CN102636989B - 无钟高炉料线深度调节的数据驱动pid控制器设计方法 - Google Patents

Abstract

本发明针对无钟高炉料线深度调节的数据驱动PID控制器设计方法，属于高炉炼铁自动化控制领域。主要内容如下：1）基于炉顶十字测温数据，设计一个能反映炉温的综合温度指标，并在此基础上设计PID控制规则；2）构造数据库中数据形式，使用传统方法进行PID参数整定，建立数据驱动的基础数据库；3）计算目标信息向量（控制目标）与数据库中信息向量的距离，选择邻元素：4）对选出的邻元素所对应的PID参数进行最优加权求和，得到对于目标信息向量的PID参数，并将其用于实际系统控制；5）对4）中得到的PID参数进行有向学习修正，将修正后的PID参数存储进数据库中；6）去除数据库中冗余数据组。

Description

无钟高炉料线深度调节的数据驱动PID控制器设计方法

技术领域

本发明针对无钟高炉料线深度调节的数据驱动PID控制器设计方法，属于高炉炼铁自动化控制领域。

背景技术

在高炉炼铁过程中，煤气流合理分布是保障炉况稳定顺行和完成生产指标的关键。由于高炉是个密闭的、复杂的系统，直接检测高炉内煤气流分布十分困难甚至不可能。目前，由于温度信息是众多反映煤气流分布信息中是最丰富的，因而人们通常基于十字测温数据对煤气流分布进行估计。另外，布料制度调节(包含料线深度、布料矩阵及批重大小等)是高炉炼铁过程中最重要的生产操作手段，决定了炉况是否稳定顺行和煤气是否被充分利用，直接决定了工厂的经济效益。因此，如何设置合理的布料制度一直是人们研究的问题。

在实际高炉生产中，由于高炉炉况复杂多变，高炉操作者通常不会对正在实施的布料制度进行剧烈的调整，而是会采用一种循序渐进的方式。通常，高炉操作者会根据十字测温数据调节料线深度，如果料线深度调节不能达到温度调节的目标，再调节布料矩阵，直到需要提高生产指标的时候，才会改变批重大小。由此可见，料线深度调节是布料制度调节中至关重要的一个环节，如果调节得当则不必进行后面复杂的布料矩阵调节。然而，目前的料线深度调节方法高度依赖高炉操作者的感性经验，即通过观察十字测温数据的变化规律依据其经验进行料线深度调节。这种调节方式往往会严重滞后于炉况的变化，会错过最佳的调节时间。

因此，有必要开发一种关于料线深度的自动调节方法，实时根据十字测温数据进行调节，减少布料矩阵调节的次数，尽最大努力达到炉况稳定及完成生产指标的目标。

发明内容

本发明的目的使借鉴高炉专家的经验，设计一套料线深度的自动调节方法，实时实现温度和煤气流的调节，实现炉况稳定顺行和完成生产指标的目标。

本发明的核心思想是根据高炉操作中料线深度与炉内温度关系，设计料线深度PID控制器。由于料线深度与炉顶温度关系复杂，难以建立准确的数学模型，因而本发明使用了基于数据驱动的PID控制器设计方法，以达到料线深度调节的有效性与精确性。主要内容如下：1)基于炉顶十字测温数据，设计一个能反映炉温的综合温度指标，并在此基础上设计PID控制规则；2)构造数据库中数据形式，使用传统方法进行PID参数整定，建立数据驱动的基础数据库；3)计算目标信息向量与数据库中信息向量的距离，选择邻元素：4)对选出的邻元素所对应的PID参数进行最优加权求和，得到对于目标信息向量的PID参数，并将其用于实际系统控制；5)对4)中得到的PID参数进行有向学习修正，将修正后的PID参数存储进数据库中；6)去除数据库中冗余数据组。

本发明具有如下的技术效果：

本发明不依赖具体模型，采用跟踪和控制非线性系统效果很好的数据驱动PID方法，并且使用真实可靠的十字测温数据对料线深度进行实时在线控制，从而对炉顶温度进行更及时地调节。本发明不仅免去了人工调节的人力物力资源的使用，而且比人工的经验控制更加精确，使炉内温度波动变化更小，更能保证高炉的顺行和高效。

