配煤过程的神经网络专家控制策略.pdf

第2 9 卷第5 期 2 0 0 0 年1 1 月 中国矿业大学学报 J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g ＆T e c h n o l o g y V 0 1 ．2 9N o ．6 N o v ．2 0 0 0 文章编号1 0 0 0 19 6 4 2 0 0 0 0 6 0 6 1 00 5 配煤过程的神经网络专家控制策略 邓春萍1 ，吴敏2 1 ．长沙铁道学院机电工程学院，湖南长沙4 1 0 0 7 5 ； 2 ．中南工业大学信息科学与工程学院．湖南长沙4 1 0 0 8 3 摘要根据钢铁工业的配煤过程，提出一种精确地决定和跟踪配煤比的神经网络专家控制策略． 首先基于过程的统计数据和经验知识，建立了神经网络、经验模型和规则模型，然后结合这些网 络和模型，提出一种决定配煤比的专家推理方法，最后用分布式控制系统实现配煤比的跟踪控 制．实际结果证实了这种控制策略的有效性． 关键词配煤过程；专家控制；神经网络；规则模型；分布式控制系统 中图分类号T P2 7 3文献标识码A 配煤过程涉及到用适当的比例配合不同类型 的单种煤，以得到符合质量要求的配合煤．这种配 合煤经过炼焦过程后，可获得高炉用的焦炭．在稳 定的炼焦条件下，焦炭的质量主要受配合煤质量的 影响，也就是由单种煤的质量和配煤比来决定o ] ． 由于单种煤的质量往往是已经知道的，因此配煤过 程控制的关键问题是如何精确地决定和跟踪配煤 比． 传统的方法是根据配煤和炼焦过程的测量数 据，通过诸如最小二乘法那样的线性系统辨识方 法，获得预测配合煤和焦炭质量的数学模型，并由 此来决定配煤比o ’3 ] ．然而，由于数学模型难于严密 地描述配煤和炼焦过程各参数问的复杂关系，仅仅 基于数学模型的传统方法难于获得精确的配煤比． 本文引入基于模型的专家系统方法““和神经网络 技术口1 ，提出一种精确地决定和跟踪配煤比的神经 网络专家控制策略．该方法通过建立能正确反映各 参数问复杂关系的神经网络、经验模型和规则模 型，结合专家推理方法，获得了精确的配煤比，并利 用分布式控制技术实现了配煤比的跟踪控制． 1过程描述和控制策略 配煤过程分成两部分，首先是用一定的比例配 合不同类型的单种煤，然后是粉碎配合煤．来自不 同煤矿的原煤，按其性质分成7 大类单种煤，每一 种煤按一定的比例，通过圆盘给料机，从煤斗送人 到中央皮带，混合成配合煤．配合煤粉碎后装入到 焦炉，通过炼焦产生焦炭． 配煤过程控制的目标是根据焦炭的质量要求 和单种煤的质量，决定精确的配煤比，同时通过控 制圆盘给料机的速度，准确地跟踪给定的配煤比． 为实现这一控制目标，采用如图1 所示的递阶控制 结构．专家控制器基于神经网络、经验模型和规则 模型的专家推理方法，确定精确的配煤比，同时根 据配合煤生产的总流量和单种煤的水份，计算单种 煤的配煤流量．分布式控制器使用P I 控制规律，通 过跟踪控制单种煤的配煤流量，使实际的配煤比准 确地跟踪其给定值． 。决定高饔{ { ；} 辇氧流量， 』l ⋯⋯ 』 ， 分布式控制器 鼹晾配煤流量 II ⋯⋯ 』， 配煤过程 图1配煤过程的递阶控制结构 F i g ．1 H i e r a r c h i c a lc o n t r o lc o n f i g u r a t i o n o fc o a lb l e n d i n gp r o c e s s 2 神经网络、经验模型和规则模型 神经网络用于描述配煤和炼焦产品质量的复 收稿日期2 0 0 0 0 5 3 1 作者简介；邓春萍 1 9 6 3 一 ，女，江西省靖安县人，长抄铁道学院讲师．