水泥联合粉磨分数阶建模及分数阶PID控制方法及系统

水泥联合粉磨分数阶建模及分数阶pid控制方法及系统
技术领域
1.本技术涉及水泥联合粉磨生产领域，特别涉及一种水泥联合粉磨分数阶建模及分数阶pid控制方法及系统。


背景技术：

2.水泥联合粉磨生产工段是水泥生产的把控水泥质量的重要环节，也是目前主流采用工艺。近年来，立足环境保护和智能制造要求，水泥行业从智能化装备和生产智能等角度展开了转型升级。大力推进水泥粉磨、熟料生产等节能改造是水泥生产行业研究的热点。对于水泥联合粉磨工艺自动控制技术方面来说，一些数字化和智能化水平不高的水泥企业，仍然采用知识型工作者经验调节喂料量、风机阀门等关键控制量；虽然已有企业投入智能化的控制策略,但仍然存在着需要人工设定目标值、实用性不强、控制精度不高等问题，从而无法实现节能减排控制，进而导致了人力物力耗费大、能效低等现状。


技术实现要素：

3.本技术要解决的是现有水泥联合粉磨生产工段的控制方式精度不高、人力消耗大和能效低的问题，为此，本技术提出了一种水泥联合粉磨分数阶建模及分数阶pid控制方法及系统。
4.针对上述技术问题，本技术提供如下技术方案：
5.本技术方案提供一种水泥联合粉磨分数阶建模及分数阶pid控制方法，包括如下步骤：
6.实时数据预处理：对采集的选粉机转速与水泥颗粒度平均含量数据进行均值滤波和小波滤波处理，得到处理后选煤机转速和处理后水泥颗粒度；
7.建立分数阶模型：选用处理后选煤机转速作为辨识分数阶模型的输入量，选用处理后水泥颗粒度小于或等于45μm的水泥颗粒度平均含量作为辨识分数阶模型的输出量，选用典型滞后环节和惯性环节的分数阶一阶模型作为辨识参数模型，利用输入量和输出量对辨识参数模型中的各参数进行求解；
8.利用辨识参数模型设计分数阶pid控制器，选粉机转速作为所述分数阶pid控制器的被控对象，实际颗粒度小于或等于45μm的水泥颗粒度平均含量与目标颗粒度小于或等于45μm的水泥颗粒度平均含量的差值作为所述分数阶pid控制器的输入。
9.优选地，所述的水泥联合粉磨分数阶建模及分数阶pid控制方法，所述建立分数阶模型的步骤中，包括：
10.通过改进粒子群参数寻优分数阶模型参数。
11.优选地，所述的水泥联合粉磨分数阶建模及分数阶pid控制方法，所述利用辨识参数模型设计分数阶pid控制器的步骤中：
12.采用oustaloup有理实现算法实现其分数阶微积分算子。
13.优选地，所述的水泥联合粉磨分数阶建模及分数阶pid控制方法，采用oustaloup
有理实现算法实现其分数阶微积分算子的步骤包括：
14.在频域上用一个零极点形式传递函数来近似描述一个分数阶算子。
15.优选地，所述的水泥联合粉磨分数阶建模及分数阶pid控制方法，所述利用辨识参数模型设计分数阶pid控制器的步骤中：
16.采用基于遗传算法的分数阶pid控制器参数整定方法对控制器内的控制参数进行整定。
17.本技术实施例还提供一种水泥联合粉磨分数阶建模及分数阶pid控制装置，包括：
18.预处理模块，对采集的选粉机转速与水泥颗粒度平均含量数据进行均值滤波和小波滤波处理，得到处理后选煤机转速和处理后水泥颗粒度；
19.分数阶模型建立模块，选用处理后选煤机转速作为辨识分数阶模型的输入量，选用处理后水泥颗粒度小于或等于45μm的水泥颗粒度平均含量作为辨识分数阶模型的输出量，选用典型滞后环节和惯性环节的分数阶一阶模型作为辨识参数模型，利用输入量和输出量对辨识参数模型中的各参数进行求解；
20.pid控制器设计模块，利用辨识参数模型设计分数阶pid控制器。
21.本技术实施例还提供一种存储介质，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行权利要求1-5任一项所述的水泥联合粉磨分数阶建模及分数阶pid控制方法。
22.本技术实施例还提供一种水泥联合粉磨分数阶建模及分数阶pid控制系统，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行以上任一项所述的水泥联合粉磨分数阶建模及分数阶pid控制方法。
