卷接机组工艺风力除尘系统风压智能控制的研究与实现

目录 摘要. I . 1章 引言. 1 . 1 题的提出和研究内容. 2 题的研究意义. 4 题的创新点. 4 第2章 卷接机组集中工艺风力与除尘系统. 5 . 5 . 6 . 8 . 9 第3章 系统主管道风力研究. 10 尘主管道风力供给研究. 10 统风力控制模型提出. 13 统输出变量预测研究. 15 . 17 第4章 . 18 . 18 . 21 适应学习率 . 23 章小结. 24 第5章 基于法的. 25 规. 25 于. 26 . 31 章小结. 36 第6章 . 37 . 37 . 39 统模型的参数辨识. 41 . 43 验结果. 49 章小结. 51 第7章 总结与展望. 52 结. 52 望. 52 参考文献. 53 主要研究工作及成果. 56 致 谢. 57 附录. 58 常规. 58 标准法. 59 自适应学习率法. 63 接机组的稳定生产对风力的稳定供给要求很高。 研究实行更为先进的控制技术，提高系统的智能化水平，一直是卷接机组工艺风力除尘系统技术发展的方向。 本文首先对卷接机组工艺风力除尘系统给以概述，论述了系统的构成、系统网络通讯与数据共享以及系统控制原理。 并对工艺风力系统管道特性曲线给予研究，同时分析了风机稳定工况点的形成以及影响风机能耗的因素，并通过对现场采集的数据的分析，证明风量大，风机的能耗就会偏高等结论。从控制角度分析系统的执行装置对系统数学模型中各个参数的影响，提出了系统的输入输出模型。研究了风压和风量的数学关系，建立了风压、风量的系统预测数学模型。 分析常规 力控制系统存在的不足，对系统的风力控制引进 经网络 术，分析 法以及标准 法存在的缺陷，构造了 经网络算法的自适应学习率关系式。 运用 真证明了自适应学习率的 经网络算法的优越性。构造 制器的 经网络结构，实现常规 制器与自适应学习率 经网络算法的结合，提出 法的 制器对该系统的具体实现方案，实行上位机和下位机 同分工完成对风力的 经网络制。 最后在 P 神经网络算法程序，给出 经网络 法程序的编程思路与步骤。并把本文研究的 经网络 用于卷接机组工艺风力除尘系统，通过和常规 制系统相比，其控制性能有明显的优越性。同时满足 数的自整定、自适应功能，实现对风力系统的智能控制。 关键词： 法，风力控制， 接机组，参数辨识 a of of of is of is At of is of is of of of of is is is is In of ID is P ID is BP of P is P is of P is ID s BP is ID P of P ID is C LC a P ID of P is P ID is to ID it ID is of is BP 第 1 章 引言 卷接机组属于卷烟厂中的卷接设备，卷接 设备主要工作是承担卷烟制造工艺中的烟支生产，具体包括把烟丝卷成烟支、烟支成行、滤嘴接装等主要工作。工艺风力就是为卷接机组烟支生产中的卷烟生产和接装生产提供烟机需要的风力。工艺风力的稳定供给直接关系到卷烟和滤嘴接装等烟支生产的质量。生产速度和卷烟卷制质量是衡量卷接设备先进的两个重要指标1，这两个指标都取决于卷接设备的工艺风力。所以对工艺风力的控制始终是卷烟制造工艺中一项很关键的风力控制技术。除尘系统主要负责收集输送卷接机组生产烟支所产生的粉尘和烟梗。卷接机组工艺风力除尘系统就是把两者结合起来，拆除单台设备原有的高压风机与除尘装置，对数台机组采取集中供风。 题的研究背景和研究现状 在卷接机组工艺风力技术及装备方面，国内进行了较多的研究，走在了世界的前列。 我校三力公司提出的卷接机组工艺风力除尘系统技术目前已经在国内许多烟厂成功应用，而其在风力的控制方面普遍采用常规的 制技术。国外的技术水平普遍处于单机工艺风力和集中除尘系统。 卷接机组工艺风力除尘系统技术是一项多学科的综合技术， 所涉及的技术包括暖通技术， 现场总线技术， 算机控制技术， 制技术，风机变频调速控制技术等。 