《高寒地区多级氧化槽的温度协同控制研究.doc》由会员分享，可在线阅读，更多相关《高寒地区多级氧化槽的温度协同控制研究.doc（13页珍藏版）》请在三一文库上搜索。
1、高寒地区多级氧化槽的温度协同控制研究李琛 ，高丙朋，杨梅（新疆大学 电气工程学院，乌鲁木齐 830047）摘要：为了解决高寒地区生物氧化预处理多级氧化槽温度调节差异较大的问题，本文通过对单一氧化槽换热管电动调节阀使用PSO优化的PID神经网络控制方法来保障氧化槽温度控制的准确性，在此基础上对多级氧化槽系统采用基于最大误差的速度动态补偿协同控制方法，建立速度动态补偿协同控制模型，并对其进行模拟仿真，结果表明该方法能够精确的控制多级氧化槽的温度，满足高寒地区特殊气象条件下的工艺要求，该研究成果为高寒地区生物冶金工艺的精准控制提供了新的思路和方法。关键词：高寒；氧化提金；温度；协同控制The tem
2、perature of the cold area multi-level oxidation tank collaborative control researchLI Chen , GAO Bing-peng,YANG Mei(College of Electric Engineering, Xinjiang University, Urumqi 830047, China)ABSTRACT: In order to solve the problem that the temperature regulation of the multi-stage oxidation tank in
3、the biological oxidation pretreatment of the high cold region is very different, this paper ensures the accuracy of the temperature control of the oxidation tank by using the PID neural network control method optimized by PSO for the electric regulating valve of the single oxidizing heat transfer tu
4、be, and on this basis, the multistage oxidation groove system is used to the maximum. The speed dynamic compensation cooperative control method is used to establish the model of the speed dynamic compensation cooperative control. The simulation results show that the method can accurately control the
5、 temperature of the multistage oxidation tank and meet the technical requirements under the special weather conditions in the high cold region. The research result is the bio metallurgical process in the alpine region. The precision control provides new ideas and methods.KEYWORDS: Cold;Oxidation of
6、gold;Temperature;Coordinated control基金项目：国家自然科学基金资助项目(61463047)Foundation Project：National Natural Science Foundation of China(61463047)作者简介：李琛（1993-），男，山西忻州人，硕士研究生，研究方向是智能控制。高丙朋（1979-），男，山东平邑人，副教授，硕士生导师。About the authors：Li Chen (1993-), male, from XinZhou of ShanXi Province,master degree. His rese
7、arch direction is intelligent control.Gao Bing-peng(1979-), male, from PingYi of ShanDong Province, associate professor, master supervisor.1引 言我国经济的快速发展，造成金矿资源日益减少，中国又是黄金消费大国，并且中国易开发金矿资源愈来愈少 范刚. 基于数据驱动的生物氧化冶金过程控制及优化研究D. 新疆大学, 2013. FAN G. Based on data-driven the biological oxidation metallurgical p
8、rocess control and optimizationD. Xinjiang university, 2013.。数据表明，我国目前可开采黄金储量大约为1790多吨，黄金资源开始面临匮乏 孙留根, 袁朝新, 王云等. 难处理金矿提金的现状及发展趋势J. 有色金属(冶炼部分), 2015(4):38-43. SUN L G, YUAN C X, WANG Y, et al. Status and Development of Gold Extraction from Refractory Gold OreJ. Nonferrous Metals, 2015 (4) : 38 and 43
9、.。另外，冶金技术的不足和生产设备的落后也严重造成了黄金资源的浪费，更对大自然造成了极大的损害。因此，在同等条件下，采取何种措施可以既保证不影响冶金的质量又能提高冶金率，同时还能降低对环境的污染程度，是目前冶金企业需要迫切解决的难题 南新元, 陈飞, 孔军. 高寒地区某金矿生物氧化预处理过程温度控制研究J. 贵金属, 2014(2):38-42. NAN X Y, CHEN F, KONG J. The Research on Temperature Control in Biological Oxidation Pretreatment Process of a Gold Mine in A
10、lpine RegionJ. Precious Metals, 2014 (2) : 38-42.。进入21世纪，针对世界上较多难以处理的金矿资源，国内外的科学家们已经开始专注于研究生物氧化提金工艺李娜, 南新元, 陈剑楠. 关于金矿石生物氧化预处理过程ORP预测研究J. 计算机仿真, 2016, 33(6):310-314. LI N, NAN X Y, CHEN J N. esearch on OP Prediction of Gold Ore Biological Oxidation Pretreatment ProcessJ. Computer simulation, 2016, 33
11、 (6) : 310-314.。在高寒地区，容易出现大风，大雪天气，而温度又是氧化槽内细菌生存的必要条件，因此，为了提高冶金率，必须提高生物氧化槽内细菌的活性，保持氧化槽内细菌最适宜的生存温度，针对密集型多级氧化槽，温度的协同控制研究就尤为重要赵威振,南新元,孙明.氧化槽温度实时动态精准预测仿真研究J.有色金属（冶炼部分）,2018(7):25-30. ZHAO W Z, NAN X Y, SUN M. Simulation of Real-Time Dynamic Precision Prediction of Oxidation Tank TemperatureJ. Nonferrous
12、Metals, 2018 (7) : 25 to 30.。受高寒地区海拔高，昼夜温差大，容易出现大风，风吹雪天气等条件的影响，使得氧化槽内温度在不同季节，不同时间呈现出一定的差别梁甜,高丙朋,冯琳欢. 生物氧化预处理过程中氧化槽温度机理模型及温度场的研究J. 有色金属(冶炼部分),2017(12):6-10. LIANG T,GAO B P,FENG L H.Study on Temperature Mechanism Model and Temperature Field of Oxidation Tank during Biological Oxidation PretreatmentJ.
