燃氣輥道窯爐燃燒過程的強魯棒性控制

雷正橋李雷

(重慶工業(yè)職業(yè)技術(shù)學(xué)院教務(wù)處1,重慶 401120;重慶大學(xué)自動化學(xué)院2,重慶 400044)

燃氣輥道窯爐燃燒過程的強魯棒性控制

雷正橋1李雷2

(重慶工業(yè)職業(yè)技術(shù)學(xué)院教務(wù)處1,重慶 401120;重慶大學(xué)自動化學(xué)院2,重慶 400044)

為了克服燃氣輥道窯爐燃燒過程因復(fù)雜不確定性導(dǎo)致的難以采用PID控制的難題,探討了一種基于仿人智能的強魯棒性控制策略,剖析了爐溫系統(tǒng)各加熱段的機理特性,指出了爐溫控制面臨的技術(shù)瓶頸。基于智能控制討論了魯棒控制策略,構(gòu)造了具有自適應(yīng)性的控制算法。以脫硝催化劑輥道窯溫度控制為例,分別采用PID與強魯棒性控制策略對同一燃燒過程進行了仿真對比研究,試驗驗證了強魯棒性控制策略良好的溫度跟蹤控制品質(zhì)與適應(yīng)性。研究結(jié)果表明,所提出的強魯棒性控制策略是可行與合理的。

燃燒過程 不確定性 仿人智能控制 強魯棒性 PID控制

0 引言

目前,燃料燃燒的煙氣排放污染顯得特別突出,煙氣脫硝催化劑是減少固定污染源氮氧化物NOx排放的關(guān)鍵。在脫硝催化劑輥道窯爐中,溫度、壓力、氣氛是確保實現(xiàn)產(chǎn)品燒成工藝的三大制度,輥道窯的控制實際上就是窯爐壓力、窯爐氣氛與窯爐溫度等參數(shù)的控制[1-4]。以窯溫控制為例,在燒成過程中,制品的上下溫差控制要嚴格按照輥道窯溫度曲線的要求控制;在冷卻過程中,上下冷卻溫度和冷卻速度必須根據(jù)工藝要求嚴格控制。

由于窯爐是大慣性、大滯后、非線性嚴重、多變量相互耦合、多輸入多輸出的被控對象,溫度、壓力、氣氛三者之間存在著耦合,采用傳統(tǒng)控制方法很難取得期望的控制品質(zhì)。以下基于控制理論與人工智能,探討燃燒過程的強魯棒性控制策略。

1 控制難點與控制論特性

脫硝催化劑輥道窯溫度曲線的示意圖如圖1所示。由圖1可知,由線段可以分成3個控制區(qū)域,即預(yù)熱帶、燒成帶、冷卻帶,顯然不同控制區(qū)域?qū)に嚨囊笫遣煌摹?/p>

圖1 輥道窯溫度曲線Fig.1 Temperature curve of roller kiln

以燒成帶控制為例,由于對準備燒制的產(chǎn)品已經(jīng)通過預(yù)熱區(qū)進行預(yù)熱,燒成帶要控制最高溫度和高溫區(qū)間的長度,即制品在高溫下停留的時間。燒成帶的最高溫度是成模的最高溫度點,直接影響產(chǎn)品的生燒與過燒;高溫區(qū)長度影響保溫時間的長短,從而也影響產(chǎn)品的質(zhì)量。燒成帶決定了制品能否達到最佳的燒結(jié)。由于溫度檢測存在滯后時間,窯爐前后級溫度相互影響、相互制約,當(dāng)前級溫度發(fā)生波動時,對相鄰溫度點又造成擾動,因此采用常規(guī)控制方法實現(xiàn)對窯爐燒成帶溫度的精確控制是非常困難的。

控制難點主要表現(xiàn)在以下幾個方面。

①輥道窯爐燃燒系統(tǒng)自身是一個不確定性的復(fù)雜系統(tǒng),不確定性導(dǎo)致難以對其數(shù)學(xué)建模,或模型結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動。其控制過程為病態(tài)結(jié)構(gòu),采用PID控制不可能實現(xiàn)期望的控制。

②傳統(tǒng)控制不接受非數(shù)量形式的信息數(shù)據(jù),其輸入與輸出難以與外界進行信息交互,只有智能控制才接受非數(shù)量形式的信息數(shù)據(jù)作為輸入與輸出。

③輥道窯爐燃燒系統(tǒng)控制任務(wù)繁多,不像簡單控制系統(tǒng)其輸出要么為恒值(調(diào)節(jié)系統(tǒng)),要么跟隨期望的運動軌跡(跟隨系統(tǒng))。要求控制系統(tǒng)具有自動規(guī)劃和決策能力,這是傳統(tǒng)控制不可能達到的控制要求。

④傳統(tǒng)控制對輥道窯爐燃燒系統(tǒng)的高度非線性缺乏有效的解決手段。

⑤傳統(tǒng)控制應(yīng)用范圍局限于簡單系統(tǒng)控制,不具備融合有關(guān)知識(如人類控制策略、環(huán)境以及被控對象知識)的能力,難于以數(shù)學(xué)描述形式表示基于知識的廣義知識控制模型與混合控制過程的特性以及嵌入其他的控制策略。如不能采用定性決策與定量控制相互結(jié)合以及開、閉環(huán)控制相互結(jié)合的多模態(tài)控制方式,控制模態(tài)簡單,控制結(jié)構(gòu)固定,不具備自適應(yīng)與自補償?shù)饶芰Α?/p>