目前已有一定数量的文献从不同技术角度对卷接机组工艺风力除尘系统给以研究分析。戴石良等在卷接机组风力集中供给方式的研究与应用47一文中验证了卷接设备采用多机组集中工艺风力供给方式的合理性。谢海等在卷接机组风力供给系统中离心风机运行工况分析与调节5一文中介绍了卷接机组集中风力供给系统中离心风机的运行工况特性， 分析了离心风机发生喘振现象的原因，介绍了卷接机组集中风力供给系统中风机运行工况的各种调节方法。王怀杰等在卷接设备集中工艺风力与除尘自动监控系统的设计4一文中介绍了卷接机组集中工艺风力与除尘自动监控系统的网络结构、 程序设计思想和数据通讯方法，实现了系统运行状态和参数的全数字监控。为卷接机组工艺风力除尘系统向智能化控制方向发展做了铺垫。陈飞虎在其硕士论文卷接设备工艺风力系统动态仿真48一文中研究建立了典型部件的数学模型，为系统的能耗分析，最优 2系统的选择提供理论依据。陈霞在其硕士论文卷烟厂集中工艺风力系统稳定性分析1一文中对各种管网进行了分析，提出最优的管网结构布局。 在对风力的控制方面，目前大多文献提出更为先进的自适应 制技术，以使系统获得更佳的控制性能，同时也使系统能耗降低。唐耀庚在卷烟工艺风力系统自学习模糊控制研究6一文中采用了一种具有在线学习能力的自组织模糊控制器，以改善系统风力控制的性能和适应能力。李龙飞等在卷接机组工艺风力与除尘系统自适应 制的实现3一文中采取基于偏差等级的 数组选取的方法实现自适应 制功能，以求获得满意的控制效果。吴纯在其硕士论文基于模糊 制的工艺风力除尘系统的研究2一文中采用模糊 制方法应用于对工艺风力除尘系统的风力控制。梁经纬在其硕士论文神经网络 制器在风力送丝控制中的应用研究31一文中采用 经网络算法对风力送丝控制在线 数整定进行了研究。 本文通过对卷接机组工艺风力除尘系统风力控制的研究和自适应学习率 在风力 制系统中采取自适应学习率 法的 数在线整定，实现自适应 能，以求获得更好的工艺风力控制效果。 题的提出和研究内容 在卷烟厂卷接机组工艺风力除尘系统中，由于技术革新，能耗节约的考虑，对数台卷接机组采取集中供风，形成新的工艺风力除尘系统，但随着技术改进和能耗的降低也产生了以下几个问题： （ 1）整个卷接机组中某一台机组的开停 机或者风力需求变化会影响整个除尘管道的风压、风量状态，如果扰动过大，超出了烟机所要求的风压、风量范围，其他数台卷接机组的正常生产就会受到影响， 甚至产生大量废品， 如图 示，即某一不确定的较大扰动会影响整个系统卷接机组的正常生产； （ 2）由数台卷接机组、除尘管道，高压 离心风机，电动调节阀等组成的庞大控制系统中，由于系统的复杂程度，很难得到一个精确的数学模型2，同时常规的 制系统难以适应系统的滞后性、非线性、干扰不确定性和时变不确定性，使系统控制性能下降。主要以固定的 数难以适应系统负荷的快速变化； 3图 接机组产生的烟支废品 （ 3）在实际的项目实施过程中，由于整定一组 数需满足系统整个运行过程的变化，常常遇到 数整定周期长、难于整定等问题。采取先进的制技术，使 数能够根据系统的变化自适应、自整定已迫在眉睫； （ 4）当卷接机组中某一台机组的开停机 或系统受到不确定扰动，风压、风量波动过大，超出卷接机组要求范围，影响其他机组生产，要重新达到系统的稳定工作状态，所需的调节时间较长3。这时能否采取先进的 制技术使系统能快速恢复到卷接机组生产所需要的主管风压、风量状态，满足卷接机组稳定生产，减少废品产生量，即提高系统的动态性能。 鉴于以上的问题，本文作如下研究： 首先分析了高压离心风机特性曲线和和除尘主管道风力特性曲线， 以及其稳定工况点的形成过程。同时分析系统除尘主管道风力控制原理，研究系统执行装置对系统数学模型中各个参数的影响，以及风量变化对系统能耗的影响。从控制角度提出系统风力控制的数学模型以及风压、风量预测模型，研究了模型中需要辨识的参数。 概述 经网络算法，对标准 法存在的缺陷给予分析。运用 明了自适应学习率 法 制器的优越性。