（检测技术与自动化装置专业论文）纸机横向定量控制技术的研究.pdf

山东轻t 业学院硕士学位论文 摘要 在造纸过程中，定量足表征纸张产品基本指标的重要物理量。由于用户对纸 张质量要求的提高以及生产厂家为了对成本的控制，纸张定量横向分布控制受到 越来越多的关注。横向测量点和执行器数目众多( 横向测量点数从1 0 0 至1 0 0 0 不 等，执行器数目从1 0 至1 0 0 不等) 、系统存在很大的滞后时间、相邻的执行器之 间强耦合、不确定因素多等，所有的这些原因使得纸张的定量横向分布控制是造 纸过程中最为复杂的控制对象之一，建模困难，用传统的控制方法难以获得理想 的效果。 广义预测控$ 1 j ( g p c ) 像其它的预测控制方法一样，可在优化中考虑各种条件 约束，又有很好的鲁棒性和抗干性，与常规控制相比，能更好地实现动态控制； 另一方面，g p c 采用的是受控自回归积分滑动平均( c a r i m a ) 模型，控制律包括 积分作用，可以自动消除控制系统的稳态偏差，因此，在单变量线性系统中获得 了广泛的应用。当把这种成功的控制思想应用于强非线性强耦合系统时，需先解 决解耦和建模的困难。而神经网络以其并行处理、分布式存储、对非线性函数的 逼近功能、较好的鲁棒性、自适应性和自学习功能为多变量非线性系统解耦和建 立非线性系统g p c 的数学模型提供了一条途径。 本文首先对g p c 算法加以分析研究并利用m a t l a b 对算法进行仿真，然后通 过对仿真曲线的分析，选取合适的耦合宽度。 通过神经网络对系统解耦，使系统成为单变量无耦合的系统，然后运用g p c 算法对解耦后的系统进行控制；最后，利用m a t l a b 对系统进行仿真，验证其控 制效果。 关键词：纸机；横向定量；g p c ；神经网络：预测控制；解耦控制 i l l a bs t r a c t i nt h ep a p e r m a k i n gp r o c e s s e s ，b a s i sw e i g h ti sa f u n d a m e n t a lp r o p e r t yo fp a p e r r e q u i r i n gp r e c i s ec o n t r o lf o rq u a l i t yo fp r o d u c t i o n b e c a u s e o fu s e r si m p r o v e m e n t0 t t h eq u a l i t yr e q u i r e m e n to ft h ep a p e ra n d c o n t r o lo nc o s to ft h em a n u f a c t u r e rc o r r e c t l y , c r o s s d i r e c t i o n a lc o n t r o lo fp a p e ri sb e i n gp a i dc l o s ea t t e n t i o nt om o r ea n d m o r e ，i tl s a l s oo n eo ft h em o s tc o m p l i c a t e dc o n t r o lt a r g e t si n t h ep a p e r m a k i n gp r o c e s s e s b e c a u s eo fc h a n g e si nr a wm a t e r i a l sa n dt h ec o m p l i c a t e dp u l p i n gp r o c e s sp n o rt ot h e p a p e rm a c h i n e s ，v a r i a t i o n sw i l lu n d o u b t e d l ye x i s ti n t h ef o r m e dp a p e rs h e e t t h e c o n t r o l l i n gp r o b l e mo np a p e rm a c h i n e sh a sb e c o m em o r ed i f f i c u l t ，w i t ht h ei n c r e a s e i ns h e e tw i d t ha n dm a c h i n es p e e d t h eg e n e r a l i z e dp r e d i c t i v ec o n t r o l l e d ( g p c ) c a nc o n s i d e rv a r i o u sc o n d i t i o n s i no d t i m i z a t i o nt or e s t r a i n ，a n dh a v ev e r yg o o dr o b u s t n e s sa n di n t e r f e r e n c er e j e c t l o n a so t h e rp r e d i c t i v ec o n t r o l l i n gm e t h o d s oc o m p a r