（山东科技大学电气工程系，山东 泰安271021）
【摘要】结合灰分控制的时变、滞后和非线性特性，本文提出了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力，将模糊控制规则转化为神经网络的学习样本，通过ANN的BP学习算法记忆这些规则样本。实验表明该控制器具有响应速度快、精度高和鲁棒性的特点。
【关键词】 温度 模糊控制 人工神经网络 变频器
中图分类号：TP18 文献标识符：A
煤矿选煤厂的配煤系统是一个非线性、时变和大滞后的过程，在其控制过程中，灰分度是一个非常重要的控制参数。目前常采用PID控制装置，但这种PID控制适应能力差，对高频干扰非常敏感。而且由于灰分度是一个非线性时变参数，加上工作环境的随机性，很难建立一个精确的数学模型。而模糊和神经网络控制是一种非线性控制方式，对无法取得数学模型或数学模型相当粗糙的系统可以取得满意的控制效果。
1、 控制对象分析及系统总体框架
根据选煤厂的工艺流程和对配煤系统的分析，可以总结出配煤系统具有以下控制特性：
（1）给煤机的给煤量与变频器的频率之间具有严重的非线性；
（2）具有较大的时间滞后。由于在线测灰仪有一定的反应周期以及给煤机转速变化使给煤量变化后，要经过皮带的运输才能造成煤流量的变化，造成了时间滞后。
（3）具有灰色性。煤仓中煤料的粒度、形状、密度、含水量以及煤料与外套筒间的摩擦力等信息不能获得，而这些因素对煤料出口的流量都有影响。
（4）储煤仓在发生堵仓、穿仓和空仓等情况下，给煤机挡板需要人工调节，对象特性发生变化。
 综上所述，由于参配品种煤的灰分和煤量时刻变化、存在煤流运输滞后、灰分测量值存在检测滞后等原因，我们在实际的配煤操作中不能简单的按照上一章基于专家系统的煤配比的流量控制。究其原因主要在于：在配煤控制策略的专家推理中，专家知识只是基于各种浅层知识的推理，而不能充分利用蕴涵在系统实时采样数据中的不可测因素及其变化等隐含知识。因此在专家系统中对配煤流量的调节只能采取间断调节，即当煤流量变化显著（如空仓或是堵仓时）再诊断调节。考虑以在线灰分仪的灰分或发热量作为反馈参数，以产品煤的给煤量（可以实施细调）作为调节手段。由于装车煤的质量考核依据是各车皮平均采样混合后的样本的化验值，所以，累计灰分（发热量）是装车质量的主要衡量标准。有了基于灰分的反馈控制，就不需要知道各煤仓确切的灰分、煤流量以及其它复杂因素，而达到上述要求。基于灰分反馈的系统控制结构图如图1所示。


图1中， 为灰分给定值， 为实际输出值， ， 为比例系数，x1、x2为模糊输入值，FNNC为模糊神经网络控制器， 分别为模糊值增量、实际值增量、上一次实际值和这一次实际值。
2、选煤厂配煤工艺
济宁二号煤矿选煤厂为年处理原煤400万吨的大型矿井选煤厂，洗煤工艺为入洗原煤采用混合跳汰,煤泥采用沉降离心机和压滤机处理。主要产品包括：筛分原煤、块精煤、末精煤和动筛精煤和洗混煤。块煤重介选矸系统为后来补充，300—50mm物料采用斜轮分选机分选，生产的块精煤产品可作为块煤单独销售，也可作为一般动力煤销售。选煤厂配煤装车工艺系统如图2所示（二号井选煤厂目前有539、540两条装车线，装车工艺相同）。


济宁二号煤矿选煤厂现有四个品种煤，分别存放于8个煤仓，它们分别是：3个原煤仓、2个洗末精煤仓、2个块精煤仓、1个高灰精煤仓。其中，高灰精煤仓即将增建，本方案将其考虑在内。
火车装车有两条轨道，分别对应539、540两条装车皮带。每个原煤仓有4台给煤机，2个供给539皮带，另2个供给540皮带；2个末精煤仓各配1个给煤机，分别供给两条皮带；2个块精煤仓各配6台给煤机，分别供给两条皮带；高灰精煤仓配有2台给煤机，通过皮带和溜槽（控制闸板）分别供给两条皮带。这样每条皮带各有14台给煤机为之给煤。
3、影响配煤效果的工艺问题
目前工艺条件下，配煤操作中存在着若干影响配煤效果的工艺问题：
（1）通常配煤的灰分是时刻变化的，有些煤种（如原煤）的灰分的波动范围还较大。
（2）各配煤仓的给煤量也是时刻变化的。无论是闸板调节或是变频调节，对于同一开度或同一频率，在不同的时刻，其煤量也可能是不同的。
（3）灰分仪的瞬时值存在1分钟左右的延迟，并且皮带上煤流存在一定的传输时间，配煤系统存在较大的滞后。
鉴于以上影响配煤效果的工艺问题，我们进行了以下改进措施：采用灰分反馈控制；煤量在线监测；煤量采用变频器调节方式。改造以后的配煤装车工艺如3图所示：


4、自动配煤系统工作原理
先由人工选择目标灰份和配煤煤种，由系统确定给煤机的数量，经过计算定性地得出将要装车的产品灰份，依据所配煤的目标灰份和各煤仓煤的灰份算出各煤种的给煤流量，用开动给煤机的台数进行给煤量的粗调，通过实时监测装车皮带上配煤比后的灰份和实际装车灰份与目标灰份进行比较，之后再由系统计算后调节皮带称的瞬时流量并指导变频器动作，用变频器进行给煤量的细调，从而使配煤最大限度地接近目标灰份。自动配煤系统工作原理图见图4。其中变频器采用罗克韦尔（Rockwell）自动化A-B变频器，电压为380V，功率为45KW，两条皮带共28台。
5、结论
本文对选煤厂配煤系统工艺进行了详细介绍，对影响配煤产品的工艺因素进行了分析，在此基础上，对配煤工艺进行了改造，提出了基于模糊神经网络的灰分反馈控制策略，为实施配煤智能控制提供了一种新的方法。


参考文献
1 李士勇.模糊控制.神经控制和智能控制论. 哈尔滨市：哈尔滨工业大学出版社，1998
2 章卫国.杨向忠.模糊控制理论与应用. 西安市：西北工业大学出版社，1999
3 张立明•人工神经网络的模型及其应用•复旦大学出 版社，1992
作者简介：王致杰，男，1964年生，山东省潍坊市人，1985年毕业于山东科技大学自动化系，教授，博士，主要从事工业微机控制、模糊控制和网络方面的研究。发表论文30篇，有多项科研成果。
联系地址：山东省泰安市岱岳区 山东科技大学电气工程系 邮编：271021
电 话：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