[发明专利]基于SCL语言的单神经元PSD算法在闪蒸罐压力控制中的应用方法

说明书

本发明涉及过程控制技术领域，具体是一种基于SCL语言的单神经元PSD算法在闪蒸罐压力控制中的应用方法。传统PID无法自学习整定参数，适应时变、耦合、非线性系统的能力较弱。结合过控系统中闪蒸罐压力的特点，设计了具备增益自学习、自整定的单神经元PSD控制器。通过SCL编译成控制块，基于CFC完成单神经元自适应PSD‑PID复合串级控制的组态，利用SMPT‑1000实验平台验证,结果表明，闪蒸罐压力在SCL编译的单神经元PSD控制器作用下，实现了自适应控制，调节速度优于传统PID算法，整体进程加快1.3％，系统产量和回收料均有增加。在结合工艺流程的基础上，开发了WinCC人机界面，实时监控、调试闪蒸罐压力PSD控制器，同时直观展示系统的浓度、产量、回收工艺流量等重要指标。

技术领域

本发明涉及过程控制技术领域，具体是一种基于SCL语言的单神经元PSD算法在闪蒸罐压力控制中的应用方法。

背景技术

连续过程控制是工业生产中的关键技术，多应用于化学品、燃料、聚合物等大规模生产上，结构复杂、调节参数和扰动因素过多，具有高温、高压、多输入、多输出、强耦合和强非线性等特性，运行状况多变难控，直接影响了生产和生活中的动力源，决定了工业生产的品质、种类和生产能力，积极推动着我国的工业发展，其反应过程同时消耗大量能源。当今社会，能源紧缺、环境污染严重，在资源和环境的双重约束下，节能降耗以及改善能源利用率、增加产量对提高经济效益具有重要意义，同时影响企业的生存状况。

闪蒸罐因具有耗能低、速度快、易冷却等优点，已广泛应用于化工领域。通常，流入闪蒸罐的高温高压液体沸点因压降降低，迅速产生汽化，两相分离。因此，闪蒸罐压力稳定，且迅速适应扰动对过控系统非常关键。对于滞后大、惯性大、非线性的闪蒸罐压力，其控制过程复杂。常规的PID控制参数无法在线调节，被控变量偏离设定值才产生作用，有一定的滞后效果，应用受到限制。

人工神经网络(Artificial Neural Network)是一种模拟人脑思维过程的神经系统，信息处理功能强大、记忆学习和非线性函数逼近能力出色、自适应好且具备一定的容错能力，而这些优点正是PID控制所缺乏的，在工业控制、智能控制、图象处理等领域效果显著。因此，闪蒸罐压力采用复杂先进的控制算法使其快速稳定调节很有必要。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于SCL语言的单神经元PSD算法在闪蒸罐压力控制中的应用方法，该方法基于SCL编译成单神经元PSD算法，基于CFC完成单神经元自适应PSD-PID复合串级控制，并将该控制器应用于闪蒸罐压力的控制，从而实现闪蒸罐压力的自适应控制，调节速度优于传统PID算法，整体进程加快1.3％，系统产量和回收料均有增加。

为达到上述发明目的，本发明采用的技术方案是：一种一种基于SCL语言的单神经元PSD算法在闪蒸罐压力控制中的应用方法，包括以下步骤：

步骤1：给出单神经元PID算法和PSD算法的结构、控制策略，如图1所示，根据其结构的相似性，基于单神经元的非线性逼近和权值自学习能力，将PSD算法中的自调整规律应用于单神经元最敏感的增益系数K中，组成增益自适应的单神经元PSD算法，从而可以加快单神经元PID控制器的动态响应速度，整合成单神经元自适应PSD控制算法(简称为：ANNC-PSD)，算法表达如下：

其结构如图2所示。

步骤2：基于SCL编写单神经元自适应PSD算法，设计总结如下：

a.预处理功能块，并确定单神经元自适应PSD控制器的输入、输出和中间变量，并对各个变量进行参数定义、初始化；

b.设置控制器参数包括：手自动模式AUTO_ON_O(手动输出时需设置输出值MAN_OP)；神经网络的学习规则Ctr_Mod的值；增益K_k的迭代算法K_Mod值的选择、采样数Sample_Num、最值限幅设置等；