e dw i t hc o n v e n t i o n a lc o n t r o l ，t h e g p cc a nr e a l i z ed e v e l o p m e n t c o n t r o lb e t t e r o nt h eo t h e rh a n d ，g p ca d o p t s c o n t r o l l e da u t o r e g r e s s i v ei n t e g r a t e dm o v i n ga v e r a g e ( c a r i m a ) m o d e la n di t s c o n t r 0 1l a wi n c l u d i n gi n t e g r a la c t i o n s ot h eg p c c a na u t o m a t i c a l l ye l i m i n a t et h e d e v i a t i o no fs t a b l es t a t eo fc o n t r 0 1 t h et e x tr e s e a r c h e dg p ca n du s em a t l a bt o i m i t a t et h eg p c ，t h e nt h r o u g h a n a l y s i n gt h ec h a r ti tc a l lc h o s e t h eb e s td a t e t h r o u g hn e u r a ln e t w o r kd e s t r o y i n gt h ec o u p l i n g ，t h eu s i n gg p c t oc o n t r o lt h e s y s t e m i tu s e dm a t l a bt oi m i t a t et h e m k e y w o r d s ：p a p e rm a c h i n e ；c r o s sd i r e c t i o n a lb a s i sw e i g h t ；g p c ；n e u r a ln e t w o r k ； p r e d i c t i v ec o n t r o l ；d e c o u p l i n g c o n t r o l i v 学位论文独创性声明 本人声明，所呈交的学位论文系在导师指导下本人独立完成的研究成果。文 中引用他人的成果，均己做出明确标注或得到许可。论文内容未包含法律意义上 已属于他人的任何形式的研究成果，也不包含本人已用于其他学位申请的论文或 成果，与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示谢意。 学位论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属山东轻工 业学院。山东轻工业学院享有以任何方式发表、复制、公开阅览、借阅以及申请 专利等权利，同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时， 署名单位仍然为山东轻工业学院。 论文作者签名= 掾丛星与 导师签名： 山东轻t 业学院硕士学位论文 第1 章纸机横向控制技术 1 1 本文研究的意义及目的 作为衡量一个国家现代化水平和文明程度的重要标志之一，在加工制造业生 产能力普遍过剩的现阶段，造纸工业是属典型的需求拉动型行业。因此，造纸工 业是一个“永不衰竭”的朝阳工业。 造纸工业经过最近两个世纪的发展，已成为现代工业的支柱企业之一，全世 界每年都有上万亿美元的产值，由于纸张不仅是日常生活中不可或缺的消费品也 是重要的工业原料。随着工业化速度的加快和科学技术的进步，造纸工业受到越 来越多的重视。 我国的造纸工业现状：原材料短缺、资源和能源消耗量大、生产效率普遍不高、 污染严重等问题，关键的是技术( 包括工业技术、装备和自动化技术) 比较落后， 因此采用先进的控制技术改进造纸过程及设备，提高造纸生产过程的自动化程度， 以达到高质量、低能耗、低污染，这也是我国造纸工业发展前进的关键。 当前世界造纸技术的发展突飞猛进，造纸机车速迅速提高，幅宽也增加到1 0 米之多；市场对纸张质量要求越来越高，特别是印刷行业对纸张全幅的均匀性要 求非常严格：各个厂家为了节约纤维原料等资源，纸张的轻量化也势在必行，面临 着这些挑战，所以在造纸生产过程中，必须把纸张全幅横向定量和纤维定向的均 匀一致性比原有水平再提高一个档次。 纸张的定量、纸张的水分和纸张的厚度是纸张的三个重要特性。其中，纸张 的定量是纸张单位面积的质量。纸张的三个特性相互影响，定量的变化会改变纸 张的厚度，水分的改变会改变纸张的定量，但是这几个特性尤其重要的是纸张的 定量，因此它是自动控制系统中的主要被控对象。控制要达到的目标是使整个纸幅 的定量在沿机器方向( 简称纵向，m d ) 和横跨机器方向( 简称横向，c d ) 这两个方向 都保持均匀。由于纸机的纵向控制问题相对于横向控制问题更容易解决，所以到 目前为止，纸机的纵向控制己经取得了很好的成果 1 1 。