23.本技术的技术方案相对现有技术具有如下技术效果：
24.本技术采用均值滤波和小波滤波处理过后的数据进行采用改进粒子群分数阶模型的建立和基于建立的分数阶模型的基础上进而设计出分数阶pid控制器进而控制水泥粒度目标。与传统的pid控制器相比，其设计的分数阶pid控制器控制精度更加精准，更加符合实际需求。
附图说明
25.下面将通过附图详细描述本技术中优选实施例，将有助于理解本技术的目的和优点，其中:
26.图1为对采集的选粉机转速与水泥颗粒度平均含量数据进行均值滤波的结果示意图；
27.图2为对图1的处理结果进行小波滤波处理的结果示意图；
28.图3为改进粒子群优化参数的参数寻优流程图；
29.图4为辨识参数模型的辨识结果图；
30.图5为分数阶pid控制器原理图；
31.图6为整数阶pid和分数阶pid结构对比图；
32.图7为分数阶pid控制系统结构图；
33.图8为分数阶pid控制系统的控制效果图；
34.图9为分数阶pid控制系统的控制输出曲线。
具体实施方式
35.下面将结合附图对本技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
36.在本技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
37.在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
38.此外，下面所描述的本技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
39.本发明所采用的控制技术方案是：步骤一：进行分数阶模型的建立。步骤二：设计分数阶pid控制器。
40.本发明基于分数阶的基础对水泥联合粉磨工段决定水泥质量的选粉机设备进行一系列的控制算法研究，其主要内容如下：
41.1.1实时数据预处理
42.对采集的选粉机转速与水泥颗粒度平均含量数据进行均值滤波和小波滤波处理，其处理过后的结果见附图1和附图2。
43.1.2建立分数阶模型
44.水泥粒度选粉机是控制水泥质量的最重要的设备，所以建立水泥粒度选粉机更精准模型和设计控制器是整个水泥生产过程的研究重点。选粉机转速给定影响着水泥选粉粒度大小含量。在水泥质量指标中，通常更多的选取的是水泥粒度≤45um含量作为水泥质量指标。因此，此次建立分数阶模型选用了选粉机转速作为辨识分数阶模型的输入量，水泥粒度≤45um含量作为辨识分数阶模型的输出量。由于水泥生产过程中，普遍存在着大延迟、大惯性等特性，故选用典型滞后环节和惯性环节的分数阶一阶模型作为此次辨识参数模型。给出了以下分数阶模型结构：
[0045][0046]
式中，0《α《1。
[0047]
在此次辨识分数阶模型中，需要辨识出来三个参数k、t、α即可。
[0048]
目前，分数阶微积分定义主要有三种定义形式，分别为riemann-liouville(rl)微积分定义、grunwald-letnikov(gl)微积分定义、caputo微积分定义。本次方法采用了gl微积分定义。则该分数阶定义为：
[0049][0050]
[x]为不大于x的最大整数，γ(.)是gamma函数。
[0051]
线性分数阶siso系统的微分方程一般表达式：
[0052][0053]
式中，ai、bi为实数，αi、βi可为整数或者小数，u(t)为系统输入信号，y(t)为系统输出信号。在零初始条件下，将其进行拉氏变换其传递函数表达式为：
[0054][0055]
分数阶与整数阶不同之处是微分和积分算子的实现以及离散化。目前，离散化方法主要有幂级数展开(pse)法和连分式展开(cfe)法。由于水泥生产流程之间存在密切的影响关系，而分数阶模型拥有记忆性，故本次选择基于euler算子幂级数展开法进行离散化处理。
[0056]
基于euler算子幂级数展开法是将分数阶微积分算子s
±r(r∈r)可用生成函数s＝ω(z-1
)来表示。生成函数及它的展开式决定了分数阶微分和积分近似的形式和系数对应不同的计算方法，可以得到不同的生成函数。最短记忆法是最直接的离散化方法。使用后向差分(euler)+幂级数展开法将