附图说明

图1：数据驱动PID控制系统结构框图

图2：高炉十字测温点分布图

具体实施方式

根据本发明针对无钟高炉料线深度调节的数据驱动PID控制器设计方法，具体实施方式如下：

一、综合炉顶温度指标的建立及PID控制规则

1)根据高炉中十字测温装置，其有四条支臂，每条支臂上有四个点，中间有一个点，共有十七个点，如图2。设T_i(n)表示在第i个点的第n个周期内的平均温度，这里一个周期表示布焦(矿)开始，下次布矿(焦)开始。为了控制炉顶温度进而改善煤气流分布，我们将设置一个能反映炉顶温度的综合温度高低指标T(n)，且

$T\left(n\right)={\mathrm{\λ}}_1\left(\frac{T^1+T^5+T^9+T^{13}}{4}\right)+{\mathrm{\λ}}_2\left(\frac{T^2+T^6+T^{10}+T^{14}}{4}\right)$

$+{\mathrm{\λ}}_3\left(\frac{T^3+T^7+T^{11}+T^{15}}{4}\right)+{\mathrm{\λ}}_4\left(\frac{T^4+T^8+T^{12}+T^{16}}{4}\right)+{\mathrm{\λ}}_5{T}^{17}$

式中Tⁱ为对应雷达点温度，λ_i为权值，

2)设T_r(n)为当前周期的期望温度，为系统控制误差。设置时变参数的PID控制规则：

Δh(n)＝K_I(n)e(n)-K_P(n)ΔT(n)-K_D(n)Δ²T(n)

式中，h(n)为当前周期的料线深度，Δ为差分算子Δ＝1-z^-1，即Δh(n)＝h(n)-h(n-1)，K_I(n)、K_P(n)和K_D(n)分别为当前时刻积分增益、比例增益和微分增益，T(n)为当前周期综合温度指标。

二、建立基础数据库

基础数据库形式如下：

Φ(j)＝[φ(j)，K(j)]，j＝1，2，…，N(0)

式中，φ(j)＝[r(n+1)，r(n)，T(n)，…，T(n-n_T+1)，h(n-1)，…，h(n-n_h+1)]为信息向量(n_T，n_h为系统阶数)，K(j)＝[K_P(j)，K_I(j)，K_D(j)]为PID参数，N(n)为当前周期数据库中数据组个数，N(0)初始基础数据库中数据组个数。在建立数据库过程中K(j)由一般PID参数整定方法得到。

三、计算距离与选择邻元素

对于一个目标向量φ(n)(控制目标)，采用L₁-norm计算目标向量与数据库中每个元素信息向量的距离：

$d(\mathrm{\φ}\left(n\right),\mathrm{\φ}\left(j\right))=\underset{l=1}{\overset{n_y+n_u+1}{\mathrm{\Σ}}}\left|\frac{{\mathrm{\φ}}_l\left(n\right)-{\mathrm{\φ}}_l\left(j\right)}{{\max }_m{\mathrm{\φ}}_l\left(m\right)-{\min }_m{\mathrm{\φ}}_l\left(m\right)}\right|$

其中，φ_l(n)表示当前周期目标向量φ(n)的第l个元素，φ_l(j)表示数据库中第j个信息向量的第l个元素，max_mφ_l(m)表示数据库中所有信息向量的第l个元素中最大的元素，min_mφ_l(m)表示数据库中所有信息向量的第l个元素中最小的元素。

然后，从数据库中选出k组与目标向量距离最小的信息向量。

四、计算PID参数

对选出的k组数据库中信息向量对应的PID参数进行加极求和处理：

$K^{\mathrm{old}}\left(n\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{w}_{i}K\left(i\right),$ $\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{w}_i=1$

其中， $w_i=\underset{l=1}{\overset{n_y+n_u+1}{\mathrm{\Σ}}}(1-\frac{{[{\mathrm{\φ}}_l\left(n\right)-{\mathrm{\φ}}_l\left(i\right)]}^2}{{[{\max }_m{\mathrm{\φ}}_l\left(m\right)-{\min }_m{\mathrm{\φ}}_l\left(m\right)]}^2}).$ 计算得到的PID参数K^old(n)，直接传给PID控制器下一个周期即第(n+1)周期个的料线深度调节。

五、PID参数修正

在PID参数K^old(n)进行料线调节无法达到控制要求时，则需要对PID参数K^old(n)进行学习修正，使控制误差能够不断变小。这里，我们采用最速下降法PID参数修正：

$K^{\mathrm{new}}\left(n\right)=K^{\mathrm{old}}\left(n\right)-\mathrm{\η}\frac{\∂J(n+1)}{\∂K\left(n\right)},$ η：＝diag{η_P，η_I，η_D}

