（山東科技大學電氣工程系，山東 泰安271021）
【摘要】結合灰分控制的時變、滯后和非線性特性，本文提出了一種基于人工神經網絡與模糊控制相結合的控制器。利用人工神經網絡的自學習、自適應和并行處理的能力，將模糊控制規則轉化為神經網絡的學習樣本，通過ANN的BP學習算法記憶這些規則樣本。實驗表明該控制器具有響應速度快、精度高和魯棒性的特點。
【關鍵詞】 溫度 模糊控制 人工神經網絡 變頻器
中圖分類號：TP18 文獻標識符：A
煤礦選煤廠的配煤系統是一個非線性、時變和大滯后的過程，在其控制過程中，灰分度是一個非常重要的控制參數。目前常采用PID控制裝置，但這種PID控制適應能力差，對高頻干擾非常敏感。而且由于灰分度是一個非線性時變參數，加上工作環境的隨機性，很難建立一個精確的數學模型。而模糊和神經網絡控制是一種非線性控制方式，對無法取得數學模型或數學模型相當粗糙的系統可以取得滿意的控制效果。
1、 控制對象分析及系統總體框架
根據選煤廠的工藝流程和對配煤系統的分析，可以總結出配煤系統具有以下控制特性：
（1）給煤機的給煤量與變頻器的頻率之間具有嚴重的非線性；
（2）具有較大的時間滯后。由于在線測灰儀有一定的反應周期以及給煤機轉速變化使給煤量變化后，要經過皮帶的運輸才能造成煤流量的變化，造成了時間滯后。
（3）具有灰色性。煤倉中煤料的粒度、形狀、密度、含水量以及煤料與外套筒間的摩擦力等信息不能獲得，而這些因素對煤料出口的流量都有影響。
（4）儲煤倉在發生堵倉、穿倉和空倉等情況下，給煤機擋板需要人工調節，對象特性發生變化。
 綜上所述，由于參配品種煤的灰分和煤量時刻變化、存在煤流運輸滯后、灰分測量值存在檢測滯后等原因，我們在實際的配煤操作中不能簡單的按照上一章基于專家系統的煤配比的流量控制。究其原因主要在于：在配煤控制策略的專家推理中，專家知識只是基于各種淺層知識的推理，而不能充分利用蘊涵在系統實時采樣數據中的不可測因素及其變化等隱含知識。因此在專家系統中對配煤流量的調節只能采取間斷調節，即當煤流量變化顯著（如空倉或是堵倉時）再診斷調節。考慮以在線灰分儀的灰分或發熱量作為反饋參數，以產品煤的給煤量（可以實施細調）作為調節手段。由于裝車煤的質量考核依據是各車皮平均采樣混合后的樣本的化驗值，所以，累計灰分（發熱量）是裝車質量的主要衡量標準。有了基于灰分的反饋控制，就不需要知道各煤倉確切的灰分、煤流量以及其它復雜因素，而達到上述要求。基于灰分反饋的系統控制結構圖如圖1所示。


圖1中， 為灰分給定值， 為實際輸出值， ， 為比例系數，x1、x2為模糊輸入值，FNNC為模糊神經網絡控制器， 分別為模糊值增量、實際值增量、上一次實際值和這一次實際值。
2、選煤廠配煤工藝
濟寧二號煤礦選煤廠為年處理原煤400萬噸的大型礦井選煤廠，洗煤工藝為入洗原煤采用混合跳汰,煤泥采用沉降離心機和壓濾機處理。主要產品包括：篩分原煤、塊精煤、末精煤和動篩精煤和洗混煤。塊煤重介選矸系統為后來補充，300—50mm物料采用斜輪分選機分選，生產的塊精煤產品可作為塊煤單獨銷售，也可作為一般動力煤銷售。選煤廠配煤裝車工藝系統如圖2所示（二號井選煤廠目前有539、540兩條裝車線，裝車工藝相同）。


