基于神经网络PID的疏浚管道泥浆流速控制

疏浚作业中,泥浆管道内物料的组成、粒径、浓度等随水下地形土质等变化很大,易造成流速波动甚至堵管、爆管等故障,因此泥浆流速稳定控制对泥浆输送的效率和安全具有重要意义;疏浚管道输送系统具有非线性、大时滞和参数时变等特征,传统PID控制方法效果不佳,故此将BP神经网络和传统PID控制算法相结合,并将其应用于泥浆流速控制中;以河海大学管道输送实验平台为对象,采用受控自回归CAR模型描述泥泵变频器频率与管道泥浆流速之间的关系,通过实验和数值处理对模型进行离线辨识;在此基础上通过仿真对比传统PID、单神经元PID和BP-PID的流速控制性能,发现BP-PID控制器的超调量仅为3.8%,响应时间为11 s,控制性能较好;最后通过在体积浓度-10%到-30%泥浆范围内,泥浆浓度小幅度和大幅度增减实验,对流速控制方法进行了验证,结果表明在浓度平缓或剧烈波动时,采用BP-PID控制算法的流速控制系统,均能够在保证输送安全的前提下,快速、稳定地达到目标流速,具有较好的自适应控制性能。