13、 Journal of non-ferrous metal smelting (part), 2017 (12) : 6-10.。本文通过对单一氧化槽换热管电动调节阀使用PSO优化的PID神经网络控制方法来保障氧化槽温度控制的准确性，在此基础上对多级氧化槽系统采用基于最大误差的速度动态补偿协同控制方法，建立速度动态补偿协同控制模型，并对其进行模拟仿真，实验结果证明该方法能够精确控制多级氧化槽的温度，满足高寒地区生物冶金工艺的要求。2多级氧化槽中单槽温度控制的研究PSO算法被称为粒子群优化算法（鸟群觅食算法），是在1995年由Eberhart与Kennedy提出的一种新的智能优化算法Anna M
14、atzov. Thermal convection in tilted porous fracturesJ. Journal of Physics-Condensed Matter, 2002, 14(9):2467-2474.。神经网络具有很好的非线性，能够快速处理一些复杂的算法，PID神经网络控制就是将PID控制应用于神经网络中 Wang T, Gao H, Qiu J. A Combined Adaptive Neural Network and Nonlinear Model Predictive Control for Multirate Networked Industrial P
15、rocess ControlJ. IEEE Transactions on Neural Networks & Learning Systems, 2016, 27(2):416-425.。PID控制器的关系为： （1） 设神经网络的输入是，输出是。权重系数，。则： （2）系统组成的网络图形如下： 图1 PID神经网络结构图Figure 1 PID neural network structure据图1，PID神经网络输入层神经元的输出是： （3） 令，则：控制系统隐含层的输入，输出是： （4） （5） （6） （7） 系统的输出： （8） （9） （10） （11） （12） 在上式
16、中，代表输出层权重系数；，设目标函数是： （13） 让PSO算法训练神经网络，定义系统粒子的位置向量x作为神经网络的阈值。首先x进行初始化，其次通过PSO算法搜索最优值，令以下适应度值最小。 （14） PSO优化PID神经网络权值的过程如下图所示： 图2 PSO优化PID神经网络的过程图Figure 2 PSO to optimize the process of PID neural network diagram为了证明本课题所采用的算法的先进性与有效性，本课题采用MATLAB软件进行仿真验证。通过与没有经过PSO优化的PID神经网络控制器进行对比，说明本课题采用的算法的先进性与有效性。本
17、课题采用的评价目标函数是飞思科技产品研发中心. MATLAB7辅助控制系统设计与仿真M. 电子工业出版社, 2005.Flex technology product R & D Center. MATLAB7 auxiliary control system design and simulationM. Electronic industry press, 2005.： （15） 在仿真的过程中，种群粒子数是20，进化次数为50次，设定，根据Hebb rule算法对PID神经网络控制器仿真,下面图3和图4是被控量1经过PID神经网络控制器和经过PSO优化的PID神经网络控制器仿真曲线
18、效果对比图；图5和图6是被控量2经过PID神经网络控制器和经过PSO优化的PID神经网络控制器仿真曲线效果对比图；图7和图8是被控量3经过PID神经网络控制器和经过PSO优化的PID神经网络控制器仿真曲线效果对比图。 图3 PID神经网络控制效果图 图4 PSO优化PID神经网络控制效果图Figure 3 PID neural network Figure 4 PSO to optimize the PID control effect neural network control effect 图3 PID神经网络控制效果图 图4 PSO优化PID神经网络控制效果图Figure 3 PID
19、neural network Figure 4 PSO to optimize the PID control effect neural network control effect 图3 PID神经网络控制效果图 图4 PSO优化PID神经网络控制效果图Figure 3 PID neural network Figure 4 PSO to optimize the PID control effect neural network control effect通过PID神经网络控制器仿真曲线效果图与PSO优化的PID神经网络控制器仿真曲线效果图进行对比，可以看出经过PSO优化的PID神经网
