CN103028480A - 一种基于模糊pid算法的立磨智能控制*** - Google Patents

Abstract

本发明涉及生产设备控制技术领域，具体是一种基于模糊PID算法的立磨智能控制***。包括立磨机、除尘器和喂料装置，所述的喂料装置包括下料器、抖提机和储存料仓，其特征在于立磨机底部进风口通过管道连接风机，所述的进风口和风机之间的管道上设有冷风装置和热风炉，冷风装置和热风炉上分别设有冷风调节阀和热风调节阀，所述的喂料装置上设有立磨料层模糊PID控制器，所述的冷风调节阀上设有磨内压差模糊PID控制器。本发明无需分析立磨复杂的粉磨过程，只需要输入输出数据，就可建立立磨料层厚度和磨内压差随喂料量、磨机入口热风温度等参数变化的数学模型，过程简单，适应性强，控制器算法动态响应时间快，鲁棒性强，控制精度高，市场前景好。

Description

一种基于模糊PID算法的立磨智能控制***

[技术领域]

本发明涉及生产设备控制技术领域，具体是一种基于模糊PID算法的立磨智能控制***。

[背景技术]

立磨是一种理想的大型粉磨设备，广泛应用于水泥、电力、冶金、化工、非金 属矿等行业。其依据料床粉磨原理，利用磨盘与磨辊的相对运动来粉磨物料的一种机械，集破碎、干燥、粉磨、分级输送于一体，生产效率高，可将块状、颗粒状及粉状原料磨成所要求的粉状物料。立磨作为粉磨生产过程中的一种重要设备，除了用途广泛外还具有烘干效率高、喂料粒度大、占地面积小、磨耗低、电耗低等优点。但在磨机的实际投入生产过程中，由于各种因素的存在和互相作用影响，磨机经常出现异常振动、吐渣、空磨、功耗增大等故障，尤其以磨机异常振动最为常见，严重影响磨机生产的效率和产品质量，不够安全可靠。

另外，由于立磨集粉磨、烘干、输运、选粉等功能于一体，是一个多变量、耦合性强、非线性的复杂***，加之又受到其它外部因素的影响，因此立磨粉磨、输运、选粉过程中的数学模型难以建立，给立磨的优化控制带来很大的困难。影响立磨粉磨整体性能的因素很多，因此，如何有效地提高立磨粉磨的整体性能，从而大大降低磨机的非正常振动以及如何将各个因素统筹考虑，各个控制环节有机结合在一起，以实现各个设备参数的优化控制成为当前立磨控制***研究中的重要一部分。但现有技术中还没有一种有效的优化控制方案来提高立磨粉磨生产过程中的效率和稳定性。

目前，国内大多数厂家对立磨控制是根据操作人员的经验，采用手动调节立磨运行参数。然而这种手动调节运行参数的方法，控制效果不理想，经常出现波动，难以达到工艺要求和分选效率。而由于立磨***的时变性、强耦合性及非线性，传统的PID控制也难以获得理想的效果。且传统PID控制是基于误差反馈控制，在***稳定时，***输出和控制量存在稳态误差，从而直接影响生产产品的质量及生产过程中的安全性。

[发明内容]

本发明的目的就是为了解决现有技术中的不足和缺陷，提供一种结构新颖、安全可靠，能有效克服磨机耦合性强、多变量、非线性等影响因素，实现磨机稳定运行的基于模糊PID算法的立磨智能控制***。

为实现上述目的，提供一种基于模糊PID算法的立磨智能控制***，包括立磨机、除尘器和喂料装置，所述的喂料装置包括下料器、抖提机和储存料仓，其特征在于立磨机底部进风口通过管道连接风机，所述的进风口和风机之间的管道上设有冷风装置和热风炉，冷风装置和热风炉上分别设有冷风调节阀和热风调节阀，所述的喂料装置上设有立磨料层模糊PID控制器，所述的冷风调节阀上设有磨内压差模糊PID控制器。

