基于MAS技術的焦爐集氣管壓力智能解耦與協(xié)調控制研究.pdf

1、焦爐是一個分布參數(shù)，非線性、時變、多變量緊密耦合的被控對象，在多座焦爐并聯(lián)生產(chǎn)條件下，集氣管壓力控制對象存在復雜的耦合關系，很難建立精確的數(shù)學模型，這給集氣管壓力控制系統(tǒng)的設計帶來較大的困難，難以實現(xiàn)穩(wěn)定精確的控制。MAS技術具有自主性、分布性、協(xié)調性，并具有自組織能力、學習能力和推理能力。采用MAS技術解決實際應用問題，具有很強的適應性、魯棒性和可靠性，并具有較高的問題求解效率。本文以焦爐集氣管壓力智能控制為背景，提出基于MAS技術的

2、焦爐集氣管壓力解耦與協(xié)調控制結構和控制方法，其基本思想是將整個控制系統(tǒng)作為一個MAS系統(tǒng)，根據(jù)控制目標分解成一些控制子目標，將這些子目標分配給不同Agent去完成，應用Agent強化學習算法解決焦爐集氣管壓力智能解耦與協(xié)調控制問題，通過多種軟硬件平臺的集成，實現(xiàn)焦爐集氣管壓力長期穩(wěn)定控制。 論文主要從三個方面論述基于MAS技術的焦爐集氣管壓力智能解耦與協(xié)調控制：理論模型和基本框架；基于任務分解和強化學習的焦爐集氣管壓力解耦與多級

3、協(xié)調控制；基于JADE平臺為主的多種軟硬件集成的系統(tǒng)實現(xiàn)及工業(yè)應用。 針對焦爐集氣管壓力控制這類復雜工業(yè)過程控制，提出基于MAS技術的分布式集成智能控制的概念模型，從空間和時間兩個方向描述分布式集成智能控制層次和設計到運行的整個過程，用于指導整個焦爐集氣管智能解耦與協(xié)調控制設計。系統(tǒng)由人機集成單元、控制單元和虛擬仿真單元構成，每個單元由分層的Agent組構成。多個專業(yè)Agent和主管Agent組成功能Agent組，通過不同的Ag

4、ent激活與后備構成Agent組的重構和控制模式的切換，在此基礎上構建焦爐集氣管壓力集成智能協(xié)調解耦控制系統(tǒng)框架結構。 針對焦爐集氣管壓力強耦合特性，建立焦爐集氣管壓力分布式智能解耦控制結構，采用TS模糊神經(jīng)網(wǎng)絡實現(xiàn)。為解決系統(tǒng)在動態(tài)和不確定性情況下的解耦控制規(guī)則學習和優(yōu)化問題，引入強化學習方法，研究了遺傳模糊強化學習和基于遺傳模糊強化學習的多Agent協(xié)作，提出基于遺傳模糊強化學習的焦爐集氣管壓力分布式協(xié)進化解耦機制和算法，通

5、過多個控制Agent的協(xié)同強化學習，搜索到具有良好解耦性能的優(yōu)化控制規(guī)則，實現(xiàn)焦爐集氣管壓力的分布式解耦控制。在焦爐集氣管壓力對象的機理模型上，用Matlab進行了控制系統(tǒng)仿真，結果驗證了該方法的有效性。 為解決焦爐集氣管壓力系統(tǒng)中高壓氨水的沖擊和外部環(huán)境變化問題，提出基于強化學習的焦爐集氣管壓力多級協(xié)調控制策略，形成集氣管、初冷器和鼓風機梯級協(xié)調體系，運用多agent的協(xié)商解決初冷器前和鼓風機前壓力給定問題，從而使各級控制處于

6、靈敏控制狀態(tài)。通過控制Agent的模態(tài)變遷實現(xiàn)不同運行模式的切換，以適應快速變化的環(huán)境。在高壓氨水的強沖擊環(huán)境下，在沖擊控制Agent中采用Critic-Actor分布式強化學習結構，運用TS回歸模糊神經(jīng)網(wǎng)絡實現(xiàn)行動和評判模塊，通過強化學習各Agent學習到狀態(tài)到行動正確映射，從而協(xié)調一致，較好地解決了高壓氨水對焦爐集氣管壓力的沖擊協(xié)調控制問題。應用面向Agent的軟件工程方法，選擇遵循FIPA標準的JADE開發(fā)平臺為主、結合通用工控軟

7、件和可編程控制器實現(xiàn)所提出的框架和算法。對基于JADE開發(fā)平臺的控制Agent和控制算法的實現(xiàn)技術、Agent之間的協(xié)調及其實現(xiàn)進行了探討，在此基礎上開發(fā)了基于MAS的焦爐集氣管壓力智能軟件，實現(xiàn)了焦爐集氣管壓力長期穩(wěn)定控制。 通過基于MAS智能控制技術的應用，從整體上提高了焦爐智能解耦與協(xié)調控制水平，有效抑制了耦合和高壓氨水干擾產(chǎn)生的壓力波動，保護了環(huán)境，降低了工人勞動強度，提高了化工產(chǎn)品產(chǎn)量和質量，延長了焦爐壽命，取得了顯著