但纸机横向控制虽然得到了 一些发展，但进展缓慢，存在许多亟待解决的问题。 综上所述，纸张的横向定量控制技术意义重大，它可以在降低能耗的同时提 高纸的生产质量，前景非常广阔。 1 2 纸机横向控制技术简介 1 2 1 横向控制技术 纸机横向控制的概念始于二十世纪五十年代，但由于当时的条件纸幅窄、 l 执行机构、传感器、测量系统吼及汁算机技术等手段的限制，横向控制技术并没 柯得到很人的发展。直到进入八l 印代后，随着造纸机械技术的提高纸幅的 增加、车速的提高，最重要的是用户对纸张质量要求的增长，使得横向控制技术 获得越柬越多的重视。同时，测量传感器和计算机等快速的提高为横向挡制系统 的应用丌发提供了必要的技术支持于段，极大的加快了其开发速度。定量分却均 不均匀不仅关系剑纸本身的质量，还能太大地影响生产教率以及原材料的消耗。 经过初步的统计，实施横向定量控制，能使横向分却的均匀度提高4 0 7 0 ，可增 加纸的更高的抗张强度、莳j 破度、坏压、更好的加工1 _ = 能，减少纸机断纸的次数 以及停机时问，从而降低原材料及人工的消耗。 定量是纸张基本特性的物理紧，是造纸过程中域为复杂的拧制对象之1 2 , 3 1 。 定量横向分布还存在着很多，崾待解决的问飕。纸机的横向控制的h 描传感器和横 向控制执行器的简化示意罔ll 所示，横向执行器足甲均地安装在流浆箱前的等压 布浆群处的组稀秆调社阀，调肖阀开关用束控制白水进入量，进而调仃浆的浓 度束调节横向分布。 目m * 8 幽1 i 纸机横向定艟控制系统 现存通常使用的传感器设料扫纸机的尾郫，以巡回扫描的方式测量纸张的定 量，扫描传感器只能测量纸幅j ：“z ”宁j | ；的区域，山丁扫描器移动的速度是有限的， 传感器测量的区域相对于整个纸幅束髓，t + 午h 当小的部分。所以- 兑测量点过r 稀疏是纸机横向控制研究l j 需篮克服的个问题。对于这个问题有人曾经提j 采 用传感器阵列代皆单个的传感器，这样虽然叫以解决测量点过十稀疏的问题，儿 实时性更好，但这大大地增加了成本，片j 户不会轻易采用。通常，十l 捕传感器测 得的定量数据包括横向分量、纵向分量和随机分量。纸机定展信q 被他感器收集 后，通过预处理，在测量单元中分离出横向分舒y ( ，) ，然后r ( ，) 被送入横向定茸拄 制器当中，与期单的醋定值s ( f ) 进行比较，产生柠制睛“( ，) ，进j ，处理后，驰动执 行器柬调节稀释阀的白水景以控制横向定量分布。 122 横向控制技术的发展 实现横向扮制的i 大要素是：化感器、执行器年uiq k 控制计算机。随着训算机 山东轻t 业学院硕上学位论文 技术的发展，人们可以以越来越高的分辨率测量横向分布数据。现在，一般横向 测量点的数是执行器数e l 的3 5 倍，但是以往最初的算法都是假设执行器的个数大 于横向测量点数，显然这一假设现在己经不适用了。而现在，通常需要把高分辨 率的测量值映射到低分辨率的执行器上去【4 】，之后可以直接在高分辨率的测量值 上设计控制器的方法也被提出。横向控制可以有效地减小波长略小于执行器间距 的偏差。 w r i s t 最早将定量数据分为横向分量，纵向分量和随机分量三部分。由于受到 传感器和计算机的计算能力限制，最早的纸机控制系统主要是控制纵向分量。1 9 5 7 年，c u f f e y 用一个光学传感器得到了最早的定量分布图，从中可以观察到调节一个 执行器将使多个位置的定量值发生变化( c u f f e y ，1 9 5 7 ) 。a s t r o m 提出了纸机的计算 机控制方法( a s t r o m ，1 9 6 7 ) ，并设计了基于线性随机控制理论的控器，几年后计算 机纵向控制系统获得了在工业中的应用。 d a h l i n 发表了采用指数滤波器分离纵向分量和横向分量的算法，并描述了用于 测量水分和定量的传感器( d a h l i n ，1 9 6 9 ) 。次年，b e e c h e r 和b a r e i s s 设计了一个闭环 模拟控制器，并采用关联矩阵及其逆矩阵束表示测量值和执行器之间的关系，结 果表明定量水分分布的标准偏差可以减小( b e e c h e ra n db a r e i s s ，1 9 7 0 ) 。几年后， 采用数字控制器获得了更好的控制效果( e d i t o r ，1 9 7 1 ) 。 c a r e y 等在1 9 7 5 年报告了通过安装采用关联矩阵方法的横向控制器获得了减少 原料消耗的结果。b o y l e 提出了通过最小化二次型目标函数用传统的最优算法来设 计控制器( b o y l e ，1 9 7 8 ) ，通过对控制增量和相对偏差进行加权约束，解决了空间 的相互作用问题，但计算量大，受实时控制系统的计算能力的限制。k a l s s o n 等最 早全面研究了通过改变网前箱唇板来控制纸机横向定量( k a l s s o n 等，1 9 8 2 ) ，并提出 了一个类似的处理执行器空间相互作用的方法，而且把相应的最优控制策略成功 的应用与多台纸机( k a l s s o n 等，1 9 8 2 ) 随后，w i l h e l m 等指出，纸机横向控制系统为一个偏微分方程描述的分布参数 系统，其一般形式的解是非常复杂的，一般在研究时可作如下假设( w i l h e l m 等 1 9 8 3 ) ： ( 1 ) 过程的动态响应和横向位置无关； ( 2 ) 耦合作用被作为一个静态关系处理； ( 3 ) 除了边界效应，执行器响应和执行器位置无关； ( 4 ) 除了边界效应，单个执行器对横向定量分布产生的影响是对称的。