研究神经网络 制器的上位机与下位机的分工合作实现的可行性。最后在 编写了在线辨识系统参数的最小二乘脚本 程序和自适应学习率 法脚本程序，整定的数与 时共享。实现对卷接机组工艺风力除尘系统的神经网络 题的研究意义 （ 1）提出系统的风力控制模型，研究系 统执行装置动作和干扰对系统主管道风力数学模型各个参数的影响，以及风压、风量预测数学模型的建立，有助于为系统提供更佳控制决策，同时为先进控制技术和降低系统能耗提供理论依据； （ 2）在现用工艺风力除尘系统硬件设备情况下，研究自适应学习率 法，结合 制器应用于对系统风力的控制，形成先进的 经网络 制系统，提高系统智能化程度和控制系统性能，降低系统能耗，提高生产经济效益。 题的创新点 （ 1）从控制角度提出工艺风力除尘系统 风力控制的数学模型，建立风压、风量的系统预测数学模型关系式； （ 2）通过实时的在线辨识方式获知风力 控制数学模型中的未知参数，计算风压预测值； （ 3） 分工合作的方式实现自适应学习率 法 制器， 上位机 P 算法，在线整定 数，下位机 现 制输出。 5第 2 章 卷接机组集中工艺风力与除尘系统 卷烟厂卷接机组集中工艺风力与除尘系统是指对于数台（套）卷接设备，拆除单台设备原有的高压风机与除尘装置，应用风力平衡调节技术，建立具有完善功能的集中风力站替代卷接设备原有的单机风力系统4。集中风力站是有一台高压离心风机作为除尘系统和风力供给的动力源， 从而使除尘系统和风力供给融为一体。 统整体构成 卷接机组集中工艺风力与除尘系统设备主要有 压传感器，风量传感器，变频器，电动调节阀，高压离心风机，除尘主管，除尘支管，除尘器，卷接机组等组成，其中主管上的电动调节阀又叫补风阀。除尘主管通过除尘支管连接数台卷接机组。系统构成以及各个装置的布局如图 示： 图 统构成布局 传感器设备有风压传感器和风量传感器， 负责实时检测除尘主管内风压风量变化，并通过现场总线把数据传输到 控制器为 责控制整个系统的逻辑开关量，以及计算输出控制量，并通过现场总线控制执行设备；执行设备由变频调速的高压离心风机和电动调节阀， 高压离心风机为整个除尘主管道提供负压，其转速的变化直接影响除尘主管道内风压、风量的变化，同时主管道上电动调节阀的开度变化亦可对除尘主管道内的风压、风量变化造成影响。 发的系统监控画面。除尘主管道上连接有四台卷接机组。有一台高压离心风机集中供风。 6图 统的监控画面 数台卷接机组按照并联方式通过除尘支管连接到除尘主管道。 卷接机组对风力供给有着严格的要求。其稳定生产要求除尘主管道内的风压、风量变化在一个狭小的范围内，同时不同型号的卷接机组对主管道内风压、风量值也有相应的不同要求。除尘支管上的电动调节阀可调节支管道内的风压、风量变化，对单台卷接机组的稳定生产起着重要作用。 统网络通讯与数据共享 智能控制系统的实现需要工业过程中的大量数据信息， 有在接收数据信息，并对采集到的信息做出综合的分析运算处理，才能输出控制信息实现对系统的智能控制， 因此工控系统中工业网络的通讯以及控制层设备之间对采集信息的数据共享就显得极其重要。 司的 列控制器的使得基于 工控系统的工业网络通讯以及对过程信息的数据共享变得极为便利。 场总线和工业以太网的数据通信速度完全 可满足控制层设备之间对数据信息的实时共享。 过 场总线与风压传感器、风量传感器、丹弗斯 频器和电动调节阀等现场基层设备通信，实现信息 7交换；同时通过以太网模块实现与上位机进行网络通讯，实现实时数据共享。网络通讯原理图如下图 图 络通讯原理图 在系统的网络通讯中， 方面根据采集工业过程的实时数据信息，并做出数据运算处理输出控制量；另一方面把采集系统的设备状态和工艺流程信息，通过工业网络传递给上位机，实现实时数据信息共享。上位机通过开发组态软件所有信息呈现出来，方便现场操作人员操作以及观察各个工艺过程的进度状态和中央控制室的实时监控。 