工学硕士，从事机电控制及自动化及工业主上程控制系统设计研 究 万方数据 第6 期 邓春萍等配媒过程的神经阐络专家控制策略 杂非线性关系，它与经验模型相结合，构成r 配合 爆秘焦炭魏艨量臻浏摸攫．巍爨摸蘩栗援难T h e n 的形式，用于决定目a 煤比的专容推理决策过程． 煤的质瓣主蘩由秸络性指数、撵发份、硫徐和 放份来表征p ] ．堰设G ，V 。，S k 和如分别表示第i 种煤的粘结性指数、挥发份、硫份和灰份，配合煤的 震量交G ，砜，S t 纛五t 来表示，，G ，V 。，sb ，穰A t 是配合煤质魑的预测值．根搬配煤过程的运行经 验，本文使用下述模型来预测配合煤的质鬣 ．L G 一 a i x , G 。 粥。 1 酉 B D X 描，2 其中∞为第i 种煤的比例m 为第i 种煤的相关系 数，它表达了第i 种煤的牿结髓指数与配合潆酶糟 结性指数之婀耀荧的程度，蔼且 『h IⅣ。，V ”⋯u ，] B 一| Sb | ，D l S S b z ⋯s | ， { j ， L ，A b t ⋯A w J 3 a X p r 一 ，A 嚣 醚bl ， I △A b j 3 b 式中A G ，A V 。，△s b 和△A 为} } 谣信，舔子提崧配 食煤质量的预测精度． 由于单种煤的粘缩性指数与配合煤的粘结性 攒数之闺存在着笈杂的美系，嚣戴恕式 1 终巍一 个具有两层的B P 网络 b a c k p r o p a g a t i o nn e t w o r k 采处理，用B P 2 L G 表示．输入层稀7 个神经元， 第i 个辫经凭的输入和输出均是z 蛀，输出层旨1 个神经元，冀输入和输出均是G ．q 是输入层第i 个 神经元蓟输出层神经元的权德，A G 茫输出层榉经 凭的阀值，它们通过基于统计数据训练B P 2 L G 来 确定． 式 2 南一组经验公式梅畿．缓设嚣楚对农于 尉的实际测量值．为了确定△V b ，△S b 和△凡，取第h 次配煤时的Z X B k 是嚣 一1 和B h 一1 之差． 帮褥 一． M 3 h 一≥￡B j 一嚣 j ] A B 1 ， 4 j ；l 其中z x B I 是第1 次配煤时的补偿值，出经验知 识和经验数据来决定．程A B 1 决定时，主要的根 据是萎孽一个胃的实际测量撞与模型强测僮之麓的 坑计数据． 煞炭薛菝量煮要鸯抗碎强度4 0 m m 撩数、耐密 强度1 0 m m 指数、硫份和灰份来表征o j ．假说材。。， M m S 帮砖分裂表示焦炭瓣抗碎强度4 0 m m 搓数、 耐磨强度1 0 m m 指数、硫份和灰份；M 。M 。S 和 A 是焦炭质量的预测值．根据炼焦过程的遥行经 验，在稳悫静炼焦条{ 掌下，勰；。积艇。主要取决予 配食煤的G ，V t 和A “，但是这种关系具有很强的非 线性．本文使用两个冀有3 朦的B P 网络B P 3 I ，一M 4 0 秘B P 3 LM I O 象分烈鞭测搬。取髓l 。， 在B P 3 L M 4 0 中，输入层有3 个神经元，输入和 输豳分捌蔗G ，玩和A t ；串闻层蠢1 2 个神经元；输 出鼷有1 个神经元，其输人为中闻层1 2 个神经元 的输出，输出是M 。。．B P 3 L M 4 0 的输入和输出关 系碍耀下蓑描遽 1 2 M ∞ ∑谚1 t a n s i g - w 寰G 十 丽 w ⋯m V b w ⋯H t A b 蹦1 b 0 1 ， 5 式申w 怒，”囊和” i 分别为输入层3 个神经元翻 串黼层第i 个{ 串经元的权壤；秽势孛阉层第i 个枇 经元的阀值；口中1 为中间层第i 个神经元到输出层 神经元的权德f 劳为输出罄神经元的阑僮i t a n s i g 表示扩展豹s i g m o i d 函数嘲 0 t a n s l g x 再专玉～1 ． 