基于专家经验的单神经元串级温差控制研究

黄亚南　张爱娟　胡慕伊

(南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037)



基于专家经验的单神经元串级温差控制研究

黄亚南张爱娟胡慕伊*

(南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037)

摘要：针对置换蒸煮锅内存在的温差及温差对象的非线性严重、大时滞、要求控制实时等特点,提出了保证蒸煮锅内温度一致的、基于专家经验的单神经元串级PID自适应控制策略。该控制策略引入专家经验调节单神经元增益K,同时将单神经元PID自学习和自适应的能力与串级优势相结合,可实时快速地进行温差控制。在Simulink中,调用该控制策略的s函数,进行温差对象特性的动态仿真实验,以验证其鲁棒性和模型失配响应。结果表明：该控制策略的鲁棒性与自适应性比常规温差-流量串级PID控制及单神经元PID串级控制更好；THJSK-1平台中的实时控制还表明,该控制策略具有可行性。

关键词：置换蒸煮；专家经验；单神经元串级PID；s函数；THJSK-1平台

在置换蒸煮过程中,易出现蒸煮锅内料片蒸煮不均匀而产生温差的现象,这会导致蒸煮终点时纸浆卡伯值和粗浆得率波动较大,直接影响蒸煮粗浆的品质。减小蒸煮锅内的温差可有效避免料片蒸煮不均匀现象。影响蒸煮锅内温度的因素很多,主要有：蒸煮锅内的压力、料片和药液成分、热交换器出口药液温度、回流至蒸煮锅顶部与底部的药液流量等[1]。通常，通过调节蒸煮锅顶部和底部的药液流量来控制蒸煮锅内的温差[2]。由于温度对象严重滞后和多种扰动因素导致被控对象的非线性特点,采用常规的温差-流量串级 PID控制系统对蒸煮锅节能和纸浆质量的控制不够理想。

本研究设计了一种利用专家经验的单神经元PID自适应控制器(以下简称“E-SNPID控制器”)代替常规的蒸煮锅温差-流量串级控制系统中主控制器的控制策略,即E-SNPID串级控制策略。单神经元PID控制器通过权系数的在线调整可以自学习和自适应,并具有神经网络的非线性逼近特性,但其系统响应速度较慢,这种缺点是由于其增益K不能在线自调整引起的[3- 4]。因此，笔者在单神经元PID控制器的基础上,引入专家控制思想,构成E-SNPID控制器。E-SNPID控制器能够使单神经元的增益K随系统状态进行调节,实现变增益控制,从而提高系统的动态响应速度。仿真结果表明,E-SNPID串级控制策略可有效解决蒸煮锅内温差问题,控制输出基本无超调,系统的动态响应速度快,抗干扰强,模型失配响应好,能够很好地满足系统的动静态性能指标。THJSK-1实验平台上的实时控制也取得了满意的效果,表明E-SNPID串级控制策略具有可行性。

1置换蒸煮工艺流程

为了充分利用废液热量,置换蒸煮系统中增加了便于循环置换的白液槽和黑液槽。通过冷白液、热白液及温热黑液在各蒸煮段的充装与置换来提高蒸煮锅内料片的温度。大量脱木素利用泵将蒸煮锅内药液抽到热交换器中,通过外部强制加热的方式将药液加热到最高蒸煮温度。当蒸煮锅内平均温度超过最高蒸煮温度2℃ 时,停止加热,完成升温过程。药液继续循环进入保温段,当H因子达到设定值时,蒸煮完成。本研究设计的控制系统是对升温和保温过程中的蒸煮锅内温差进行有效控制(见图1中的虚线框),控制点已标出[5]。

图1　置换蒸煮工艺图

2常规的温差-流量串级控制策略

蒸煮锅内温差控制主要是调节蒸煮锅顶部和底部药液流量的过程,改变药液流量会影响蒸煮锅内温度的变化速率,药液流量变化越大,蒸煮锅内温度变化就越大。因此,可以根据蒸煮锅顶部和底部的温度差来调节顶部和底部的药液流量,构成温差-流量串级PID控制。

目前,生产中运用最广泛的是常规温差-流量串级PID控制方案,其控制系统结构图如图2所示。

图2　常规温差-流量串级PID控制系统结构图

图3　E-SNPID串级控制系统结构图

在常规温差-流量串级PID控制系统(以下简称“常规PID串级控制系统”)中,温差控制器PID1为主控制器,流量控制器PID2为副控制器；G1(s)、G2(s)分别为主被控对象(蒸煮锅内温差对象)和副被控对象(药液流量对象)；D1(s)、D2(s)为控制过程中存在的干扰项；r(s)、y(s)分别为控制系统的给定输入和实时输出。