发的系统网络通讯监控画面如下图 图 络通讯图面 换机 风压传感器风量传感器主管风压风量变化变频器 高压离心风机电动调节阀 上位机 以太网模块 块 统控制原理 在稳定生产时，高压离心风机以相对稳定的转速为整个主管道提供负压，满足各机组生产要求。而在实际生产中，由于某些机组需要更换盘纸，或者机组出现故障需要维修，这就需要某些卷接机组关机或者待机，这时机组的进风量和正常生产时有所不同。 从而造成整个主管道内的风力供给出现变化， 主管道内风压、风量波动，影响其他机组正常生产。由以上分析可以看出，无论主管道出现何种扰动和变化，要使卷接机组稳定生产， 制的高压离心风机和除尘管道上的电动调节阀必须协调配合保持主管道内的风压、风量相对稳定。系统的控制原理如图 示： 图 统的控制原理 控制原理可描述为：当卷接机组其中的一台或者几台不确定的停机时，除尘支管上的电动调节阀关闭，停止向主管道进风，造成主管道风压大幅下降，此时风压传感器将压力数据通过现场总线传递给 风压设定值比较，经过 算输出控制量，控制变频器，使高压离心风机转速降低，主管道的风压升高。最终使风压值与设定值基本保持一致，确保机组的稳定生产不受影响。机组开关机或者主管道不确定扰动 主管道风压风量变化 风压传感器 风量传感器 管道电动调节阀 变频器 高压离心风机 9而在某些情况下，当 23 台机组停机时，该支路的调节阀关闭，系统阻力增加，流量减少，风机运行工况点将进入喘振区5 9，为避免风机喘振，主管道上的电动调节阀（又称补风阀）也会打开一定刻度，增加主管道进风量。 由于除尘主管道内风压、风量存在较强耦合，并满足一定的关系式。同时系统管道阻力与卷烟机风道中的原料烟丝、管道中的碎烟丝、烟梗及各种尘粒等密度及分布有关，其间不但关系复杂，而且管道中的各种介质的密度及分布随时都在变化，很难用解析方法来描述系统的管道阻力特性6。因此系统精确模型难以确定。为使系统获得更佳的控制性能，降低系统能耗，就必须结合卷接机组集中工艺风力与除尘系统对其主管道风力特性进行分析， 对系统智能控制中需要的未知参数进行在线辨识，同时对控制系统应用更加先进的 制技术。 章小结 本章概述了卷接机组集中工艺风力与除尘系统的整体构成， 详细论述了基于统的工业网络的通讯以及信息实时共享的实现， 最后论述了集中工艺风力与除尘系统的控制原理，为下文对集中工艺风力与除尘系统的深入研究做了铺垫。 10第 3 章 系统主管道风力研究 卷接机组的正常生产，对主管道内风力的控制尤其关键。这一方面涉及到卷接机组的高效工作， 另一方面整个控制系统的能耗更与主管道内的进风量和高压离心风机的转速有关。因此研究主管道的管道风力供给特性和风力控制策略，采取更有效的控制方式，引进更先进的控制算法，实现对系统的智能控制，对该系统的控制性能提升和能耗节约有其实际意义。本章主要工作为对系统的风力研究。 尘主管道风力供给研究 本小节主要针对除尘主管道风力特性方程和风机运行特性方程所满足的关系式，分析影响系统能耗的因素，管道阻力系数的变化和对系统的作用，管道特性曲线和风机特性曲线的变化以及风机稳定工况点的形成。 气体管路系统所需能量满足以下关系式式5： 1 （ 2 21P （ 该式反映了气体管道系统所需风压（能量）与流量的关系，称之为气体管道特性方程。式中 P 为主管道末端的风压，即风机提供的全压。风压 P 分为两部分，如式（ ，一部分为1P，1为卷接机组需要的负压， 如果卷接机组确定，1另一部分为 由管道阻力损失造成的管道内的流量 Q 满足关系式（ ，所以式（ 以变为式（ . S 为管道阻力系数，即管道阻抗， Q 为管道流量。将其流量（风量） Q 作为横坐标，风压 P 作为纵坐标绘制曲线，即为管道特性曲线。 高压离心风机的输出功率对整个系统的能耗有直接关系， 其输出功率满足关系式7： 11（ 上式（ N 为风机输出功率，为风机效率。同样将其流量（风量）Q 作为横坐标，风压 P 作为纵坐标绘制曲线，即为风机运行的特性曲线。若把管道特性曲线和风机运行的特性曲线画在一个坐标系内， 即可对管道和风机组成的风力系统工作运行情况进行分析，管道特性曲线和风机特性曲线的交点 A 即为风机运行的工况点。