20、络控制器更早的趋于目标值，抗干扰能力强。PSO优化的PID神经网络控制器虽然结构复杂，但是控制性能远远好于未被PSO优化的PID神经网络控制器。3 多级氧化槽基于最大误差的速度动态补偿协同控制研究通过对多级氧化槽中单槽温度控制的研究，在高寒高海拔地区，相同条件下，对第一级的三个氧化槽都采用PSO优化的PID神经网络控制器控制流进槽内的热水量。保证了第一级三个氧化槽内进水量的精度。对多级氧化槽的温度协同控制研究奠定了良好的基础，为了使第一级氧化槽的温度协同控制性能良好，需要使第一级氧化槽的换热管调节阀电机同步进行。这时，换热管调节阀的电机需要采用最佳的协同控制方式。利用温度协同控制器对第一级的三
21、个氧化槽进行热量补偿。温度协同控制器由模糊控制器，判断器，速度补偿器构成。通过速度补偿器对换热管调节阀实现速度信号的补偿，给定转速输入到模糊控制器，输入量是换热管调节阀转速误差，输出量是换热管调节阀转速误差等级。每个换热管调节阀的误差等级到达判断器，再对每个子系统的控制系数重新定义，建立新的方程组，确定出换热管调节阀调节开度的大小，实现三个氧化槽之间的热量补偿，使氧化槽之间协同运行。那第一级氧化槽换热管调节阀电机进行闭环控制，需要使其同步性能良好，减少同步误差。缩短氧化槽微生物氧化反应的时间，提高氧化反应的速率，提高了冶金率。协同控制系统结构简单。动态补偿协同控制结构示意图如下所示: 图7 动
22、态补偿协同控制结构示意图Figure 7 dynamic compensation coordinated control structure diagram第一级氧化槽换热管调节阀电机之间进行动态补偿协同控制的过程中，对氧化能力影响最严重的换热管调节阀，利用调节阀之间的协同控制，减小同步误差的过程实现多电动阀之间的动态补偿，提高多级氧化槽的协同性。第一级每个氧化槽换热管调节阀电机的转速到达协同控制器，通过计算，找到对氧化能力影响最严重的换热管调节阀，设定该换热管调节阀电机的补偿系数是1，另外两个换热管调节阀电机的补偿系数是0。协同控制器通过给予电机动态速度补偿，减小同步误差。根据换热管调节阀
23、电机的误差等级及其补偿系数可以计算出电机需要的补偿值。公式如下： （16） 在上式（16）中，代表补偿系数，代表补偿强度，代表第台电机输出的转速，代表第台电机输出的转速，代表第台电机的同步比例系数，代表第台电机的同步比例系数，。第一级氧化槽换热管调节阀电机之间转速的动态补偿主要是由协同控制器来完成的。协同控制器主要由四个模块构成：计算相对误差：协同控制器会根据换热管调节阀电机设定的转速和电机输出的转速来计算出每个氧化槽换热管调节阀电机转速的相对误差；计算误差等级：在本文中，计算误差等级主要是在模糊控制器中进行，模糊控制器会根据换热管调节阀电机计算出来的相对误差输出相对应的的误差等级；判断误差等
24、级：由模糊控制器输出的误差等级进入判断器里面进行判断，找到误差等级最大的那个换热管调节阀；动态速度补偿：误差等级最大的那个换热管调节阀输出补偿权值到速度补偿器里面，计算出换热管调节阀电机的动态速度补偿值。3.1计算相对误差 在第一级氧化槽中，假定换热管调节阀电机转速的期望值是，实际换热管调节阀电机的转速偏离其期望值越远的时候，对整个系统的协同性能影响越大。那么将换热管调节阀电机的实际转速与期望值作差后与期望值的比值称作是相对误差。公式如下： （17） 误差变化率可表示为： （18） 3.2计算误差等级 计算误差等级这一过程在模糊控制器中进行，模糊控制器会根据换热管调节阀电机计算出来的相对误差输
25、出相对应的的误差等级。基本过程如下：（1）首先将和作为模糊控制器的输入变量，模糊集分别是和，对应的7个等级分别是。输出为误差等级，模糊集是，对应的7个等级分别是。（2）定义和的模糊子级是,的模糊子级是。对于 和都采用的是三角形隶属度函数。曲线图如下：图8 与的三角形隶属度函数图 图9 的三角形隶属度函数图Figure 8 withtriangular Figure 9 triangular membership membership functions of the figure functions of the figure（3）在第一级氧化槽中，确定换热管调节阀电机的误差等级时，应当满足：