6 B P 3 1 。～M 1 0 具有与B P 3 L M 4 0 相同的结构，但 是输出秀j l f 。同样缝，有 1 2 甜l 。；∑研2 t a n s i g w 赘G 两 键案；V b 十链进l A b t - p 2 铲． 7 为了确定B P 3 L 。M 4 0 和B P 3 L M 1 0 的权值和 阀值，基于配熵I 和炼焦过耩的统计数据，使带一种 基本的B P 学习算法m ⋯，以B P 髑络实际输出和嗣 标输出之差的均方作为目标函数，利用目标滋数的 梯麓，不凝建磷整权德秘鬻毽，餐基掭函数选羁最 小． 对予焦炭的硫份和灰份，本文使用经验公式 S 一詈 a S ， 8 a ．，c 1 A 一 h △A s b 1 k 式巾璐为配念煤硫镑静残鏊系数；臻失配合煤获 份的焦他系数． 补髅值△s 和△A 用予提高预测精度，与配含 璨瓣情援据类健，第女凌配煤薅 k - - 1 z X S k 一乏[ s j 一s J ] a S 1 ， 9 a 万方数据 中豳矿弛太学学报第2 9 卷 A A k 一≥[ 建 弦一A j ] _ ～A A 1 ， 秘 严{ 式申△s 1 稻A A 1 为第1 次配煤时的补髅缀， 斑缀稔舞识鞠经骏熬瓣涨决定，它的决定方法毒 △露 1 相似， 猩配潆和炼焦过翟中，仍然存在著许多不能糟 挣缀湖络和经验模型来攒述盼关系，坦是这些美臻 毒戳臻经验帮识寨表示．零文健震产生蕊攥瓣摸 熨秘3 寒裘示这些经验辩莰．然乎过穰粒缝诗数整秘 经骏知识，撒述配合煤和焦擞质量以及配煤比之间 荚鬃的典型规猁模型可以剿举如下 R l l f 最增加T h e n S 增拥； R o I f 矿H 增加T h e nh 增加 R 3 ；硅8 增搬O r 砜攘步。r 藏菝步T h e n 馘。 避蕊a n d M ∞减步{ 轮I f ＆增加T h e nS 增搬； 帮；l f 矗b 增鸯葬T h e nA 襟翔。 遮螋规则模型也用于检验神经网络和经验模型的 正确穗． 豫煤扰蘸决定分戒弼步，首先罴出焦炭麴壤攘 要求确定琵禽煤静曩量蜜诲篷，然蠢是蠢辩舍潆斡 襞爨容许篮帮荸静潆煞鼹髓确定单拳争潆黪配潆魄． 出予在这两步中，配合煤的撩摄容许值和单种澡的 配煤魄并不难唯一的，为了快速精确地决定配合煤 的威攘窑诲德窥攀静燃盼瓤燃臻，本文使嬲下述舆 捌的规则模璎，其中M k ，M ‰，守和小表示焦炭的 骥爨婺求；◇，F ，≤帮篷裘零配台漂鹃鹱量容谗 镶． R 6 I f 掰 M 盏T h e n 增加◇ a n d 减少v i R 7 lI fS S g T h e n 蜮少盛； R 8 I fA A 8 T h e n 减少越； 辩；珏 “ * f i G 8a n d 癌 拶T h e n 壤黧冀； R ”} { { 矿t 试a n dV K 蛾T h ％藏步嚣 3 决定配煤跑豹专筹e 攥壤方法 熬堞过程静控裁努糖搿以裘达必 倒。n M 麓，拟，。≤M 。，S S s ，A ≤础． 1 0 鸯越，程砖窟◇，V ；，糍整辩，必绥使藤。， M 。S 鞍冉漠是 肼。≤露。碱。十△M ；。， 1 l a 肼品 a M ] 。≤衙1a ≤Ⅳ。， 1 l b 童≤p ，A 玲。 1 l e 在魂定茸辩，毖矮使G ，氓，sb 稳氐潢足 { ≯≤G ≤秽 A G ’，V } ≤磙， 1 2 a Sb 嚣，Ab ≤属， 1 2 b 式中a M ] 。，△肘；。矧A G ‘是一组经验值，用于避免 诗箨静探守性． 用予决定配煤比和配煤流璧的专家掇制器由 瓣识库、数撂瘴、撼理执、计算模块、遵髂按秘褥太 税搂舞缀藏。麓识瘴和鼗摇毒势舞经验细识窝数 据{ 推理机获取翔识降和数据库的知识和数据；使 用靛囱拯淫潮积蕊予模型豹推褒￡8 采获定懿糕昆； 计算模块用于确定对应于黼煤比的配煤流鼹；通信 棱融完成专家控制器与分布式控制器之简的通信} 人貔接躁接受操撵掇的指令巍输出接理的绪暴．