1基于模糊自适应PID的先进二次冷却连铸控制系统的设计与仿真测试.doc

基于模糊自适应PID的先进二次冷却连铸控制系统的设计与仿真测试XXX XXX摘要:为改善铸坯质量,提高二次冷却水量的跟踪性和稳定性,将中包温度引入二次冷却配水,设计出基于配水模型、中包温度、铸坯表面温度及模糊自适应PID的连铸二次冷却控制系统,并在实验室搭建连铸二次冷却区喷淋仿真实验系统。在此基础上,分别对常规PID、积分分离PID和模糊自适应PID进行阶跃信号测试和模拟浇注测试。仿真结果表明,模糊自适应PID控制方式在两种测试中的特性要优于其他两种控制方式,这一结果为下一步应用研究打下了良好的基础。关键词: 模糊自适应PID；连铸；二次冷却；过热；连铸二次冷却水直接影响铸坯的质量,它对铸坯的内部裂纹、表面裂纹、鼓肚和菱变等缺陷起到决定或者加剧的作用。先进的连铸二次冷却系统的目标水量由模型计算得出,而能否将实际水量控制得与目标水量一致,并且在目标水量变化时实际水量能否及时跟上是考察二次冷却水控制系统性能的一个主要指标1-2。连铸开浇时的拉速变化是连铸生产过程中拉速变化最剧烈的一段,一般铸机在开浇的半分钟内拉速可以从0急剧增加到11.5 m/min。拉速的剧烈变化势必带来目标水量的剧烈变化,这向连铸二次冷却控制系统的稳定调节功能提出了挑战。本文介绍基于模糊自适应理论设计的PID控制器,并依据连铸现场搭建起实验室连铸二次冷却喷嘴测试系统,对常规PID控制器、积分分离PID控制器和模糊自适应PID控制器在阶跃信号下的响应性能和某钢厂某一钢种开浇过程仿真浇注的响应性能进行测试和分析。1先进连铸二次冷却控制系统设计简介由于国内的连铸二次冷却生产现场多数没有在线动态模型计算系统,配水模型在离线计算并修正完毕后在线不再变化,这样就不能保证在浇注条件变化剧烈时矫直点处铸坯表面温度能够避开塑性口袋区及保持其相对的稳定性,为此提出基于中包温度、二次冷却出口铸坯表面温度及模糊自适应PID的控制系统设计。将中包温度引入二次冷却配水控制系统,通过二次冷却模型计算出为消除中包温度变化引起的铸坯温度变化所需的补偿水量,并进行分段线性回归;针对铸坯表面温度不稳定的情况,通过计算得到表面温差与末段水量的关系,回归后生成相关系数,参与配水控制系统;针对拉速变化剧烈的情况,引入模糊自适应PID来控制流量调节。最终得到的连铸二次冷却控制系统如图1所示。图1 连铸二次冷却控制系统设计框图图1显示了二次冷却控制系统的设计框图。该有关水的分布方程给出：其中，Qi为总水流量;列直插式外壳是基本的水流动； Qi2是赔偿过热水流变化，v是铸造速度; T是过热；Tc是浇注温度; T1是液体的温度，i是在二次冷却段区的数量；ai，bi，ci，di和ei，是，通过模型计算得到的系数。2模糊自适应PID控制器的设计模糊自适应PID控制器是人们运用模糊数学的基本理论和方法,把规则的条件和操作用模糊集表示,并把这些模糊控制规则以及相关信息(如评价指标、初始PID参数等)作为知识存入计算机知识库中,然后计算机根据控制系统的实际响应情况(即专家系统的输入条件),运用模糊推理,即可自动实现对PID参数的最佳调整4-6。2.1 PID控制器参数的模糊调整原理PID参数的模糊自动调整思想是依据被控对象的响应在采样时刻的误差E和误差的变化率EC两个因素来确定参数调整的极性和大小的。本质上同时兼顾了被控对象响应的“静态性能”(是高于还是低于给定值)和响应的“动态性能”(是靠拢还是偏离给定值)两个因素,既看现状,也看动向。其算法过程是利用对应的规则集将控制指标(即条件)模糊化,然后将它与知识库中的模糊规则进行匹配(即判断控制指标与规则集的条件部分是否相同),如有规则被匹配,则执行该规则的结构部分,就可以得到相应的参数调整量。因此有实际控制系统的响应值(精确值)到模糊规则集的条件(模糊量)的转化过程(即模糊化)和规则的操作值(模糊量)到实际的调整参数(精确值)的转化(判决)过程7-9。PID参数模糊自整定如图2所示,其中E和EC分别为被控对象的响应在采样时刻的误差和误差的变化率。图2 PID参数模糊自整定图2.2 PID参数专家知识的调整模型模糊控制器设计的核心是总结专家的经验和知识建立合适的被控过程的模糊规则模型。KP,KI和KD是构成PID的基础参数,对PID性能产生不同的影响。比例系数KP的作用是加速系统的响应速度,提高系统的调节精度;积分KI的作用是消除系统的稳态误差;微分KD的作用是改善系统的动态性能10。考虑到PID参数的模糊调整问题,通过总结一些连铸二次冷却生产过程的工艺特点和操作经验,并根据对PID调节器各调节规律的理论分析10,构成PID三个参数的模糊规则集模型如表1到表3所示。表1 KP调整Fuzzy规则集模型表2 KI调整Fuzzy规则集模型表3 KD调整Fuzzy规则集模型2.3 基于模糊自适应PID的调节控制策略运用模糊规则推理进行PID参数自校正,首先将E,EC变量模糊化,确定E,EC,KP,KI和KD的模糊子集隶属度数。接着用KP,KI和KD的模糊校正模型来表达参数的校正过程。最后应用模糊合成推理计算出模糊校正矩阵表。由模糊自适应PID控制器的结构可知,该控制器属于二维输入三维输出模糊控制系统,实际上为三个二维输入一维输出系统。在获得三者的调整规则模型后,根据模糊理论进行算法合成,求得相应的KP,KI和KD的控制表1,表2和表3。通过计算,将查到的值转换成对应的值代入到式(1)(3)即可。KP= KP+E,ECKP= KP+KP, (1)KI= KI+E,ECKI= KI+KI, (2)KD= KD+E,ECKD= KD+KD。