在实际的置换蒸煮过程中,通常使蒸煮锅顶部与底部温差保持在2℃；当主被控对象偏离该设定值时,主控制器进行调节,并将其输出值作为副控制器的设定值,然后副控制器将调节蒸煮锅顶部与底部的药液流量,直到主被控对象满足设定值为止,从而实现蒸煮锅内温差的控制。一般副控制器采用纯比例控制,这样可以加快系统的响应速度,主控制器采用PID控制。但温差对象是大滞后对象,常规PID串级控制系统不能实时控制,而且，影响蒸煮锅内温度的干扰因素很多,当干扰因素D1(s)、D2(s)变化过大时,控制输出将会出现振荡,因而难以对温差进行有效控制。

3基于专家经验的单神经元串级控制系统

本研究用E-SNPID控制器代替常规PID串级控制系统中的主控制器,构成E-SNPID串级控制系统,其结构图如图3所示。

考虑到副被控对象是无滞后对象,要求控制迅速,进而仍采用纯比例控制。E-SNPID控制器的基础是单神经元PID算法,其本质是通过权系数的自学习来在线调整P、I、D参数,具有较强的自适应性与抗干扰性。同时，专家经验的引入能够使主控制器根据误差以及误差的变化对大滞后对象做出快速决策,所以用E-SNPID控制器代替常规PID串级控制系统中的主控制器来控制时变、大滞后的蒸煮锅温差具有重要意义。

3.1单神经元PID算法

仅用单神经元PID控制器代替常规PID串级控制系统中的主控制器,构成的单神经元PID串级控制系统的结构图如图3中虚线框内所示。转换器的输入为设定值r(k)与对象输出值y(k),r(k)和y(k)经转换器转为单神经元学习所需要的状态量x1(k)、x2(k)、x3(k)。其中,ωi(k)为xi(k)在k时刻的加权系数,K为单神经元的增益,K>0。单神经元PID控制器的控制算法描述如下[6- 8]。

状态量的计算为：

(1)

基于有监督的Hebb规则确定权系数的计算为：

ω1(k+1)=ω2(k)+ηIe(k)u(k)x1(k)

ω2(k+1)=ω2(k)+ηPe(k)u(k)x2(k)

(2)

ω3(k+1)=ω3(k)+ηDe(k)u(k)x3(k)

式中,ηI、ηP、ηD分别为积分学习速率、比例学习速率和微分学习速率,u(k)是单神经元PID控制器的输出量。常规PID控制器的参数在整定好之后将不能改变,而单神经元PID控制器的权系数由ηI、ηP、ηD确定后仍能根据系统的变化而改变,体现其自学习和自适应特点。权系数的调整应按照目标函数ωi(k)的负梯度方向搜索，以保证学习算法收敛。但根据经验e(k-2)对权系数的在线学习影响很小,且e(k-2)会造成计算量明显增加,导致收敛速度较慢。因此,对式(2)进行改进,将xi(k)改成e(k)+Δe(k),即：

ωi(k+1)=ωi(k)+ηe(k)u(k)[e(k)+Δe(k)]

(3)

单神经元PID控制器的输出量计算为：

(4)

单神经元PID控制器在系统控制的过程中,其增益K是系统最敏感的参数,其取值对系统动态响应和稳定性影响显著。在一定范围内,K越大,系统响应速度越快,超调量越大。所以,通常希望在系统响应的不同阶段,K能够取得不同的数值。

图4　E-SNPID串级控制仿真模型图

3.2基于专家经验的单神经元增益K的改变

单神经元PID控制器是根据系统的变化并通过权系数不断学习来达到控制的预期效果,但权系数自校正的计算过程需要时间,进而系统的响应速度较慢。为了提高系统响应速度,可以利用专家知识库改变单神经元增益K,将单神经元增益K分成几个阶段。通常在系统响应初期,偏差较大时采取较大的K,加快上升速度,随偏差的减小,应逐步减小K；当接近稳态时,K减小至稳态值,以减少不必要的超调。

本文的专家知识库采用非线性算法,它对E-SNPID串级控制系统中的过程数据进行分析处理,以此达到输出控制最小的目的。采用规则表示法,利用“if-then”结构,按照以下规则对单神经元增益K进行调整：

(5)