26、和大，大；反之，命题成立。在生物氧化冶金过程中，为了提高微生物的氧化反应速率，提高冶金率，需要换热管内的温水不断地对氧化槽内的微生物进行加热，这个时候换热管调节阀电机转速的频繁切换，可能对整个系统的稳定性和准确性产生一定的影响。所以对于误差等级不能分的太过于精细。（4）模糊推理采用Mamdani算法，相关公式如下： （19） （20）（5）在该控制器设计过程中，最后采用重心法进行去模糊 庞甲甲. 网络控制系统的控制与调度协同设计D. 济南大学, 2013. PANG J J. The Co-design of Control and scheduling in Networked Contro
27、l systemD. Jinan university, 2013.。关于的公式如下： （21） 3.3判断误差等级将上一阶段每个换热管调节阀电机计算出来的误差等级输入判断器中，在判断器中比较每台换热管调节阀电机的误差等级。最高的误差等级用来表示，判断器根据每台换热管调节阀电机的误差等级输出对应的补偿权值。如果每台换热管调节阀电机出现一样的误差等级，则对应的补偿权值全部记为0；如果每台换热管调节阀电机的误差等级不一样，则误差等级最大的换热管调节阀电机输出的补偿权值，其他的换热管调节阀电机输出的补偿权值。对应的公式可以用下式表示。 （22） 最后将判断器输出的补偿权值送到速度补偿器中进行速度动态
28、补偿。3.4速度动态补偿由上述步骤可以找到误差等级最大的换热管调节阀电机，然后在协同控制器中会由速度补偿器计算出该换热管调节阀电机与其他换热管调节阀电机之间存在的同步误差，并将其放大若干倍以后看作是补偿信号反馈到协同控制器的输入端。上述可用下列公式表示。 （23） （24）在上式（23）（24）中，分别代表换热管调节阀电机和换热管调节阀电机1，换热管调节阀电机2，换热管调节阀电机的同步误差。代表对换热管调节阀电机的补偿强度，代表在协同控制器中，判断器根据每台换热管调节阀电机的误差等级输出对应的补偿权值。 第一级生物氧化槽换热管调节阀的电机经过协同控制器的动态补偿以后，每台生物氧化槽换热管调节阀
29、电机经过PSO优化的PID神经网络控制器输入信号可用下式表示。 （25） 4 实验结果分析 该实验是在MATLAB2015软件上进行的实验仿真，在生物氧化冶金系统中，换热管调节阀电机采用的三相异步电机。在实验中，第一级三个氧化槽的换热管调节阀电机初始给定转速依次是50r/min，100r/min，150r/min。实验仿真时间是0.6,在0.3的时候给电机1施加150的负载。实验结果如下图所示：图10 第一级氧化槽换热管调节阀三电机转速曲线图Figure 10 primary oxidation groove heat exchange regulator three motor speed
30、curve图11 电机1和电机2的同步误差曲线图Figure 11 motor 1 and 2 of the synchronization error of curve 从图10中可以看出，第一级氧化槽的三个换热管调节阀电机无论是在加载前还是在加载后，转速一直相互跟随。从图11中可以看出，在加载前，两电机迅速趋于稳定，加载后，两电机出现同步误差，最后趋于稳定。所以第一级氧化槽的三个换热管调节阀电机具有很好的跟随性，协同控制性能良好。5 结束语高寒地区海拔高，昼夜温差大，容易出现大风，风吹雪等天气，对生物氧化预处理过程中氧化槽的温度有非常大的影响贾爱迪, 高丙朋, 徐媛媛. 生物氧化预处理氧化
31、槽内气液混合相的密度机理模型J. 贵金属, 2016, 37(3):46-50. JIA A D,GAO B P,XU Y Y. Density Mechanism Model on Gas-liquid Mixing Phase in the Oxidation Tank of Biological Oxidation PretreatmentJ. Precious Metals, 2016, 37 (3) : 46-50.。本文通过PSO优化的PID神经网络算法构建控制器，对单一氧化槽换热管调节阀的开度进行调节，以此控制氧化槽换热管内热水的流量，进而实现氧化槽内温度的精准控制，论文中建立了数学模型并进行了仿真，通过与普通PID算法仿真对比，说明该方法具有一定的优越性；在此研究基础上，对多级氧化槽系统采用了基于最大误差的速度动态补偿协同控制方法构建协同控制器，实现了对多级氧化槽温度的协同控制，通过对仿真结果验证分析，证明本文控制方法行之有效，能够满足高寒地区特殊气象条件下的工艺要求，该研究成果为高寒地区生物冶金工艺的精准控制提供了新的思路和方法。 参考文献