摘要：
火电厂球磨机制粉系统是典型的非线性多输人多输出(MIMO)系统，具有大滞后、大惯性、强藕合的特点，是火电厂自动控制的难题之一[l]。
球磨机制粉系统的智能控制是该系统实现自动控制的较好方法，但由于火电厂所使用的煤种多变，煤质不一，原煤的粒度、水分、温度、可磨性系数、挥发分等指标不固定，以及钢球在运行过程中的磨损，使得球磨机表现出时变特征[2]，即系统参数随时间推移产生变化，导致智能控制系统的调节效率下降。为此，本文介绍基于 Takagi-Sugeno模糊规则模型的球磨机制粉专家智能控制系统，并运用基于规则更新的自校正控制方法进行有效地仿真。
1 智能控制模型
火电厂球磨机制粉系统的控制如图 1 所示，该系统是3输入3输出系统，其中输入向量为给煤量CF, 热风HA和再循环风RA，输出向量是球磨机出入口压差PD，出口温度OT和入口负压SP。PD为球磨机负荷，CF控制PD; HA控制OT;RA控制SP。该系统中存在强祸合关系，相应的数学模型为[3，4]：
球磨机制粉系统理想的控制效果是，在保证系统安全和煤粉品质的条件下，按最大负荷运行，最高效地磨制合格的煤粉[5]。协调控制好PD、OT和SP，才能 使球磨机制粉系统安全经济运行。
球磨机制粉系统的智能控制模型采用基于Takagi Sugeno机理以模糊规则为基础的智能控制模型[6-9]：
If[PD(t)OT(t)SP(t)]T is M
Then [PD(t)OT(t)SP(t)]T
=L[CF(t)HA(t)RA(t)]T
M是变量PD、OT和SP测量参数的模糊描述阵：
制定控制规则集，其中一条基本控制规则是：
If PD is PL (负荷超出期望值大) Then NL·CF(给煤量应大量减小)
And PS·HA (热风应少量增加)
And PS·RA (再循环风应少量增加)与传统PID控制比较，该智能控制模型并非仅有3个独立的控制回路，而是基于输人输出变量间的藕合关系通过专家模糊控制系统来实现。
2 专家模糊控制
基于专家系统的模糊智能控制是比较有效的球磨机制粉系统智能控制方法之一[10]，其工作流程如图2所示。
(l)由检测单元测量球磨机的PD、OT和SP 3个主要参数。
(2)信息处理单元把测量到的参数按模糊划分原则，转变成相应的模糊信息，并将参数划分为9类，即正很大PV，正大PL，正中PM，正小PS，零ZO，负小NS，负中NM，负大NL，负很大NV。
(3)专家模糊控制系统进行模糊推理，其核心包括前向产生式推理机、规则集和数据库。
(4)对模糊推理结果进行综合决策，得到CF、HA和RA的模糊调节信息。
(5)输出处理把模糊调节信息转变成可供执行机构识别的信号。
(6)由执行机构对给煤机、热风门和再循环风门进行调节，实现系统的闭环控制。
推理机根据规则集的基本控制规则和数据库中3个测量参数PD, OT,SP的模糊描述进行推理，得到相应的调节量CF，HA, RA的模糊值。由于该系统是强耦合MIMO系统，每个调节量有3个对应于不同测量参数的调节值，因此需综合决策，得出最适合的调节值，并将其送到相应的执 行机构，调整给煤机、热风门和再循环风门，即可实现系统的控制。
例如，测量参数PD略大，OT稍低，SP稍高，构成智能控制模型的基本控制规则为：
可以把矩阵拆开来表述;
R1:
lf PD is PM(负荷超出期望值略大)
Then NM·CF(给煤量应略有减小)
And ZO·HA(热风不调整)
And Z0·RA(再循环风不调整)
RZ:
If OT is NS
Then PS·HA
And NS·RA
And ZO·CF
R3:
If SP is PS
Then PS·RA
And PS·HA
And Z0·CF
如果实际的CF调节量设为CF。，HA调节量设为HA。，RA调节量设为RA。，综合决策为：
在RA。算式中有PS和NS值，由于调节量值相等而方向相反，调节值综合的结果是 Z0，即不调节。因此，CF略微调低，热风HA略微调高，再循环风RA则不调整。
3 基于规则更新的自校正控制