(3)3实验研究及分析3.1实验对象描述及结构介绍实验测试是在实验室连铸二次冷却喷淋测试系统上完成的,整个测试系统完全是仿照现场连铸二次冷却控制区建立的,运行条件除无实际铸坯外,其他条件与实际现场基本相同,只是水量等比缩小,因此PID调节测试的结果及分析对现场有指导意义。图3所示为测试系统框架。整个系统由控制系统(包括PLC控制部分和WINCC监控部分)和实验设备两部分组成,上位机界面采用WINCC监控界面,主要完成控制命令的下载和过程变量的记录。控制命令包括PID控制器方式的选择和水量调节的启动、停止以及目标水量的选择。过程变量记录主要为目标水量和实际水量变化趋势。图3所示为PLC程序结构。图3 测试系统框架图4 PLC程序结构3.2 仿真结果及分析在本次实验中分别采用常规PID控制器、积分分离PID控制器和模糊自适应PID控制器等三种PID调节方式,通过记录调节过程中的曲线,对其调节特性进行分析。3.2.1 阶跃信号下三种PID控制器响应曲线及分析为考察3种控制器的控制效果,选择阶跃信号进行测试,信号大小为5.5 L/min。测试结果分析如表4所示,响应曲线如图5所示。图5 不同PID控制器的阶跃信号趋势图表4 不同控制器的测试结果通过对以上3种PID控制器在阶跃信号下得到的曲线分析,发现模糊自适应PID控制器的曲线特性要好于前两种控制器,其超调量低,相应调节时间短。3.2.2 开浇信号下三种PID控制器响应曲线及分析为考察3种控制器在浇注状态下的控制效果,选择目标水量变化最剧烈的开浇过程进行模拟浇注测试,响应曲线如图6所示：图6 不同PID控制器开浇水量变化趋势图从图6可以看出,前两种控制器在刚开浇的0.5 min内,控制曲线波动比较严重,相对超调量较大。而模糊自适应PID控制器的控制效果要优于前两种控制器。3.3 现场测试和分析该控制系统已经过测试，在一些钢铁厂，钢种为Q235钢的截面尺寸为150毫米150 毫米的液相线温度为1515摄氏度。根据实际参数，有关水分布方程计算如下：图7不同的PID控制器开始铸造的实际流量曲线图7显示了不同的PID控制器开始铸造的实际流量曲线。从曲线中可以看出，模糊自适应PID控制器比那些用常规的PID控制器波动和超调量更小，这就意味着模糊自适应PID控制器更适用于生产领域。4结论在国内首次将中包温度引入连铸二次冷却配水,并基于配水模型、中包温度、铸坯表面温度和模糊自适应PID理论进行连铸二次冷却控制系统设计。对模糊自适应PID的二次冷却水调节控制策略进行了仿真测试,结果表明其性能优于常规PID控制器和积分分离PID控制器,为进一步研究与应用奠定了基础。5参考文献：1SHI Cheri-xing.Practical Casting Metallurgy Technology M.Beijing: Metallurgical Industry Press, 1998 (in Chinese).2WU Rong-yang , WU Guo-hua , XIE zu, et al. PSG-Based Water Consumption Determination for Secondary Cooling Zone During Continuous Casting J. Journal of Northeastern University: Natural Science, 2005, 26(12): 1142 (in Chinese).3LIU Wen-hong, XIE Zhi, JI Zhen-ping , et al. Dynamic Water Modeling and Application of Billet Continuous Casting n.Journal of Iron and Steel Research (International), 2008, 15(2): 14.4WU Z Q. PID Type Fuzzy Controller and Parameters Adaptive Method J. Fuzzy Sets and Systems, 1996, 78(1): 22.5Carvajal J, Chen G R, Ogrnen H. Fuzzy PID Controller: Design,Performance Evaluation and Stability Analysis J. Information Sciences, 2000.3(3): 249.6Kim E. A New Approach to Numerical Stability Analysis of Fuzzy Control Systems J. IEEE Trans on Systems, 2001.31(1):107.7Reznik L, Ghanayem 0, Bourmistrov A. PID Plus Fuzzy Controller Structures as a Design Base for Industrial ApplicationsJ. Engineering Applications of Artificial Intelligence, 2000,13(4): 419.8TAO Yong-hua. Control and Application of New-Style PID M.Beijing: Mechanism Industry Press, 2002 (in Chinese).9Kukolj D D, Kuzmanovi S B, Levi