4仿真实验研究

为了进行温差特性的动态仿真研究,在Simulink中构造了包括E-SNPID串级控制、单神经元PID串级控制以及常规PID串级控制的仿真模型图[9-10]。选取的被控对象模型如表1所示[1],其中，离散化被控对象模型的采样时间为1 s。图4为仿真模型图中的一部分,是E-SNPID串级控制的仿真模型图,其中，s-function模块为E-SNPID控制器核心算法的s函数,在Simulink环境中进行调用。

表1　被控对象数学模型

常规PID串级控制的PID参数按照一步法整定,副控制器P=1；主控制器P=35,I=0.7,D=0；单神经元PID串级控制和E-SNPID串级控制的参数按照如下规则进行整定：

(1)先整定副控制器的比例系数P,将系统稳定在一个固定值,若受主控制器影响,可在主控制器输出后加1个零阶保持器再进行整定。

(2)整定副控制器的参数后,主控制器中单神经元的ηD、ηI、ηP取较小值,同时选取合适的单神经元增益K(输出振荡,减小单神经元增益K；上升时间长,增大单神经元增益K),再逐步增大ηI、ηP,当响应曲线有良好特性时,再调整ηD,使输出基本无波纹。

本次仿真中,单神经元PID串级控制的副控制器P=1；主控制器中单神经元增益K=2.5,ηI=0.95,ηP=10,ηD=1。E-SNPID串级控制的副控制器P=0.95；主控制器ηI=0.92,ηP=10.5,ηD=1,K根据专家经验自适应。

4.1在不同位置加入阶跃干扰后的响应

在升温保温的过程中,用中压蒸汽加热时,蒸汽压力可能会产生波动,必定会影响蒸煮锅内的温度变化。同时,蒸煮锅内压力会在调节过程中产生波动,也必然会影响蒸煮锅内温度变化[2]。本研究在不改变被控对象模型的情况下,在不同位置加入一次阶跃扰动和二次阶跃扰动来模拟干扰情况。t=0时,加入阶跃为1的输入,测试置换蒸煮锅内温差对象的阶跃响应；当温差对象稳定、时间达到1000 s时,在主被控对象后加入值为0.5 的一次阶跃干扰,模拟蒸煮锅内压力变化；当温差对象再次稳定、时间达到2000 s时,在输入端加入值为0.2的二次阶跃干扰,模拟蒸汽压力的波动。E-SNPID串级控制、单神经元PID串级控制以及常规PID串级控制的过程仿真结果对比如图5所示。

图5　不同控制策略下的阶跃响应曲线

由图5可知,相对于单神经元PID串级控制,E-SNPID串级控制的系统响应曲线调节时间较短,体现了专家经验调节单神经元增益K的优越性,在一定程度上改善了单神经元响应较慢的缺点。相对于常规PID串级控制,E-SNPID串级控制的系统响应曲线无超调、无振荡现象,而且过渡过程较快,表明其鲁棒性很好。同时可以看出,在各个干扰下,E-SNPID串级控制都能快速无超调地达到稳态值。因此，E-SNPID串级控制有更好的动静态性能,抗干扰能力强,控制的综合性能较好。

4.2模型失配响应

考虑到主被控对象受到多种因素的影响,其模型是实时变化的,因此，本研究将被控对象的开环增益扩大20%、时延扩大2倍来模拟被控对象的非线性特点，分别见图6和图7。由图6可知,当被控对象的开环增益出现失配(扩大20%)时,E-SNPID串级控制具有最快的系统响应速度,无超调,动静态性能良好。常规PID串级控制则在模型失配中,超调明显变大,调节时间变长,振荡次数增加。由图7可知,当时延出现失配(扩大2倍)时,E-SNPID串级控制的优越性更明显,其综合性能最好。仿真结果表明,在一定范围内,当温差对象发生变化时,E-SNPID串级控制仍能很好地满足控制性能指标的要求,说明其具有良好的自适应性,体现了单神经元自学习的功能以及专家经验调节单神经元增益K的快速性特点。

图6　开环增益失配(扩大20%)

图7　时延失配(扩大2倍)

5实时控制研究

将本研究设计的E-SNPID串级控制系统应用在“THJSK-1”型实验平台上。“THJSK-1”型实验平台是模拟现代工业生产过程的装置,它具有过程控制的动态过程一般特点(大惯量、大延时、非线性)。本实验选择双容水箱串级液位控制实验,并在水箱中放入圆锥形物体,以此来模拟非线性蒸煮温差对象的串级控制,利用MCGS软件进行组态设计。

