安装压力传感器，采用PI闭环恒压控制技术，控制变频器的输出频率来实现控制系统的主管压力稳定。

控制器采用西门子S7-414型PLC，风速调控装置包含风速测量装置，风速调节阀。采用神经网络PID控制技术，控制风速调节阀的开度来实现分离装置的风速稳定。

2　神经网络PID控制

神经网络应用于控制系统设计的主要原因是针对系统的非线性、不确定性和复杂性。出于神经网络的适应能力，并行处理能力和鲁棒性可以在一定程度上解决传统PID控制器不易进行在线实时参数整定等方面的缺陷，充分发挥PID控制的优点，使得采用神经网络的控制系统具有更强的适应性和鲁棒性。基于神经网络的PID控制器系统结构如图1所示：

图1. 基于神经网络的PID控制器系统结构

2.1控制算法

分时间常数；为微分时间常数。

相应的离散算式如下：

式（2）中，e(k)为第k次采样的输入偏差值，u(k)为第k次采样时刻的输出值。

图2. 神经网络PID控制器

其网络的输入为：

2.2程序控制流程

在本系统中，把系统的各种功能分成若干部分，对每一部分控制功能编制相对独立的程序块，运用神经网络PID算法，根据反馈风速，调整风速调节阀开度，控制分离装置回尘支管风速稳定在工艺要求的风速范围内。

3　实验情况

本控制系统在实验室从适应能力和稳定性两个方面进行了实验和测试。

3.1系统适应能力测试

连续的改变风速的给定值，测试控制系统的适应能力。响应效果图如图3所示：

图3. 神经网络PID控制响应速度效果图

由图3可以看出，响应值的斜率变化与目标值的斜率变化一致，响应值与目标值的最大误差为：1.4m/s，最小误差为：0.3m/s。系统的适应效果较好。

3.2系统稳定性测试

图4.风速稳定性效果图

4　结 论

结果表明，基于神经网络PID控制的梗丝分离系统具有良好的控制性能，从而保证了梗丝分离的效果。另外，通过此次应用，避免了普通PID控制方法完全依赖人工经验的局限性，提升了控制系统的控制效果，此方法值得推广。

[1]边春元,任双艳,满永奎.S7-300/400实用开发指南[M].北京:机械工业出版社,2007.

[2]陶永华,尹怡欣,葛芦生.新型PID控制及其应用[M].北京:机械工业出版社,1998.

[3]叶世伟,史忠值.神经网络原理[M].北京:机械工业出版社,2004.

[4]舒怀林.PID神经元网络及其控制系统[M].北京:国防工业出版社,2006.

[5]王怀杰,张振峰,李国荣,等.卷接设备集中工艺风力与除尘自动监控系统的设计[J].烟草科技,2006,(5):11-12.

[6]陈在平,赵相宾.可编程控制器技术与应用系统设计[M].北京:机械工业出版社,2003.

[7]徐宝东.化工管路设计手册[M].北京:化学工业出版社,2011.

[8]国家烟草专卖局.卷烟工艺测试与分析大纲[M].成都:四川大学出版社,2004.

（责任编校：何俊华）

TH12

A

1673-2219（2015）05-0128-02

2014－12－05

王光举（1963－），工程师，主要从事卷烟生产企业管理和工艺设备的电气类重大技术改造工作。