具体如下图 图 道特性曲线和风机特性曲线 本文可以通过如下的分析过程证明交点 A 为风机稳定工作点。 假如风机在 此时风机提供的管道内压力小于除尘主管道的实际需要，于是，流体因管道内负压不足而减速，流量减少，工作点就会沿风机特性曲线自动向 A 点移动；若风机在交点 A 左边的风机特性曲线上运行，这时风机提供的压力就会大于除尘主管道的实际需要，造成流体加速进入系统主管道内，于是流量增大，风机工作点就会自行从 A 点左边向 A 点靠近。由此可见交点 A 为风机稳定工作点。 结合对工艺风力除尘系统的分析和风机特性曲线方程。 可知除尘主管道内风压 P，风量 Q 与系统能耗密切相关。一般离心式泵与风机的实际功率随流量增大而增大，空载时功率最小7。当烟机稳定生产时，所需风压为一稳定值，这时系统除尘主管道的进风量 Q 直接关系到系统的能耗。因此，在风压满足烟机生产要求时，应该尽可能减小、避免系统的不必要的额外进风，整个系统的进风分为主管道电动调节阀的进风（必要时） 、各支管道上电动调节阀的进风、除尘系统的进风和系统的漏风。 支管道上电动调节阀的进风为满足各烟机的正常生产所需要的进风量，尽可能减小系统的漏风，在不必要时避免主管道电动调节阀（补风P Q 12阀）的进风。 对于该结论，可以通过现场采集的风压、风量以及风机功率的数据来验证。现场采集的数据截图如图 压单位为 量的单位为 m3/h，风机功率单位为 W，补风阀开度用 0 100%之间的数来衡量。 图 场采集数据 通过对以上数据分析可知：系统的稳定风压值在 12000 左右波动，当风量值不超过 12000 时，风机功率 N 相对较小；当风量值超过 12000 时，风机功率 风量值超过 13000 时，风机功率 N 明显增大。 系统的管道阻力系数 S 仅与管路特性有关8，而系统除尘主管道上各个阀门 13变化， 以及卷接机组的停开机， 电动调节阀开度的变化都会影响系统的管路特性，致使系统的管道阻力系数 S 变化，进而影响系统的管道特性曲线变化。管道阻力系数 S 的值是由系统管网构造和各个电动调节阀作用的结果。 当卷接机组开机台数一定，系统稳定工作时，支管道上电动调节阀开度为满足烟机稳定生产，在必要时候作微小变动，其对管道阻力系数 S 的变化影响很小，因此可以认为管道阻力系数 S 基本在一个恒定值附近作微小变动。 而当某一台或数台烟机因其他因素停止工作时，这是对系统的管路特性影响很大，管道阻力特性系数 S 变化就会很大，原来的管道特性曲线出现变动，为使系统达到新的平衡，采取变频调速9，改变高压离心风机转速，根据泵与风机相似律，即同一系列泵与风机在相似工况点之间性能参数的关系式10： 3() 上式（ N 为风机功率， n 风机转速。由于风机功率与风机的转速的三次方成正比，所以改变风机的转速实质上就是改变风机输入功率 N，致使风机特性曲线也发生变动，与变动的管道特性曲线重相交形成新的工况点。系统重新达到平衡。 统风力控制模型提出 卷接机组的稳定生产一方面要求风力供给的稳定， 另一方面更要求风力的参数指标风压、风量值在机组的要求范围内。系统通过高压离心风机和电动调节阀（除尘支管和除尘主管）的控制来调节整个除尘主管道内风压、风量满足要求；高压离心风机为系统的动力源，为整个除尘管道提供负压，电动调节阀开度的变化，影响系统的进风量，从而影响系统管道内负压。上文已经提到风压、风量存在强耦合，高压离心风机转速和电动调节阀开度任一变化都会对风压、风量两者同时产生影响，正是通过对高压离心风机转速和电动调节阀开度的控制，实现主管道风压、风量值在卷接机组要求范围内波动，满足卷接机组的正常生产。从系统控制角度讲，把机组稳定生产所需要的风压、风量作为风力系统的输出，影响系统输出的因素主要为：风机转速，补风阀开度，不确定扰动（停开机） 。如下图 示： 14图 响管道输出的因素 高压离心风机转速的变化实质就是改变风力系统输入功率， 而由风机特性方程7关系式： （ 知：改变系统的输入功率会对主管道风压、风量造成影响。