基于神经网络的锅炉控制系统设计

摘 要：锅炉，作为火电厂、供暖系统、工业工矿等众多行业中的主要能源转换设备，在工业发展史中有重要的地位，但锅炉系统普遍存在非线性、多扰动、负荷变动及燃烧产物污染等问题。本文通过对锅炉系统的工艺流程的分析，在深入研究径向基函数后，提出了锅炉蒸汽压力控制方案，研究分析RBF神经网络技术的学习训练方法，运用它高精度无限逼近非线性函数的特性，设计并运用RBFPID控制器，该控制器能够根据输入波动进行内部参数的自适应调整，这种成熟的在线控制系统很大程度上改善了锅炉控制系统目前存在的问题。

关键词：锅炉控制；径向基函数；神经网络PID

锅炉行业的发展关系到国家建设资源节约型、环境友好型社会的经济发展和社会发展目标的实现。锅炉行业应该以高效节能降耗为中心，洁净减排环保为目标，关注核心技术和关键技术的创新，提升锅炉系统节能效果，从整体出发优化锅炉系统效率，提高锅炉系统自动化控制水平，优化锅炉燃烧系统和蒸汽运输系统，对锅炉各部分的温度、压力进行有效地控制，提高燃料的利用率。研究这些技术都有助于促进锅炉系统降低燃烧排放的污染物，提高锅炉系统整体的安全性以及对锅炉系统进行有效的自动化控制。

1 人工神经网络概述

人工神经网络类似于人脑，从眼睛看到事物，到大脑做出思考，再到最后做出反应，就像神经网络的输入，通过内部的的学习，在不可见的神经网络内部形成一种能够自我学习的网络，最后输出。感知器和自适应原件的的提出，针对能量变化提出相应的概念，还有保持网络稳定的要求，到最后BP算法的大量应用，再到径向基函数的完善，人工神经网络技术展现了它独特的魅力。人工神经网络有非线性、非局限性、非常定性、非凸性等特性，其中RBF神经网络以其特有的最佳逼近和全局最优的的特点，在神经网络领域中占据不可替代的地位。该网络的基本思想是对非线性的无限逼近和对维度的处理技术，通过对隐含单元输出进行加权求和，实现良好全局最优性。RBF神经网络是一个标准的三层网络，即输入层、隐含层、输出层，相比于普通的三层网络技术，RBF神经网络的独到之处在于它在中间层采用RBF Kernel技术，这可以针对很多非线性输入，对他们进行非线性变换，局部响应的高斯函数能在很大一方面扩宽RBF神经网络的应用范围，对比其他前向函数，处理相同问题时，RBF神经网络就需要更多的神经元相互协作，这会缩短整体系统的学习时间，而且它的逼近程度是其他函数无可比拟的。

2 设计RBFPID的过程

RBF神经网络PID控制器的Simulink仿真，利用基于MATLAB的RBF神经网络PID控制器的S函数，可以有效地避免在复杂系统仿真时需要采用编程方法来编写大量复杂、烦琐的源程序的问题，让程序的编程变得快速、简捷，而且调试方便，大大减少系统仿真工作量。编写完我们需要的函数时候，就应该建立实际模型，步骤是：（1）输入函数变量名及参数变量名。单击Simulink模型库中非线性环节的S函数模块，并拖动到所打开的模型窗口上，双击S函数模块，按照相关的提示输入函数变量名nnrbfpid和参数名T，nn，xite，alfa。（2）创建子系统。（3）屏蔽子系统，参照步骤的提示，先把子系统屏蔽，开始键入参數，双击该模块也可以对参数进行修改。RBF神经网络控制器的Simulink模型有2个输入，2个输出，其中输入1为给定信号与对象输出信号的误差eK，输入2为对象输出信号yK。输出1为控制器的输出uK，输出2为kP，kI，kD三个权值的变化量。

3 神经网络与锅炉控制的结合

我们根据锅炉蒸汽压力控制系统为研究对象，针对它的复杂变换的特性，对锅炉蒸汽压力系统建立起一个仿真模型，研究锅炉运行系统和工艺流程图，锅炉蒸汽压力的变化和减温水、燃料量、外界负荷有着密切的关联。蒸汽热能是通过燃料在炉膛进行燃烧将化学能转化为机械能，我们可以将该过程简化为如下图所示的调节系统。

蒸汽压力调节对象示意图

从蒸汽压力调节对象图出发，结合实际生产过程中锅炉系统的实际参数可知，整个锅炉系统具有的储藏热量的能力相比于过热器、蒸汽管道和负荷系统设备的储藏热量能力大的多，基于这种现实情况，我们可以考虑把这三个环节的系统阻力作为控制系统中的一个集中阻力，根据它们的特性把这个阻力环节近似成为一个比例环节，对于整体的锅炉系统我们把它用一个积分环节代替。

G0SB=PBuB=1CkSGS=1TαS（1）

G0SM=PMuB=1CkSGS=1TαSGS（2）

GS能够表示燃烧方式的传递函数，这个一阶惯性环节还有着纯滞后特点；G0SB表示的是汽包压力对象的传递函数；G0SM为蒸汽压力的传递函数。试验得到下列近似锅炉蒸汽压力传递函数

G0S=1250s2+50s+1250（3）

通过不断的实验得到RBFPID的参数xite=0.25，alfa=0.05，beta=0.01，k_pid分别为0.03，0.01，0.03。利用整定好的RBF神经网络PID控制器，得到运用RBFPID控制器系统的超调量为4.8%，调节时间为0.6s。从控制效果分析，RBFPID控制器和常规PID控制器相比，有着调节时间短、超调量小、震荡幅度较小的优点。因此，基于改进的径向基神经网络整定PID的控制器比常规PID控制器的控制品质更好。

4 结语

锅炉是我国工业、生活供暖的主要动力设备，神经网络技术是前沿的科学发展技术，这两者的结合势必会碰撞出不一样的火花。将锅炉控制系统和RBF神经网络技术结合，针对锅炉蒸汽压力系统提出了RBFPID控制器的控制理念，寻找最合适的控制方案，有效解决了普通控制器的延迟滞后问题，对锅炉系统取得了较好的控制效果。

参考文献：

[1]赵敏.智能自适应PID控制器设计及仿真研究[D].哈尔滨：哈尔滨工业大学， 2012.

[2]李源松.基于神经网络的锅炉控制系统优化研究[D].哈尔滨：哈尔滨理工大学， 2015.

[3]陈益飞.RBF神经网络的PID控制研究与仿真[J].计算机仿真，2011.

作者简介：黄超（1993），男，汉族，河南信阳人，本科，研究方向：自动控制原理。