其中，η为学习率，J(n+1)为误差准则定义为e(n+1)＝Tr(n+1)-T(n+1)。进一步分析，我们可得到

$K_P^{\mathrm{new}}\left(n\right)=K_P^{\mathrm{old}}\left(n\right)-{\stackrel{\‾}{\mathrm{\η}}}_{P}e(n+1)(T\left(n\right)-T(n-1))\mathrm{sign}\left(\frac{\∂h(n+1)}{\∂T\left(n\right)}\right)$

$K_I^{\mathrm{new}}\left(n\right)=K_I^{\mathrm{old}}\left(n\right)+{\stackrel{\‾}{\mathrm{\η}}}_{I}e(n+1)e\left(n\right)\mathrm{sign}\left(\frac{\∂T(n+1)}{\∂h\left(n\right)}\right)$

$K_D^{\mathrm{new}}\left(n\right)=K_D^{\mathrm{old}}\left(n\right)-{\stackrel{\‾}{\mathrm{\η}}}_{D}e(n+1)(T\left(n\right)-2T(n-1)+T(n-2))\mathrm{sign}\left(\frac{\∂T(n+1)}{\∂h\left(n\right)}\right)$

其中，为新的学习率。这样，我们就得到一组新的对应目标向量φ(n)的PID参数。

六、去除数据库冗余数据

为了避免占用较多数据库资源和提高计算速度，需要对数据库中冗余数据进行去除。对于数据库中的数据，需要同时满足以下两个条件，有一条不满足时，数据组将被去除(对于上面选出的k组数据不加以判断，认为是符合要求的)：

d(φ(n)，φ(i))≤α1，i＝1，2，…，N(n)-k

$\underset{m=1}{\overset{3}{\mathrm{\Σ}}}{\left\{\frac{K_{\mathrm{in}}\left(i\right)-K_m^{\mathrm{new}}\left(n\right)}{K_m^{\mathrm{new}}\left(n\right)}\right\}}^2\≤{\mathrm{\α}}_2$

其中，K₁，K₂，K₃代表K_P，K_I，K_D。

Claims (1)

1.一种无钟高炉料线深度调节的数据驱动PID控制器设计方法，其特征在于，所述方法如下：

（1）综合炉顶温度指标的建立及PID控制规则

（1.1）根据高炉中十字测温装置，其有四条支臂，每条支臂上有四个点，中间有一个点，共有十七个点，设 表示在第个点的第个周期内的平均温度，这里一个周期表示一批料的开始时刻到下批料开始的前一时刻；为了控制炉顶温度进而改善煤气流分布，我们将设置一个能反映炉顶温度的综合温度高低指标，且

式中为对应雷达点温度，为权值，；

（1.2）设为当前周期的期望温度，为系统控制误差；设置时变参数的PID控制规则：

式中，为当前周期的料线深度，为差分算子，即， 、和分别为当前时刻积分增益、比例增益和微分增益，为当前周期综合温度指标；

（2）建立基础数据库

基础数据库形式如下：

式中，为信息向量；，为系统阶数，为PID参数，为当前周期数据库中数据组个数，初始基础数据库中数据组个数；在建立数据库过程中由一般PID参数整定方法得到；

（3）计算距离与选择邻元素

对于一个目标向量控制目标，采用计算目标向量与数据库中每个元素信息向量的距离：

其中，表示当前周期目标向量的第个元素，表示数据库中第个信息向量的第个元素，表示数据库中所有信息向量的第个元素中最大的元素，表示数据库中所有信息向量的第个元素中最小的元素；

然后，从数据库中选出组与目标向量距离最小的信息向量；

（4）计算PID参数

对选出的组数据库中信息向量对应的PID参数进行加权求和处理：

，

其中，；计算得到的PID参数，直接传给PID控制器下一个周期即第个周期的料线深度调节；

（5）PID参数修正

在PID参数进行料线调节无法达到控制要求时，则需要对PID参数进行学习修正，使控制误差能够不断变小；这里，我们采用最速下降法PID参数修正：

，

其中，为学习率，为误差准则定义为，；进一步分析，我们可得到

    其中，为新的学习率，这样，我们就得到一组新的对应目标向量的PID参数；

（6）去除数据库冗余数据

对于数据库中的数据，需要同时满足以下两个条件，有一条不满足时，数据组将被去除：

，

其中，代表；对于上面选出的组数据不加以判断,认为符合要求。