濟寧二號煤礦選煤廠現有四個品種煤，分別存放于8個煤倉，它們分別是：3個原煤倉、2個洗末精煤倉、2個塊精煤倉、1個高灰精煤倉。其中，高灰精煤倉即將增建，本方案將其考慮在內。
火車裝車有兩條軌道，分別對應539、540兩條裝車皮帶。每個原煤倉有4臺給煤機，2個供給539皮帶，另2個供給540皮帶；2個末精煤倉各配1個給煤機，分別供給兩條皮帶；2個塊精煤倉各配6臺給煤機，分別供給兩條皮帶；高灰精煤倉配有2臺給煤機，通過皮帶和溜槽（控制閘板）分別供給兩條皮帶。這樣每條皮帶各有14臺給煤機為之給煤。
3、影響配煤效果的工藝問題
目前工藝條件下，配煤操作中存在著若干影響配煤效果的工藝問題：
（1）通常配煤的灰分是時刻變化的，有些煤種（如原煤）的灰分的波動范圍還較大。
（2）各配煤倉的給煤量也是時刻變化的。無論是閘板調節或是變頻調節，對于同一開度或同一頻率，在不同的時刻，其煤量也可能是不同的。
（3）灰分儀的瞬時值存在1分鐘左右的延遲，并且皮帶上煤流存在一定的傳輸時間，配煤系統存在較大的滯后。
鑒于以上影響配煤效果的工藝問題，我們進行了以下改進措施：采用灰分反饋控制；煤量在線監測；煤量采用變頻器調節方式。改造以后的配煤裝車工藝如3圖所示：


4、自動配煤系統工作原理
先由人工選擇目標灰份和配煤煤種，由系統確定給煤機的數量，經過計算定性地得出將要裝車的產品灰份，依據所配煤的目標灰份和各煤倉煤的灰份算出各煤種的給煤流量，用開動給煤機的臺數進行給煤量的粗調，通過實時監測裝車皮帶上配煤比后的灰份和實際裝車灰份與目標灰份進行比較，之后再由系統計算后調節皮帶稱的瞬時流量并指導變頻器動作，用變頻器進行給煤量的細調，從而使配煤最大限度地接近目標灰份。自動配煤系統工作原理圖見圖4。其中變頻器采用羅克韋爾（Rockwell）自動化A-B變頻器，電壓為380V，功率為45KW，兩條皮帶共28臺。
5、結論
本文對選煤廠配煤系統工藝進行了詳細介紹，對影響配煤產品的工藝因素進行了分析，在此基礎上，對配煤工藝進行了改造，提出了基于模糊神經網絡的灰分反饋控制策略，為實施配煤智能控制提供了一種新的方法。


參考文獻
1 李士勇.模糊控制.神經控制和智能控制論. 哈爾濱市：哈爾濱工業大學出版社，1998
2 章衛國.楊向忠.模糊控制理論與應用. 西安市：西北工業大學出版社，1999
3 張立明•人工神經網絡的模型及其應用•復旦大學出 版社，1992
作者簡介：王致杰，男，1964年生，山東省濰坊市人，1985年畢業于山東科技大學自動化系，教授，博士，主要從事工業微機控制、模糊控制和網絡方面的研究。發表論文30篇，有多項科研成果。
聯系地址：山東省泰安市岱岳區 山東科技大學電氣工程系 郵編：271021
電 話：0538－8497226 0538－5387226 13512565962
Titl: Admeasure Coal Controlling of Self-adapt Based on Fuzzy Artificial Neural Network
Wang Zhi Jie Yang Yu-ling
(College of Information and electrical engineering, Shan Dong University of Science and Technology，Tai An，ShanDong 271021，China；)
Abstract:This paper is detailed to introduces the Artificial Neural Network Fuzzy model and algorithm ,establishing Artificial Neural Network Fuzzy Control model of Admeasure Coal Controlling of Self-adapt，and verify its possibility and advantage.
Keywords: Ash Fuzzy Control Artificial Neural Network Inverters