由于球磨机制粉系统具有时变特性，专家模糊控制系统可以通过调整基本控制规则来实现自校正控制，也就是基于规则更新的自校正智能控制[11]。规则可更新 的模糊专家系统的基本结构如图3所示。与通常的模糊专家系统比较，该系统主要改进了规则集和数据库。为了实现基本控制规则的更新，需要记录每次调节的效果，并存储到数据库的调节状态参数区。数据库中设计了状态参数存储区，用来保存调节效率不够高时的各种状态参数。规则集增加了可以修改和添加规则的系统规 则集和监测调节状态的状态监测规则集。
状态监测规则集包含调节效率判别规则和调节效率监测规则。调节效率判别规则是根据不同调节量的调节周期来制定的，如给煤量对负荷的调节周期较长，热风和再循环风对温度和负压的调节周期较短。当判断为调节效率不高时，规则给出记录指令，记录相关的调节量、基本控制规则和模糊调节误差信息。调节效率监测规则以 连续调节效率不高的次数为条件，判断是否给出规则修改建议。
系统规则集包括修改规则和新建规则，它们均以规则修改建议为条件，在可以对规则进行修改时，运用修改规则来调整相应的基本控制规则。如果原规则不具备修改条件，则需建立新的规则。芜论是修改还是新建，原有的相应规则应从规则集中移出，以免推理时发生规则冲突。根据规则更新的工作流程(图4)和球磨机制粉系 统的实际控制需要，制定出状态监测规则和系统规则。
为避免频繁进行规则更新，当基本控制规则连续多次不能实现期望调节时，方可建议更新规则，若1次~2次调节效果不满意之后，调节能够恢复正常，监测规则不 会给出规则更新建议。在接收到规则更新建议后，系统规则先查看相关基本控制规则原来的直接调节量的调节权重是否已到极限，即PV或NV，此时若还需要加大 调节量，或参数已经是PS或NS，还要减小调节量，都是无法实现的，此时，需考虑修改其它相关的调节量。
例如，以下控制规则无法得到满意的OT，调节量HA已经是PV，不能进行调大修改。这时，应考虑调整非主要调节量RA和CF。
Ri:
If OT is NM
Then PV·HA
And NM·RA
And ZO·CF
在这个例子中，RA和CF有调整的余量，更新规则，首先把RA的调节强度加大，调节量的调节权重由NM调到NL。更新后的规则为：
If OT is NM
Then PV·HA
And NL·RA
And ZO· CF
如果调节强度还不够，可以把RA调到NV，甚至把CF调成NS。
当同一规则中的相关各个调节量的调节权重改变不能起作用时，系统要查询是否有相关的基本控制规则可以起作用，有则需修改调节量的调节权重后更新规则，没有则应考虑建立新的控制规则。建立新规则是需要人工参与的，但通常不需要建立新规则，所以该系统的规则更新是动态自动进行的。
4 仿真试验
图5、图6为球磨机制粉系统50%CF阶跃扰动下的仿真结果。图5为未加规则更新的系统响应结果，图6为加入规则自更新的系统响应结果。设定4min为建 立规则更新的时段。在图6中，4min之后系统加大了对球磨机PD 的调节力度，使得PD趋于期望值的收敛速度加快。由于该试验主要针对PD调节，相应的规则调整也主要是调节 CF 的作用强度，因而对SP和OT的调节几乎没有影响。
更新过程涉及的主要基本控制规则在更新前为：
Rn:
If PD is PL
Then NL·CF
And PS·HA
And PS·RA
在更新后，该条基本控制规则为：
Rn:
If PD is PL
Then NV·CF
And PS·HA
And PS·RA规则更新后，CF的调节强度从NL增大到NV。
由图5、图6可以看出，具有规则更新的自校正控制比常规的专家模糊控制的调节效率更高。
5 结论
火电厂的球磨机制粉系统是典型的非线性、多变量、时变的强藕合系统，为了提高该系统的调节效率，本文在模糊推理智能控制的基础上，提出了基于规则更新的自校正系统。该系统可以实现动态修正智能控制模型，从而保证系统特性发生时变时，不会降低调节效率。仿真试验表明，该控制方法对于球磨机制粉系统的自校正控 制是有效的。