w i l h e l m 还对表示具有耦合关系的关联矩阵的形式进行了研究； c h e n 和w i l h e l m 针对横向控制的计算量过大的问题，引入q p f ( q u a d r a t i c p r o g r a m m i n ga n dq u a d r a t i cp e n a l t yf u n c t i o n ) 设计出鲁棒性和实时性都较好的，可以 用于商业横向控制系统的控制器( c h e r ta n dw i l h e l m ，1 9 8 6 ) ，但是，用q p f 无法求 第1 章纸机横向控制技术 出控制的最优解，而只能求出次优解。并且针对唇板执行器之间的强耦合以及纸 机速度和产品种类及原材料的变化等情况，设计白适应算法( c h e n ，s y d e ra n d w i l h e l m ，1 9 8 6 ) 。同时，他们还总结了实现横向控制的条件( c h e na n dw i l h e l m ， 1 9 8 6 ) ，即：足够高的测量分辨率、模型足够精确、当情况发生变化时能对响应做出 预测、在有纸幅收缩和漂移的情况下能作测量点到大执行器的映射、在约束范围 内能获得最优解。 横向定量分布本质上是个二维模型 5 1 ，有时间和横向位置两个变量，由于时间 和横向位置都能被预先离散化，因此可以描述为一个二维离散系统。( w e l l s t e a da n d h e a t h ，1 9 9 4 ) ，把整个纸幅视为一个分布场，将所有随时间变化的成分分为纵向分 量，随横向位置变化的成分定义为横向分量，从而把纵向控制和横向控制综合起 来统一处理。l u i 和j o h n 针对系统的不确定性建立了纸机定量的随机线性动态模型， 并首次用l q g 方法同时控制横向和纵向分量( b e r g ha n dm a c g r e g o r , 1 9 8 7 ) 。从此， 横向和纵向的联合控制向量问题引起了众多学者的重视( w e l l s t e a da nh e a t h m u s t o n e m ，19 9 4 ；m u s t o n e m 等，19 9 4 ，m u s t o n e ma n dr i t a l a , 19 9 4 ，k w o ka n dp l i ， 1 9 9 7 ) 。 随着对鲁棒控制的研究的兴起，解决不确定性问题取得了许多成果。l a u g h l i n 矛i m o r a r i 提出了基于内模控制的鲁棒控制策略，通过假定参数的不确定性上界，保 证了鲁棒稳定性，但他要求描述执行器和传感器之间关系的增益矩阵必须正定 ( l a u g h l i na n dm o r a r i ，1 9 8 9 ) ，并且在此基础上进一步分析了控制系统的鲁棒性能， 设计了一个高维对角化鲁棒控制器( l a u g h l i n 等，1 9 9 3 ) 。d u n c a n 把定量横向分布的 可控部分分解为若干个s i s o 系统，考虑到关联矩阵和动态对象的不确定性，改进 f l a u g h l i n 的控制策略，通过控制一组动态性能相同，开环增益不同的s i s o 回路， 简化了设计过程。但这些控制方法仍受到计算能力的限制，没有考虑约束条件的 限制( d u n c a n ，1 9 9 5 ) 虽然到目前为止，制浆造纸工业一般采用常规控制方法，如p i d 控制，d a l i n 控制器等，现代控制理论中的先进控制算法很少应用于纸机的控制 ( b r a a t z 等， 1 9 9 6 ) ，将预测控制应用于纸机横向控制的努力取得较好的结果，在b o y l e 最初提出 了最优控制方案中，就有了预测控制的思想( b o y l e ，1 9 7 7 ) 。九十年代以后，针对 横向定量控制要处理控制输入的显式约束和模型不精确等问题，预测控制通过约 束条件下的滚动优化，取得了明显的效果( h e a v e n 等，1 9 9 3 ) 。h a l o u s k o v a 等设计的 自适应控制器采用长时域优化目标函数，在线辨识模型参数并滚动优化，在实际 的纸机中取得了较为满意的结果( h a l o u s k o v a 等，1 9 9 3 ) 。 许多设计方法先要把高分辨率的横向测量值映射到低分辨率的执行器分布 上，然后在低分辨率下设计控制器，没有把测量数据中的信息充分提供给控制器， 同时，对低分辨率分布的映射导致信息损失，另外，映射带来的误差很容易导致 4 山东轻t 业学院硕士学位论文 纸幅上出现波纹状纹理，使控制性能恶化，针对这一现象，k r i s t i n s s o na n dd u m o m 首次提出了在变换域中对纸机横向定量进行控制的思想( k r i s t i n s s o na n dd u m o m ， 1 9 9 3 ) 。