所述的立磨料层模糊PID控制器和磨内压差模糊PID控制器内分别设有立磨料层厚度控制模块和磨内压差控制模块。

首先依据立磨***的运行参数，判断立磨的运行状态，若立磨运行参数没有处在合理范围内，***出现故障，则设定为手动调节模式，若立磨运行状态正常，则启动立磨料层厚度和磨内压差控制模块，采用模糊PID算法控制料层厚度和磨内压差，其中以立磨料层厚度控制回路为主，磨内压差控制回路为辅。

所述的运行参数包括磨机喂料量、料层厚度、磨机振动、出入磨热风温度、磨机内进出口压差、选粉机转速，根据各参数的范围，磨机分为正常状况和异常状况，立磨运行参数都处在合理的范围内，立磨处于正常状况，反之立磨处于异常状况，此时立磨出现振动量过大停机、吐渣量大、磨内压差不稳定现象。

所述的立磨料层厚度控制模块以给定的料层厚度与现场测量值的偏差e和偏差变化率Δe作为输入变量，PID控制器的参数K_p、K_i、K_d作为输出量，对PID调节器进行控制，通过调节喂料量的大小使磨机料层稳定，该模糊PID控制器算法包括以下步骤：

（1）采集现场料层的厚度值；

（2）计算现场采集数据与设定值的偏差e和偏差变化率Δe；

（3）输入变量偏差e和偏差变化率Δe的基本论域为[-e_max,e_max]、[-Δe_max, Δe_max]，输出变量u的基本论域为[-u_max,u_max]，将偏差e、偏差变化率Δe及输出变量u模糊化，其模糊子集为E,EC,U={NB,NM,NS,ZO,PS,PM,PB}，在对E、EC、U的论域精确量离散化，即E，EC，U＝{-3，-2，-1，0，1，2，3}，则输入量化因子为

，

$k_{\mathrm{\Δe}}=\frac{3}{\mathrm{\Δ}{e}_{\max }}$ ；

经模糊控制算法得到的控制量u为控制量语言变量论域中的值，必须转化为控制量基本论域中的值，控制量的比例因子；

隶属函数将量化值e、Δe模糊化为模糊判决的输入量E、EC，隶属函数曲线一般有单值型、高斯型、三角形等，三角形函数简单，又可以克服输入变量中的噪声，故本模糊PID控制器各语言变量的隶属度函数采用三角型函数；

（4）本控制器的控制规则形式为If E and EC Then U，控制规则采用模糊推理合成法，依据PID参数整定原则及经验总结，可以得到输出量U的控制规则；

（5）由上面的控制规则可以得到总的模糊关系R，根据Mamdani推理合成规则就可求得相应的输出语言变量论域上的模糊集合：

式中“”表示模糊关系的合成运算，“×”表示模糊推理中的取小运算；

（6）经过模糊推理得到的控制输出量是一个模糊集合，需要进行模糊判决，使输出的模糊集合成为一个确切的控制量，即知道偏差e及偏差变化率Δe的情况下，通过查表便可求得输出控制量u，再乘以输出比例因子，便可得到实际控制量。

所述的磨内压差的控制模块以给定的磨内压差与现场测量值的偏差e和偏差变化率Δe作为输入量，PID控制器的参数K_p、K_i、K_d作为输出变量，对PID调节器进行控制，通过调节磨机冷风开口阀的开度，维持磨内压差的稳定，磨内压差的模糊PID控制器算法包括以下步骤：

（1）采集现场料层的厚度值；

（2）计算现场采集数据与设定值的偏差e和偏差变化率Δe；

（3）输入变量偏差e和偏差变化率Δe的基本论域为[-e_max,e_max]、[-Δe_max,Δe_max]，输出变量u的基本论域为[-u_max,u_max]，将偏差e、偏差变化率Δe及输出变量u模糊化，其模糊子集为E,EC,U={NB,NM,NS,ZO,PS,PM,PB}，在对E、EC、U的论域精确量离散化，即E,EC,U={-3,-2,-1,0,1,2,3}，则输入量化因子为，

$k_{\mathrm{\Δe}}=\frac{3}{\mathrm{\Δ}{e}_{\max }}$ ；

经模糊控制算法得到的控制量u为控制量语言变量论域中的值，必须转化为控制量基本论域中的值，控制量的比例因子

；

隶属函数将量化值e、Δe模糊化为模糊判决的输入量E、EC，隶属函数曲线一般有单值型、高斯型、三角形等，三角形函数简单，又可以克服输入变量中的噪声，故本模糊PID控制器各语言变量的隶属度函数采用三角型函数；