专 家控裁嚣豹一巾黧簧特薤楚它戆推理缨食了捧缝 瓣臻，经验模謦帮规嬲蒺型。 配煤比的决宠由褥个箕法来实现．一个魁确定 配裔煤的质量容许德，另一个是确定配煤敝具体 她，善先，g 和漆斌 8 矗接获褥 式一警 p ～A S ， 1 3 a 话 整一狭 搿～A A ． 1 3 b 瓯秘鹾遥避使式 1 l a 霸 1 i b 褥鳓满足采 获弼．寿F 述舞浃l 。 算法1 确定粼合煤的质量容许值 。 第l 步南式 1 3 a 和 1 3 h 诗算式襁篱； 第2 步从知谈瘁中选择G 和眠的一缀适当 懿缓作鸯皆秘戎鹣耪鲶筵； 蔫3 步蒸于B P 3 L ，／v 1 4 0 翥B P 3 L - M 1 0 ，分鬻 用铲和辑代巷G 朔砜，计算甜。。和M ，。； 第4 步检鸯村。和M ，。是否满戆溅 1 l a 和 1 l b ，如果满趄粼避A 下一步，否剿傻髑蜷翔犁 那样的规则模烈张调整舻和聪，例如当M 。。 M L 时，按照 { 字茹 ≯十趣 瞒。一嘉{ 。 ， 1 4 a 坑一矾 魁 M 。。一腻o ， 1 4 b 遗行调整，然厝返鞫第3 参，其中a ，鞍嘞怒一个缀 验系数，窀决定送代的速度； 第5 步稔蠢 和V ；是否在经验獭瞬内，如 暴燕辩把窜，蛾，霹酾墨作为魏台煤懿鹱燕褰许 毽，否委l | 簌窝谖痒巾遵辱0 秘砜豹其它爱验焦露 为舻释蝶鹣赛始德，然后遥霞第3 参，翔掇在缭窥 的迭代次数内不熊获得适当的轳和蛾，则认为不 存谯G 和仉的容许值． 与霎法1 糖类觳，下嚣熬算法2 爨予获褥赛煤 万方数据 第8 期 邓春粹等配煤过程的神经网络专家控制策略 毙。 算法2 确定单种煤的配煤比 第1 步从知识库中选择z ．的一缆适当的值 作为其韧始德； 第2 步基予选择的珀使角B P 2 L G 塔及式 2 ， 3 和 4 ，计算G ，n ，Sb 和肌； 第3 步攮焱式 1 2 是釜满足，如祭满足则进 入蓟下一步，否鲻使用诸如R 9 和R ”那样的规剜穰 型调整z 。例如当G 舻时，按照 霸一 ； f l G 一G ， 1 5 进行涌整，然后返回第2 步，其中卢是一个经验系 数，它决定迭代的速度i 第4 步捻淼在第1 ～3 步获得的麓是否在经 验藏圈内，辩暴楚刚把获褥的。作鸯荦种煤静酝 煤比，否则从知识库中选择z ，的其它经验值作为 z 。的初始值，然魅返回第2 步．如果在给定的迭代次 数内幂能获褥遽当静o ，赠祆隽不存在霹南的配溅 比． 在算法2 中，通过选择不同的初始值获得4 组配 攥圪，莠诗算出愆舍潆瓣傍橙，然嚣逸簿一鲤硷耱 最低和适合库存的配煤比来进行配煤控制．配煤流 量檄据下述公拽来确定 Q 一_ 专Q ， i s 一巩 其中Q ，，6 1 分别第i 种煤的配煤流量和水份} Q 为 配台煤的总配煤流量。 透过整爆势毒式控制嚣跟踪革释媒懿配漂流 量，可以获得期望的配合煤和焦炭． 4 实际运髻亍结果与结论 用工业控制计算机实现专家控制器，用 9 0 0 0 系列控制器实现分布式控制功能，本文提出的神经 赠络专家控铡蒙酶斑尾予舞瑟；运牙豹缨果如图2 掰 示，其中粗线罴焦炭的实际溯量值，缏线是预测值， 点线是质量指标的容许值．可见，焦炭质量的实际 值满足了要求，褥且非常接近预测值． 本文提出静基予} 牵经随臻，经验模蝥藕袭瓣模蝥秘 专蒙控制策略为钢铁工业的配煤过程控制提供了 有效的方法，可以得到下两的两个结论； 1 琵煤鞠炼焦过程的复杂关系麓黻弼基手缀 计数据和经验知识的神经陶络、经验模型和规则模 型来正确描述； 2 蠖尾纂予毒事经翅绣、经验摸黧秘援_ 羹l 模黧 的专家推理方法，可以获樗精确的配煤比，采用分 毒式控剃技术可以建确建跟踪这个配煤魄， 8 5 。 