采用正交的g r a m 多项式逼近纸机横向定量信号，从而用控制多项式的系数 来替代直接控制纸机横向测量点。采用这种思想可以完全解决横向测量点和执行 器之间的映射问题，并能有效降低模型的维数，同时确保模型的精度，简化计算， 降低对控制系统硬件的要求。从而受到了众多学者的重视。 近来k l 展丌在遥感图像应用处理与分析中、在模式识别中的特征提取中都得 到广泛的应用。a r k u n 和k a y i h a n ( 1 9 9 8 ) 等提出采用k l 展开作为纸机横向定量估计 和建模的工具，k l 展开不是通过预先确定的，而是通过在线获得的，可以最大限 度的保留原信号的能量。 1 2 3 流浆箱的发展及横向控制的应用背景 九十年代以前，世界上所有纸张生产厂家，在调节全幅横向定量方面，都采 用传统流浆箱的唇板配曲调节的方法( 如图1 2 所示) ，也就是在流浆箱的上唇板 装有喷浆唇板张开度的大小以实现调节全幅横向定量的均匀一致。为了使得全幅 横向定量调节更加有效和精确，微调装置的间距也在不断地减小。2 0 年前该间距 还在3 0 0 m m 左右，随后逐年减小到2 0 0 m m 15 0 m m ，甚至减小到l o o m m ，到目前 为止有的已经减小到7 5 m m 。 微调装置大部分都采用差动螺旋进行微细调节，也有的采用控制上唇板地连 杆温度，应用热胀冷缩地原理进行微细调节的。 上唇板 一下唇板 图1 2 流浆箱唇板调节机构 唇板调节方法存在如下一些缺点： ( 1 ) 调节精度差、灵敏度低； ( 2 ) 容易造成唇口开度不一致，从而使得喷出的桨流在成形网上产生横流，交 叉流，干扰了纤维定向，破坏了一致性，损伤了纤维的结合均匀结构； ( 3 ) 若采用加热连杆进行唇板配曲调节时缺点更多，热效应滞后于定量变化， 促使灵敏度降低，易受环境温度影响。 9 0 年代中后期b e l o i t 、b o i t h 等公司推出了稀释水调浓流浆箱。它的 要 作 原理是往阶梯扩散匀浆器的大量阶梯扩散管之问，沿横同选择适当的问隔距离， 向阶梯扩散管的上游，即第阶梯管的始端注 稀释水，通常用造纸白水，月j 以 局音【f 调节浆料浓度，实现全幅横向定量均匀调节f 如图l3 ) 。 进入进浆总管的浆流浓度和流量是恒定的，在不加稀释水时进入各个阶梯扩 散管的浆流浓度和流量也应足均匀一致的。当纸张横向某处定量偏离了标准定量 时，向与该处相对应的阶梯扩散管的 前注入稀释水，调节该处的浆流量与一水 量的比率，即调节该处的浆料浓度从而实现调控纸张争幅横定带的均匀，致。 阶梯扩散匀浆器有大量的阶梯扩散管，但不是每个管都注人稀释水，向是在横向 选择定m 距，在部分阶梯护散竹的上游注入稀秆水，根据对纸张全幅横向定 景均匀性要求米确定叫距的人小。再个小同j 家来刚的阳j 趴从3 0 一6 3 m m 小等。 削l3 柿秆水间浓流浆箱 加入啦个阶梯打散管的稀释水量的多少，足通过稀释水阀门控制的。阀fj 丌 度的人小，是根据调社点定量偏离标准定鼍的羊值来确定的。 南十新型涮浓流浆箱，采用沿纸机横向方向匀浆器的支管上游注入稀释水的 办法，来调竹令幅横向定量。凶此，流桨箱的喷浆唇u 张开度足全幅均匀一致的， 全幅相等。 稀释水调浓流浆莉的性能评价： ( 1 ) 流桨箱既能有效调节伞幅横向定量的均匀一致，又能保扑争幅纤维定向均 匀一致 ( 2 ) 流浆筘调节定量精确、灵敏度高。，由于稀释水注人1 m 距小，仪j , j5 0 r a m 九右。其次，当训节荒处定量时，波及和干扰调节点两侧的范围小，对调仃点校 l f j 定量的效率商： ( 3 ) 浓流桨箱调节和较丁f 定量偏差的幅值大。其调节的定量范田为6 - 8 而传统 流浆箱仅为2 - 3 ； 山东轻t 业学院硕l ：学位论文 ( 4 ) 流浆箱可使全幅横向定量偏差值大幅度降低，调节定量均匀性的效果大有 改善，完全可以保证全幅横向定量均匀，使产品提高到新档次； ( 5 ) 流浆箱在调节全幅横向定量变化和改变生产纸张品种潜别是定量发生大幅 度变化的纸种) 时，调节速度快，反应时间短，对于在生产中杜绝和最大限度的减 少不合格产品，提高企业经济效益，满足用户需求是非常重要的； ( 6 ) 流浆箱具有优良的纤维定向性能，纤维定向的方向角偏离可维持3 4 度以 下。由于新型流浆箱上下唇板全幅保持平行，即全幅横向所有各点喷浆唇口张开 度都相同，这就使自喷浆唇口喷出的浆流方向全都一致，在成形器上不会产生横 流和交叉流，改善丁纤维定向，提高了页成形质量。比起传统流浆箱大幅度降低 了纤维定向的方向角偏离值； ( 7 ) 流浆箱对于纸张的透气度和平滑度的改善，也可取得良好效果； ( 8 ) 造纸白水是最为合理的选择。造纸白水具有与浆料相同的物理和化学特性。 使用含有细小纤维和填料的白水做稀释剂，使纸张细小纤维和填料的横向分布最 大限度的不受影响。对于生产不同灰分含量的纸张时，应合理选择不同浓度的白 水做稀释剂，以便既能满足白水浓度对调节灵敏度和有效性的要求，又能满足生 产高灰分含量纸张的横幅灰分含量一致性的要求。 所以，稀释水调浓流浆箱的出现给纸张的横向分布和纤维排列等多方面得到 改进，鉴于这些原因现在很多造纸厂都开始准备使用稀释水调浓流箱，市场前景 广泛。 