（4）本控制器的控制规则形式为If E and EC Then U，控制规则采用模糊推理合成法，依据PID参数整定原则及经验总结，可以得到输出量U的控制规则；

（5）由上面的控制规则可以得到总的模糊关系R，根据Mamdani推理合成规则就可求得相应的输出语言变量论域上的模糊集合：

式中“

”表示模糊关系的合成运算，“×”表示模糊推理中的取小运算；

（6）经过模糊推理得到的控制输出量是一个模糊集合，需要进行模糊判决，使输出的模糊集合成为一个确切的控制量，即知道偏差e及偏差变化率Δe的情况下，通过查表便可求得输出控制量u，再乘以输出比例因子，便可得到实际控制量。

本发明的技术优点如下：

（1）通过本发明的方法，无需建立立磨复杂的数学模型，利用立磨运行过程中的参数，就能够在线判断立磨的运行状态，并保持立磨料层厚度和磨内压差的稳定。

（2）采用模糊PID控制***，能够在线自整定PID的三个参数，相比单纯PID控制***，动态响应时间快，超调量小，稳态精度高，抗干扰能力强。且采用模糊PID控制***，能够克服立磨的强耦合性、多扰动量、非线性等影响，保持磨机的稳定可靠运行，使成品的产量和细度合格。

[附图说明]

图1是本发明中矿渣粉磨工艺流程生产线的主要结构示意图；

图2是本发明中立磨总体控制结构框架示意图；

图3是本发明中模糊PID控制器的结构框架示意图；

图4是本发明中立磨料层厚度控制模块软件的流程图；

图5是本发明中立磨磨内压差控制模块软件的流程图；

如图所示，图中：1.斗提机  2.来自原料站的原料  3.三通阀4.下料器  5.储料仓  6.冷风  7.热风炉  8.除尘器9.风机  10.烟囱  11.入均化库；

指定图2为本发明的摘要附图。

[具体实施方式]

下面结合附图对本发明作进一步说明，这种方法的流程和原理对本专业的人来说是非常清楚的。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

本发明以TVR46/23立磨矿渣生产线为实施例，阐述该智能控制***的实现过程。其生产工艺图如图1所示。

1、立磨的智能控制***概述

立磨的控制是在保证矿渣产品的细度、产量、湿度的情况下，尽可能地降低立磨的振动值，保证立磨稳定运行。实际生产中，料层厚度和磨内压差是影响立磨运行稳定与否的重要要素。

如图2所示，图2为本发明所阐述的一种立磨智能控制***。该智能控制***主要包括磨机状态识别模块、料层厚度模糊PID控制模块、磨内压差模糊PID控制模块等。

2、磨机工况的识别模块

磨机运行的参数，主要包括矿渣喂料量、料层厚度、磨机振动、磨内压差等，若处在合理的范围之内，则立磨运行稳定，产品就会合格。本实施例中TVR46/23立磨的运行参数如下：

表1 立磨运行参数表

参数名称	数值	单位	参数名称	数值	单位
						矿渣喂料量	90-95	t/h	磨机振动	0.5-0.8	mm/s
料层厚度	30-40	mm	入磨热风温度	200-300	℃
						磨内压差	3000-4000	Pa	出磨热风温度	80-100	℃

取周期为2s，对磨机参数进行采样，并用多个采样数据进行滤波处理。对采样数据判断，是否处在合理范围内，如上表所示。如有任何一参数不处在合理范围内，判断磨机状态为异常，输出“0”；若各个参数都处在上表数值范围内，判断磨机状态为正常，输出“1”。

3、立磨料层模糊PID控制模块

依据步骤2识别出磨机运行状态，若为异常状态，则手动控制磨机参数；若为正常状态，则启动立磨的模糊PID智能控制***。模糊PID控制器结构如图3。本控制***以立磨料层厚度控制回路为主，磨内压差控制回路为辅。立磨料层厚度模糊PID的控制模块流程图如图4所示，完成该控制过程的步骤如下：