8 0 窭 7 5 7 0 1 0 喜8 6 ～．涮羹值，一．预测i l f ，⋯．指标值 、“√b 、氐舻≈少萨∞ E 户吣一产A 氐“ 晦承w 淑～ 小A 肿瀚氐≈一户“彬 ；厶∥鲫2 鼢於自酗 日期 蹦2 实际运行结皋 F i g 。2R e s u l t s a c t u a lo p e r a t i c d a 参考文献 [ 1 3H a s h i m o t oS ．C o k ei nt h eb l a s tf u r n a c e P r o p e r t yr e q u i r e m e n t sa n dh o wt or e a l i z et h e m [ A ] 。I nH a s h i m o - t OS 。E d s ．P r o c e e d i n go ft h eS y m p o s i u mO nC o k e P r o p e r t i e sR e q u i r e db yt h eB l a s tF u r n a c ef o rS t a b l e O p e r a t i o n r C ] ．O n t a r i o ．C a n a d a ，1 9 8 9 ．1 - 2 2 ． [ 2 】8 本钢铰蛰会．钢铁燕夔，剿锾制锯0 ] 。东衷；丸 蒋 1 9 7 9 第2 卷 ．1 4 21 8 9 ． [ 3 ] 时铭扬．预测焦炭质量的蜜_ 一I 计算方法[ J ] ．燃料与 能_ T - ，1 9 8 9 ，2 0 3 ；1 1 4 1 1 7 ． [ 钉E f s t a t h i o uJ ．E x p e r ts y s t e m si np r w e s sc o n t r o l [ M ] 。 E s s e x L o n g m a n ，1 9 8 9 2 3 5 9 ． [ 5 ] 石椿满，小林熏信．工丰五，≮，{ } ，天于 [ M ] ．东 索{ 丸善，1 9 9 1 ，1 2 3 1 5 8 。 [ 6 3H a g a nM T 。D e m u t hHB ，B e a l eMH ，N e u r a ln e t w o r kd e s i g n [ M ] ．B o s t o n ；P W SP u b l i s h i n g 。1 9 9 6 ． 1 1 2 2 0 2 ． [ 7 ] V a nK r e v e l e nDW C o 日l [ M ] 。L o n d o n E l s e v i e r ＆k l i s h i n gC o m p a n y t1 9 6 1 ．6 7 1 6 9 ． [ 8 ] R u m e l h a r tDE ，H i n t o nGE ，w m i a m 8RJ ．L e a r n i n g i n t e r n a lr e p r e s e n t a t i m a sb ye r r o rp r o p a g a t i o n [ A ] 。I n R u m e l h a r tDEa n dM e C l e l h n dJL ，E d s ，P a r a l l e lD a t a P r o c e s s i n g [ C ] ．C a m b r i d g e T h e M I TP r e s s ， 1 9 8 8 ，1 3 1 8 ．3 6 2 ． 万方数据 6 1 4中国矿业大学学撤 第2 9 卷 N e u r a lN e t w o r k f o rC o a l E x p e r tC o n t r o lS t r a t e g y B l e n d i n gP r o c e s s D E N GC h u n p i n 9 1 W UM i n 。 