[0057]
式4中的算子用生成函数s＝ω(z-1
)进行离散化展开，表示为：
[0058][0059]
式中生成函数表达式为：
[0060][0061]
本式中t0是采样步长，用采样周期代替；l是短记忆的记忆长度；
[0062]
ω
jα
可有以下递推公式得出：
[0063][0064]
粒子群算法(pso)是基于“群体”和“适应度”两个概念，以适度函数为评价标准，采用速度—位置式搜索方式进行参数寻优。群体中每个粒子在规定范围内进行搜寻最优解，产生个体极值最优解。通过速度的更新迭代，又产生多个个体极值最优解组成的集体最优解，在集体最优解中找到最优的解称为全局极值。pso算法在速度更新迭代时，通过适应度大小和迭代次数来判定参数是否达到所求参数范围内，直至满足条件为止。pso算法对初值的选取不敏感，计算速度快等优势，用在分数阶模型参数寻优上是更加合适的。
[0065]
常规的粒子群算法公式如下：
[0066][0067]
xi(t+1)＝xi(t)+vi(t+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0068]
ω＝ω
max-((ω
max-ω
min
)
×
iter)/s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0069]
式中，ω是惯性权重；c1,c2是认知因子；r1,r2是[0,1]之间的随机数；pi(t)是个体极值；pg(t)是全局极值；xi(t)是群体当前时刻位置；vi(t+1)是群体下一时刻更新的速度；ω
max
,ω
min
分别为最大惯性权重和最小惯性权重，iter是当前时刻迭代值；s是总迭代值。
[0070]
改进粒子群参数寻优分数阶模型参数：
[0071]
此次分数阶模型辨识中，采样周期t0＝60s，记忆长度为10，并基于上述分数阶基础下，故将式1离散化后为：
[0072][0073]
根据水泥操作员经验得知，选粉机选粉过程的滞后时间τ应在120-240s内，令则滞后系数d∈[2,4]，那么在不同的d下将式11写为差分方程为：
[0074][0075]
式中包含的改进粒子群待辨识的参数θ＝[α,k,t]，u(k)代表是实际的选粉机转速实际输入值，yd(k)代表的是传递函数的输出值，接下来采用改进粒子群算法进行参数寻优。
[0076]
由于粒子群算法中的群体是随着速度更新进行迭代更新，粒子群是很容易陷入局部最优解，这就导致了pso算法在参数寻优中寻到非最优解，故此采用了改进粒子群算法进行分数阶模型的参数寻优。通常情况下，pso算法中惯性权重ω在[0,1]之间。当ω接近1时，说明上一时刻的速度占比较大，全局搜索能力较强；ω接近0时，说明个体极值和全局极值占比较大，局部搜索能力较强。故在此引入公式(10)来随着迭代次数的增加来改变惯性权重的值。让粒子群在开始搜索时，拥有较强的全局搜索能力；在随着迭代次数增加时，拥有较强的局部搜索能力。此公式既保证全局搜索能力又增加了局部搜索能力，以此保证pso算法在分数阶模型寻优过程寻到最优值。
[0077]
在本次改进粒子群优化参数过程中，在进行每一次迭代更新时，都会将粒子数值作为最优值来充当式1的未知参数，并通过采集处理过后的当前时刻输入值进行送往迭代更新的分数阶传递函数，进而得到迭代更新前的传递函数输出值，通过比较当前传递函数的输出值和当前时刻的实际输出值进行比较，其根据误差的大小和粒子群速度-位置更新准则更新粒子群的群体进而更新辨识的分数阶模型需要寻优的三个参数值，最后通过误差允许范围设定和迭代次数的设定来结束此次改进粒子群寻优参数算法的结束。
[0078]
其参数寻优流程图和辨识结果图如图3和图4所示。
[0079]
2.设计分数阶pid控制器
[0080]
分数阶pid控制器突破了传统pid控制器的概念,使得微分器和积分器的阶次可以