（1）启动模糊PID控制模块，完成各项参数的A/D转换。

（2）对矿渣料层厚度值进行采样，计算出采样数据与设定值的偏差e和偏差变化率Δe。

（3）偏差e和偏差变化率Δe为模糊控制器的输入，u为模糊控制器的输出变量，包括k_p、k_i、k_d三个PID控制参数。根据工艺及料层厚度范围30~40mm，则e、Δe的基本论域为[-8,8]、[-4.5,4.5]；输出量u的基本论域[-u_max,u_max]根据经验获得。将偏差e、偏差变化率Δe及输出变量u模糊化，其模糊子集为 E,EC,U={NB,NM,NS,ZO,PS,PM,PB}。

再对E、EC、U的论域精确量离散化，即E,EC,U={-3,-2,-1,0,1,2,3}。则输入量化因子为

，。输出量的比例因子为

。

隶属函数将量化值e、Δe模糊化为模糊判决的输入量E和EC。隶属函数选为三角形函数。

（4）模糊控制规则是根据现场经验以及参数对料层厚度影响所得到的。根据输入、输出语言可以得到输出量的控制规则。

表2 k_P的模糊规则表

表3 k_i的模糊规则表

表4 k_d的模糊规则表

（5）输出语言变量论域上的模糊集合：

式中“

”表示模糊关系的合成运算，“×”表示模糊推理中的取小运算，R表示总的模糊规则关系。

依据此公式可计算出PID的三个参数。

（6）经过模糊推理得到的控制输出U仍是一个模糊集合，需要乘以输出比例因子，得到PID控制的三个实际输出量。

经过PID的计算，得到需要增加或者减少喂料量值大小，并D/A转换。给皮带机相应的频率值，得到皮带机输送的矿渣量。

4、磨内压差模糊PID控制模块

磨内压差的模糊PID控制模块与立磨料层厚度控制模块的实现原理一致，其模块软件流程图，如图5所示。

依据立磨总的智能控制***,如图2所示，即可克服立磨强耦合性、非线性、多扰动量的影响，保证立磨矿渣产品的产量和细度，实现立磨的稳定运行。

Claims (6)

1.一种基于模糊PID算法的立磨智能控制***，包括立磨机、除尘器和喂料装置，所述的喂料装置包括下料器、抖提机和储存料仓，其特征在于立磨机底部进风口通过管道连接风机，所述的进风口和风机之间的管道上设有冷风装置和热风炉，冷风装置和热风炉上分别设有冷风调节阀和热风调节阀，所述的喂料装置上设有立磨料层模糊PID控制器，所述的冷风调节阀上设有磨内压差模糊PID控制器。

2.如权利要求1所述的一种基于模糊PID算法的立磨智能控制***，其特征在于所述的立磨料层模糊PID控制器和磨内压差模糊PID控制器内分别设有立磨料层厚度控制模块和磨内压差控制模块。

3.一种基于模糊PID算法的立磨智能控制方法，其特征在于：首先依据立磨***的运行参数，判断立磨的运行状态，若立磨运行参数没有处在合理范围内，***出现故障，则设定为手动调节模式，若立磨运行状态正常，则启动立磨料层厚度和磨内压差控制模块，采用模糊PID算法控制料层厚度和磨内压差，其中以立磨料层厚度控制回路为主，磨内压差控制回路为辅。

4.如权利要求2所述的一种基于模糊PID算法的立磨智能控制方法，其特征在于：所述的运行参数包括磨机喂料量、料层厚度、磨机振动、出入磨热风温度、磨机内进出口压差、选粉机转速，根据各参数的范围，磨机分为正常状况和异常状况，立磨运行参数都处在合理的范围内，立磨处于正常状况，反之立磨处于异常状况，此时立磨出现振动量过大停机、吐渣量大、磨内压差不稳定现象。

5.如权利要求2所述的一种基于模糊PID算法的立磨智能控制方法，其特征在于所述的立磨料层厚度控制模块以给定的料层厚度与现场测量值的偏差e和偏差变化率Δe作为输入变量，PID控制器的参数K_p、K_i、K_d作为输出量，对PID调节器进行控制，通过调节喂料量的大小使磨机料层稳定，该模糊PID控制器算法包括以下步骤：