1 ．C o l l e g eo f M e c h a n i c M ＆E | e e t r o n i cE n g i n e e r i n g ，C b a n g s h a R a i l w a yU n i v e r s i t y ，C h a n g s h a4 1 0 0 7 5 C h i n a l 2 ．C o | l e 萨o fI n f o r m a t i o nS c i e n c e E n 西n e e r i n g ，C e n t r a lS o u t hU n i v e r s i t yo fT e c h n o l o g y ，C h a a g s h a4 1 0 0 8 3 ，C h i n a A b s t r a c t An e u r a ln e t w o r ke x p e r tc o n t r o ls t r a t e g yW a Sp r o p o s e df o rt h ec o a lb l e n d i n gp r o c e s si nt h ei r o na n d s t e e li n d u s t r y ．I ti su s e dt oa c c u r a t e l yd e t e r m i n et h et a r g e tp e r c e n t a g eo fe a c ht y p eo fc o a lt Oh eb l e n d e d ，a n d t ot r a c kt h e m ．I nt h i sp a p e r ．n e u r a ln e t w o r k s ，e m p i r i c a lm o d e l sa n dr u l em o d e l sw e r e 纽S tc o n s t r u c t e db a s e d o ns t a t i s t i c a ld a t aa n de m p i r i c a lk n o w l e d g e ．T h e n ，a ne x p e r tr e a s o n i n gm e t h o dc o m b i n i n gt h en e t w o r k sa n d m o d e l sw a sp r o p o s e df o rd e t e r m i n i n gt h et a r g e tp e r c e n t a g e s ．F i n a l l y ，ad i s t r i b u t e dc o n t r o ls y s t e mw a su s e d f o rt r a c k i n gt h et a r g e tp e r c e n t a g e s 。T h er e s u l t so fa c t u a lo p e r a t i o ns h o wt h ev a l i d i t yo ft h es t r a t e g y ． K e yw o r d s c o a lb l e n d i n gp r o c e s s ；e x p e r tc o n t r o l ；n e u r a ln e t w o r k s r u l em o d e l s ；d i s t r i b u t e dc o n t r o ls y s t e m s 万方数据