不仅仅局限于整数,进一步拓宽了pid控制器参数的选择范围。分数阶pid比pid多了两个整定参数，当v和u都取整数为1时就是整数阶pid控制器。分数阶控制器对于被控系统来说，具有更大的灵活性和更广的适应性。由于其阶次可以任意选择，因此分数阶控制器较常规的整数阶控制器来说可以选择的范围更大。其数字分数阶控制器内部实现原理图如图5所示：
[0081]
与整数阶pid控制器相比，分数阶pid控制器的传递函数如下：
[0082][0083]
式中，k
p
，ki，kd为分数阶pid参数，λ，μ为分数阶pid的阶次参数。
[0084]
由于分数阶增加了微积分的分数阶次，其控制域比整数阶次布域更加的完整。整数阶pid和分数阶pid结构对比图如图6所示。
[0085]
实现分数阶控制器的关键之处在于分数阶微积分算子的实现。分数阶算子有很多种实现方式，本次分数阶pid控制器设计采用oustaloup有理实现算法来进行实现。实现方法是在频域上，用一个零极点形式传递函数来近似描述一个分数阶算子。oustaloup方法实现分数阶算子sv的具体公式如下所示。
[0086][0087][0088][0089]
公式中，-w'k为整数阶滤波器的零点；-wk为整数阶滤波器的极点；wu为单位增益频率。
[0090]
分数阶控制器的参数整定也是实现控制器的关键之处，其包括控制参数的整定和控制器阶次的整定，这些参数的整定是以满足系统稳定性的要求为前提，并且根据对系统性能的要求来整定。分数阶控制器阶次的大小决定了积分作用和微分作用的强弱。分数阶控制器对其控制器参数的变化以及被控系统参数的化不敏感，当控制器的参数整定好以后，相应的参数在一定范围内变化时，分数阶pid控制器仍然能有效的进行控制，不必重新整定参数，并且具有基本等效的控制效果和更强的鲁棒性。由于遗传算法具有良好的寻优特性、能够克服了单纯形法参数初值的敏感性、操作方便、速度快、克服了从单点出发的弊端以及搜索的盲目性、适用于多目标寻优，故对于分数阶pid的五个参数整定，本次采用基于遗传算法的分数阶pid控制器参数整定方法。
[0091]
传统整数pid控制器的参数通常通过经验法和梯度下降法等一些方法进行参数整定，而分数阶pid控制器的参数比整数pid控制器多了两个阶次参数，故采用常规的pid参数整定无法得到较好的控制效果。基于遗传算法的分数阶pid控制器参数整定可以通过寻优的方法进而得到最优的控制器参数。其控制系统的结构图如图7，其控制效果与控制器输出曲线见图8和图9。
[0092]
在一些实施例中还提供一种水泥联合粉磨分数阶建模及分数阶pid控制装置，包括：
[0093]
预处理模块，对采集的选粉机转速与水泥颗粒度平均含量数据进行均值滤波和小波滤波处理，得到处理后选煤机转速和处理后水泥颗粒度；
[0094]
分数阶模型建立模块，选用处理后选煤机转速作为辨识分数阶模型的输入量，选用处理后水泥颗粒度小于或等于45μm的水泥颗粒度平均含量作为辨识分数阶模型的输出量，选用典型滞后环节和惯性环节的分数阶一阶模型作为辨识参数模型，利用输入量和输出量对辨识参数模型中的各参数进行求解；
[0095]
pid控制器设计模块，利用辨识参数模型设计分数阶pid控制器。
[0096]
在一些实施例中还提供一种存储介质，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行以上任一项方案所述的水泥联合粉磨分数阶建模及分数阶pid控制方法。
[0097]
在一些实施例中还提供一种水泥联合粉磨分数阶建模及分数阶pid控制系统，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行以上任一项所述的水泥联合粉磨分数阶建模及分数阶pid控制方法。
[0098]
本发明主要采用均值滤波和小波滤波处理过后的数据进行采用改进粒子群分数阶模型的建立和基于建立的分数阶模型的基础上进而设计出分数阶pid控制器进而控制水泥粒度目标。与传统的pid控制器相比，其设计的分数阶pid控制器控制精度更加精准，更加符合实际需求。
[0099]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本技术的保护范围之中。