1 3 纸机横向控制技术的难点及本文工作 由于横向控制过程的复杂性以及物理建模的不可行性，所以横向过程建模的 参数通常通过输入输出数据来进行辩识，横向过程的空间和动态响应通常各自假 设为一个稳定的传递矩阵和一个线性低阶的传递函数，这个假设是一个实时工业 控制过程的一个近似。纸机横向控制是一个典型的模型不确定性问题。 下面列举一些关于工艺、机械等方面的不确定因素： ( 1 ) 网部的徘徊移动，纸沿着网部在机器方向从流浆箱到扫描传感器处大概有 好几百来米。网部在运行当中不可避免地在横向改变若干厘米，相应的改变输入 输出对应的位臂： ( 2 ) 工厂有的时候为了产量的需要会增加或者降低纸机的车速，降低车速则增 加了纸网的运行时间，从而每个横向控制执行器响应时间也会受到影响； ( 3 ) 大多数工厂都是用同一套控制器调节同一台纸机的不同等级，实际上每个 不同等级的纸张对执行器的响应是不同的，包括定量、水分、厚度、纸浆的属性 以及纸机的车速都是各自不同； 7 第1 章纸机横向控制技术 ( 4 ) 过程模型通过输入输出数据进行辨识，但是也有一些不能进行建模的动态 响应和过程特征不能被过程模型的参数所捕获； ( 5 ) 一些随机的过程，如某一个或多个执行器出现故障等现象； ( 6 ) 由于机械工艺的原因，纸张对执行器的响应在纸张的中部和边沿部分是完 全不一样的； ( 7 ) 当纸张经过干燥、压榨部分除水时，纸张将会收缩从而导致纸张在到达扫 描器时比在执行器的地方纸幅将会稍窄点。实际上，没有任何建模技术可以完全 正确地捕获造纸工业过程所有特征。 本文安排如下： 第l 章介绍纸机横向控制技术的现状、发展及应用背景，并根据造纸工业中 的实际情况，阐明本文的研究意义。 第2 章详细介绍了纸机横向控制的建模。模型是工业过程控制的基础，针对 同一对象，根据不同的控制策略和目标，可以从不同角度建立系统的数学模型。 第3 章详细介绍了神经网络的基本理论；人工神经网络的以下几个突出的优 点使它近年来引起人们的极大关注： ( 1 ) 可以充分逼近任意复杂的非线性关系； ( 2 ) 所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很 强的鲁棒性和容错性； ( 3 ) 采用并行分布处理方法，使得快速进行大量运算成为可能； ( 4 ) 可学习和自适应不知道或不确定的系统； ( 5 ) 能够同时处理定量、定性知识。 第4 章介绍了广义预测控制理论；预测控制是近年来发展起来的一类新型计 算机控制算法，由于它采用多步预测、滚动优化和反馈校正等控制策略，因而控 制效果好、鲁棒性强，适用于控制不易建立精确数学模型并且比较复杂的工业生 产过程，因此受到工程界和控制界的重视。 第5 章介绍基于神经网络的非线性系统的解耦；实际工业生产过程大多是多 变量系统，各个被调量之间存在某种不同程度的相互影响，它将妨碍各变量之间 的单独控制作用，有时甚至破坏系统的正常运行。为了消除多变量系统各控制变 量间的相互约束和影响，需对多变量系统进行解耦。本文的重点是：通过设计基 于神经网络的解耦控制器对纸机横向定量控制系统解耦，从而获得满意的控制效 果。 第6 章系统仿真；利用m a t l a b 对解耦后的横向定量控制系统进行仿真，从而 验证其控制效果。 第7 章对全文进行总结。 本文重点工作如下： 8 山东轻工业学院硕士学位论文 ( 1 ) 首先对g p c 算法加以分析研究并利用m a t l a b 对算法进行仿真，然后通过对 仿真去曲线的分析，选取合适的耦合宽度。 ( 2 ) 通过神经网络对系统解耦，使系统成为单变量无耦合的系统，然后运用g p c 算法对解耦后的系统进行控制；最后，利用m a t l a b 对系统进行仿真，验证其控制 效果。 9 第2 章纸机横向控制的建模 2 1 系统结构 第2 章纸机横向控制的建模 定量横向分布控制系统结构 6 , 7 1 如图2 1 所示，扫描传感器测得的数据是包含三 种分量的复合定量，经过预处理，分离出横向变化量y ( t ) ，与期望值w ( t ) 进行比较， 控制器按一定的控制规律，给出相应的控制量u ( t ) ，经过执行器接口平滑后，驱动 执行机构调节唇板位置，以减少误差，得到均匀的横向定量分布。 2 2 系统建模 图2 1 系统结构 模型是工业过程控制的基础，针对同一对象，根据不同的控制策略和目标， 可以从不同角度建立系统的数学模型。造纸过程是一个复杂的传热传质过程，横 向定量分布更是其中一个复杂的控制对象。尽管在建模方面取得了很大的进展， 但是对于产生未知扰动的严重不确定性的机理和性质，仍有很多亟待解决的问题。 更主要的是由于扫描传感器只能测量整个纸幅的z 字型区域，造成测量数据极为稀 疏，这也严重制约了控制的效果，给横向定量控制带了极大的困难。因此，从不 同的角度，借助有力的数学工具，研究新的建模方法，是有很强的必要性。 造纸生产过程中，一般纸机的抄纸宽度从不到1 米到超过1 0 米不等，当打浆工 段送来的高浓度纸浆( 约为1 3 ) 与白水混合后被稀释n o 3 0 7 不等，经过一 些必要的工艺过程，通过一个等压的布浆器进入流浆箱，从而均匀地喷到网上， 在网上经过刮水板脱水后形成湿纸页，然后经过压榨、烘干等使纸张干燥。