E-SNPID控制策略的实时控制响应曲线如图8所示。从图8可以看出,E-SNPID串级控制的系统响应速度快,控制精度高,抗干扰性能好。同时,在非线性被控对象中加入干扰后,E-SNPID串级控制的输出仍基本无超调,表明其自适应性能能够满足控制要求。因此,E-SNPID串级控制系统可以满足蒸煮锅节能和纸浆质量控制性能指标。

6结束语

置换蒸煮过程中的温差会影响最终产品的质量,针对温差对象的非线性、大时滞、要求控制实时的特点,提出一种用基于专家经验的单神经元PID自适应控制器(以下简称“E-SNPID控制器”)代替常规温差-流量串级PID控制系统中的主控制器的控制策略,即E-SNPID串级控制策略。仿真结果表明,单神经元PID控制器的自学习能力使得系统输出无超调,专家调节单神经元增益K的过程改善了单神经元PID控制器响应慢的缺点。因此,E-SNPID串级控制具有良好的抗干扰性能和自适应性能。在THJSK-1实验平台上的应用还表明,E-SNPID串级控制策略具有可行性,适合普遍推广。

图8　E-SNPID控制策略的实时控制响应曲线

参考文献

[1]侯晓虎, 汤伟, 许保华, 等. 基于模糊自整定PID的置换蒸煮锅温差控制系统的设计[J]. 造纸科学与技术, 2012, 31(4)： 67.

[2]汤伟, 王震, 党世宏, 等. 蒸煮锅内温差DMC-PID串级解耦控制[J]. 中国造纸, 2014, 33(12): 47.

[3]施爱平, 施健, 施允洋, 等. 基于专家经验的神经元PID控制主汽温系统[J]. 计算机仿真, 2013, 30(11): 80.

[4]肖冰, 王印松, 杨光军, 等. 一种基于专家调节增益的单神经元PID控制[J]. 自动化技术与应用, 2003, 22(4): 14.

[5]黄俊梅, 汤伟, 许保华, 等. 置换蒸煮系统(DDS)的发展及应用[J]. 化工自动化及仪表, 2010, 37(8)： 1.

[6]刘金琨. 先进PID控制及其MATLAB仿真[M]. 北京： 电子工业出版社, 2003.

[7]邓肖, 胡慕伊. PID神经网络卷纸辊张力控制中的应用[J]. 中国造纸学报, 2014, 29(1): 44.

[8]周蓉. 船舶航向自适应PID控制器的设计与应用[D]. 大连： 大连海事大学, 2012.

[9]尤斌, 彭晗, 胡慕伊, 等. 基于模糊串级控制的黑液浓度控制系统设计[J]. 中国造纸学报, 2013, 28(2): 34.

[10]尤斌, 彭晗, 胡慕伊, 等. 改进纸浆漂白温度控制系统设计[J]. 中国造纸学报, 2013, 28(1): 39.

Single Neuron Cascade PID Control Based on Expert Experiences for

(责任编辑：陈丽卿)

Temperature Difference Control System of a Digester

HUANG Ya-nanZHANG Ai-juanHU Mu-yi*

(JiangsuProvincialKeyLaboratoryofPulpandPaperScienceandTechnology,NanjingForestryUniversity,

Nanjing,JiangsuProvince, 210037)

(*E-mail: muyi_hu@njfu.com.cn)

Abstract：Aiming at the temperature difference existing in digester, in order to ensure uniform temperature, this paper proposed a control strategy combining the advantages of the cascade control and single neuron PID control. It also introduced the gain K of single neuron regulated by the expert experiences thus could control the temperature difference moment by moment and rapidly. In the Simulink, the s-function of this control strategy was used to carry out dynamic simulation experiment of temperature difference characteristics, and verify the robustness and response to model mismatch of this control strategy. Compared to conventional temperature difference-flow PID cascade control and single neuron PID cascade control, this control strategy had better robustness and stronger adaptiveability. The results of real-time control on THJSK-1 experiment platform indicated this control strategy was feasible.

Keywords：displacement digester； expert experiences； single neuron cascade PID； s-function； THJSK-1

作者简介：黄亚南,女,1992年生;在读硕士研究生;主要研究方向：制浆造纸过程与控制。

基金项目：江苏高校优势学科建设工程资助项目(PAPD)。

收稿日期：2015- 04- 07

中图分类号：TP273；TS733+.2

文献标识码：A

文章编号：1000- 6842(2015)04- 0038- 06

*通信联系人：胡慕伊,E-mail:muyi_hu@njfu.com.cn。