而风压、风量之间相对关系的变化，就需要分析风力管道特性方程关系式： 21P （ 对上式的分析知：当管道阻力系数 S 确定时，风压、风量之间相对关系的变化可以确定。而通过上文的分析知：管道阻力系数随着系统的变化时刻在变动中，所以本文对管道阻力系数 S 值的获取，通过实时的在线辨识的方式。 通过上文对卷接机组集中工艺风力与除尘系统控制原理的论述， 可知补风阀开度的变化以及不确定的停开机扰动， 实质上是系统管道上电动调节阀开度的变化，从表面看这种变化直接对系统管道内的风压、风向造成影响，而实质上该变化主要影响系统管路特性，通过改变与系统管路特性密切相关的管道阻力系数 量造成影响。因此，可以把不确定的停开机和管道上电动调节阀开度的变化作为系统的扰动，即管道阻力系数 S 的不确定变化。 对系统输入高压离心风机转速实质是对系统输入风机的功率 N， 我们从与变频器连接的现场总线传递回来的数据可知风机的电耗功率， 而实质上电耗功率并非就等于风机输入除尘主管道内的能量，而与之相等的是风机的有效功率，因此风机的效率参数更是一个可待辨识的重要参数。 通过以上分析，系统的输入可以确定为，风机功率 N；系统的扰动为管道阻力系数 S 的变化；由于系统管道内风压、风量之间满足一定的关系式，当系统的高压离心风机转速 补风阀开度 除尘主管道风压值 风量值 不确定扰动 15管道阻力系数 S 可以在线辨识时，根据风力管道特性方程知道其中之一，另一个变量可以求出。由于整个除尘主管道的进风分包括补风阀的进风，补风阀设计在管道末端，在必要时打开一定刻度进风，风量传感器设计在管道出口的地方，因此当补风阀打开一定刻度时， 风量传感器反应的系统风量值未必是主管道内的真实风量，因此选取风压作为输出。系统的风力控制模型如下图 图 力控制模型 统输出变量预测研究 由管道风力特性曲线方程： 21P 得： 11 令1，上式变为： 1 令1()f 对其进行泰勒级数展开，可得： 2300 0 0 0 0 011()( ) ()( ) ()( )23! 忽略二次项及高次项，上式变为： 输入风机功率 N 21P 输出风压 P 扰动阻力系数 S 1600 000000000()( )1()22QQ f P P 即： 0 （ 式（ ： P 为风机提供的全压 P 与卷接机组需要的负压1 0P 为前一周期的风机提供的全压 P 与卷接机组需要的负压1 式（ 系统在已知前一周期风压值的基础上，可提前预测出后一周期的系统风量值，从而可使系统对未来输出作出判断。式（ 间关系的转化，主要是运用了关系式： 0 （ 其依据有： （ 1） 风机对风力系统控制的滞后性以及风机本身的特性， 当系统出现变化或扰动时，电机转速不可能出现快速变化，而是根据系统变化做出相对滞后缓慢的响应， 所以风机提供的全压也不会出现相差较大的变化， 系统前一周期的风机全压和后一周期的风机全压粗略相等； （ 2） 当系统稳定工作时，甚至当系统受到扰动时，卷接机组稳定生产所需要的管道负压始终不会改变； 因此，关系式（ 立。 对于式（ ， S 可以在线辨识，下文中会论述。系统前一周期的风压数据可以通过 其现场总线实时采集。所以当风压确定时，辨识出系统模型 17相关参数，风量亦可求出。本文把式（ 为系统风量预测关系式。 把风量预测关系式代入风机特性方程 得系统的风压输出： 0（ 式（ 以使系统在已知前一周期的系统风压值基础上，预测下一周期系统风压值。所以本文把上式称为系统风压预测关系式。其中模型参数管道阻力系数 S 和风机效率可以在线辨识，下文第 6 章将论述。 章小结 本章对卷接机组工艺风力除尘系统的风力供给进行了研究， 根据现场采集到的数据研究了风量值对系统能耗的影响， 分析了风力管道特性曲线和风机特性曲线，以及风机稳定工况点的形成机理。提出了风力控制的模型，通过对风压、风量所满足的管道特性方程关系式的研究推导，建立系统对风压、风量的预测关系模型，为后文系统的辨识，以及信息数据的处理，神经网络算法的实施提供了理论依据。 