在网 上，有一条较为明显的干湿分界线，就是通常所况的水线，定量不一样，干湿分 界线的位置也不一样，纸张烘干的时间也不一样，一般来说，干湿分界线的测量 可以用于纸张的定量分布的预测。另外，为了得到高质量的成品纸还需要对纸张 进行表面施胶、压光等其他的工艺条件。网上形成的湿纸页均匀与否决定了纸张 1 0 山东轻工业学院硕十学位论文 定量的最终分布是否均匀。实际工业过程中影响湿纸页定量横向分布的因素很多， 如：流浆箱前的稀释阀的开度大小、流浆箱内的纸浆流动情况、纸浆浓度的分布以 及纸浆在网上的横向流动以及网的本身缺陷造成的影响等等。以上各种影响湿纸 页定量横向分布的因素中，稀释阀的开度大小为最主要的因素，且只有这种因素 稀释阀的开度大小可以调节，通过调节丌度的大小来控制白水的进入量，从 而局部控制进入流浆箱的浆料浓度以达到控制横向分布定量。而其他因素都作为 未知扰动或不确定因素要加以抑制。 一个扫描传感器被安装在纸机卷取部分的扫描架上，通过对纸幅做横向往复 地扫描运动，从而测量整个纸张幅面的定量分布。由于纸张在机器方向在做快速 运动，在扫描传感器和纸张的相对运动下在纸张上形成了一个大“z “字形的测量途 径。如图所示，用这种方法采集的数据称为扫描数据。 t 横 l 向 上 垫兰查塑! 墨兰至堡查塑! 纸张誊取 卜v 扩c 图2 2 传感器扫描路径 如图2 2 所示，机器方向坐标用采样时间k t ( t 为采样周期) ，而横向位置用 l ，2 ，n 表示，从图中可以看出同一编号的横向测量点的连接将整个纸幅分为n 个侧量区间，这些测量区间称为数据箱( d a t a b o x ) 。由于传感器构造原理的限制， 横向扫描的速度很低，远远小于纸机的车速，图2 2 中的a 角一般只有1 5 度，致使 一次扫描时间间隔t 内，纸张在机器方向运行了很长的距离，每一数据盒内的样本 极为稀疏，给系统建模、辨识、和反馈控制带来困难，但是，用对角线上的测量 数据不足以体现整个纸张幅面的定量分布情况。 由扫描传感器测得的原始信号是包含横向分量和纵向分量和干扰量，可以用 矢量式【8 ，9 】表示如下： y 。n ( j i ) 2j ， 仍( 七) + j ，c d ( 后) + d 口u ( k ) 式( 2 1 ) 这里j ，：( 后) r 是在采样时间k 时的矢量值，n 表示测量值的位置，y 肘d ( 后) 表示纵向 分量，物( 七) 表示横向分量，d 础( 后) 表示所有影响系统的不可建模的干扰( 包括测量 噪声等) 。其中垴( 七) 正是我们所需要的。 由式子y ：( 七) = 少朐( 七) + 少c d ( 忌) + d 洲( 忌) 可以得到y ( 尼) ，如下表示： y c d ( 七) 2 少轴。y m d ( k ) 。d 口盯( 后) = g ( g 一) 6 0 “勃( 七) + d c d ( k ) 式( 2 2 ) 在这里，我们认为执行器为一个一阶的动态响应g ( g - 1 ) = 七，k 为放大倍 l 一加 数、t 为时间响应。g 。为系统的耦合矩阵。甜勃( 七) 为横向控制分量。 为了简便起见，我们用下式作为纸机横向定量的模型： y ( 后) = g ( q 一1 ) g ou n ( 后) + d ( 七) 式( 2 3 ) 在此模型当中，我们没有过多地考虑边缘效应对横向定量的影响，我们仅仅 是把边缘效应简单而笼统地当作了扰动的一种。 1 2 山东轻工业学院硕十学位论文 3 1 人工神经网络 第3 章神经网络基本理论 用于自动控制的人工神经网络基本上分为两大类：静态多层前向网络和动态反 馈网络。本课题中用于解耦的神经网络模型主要是静态多层前向网络中的b p 网络 和p i d 神经网络，二者都用到了反向传播算法( b p 算法) 。所以本章将介绍神经网 络的构成、b p 算法【l o 】及一些改进的网络学习方法。 人工神经网络是由许多处理单元，又称神经元，按照一定的拓扑结构相互连 接而成的，一种具有并行计算能力的网络系统。神经元是以生物神经系统的神经 细胞为基础的生物模型。在人们对生物神经系统进行研究以探讨人工智能的机制 时，把神经元数学化，从而产生了神经元数学模型。神经网络控制是近几年形成 的一个分支，正在平稳迅速地向前发展。回顾一下古典和现代控制理论，都存在 一个共同的局限性：就是要求预知被控对象的数学模型，但实际上许多对象具有复 杂的不确定性和时变性，此外，还具有复杂的非线性，必将造成根本无法或者很 难精确建模。人工神经网络有表示任意非线性关系的能力，给解决这类问题提供 了新的思想和新的方法。人工神经网络的属性和特点是人工神经网络在控制领域 中应用的基础。它在控制系统中的作用可以分为： ( 1 ) 基于模型的各种控制结构，如内模控制、模型参考自适应控制、预测控 制，神经网络在其中充当对象的模型； ( 2 ) 用作控制器，即各种神经网络控制器； ( 3 ) 在控制系统中起优化计算的作用。 3 1 1 神经元的数学模型 从神经元的特性和功能可以知道，神经元是一个多输入多输出的信息处理单 元，且它对信息的处理是非线性的。根据神经元的特性和功能，可以把神经元抽 象为一个简单的数学模型。工程上用的人工神经网络模型( 如图3 1 ) 所示。 