（1）采集现场料层的厚度值；

（2）计算现场采集数据与设定值的偏差e和偏差变化率Δe；

（3）输入变量偏差e和偏差变化率Δe的基本论域为[-e_max,e_max]、[-Δe_max,Δe_max]，输出变量u的基本论域为[-u_max,u_max]，将偏差e、偏差变化率Δe及输出变量u模糊化，其模糊子集为E,EC,U={NB,NM,NS,ZO,PS,PM,PB}，在对E、EC、U的论域精确量离散化，即E，EC，U＝{-3，-2，-1，0，1，2，3}，则输入量化因子为

，

$k_{\mathrm{\Δe}}=\frac{3}{\mathrm{\Δ}{e}_{\max }}$ ；

经模糊控制算法得到的控制量u为控制量语言变量论域中的值，必须转化为控制量基本论域中的值，控制量的比例因子

；

隶属函数将量化值e、Δe模糊化为模糊判决的输入量E、EC，隶属函数曲线一般有单值型、高斯型、三角形等，三角形函数简单，又可以克服输入变量中的噪声，故本模糊PID控制器各语言变量的隶属度函数采用三角型函数；

（4）本控制器的控制规则形式为If E and EC Then U，控制规则采用模糊推理合成法，依据PID参数整定原则及经验总结，可以得到输出量U的控制规则；

（5）由上面的控制规则可以得到总的模糊关系R，根据Mamdani推理合成规则就可求得相应的输出语言变量论域上的模糊集合：

式中“

”表示模糊关系的合成运算，“×”表示模糊推理中的取小运算；

（6）经过模糊推理得到的控制输出量是一个模糊集合，需要进行模糊判决，使输出的模糊集合成为一个确切的控制量，即知道偏差e及偏差变化率Δe的情况下，通过查表便可求得输出控制量u，再乘以输出比例因子，便可得到实际控制量。

6.如权利要求2所述的一种基于模糊PID算法的立磨智能控制方法，其特征在于所述的磨内压差的控制模块以给定的磨内压差与现场测量值的偏差e和偏差变化率Δe作为输入量，PID控制器的参数K_p、K_i、K_d作为输出变量，对PID调节器进行控制，通过调节磨机冷风开口阀的开度，维持磨内压差的稳定，磨内压差的模糊PID控制器算法包括以下步骤：

（1）采集现场料层的厚度值；

（2）计算现场采集数据与设定值的偏差e和偏差变化率Δe；

（3）输入变量偏差e和偏差变化率Δe的基本论域为[-e_max,e_max]、[-Δe_max,Δe_max]，输出变量u的基本论域为[-u_max,u_max]，将偏差e、偏差变化率Δe及输出变量u模糊化，其模糊子集为E,EC,U={NB,NM,NS,ZO,PS,PM,PB}，在对E、EC、U的论域精确量离散化，即E，EC，U＝{-3，-2，-1，0，1，2，3}，则输入量化因子为

，

$k_{\mathrm{\Δe}}=\frac{3}{\mathrm{\Δ}{e}_{\max }}$ ；

经模糊控制算法得到的控制量u为控制量语言变量论域中的值，必须转化为控制量基本论域中的值，控制量的比例因子；

隶属函数将量化值e、Δe模糊化为模糊判决的输入量E、EC，隶属函数曲线一般有单值型、高斯型、三角形等，三角形函数简单，又可以克服输入变量中的噪声，故本模糊PID控制器各语言变量的隶属度函数采用三角型函数；

（4）本控制器的控制规则形式为If E and EC Then U，控制规则采用模糊推理合成法，依据PID参数整定原则及经验总结，可以得到输出量U的控制规则；

（5）由上面的控制规则可以得到总的模糊关系R，根据Mamdani推理合成规则就可求得相应的输出语言变量论域上的模糊集合：

式中“

”表示模糊关系的合成运算，“×”表示模糊推理中的取小运算；

（6）经过模糊推理得到的控制输出量是一个模糊集合，需要进行模糊判决，使输出的模糊集合成为一个确切的控制量，即知道偏差e及偏差变化率Δe的情况下，通过查表便可求得输出控制量u，再乘以输出比例因子，便可得到实际控制量。

Images