回顾本章，主要做了如下工作： （ 1）分析了减少系统额外进风可使系统能耗降低； （ 2）提出系统的风力控制模型； （ 3）风压、风量预测关系模型建立。 18第 4 章 经网络 神经网络是由大量简单的人工神经元相互连接，通过一定的算法指导，让它能够在某些程度上模仿生物神经网络的智能行为， 以此来解决传统算法不能解决的智能信息处理难题11。 经网络是现在应用最广泛的神经网络1213。 习算法。其基本思想是通过利用梯度下降法， 使 络14 15 16 17的实际输出与网络期望输出的误差平方和最小。 P 神经网络算法 理论证明含有一个隐含层的 经网络就可以以任意精度近似任意连续非线性函数17。因此为简便起见，本文采用三层 经网络作分析说明，包括输入层、隐含层和输出层。 网络的学习过程有信息的正向传播和误差的逆向传播两个阶段组成。 当第一个阶段正向传播时，输入变量信息进入输入层接点，与隐含层权系数作用后到达隐含层节点，经隐含层节点作用函数输出，再与输出层权系数作用后传输到输出层节点，最后输出网络运算结果，输出结果与期望结果对比，得到误差信号，当误差不满足要求时，网络进入第二个阶段，即误差的逆向传播。该阶段就是误差的反向传播阶段，通过对误差信号的梯度下降学习算法18，调节神经网络各层的权系数。该过程反复进行，每经过一次运算，各层权系数就得到一次调整，最终实现输出结果与期望结果接近。 图 P 神经网络结构 (2)1O (3)2O (3)1O (1)2O (1)i 19经网络结构如图 示，输入层有 i 个神经元节点，隐含层有 j 个神经元节点，输出层有 k 个神经元节点。 经网络算法分析：第一阶段正向传播时，输入变量信息首先进入输入层，经过隐含层处理到达输出层。 网络输入层第 i 个神经元节点的输入为： (1)j 个神经元节点的输入为： (2) (2) (1)1ij jn w O假如网络隐含层各神经元节点的激活函数为 f(x)，则网络隐含层第 j 个神经元节点的输出为： (2) (2)()络输出层第 k 个神经元节点的输入为： (3) (3) (2)1w O 假如网络输出层神经元激活函数为 g(x)， 则网络输出层第 k 个神经元节点的输出为： (3) (3)()二个阶段误差逆向传播，根据误差来调整神经网络各层的权系数18。 若网络的期望输出为 R，输出层第 k 个神经元节点期望输出为即 12 取误差性能指标函数为： (3) 211()2 梯度下降法对 经网络的权系数进行调整，输出层权系数的调整为： 20(3) (3) (3)() ( 1) ()kj kj 其中对(3)()的计算过程如下： (3)(3)(3) (3)(3) (3) (3)(3) (2)(3) (3) 1(3)(3) (3) (2)()()() ()() () ()()()()()(k x 其中为学习速率， 0. (3)()x 次时刻的权值，(3)()为对权系数第（ 的值(3)(1)的修正。 所以；输出层权系数的调整为： (3) (3) (3) (3) (2)() ( 1) ( ) ( ) ()kj kj k k k O x （ 隐含层权系数的调整为： (2) (2) (2)() ( 1) ()ji ji 其中对(2)()的计算过程如下： (2)(2)(2) (2)(2) (2) (2)(2) (1)(2) 1(2) (2)(2) (1)(2)()()() ()() () ()()()() ()() )()x O 上式中 21(3)(3)(2) (2)1(3) (3)(3)(3) (2)1(3) (3) (3)1()( () () ()() ()( ( ) ) () ()( ( ) ) ( ( ) x O 所以；网络隐含层权系数的调整公式为： (2) (2) (3) (3) (3) (2) (1)1() ( 1) ( () ) ( () ( () ()ji n n n nj j x w x O x R g x w f x O x （ 通过以上两个阶段的运算， 经网络完成一次输出，并根据误