图3 1 神经元的数学模型 1 3 第3 章神经网络基本理论 在图中，x l ，x 2 ，x 打的共同激励下，我们可以得到神经元输出的数学模型 表达式为 乃= 厂 w f ，o 一明 j = l ，表示网络中第i 个神经元与前面第j 个神经元之间连接的权值， i 个神经元的偏置或阀值。 式( 3 1 ) 口，表示第 f 】是激发函数，它有多种形式，其中最常见的有阶跃型、线性型和s 型 三种形式，这三种形式如图： j ，) 1 o 为了表达方便，可令 j l 1 。 y jl 、 l 二7 弋 0 图3 2 神经元的激发函数 “，2 w u x j 一只 j = l 则有y ，= 儿，】 显然，对于阶跃型激发函数有 1 4 式( 3 2 ) 式( 3 3 ) 山东轻工业学院硕士学位论文 f 1 u j 0 九地卜“j o 式( 3 4 ) 它输出的是单位脉冲，因此这种激发函数的神经元称为离散输出模型。对于 线性激发函数有 厂k l 】_ 忌扰i 式( 3 5 ) 它的输出是与输入的激发量成正比的，故这种神经元称连续性模型。对s 型 激发函数有 b f 】_ 1 1 + e x p ( - u f ) 】 式( 3 6 ) 它的输出是非线性的，故这种神经元为非线性连续模型。s 型函数也称s i m g o i d 函数，是用的最为广泛的激发函数，它具有以下一些良好的特征： ( 1 ) 当“。较小时，也有一定的厂k ，】值相对应，即输入到神经元的信号比较弱时， 神经元也有输出，这样不丢较小的信息反映； ( 2 ) 当u ，较大时，输出趋于常数，不会出现“溢出”现象； ( 3 ) 具有良好的微分特性，记仍= i ( u 小即有 f _ d o1 ：q ( 1 一o f ) 式( 3 7 ) a u ，f 为进一步提高神经网络的实用性，有文献介绍，将s 函数改进为如下的形式： f u ，】_ 1 ( a + b e 一)式( 3 8 ) 式中a ，b 和c 为可调参数。通过改变系数a ，b 和c 的值，就可以改变s 型函 数的几何形状，也就是改变了神经元的输入输出特性。 3 1 2 神经网络的结构 神经网络是由许多神经元互相连在一起所组成的神经结构，把神经元之间相 互作用的关系进行数学模型化就可以得到神经网络模型。根据神经网络不同的连 接方式，神经网络结构可分为以下几种类型： ( 1 ) 不含反馈的前向网络，其结构如图3 3 ( a ) 所示。在此网络中，神经元分层排 列成输入尾，隐层( 亦称中间层，可有若干层) 和输出层，每一层的神经元只接收前 一层神经元的输入，例如，b p 网络； ( 2 ) 从输出层到输入层有反馈的前向网络，其结构如图3 3 ( b ) 所示。这种结构的 网络可用来存储某种模式序列，例如，输出反馈网络； ( 3 ) 层内有相互连接的前向网络，其结构如图3 3 ( c ) 所示。通过层内神经元之间 的相互作用，可以实现同一层内神经元之间的横向抑制或兴奋，例如，竞争网络； ( 4 ) 相互连接的网络，其结构如图3 。3 ( d ) 所示。这种网络是在其任意的两个 神经元之间都可能有的连接。在网络中，信号要在神经元之间反复往返传递，网 1 5 第3 章神经网络基本理论 络处于一种不断改变状态的动态之中。h p o f i e l d 网络就是这种结构。 交蓼 参麓 l 一、 f 。， ， t b ) ( d ) 一 1 j 图3 3 神经网络结构 3 1 3 神经网络的功能和学习方式 神经网络在控制领域中应用功能，基本上有以下几个方面： ( 1 ) 非线性映射和函数逼近功能：这种非线性映射可以是连续的，也可以是离散 的，可以是一维的，也可以是多维的。这在前馈网络中均有此功能； ( 2 ) 模式记忆与联想功能：几乎所有的神经网络都能以连接权形式存储一定数 量的模式，并能实现对扭曲模式的自联想和异联想功能； ( 3 ) 优化计算功能：正是有此功能，能对给定的一个问题，获得局部或全局的最 优解。可用于动态、静态规划与优化计算等。 所谓神经网络学习，是指在一组给定信息( 学习样本) 输入下，各处理单元状态 不变，单个连接权值不断得到调整，使网络达到一个期望输出的过程。 神经网络的学习方式主要分为有导师( 指导式) 学习、无导师( 自学式) 学习和再 励学习( 强化学习) 三类： ( 1 ) 有导师学习：就是在学习过程中，有一个期望的网络输出，学习算法根据对 应于给定输入的网络实际输出与期望输出之间的误差，来调整神经元的连接强度， 即权值。因此学习需要有导师来提供期望输出信号； ( 2 ) 无导师学习：就是在学习过程中不需要有期望输出，因而不存在直接的误差 信息。网络学习需要建立一个间接的评价函数，每个处理单元能够自适应连接权 值，以对网络的某种行为趋向作出评价； 1 6 山东轻工业学院硕士学位论文 ( 3 ) 再励学习：这种学习介于上述两种情况之间，外部环境对系统输出结果只给 出评价( 奖或罚) 而不是给出正确答案，学习系统经过强化那些受奖励的动作来改善 自身性能。 3 2b p 网络算法 b p 算法实质上是一个无约束的优化计算过程，因此，无约束优化计算的众多 方法都可以用于前向人工神经网络的学习过程。但是，有些算法比较复杂，计算 时间比较长，所以，当处理比较复杂的规模较大的网络时，应该考虑一些复杂的 学习方法。