顯然采用傳統(tǒng)控制方法對輥道窯爐燃燒系統(tǒng)進行控制是無能為力的[5-7]。

根據(jù)上述控制難點,其控制論特性可歸納為以下特性。

①輥道窯爐燃燒系統(tǒng)是不確定性的復(fù)雜被控對象,因其結(jié)構(gòu)化程度不高,難以進行數(shù)學(xué)描述,呈現(xiàn)出半結(jié)構(gòu)與非結(jié)構(gòu)化特征。

②窯爐燃燒系統(tǒng)中各個燃燒帶系統(tǒng)狀態(tài)變量之間存在關(guān)聯(lián)耦合,因其關(guān)系復(fù)雜,難以進行狀態(tài)變量解耦而實現(xiàn)單變量的簡單控制。

③嚴重非線性特性難以進行數(shù)學(xué)描述與量化處理。

④系統(tǒng)參數(shù)是分布式的,各個控制區(qū)域控制參數(shù)都存在分散性、時變性、未知性和隨機性,并且表現(xiàn)出時間滯后的未知性與時變性。

⑤燃燒系統(tǒng)所處的環(huán)境復(fù)雜,溫度、壓力、氣氛之間是相互影響的,其外部擾動干擾經(jīng)常是隨機、未知與多樣的,具有不確定性的特征。

由上述控制論特性可知,無論用傳統(tǒng)PID控制,還是基于狀態(tài)空間描述的近代控制方法,都難以進行數(shù)學(xué)建模。這是因為它們都是嚴格基于數(shù)學(xué)模型的控制[8-9]。

2 基于仿人智能的魯棒控制策略

魯棒性控制(robustness control)是一種側(cè)重控制算法研究的控制方法。在過程動態(tài)特性變化范圍內(nèi),魯棒性控制能穩(wěn)定可靠地基于最差工況達到對被控對象期望的控制目的,特別適合于不確定因素變化范圍大、穩(wěn)定裕度小的被控制對象應(yīng)用。

魯棒性是指系統(tǒng)在結(jié)構(gòu)、參數(shù)攝動以及外部擾動干擾下控制器仍然維持某些性能的控制特性。一旦控制器設(shè)計完成后,無需人工干預(yù),控制器可在系統(tǒng)動態(tài)特性變化范圍內(nèi)保證其控制品質(zhì)。

仿人智能控制器(human simulated intelligent controller,HSIC)[10]實際上就是基于人類的智能,在功能和結(jié)構(gòu)方面模擬人類控制行為的控制器。人類的智能就是理解和適應(yīng)各種行為的能力(包括控制行為的能力),也即對事物觀察、學(xué)習(xí)和認識的能力。智能控制實質(zhì)上就是在實施控制過程中,控制器可自主地驅(qū)動系統(tǒng)達到期望的控制目標而無須人工干預(yù)的自動控制技術(shù)。

仿人智能控制基于人工智能和自動控制理論,其控制策略體現(xiàn)在模仿人類的控制行為時是直觀的,可從控制功能和控制結(jié)構(gòu)兩個方面著手。它可方便地采用產(chǎn)生式規(guī)則描述人類的直覺推理與控制行為,直觀地總結(jié)控制專家與實際操作者對被控對象的控制經(jīng)驗。HSIC基于對系統(tǒng)的在線特征辯識與特征記憶,可總結(jié)出運行過程的動態(tài)特征模型,將定性決策、定量控制與開閉環(huán)控制相融合,構(gòu)造出強魯棒性的控制策略,在控制模態(tài)上實施多模態(tài)的交叉控制。

在控制結(jié)構(gòu)上,位于不同層次的決策機構(gòu)和信息處理方法是不同的,如在底層控制中,基于系統(tǒng)輸入輸出、系統(tǒng)誤差及系統(tǒng)誤差變化率等是可檢測的,可通過物理檢測手段獲取。據(jù)此可對控制系統(tǒng)的動態(tài)特性進行在線的特征辨識和特征記憶,總結(jié)出誤差特征模式與控制模式,最終構(gòu)造出適合系統(tǒng)特性的控制算法。

針對輥道窯爐燃燒過程控制,由于影響爐溫控制過程跟蹤窯爐溫度曲線的因素眾多,但是控制過程偏離窯爐溫度曲線設(shè)定值就必須實施控制以矯正過程偏差,因此可采用輸入輸出描述方法對其控制的系統(tǒng)進行靜、動態(tài)特性分析,根據(jù)檢測出的系統(tǒng)誤差及系統(tǒng)誤差變化率等,構(gòu)造出控制算法。由于推理與控制行為是采用產(chǎn)生式規(guī)則描述的,因此可方便地融入現(xiàn)場操作者的智慧與技巧和引入人的控制經(jīng)驗、控制專家知識,按照廣義控制模型設(shè)計控制器。該控制策略的優(yōu)勢在于:魯棒控制策略本身已經(jīng)確保了維持爐溫曲線性能的控制特性。因此,選取基于仿人智能的魯棒控制策略對輥道窯爐燃燒過程實施控制。

3 控制模型與控制算法

基于知識的控制模型可以采用廣義控制模型描述,如圖2所示。

圖2 廣義控制模型Fig.2 The generalized control model

圖2中,e(t)表示系統(tǒng)控制過程的誤差,u(t)表示廣義控制器的輸出,r(t)表示控制系統(tǒng)的輸入,y(t)表示控制系統(tǒng)的輸出。

采用廣義控制模型描述的優(yōu)點在于:它可集定性決策、定量控制、開閉環(huán)控制、知識集與控制規(guī)則庫于一體,構(gòu)造出功能強大的魯棒控制器。廣義控制器模塊性與自然性好,其控制規(guī)則之間無直接聯(lián)系,針對不同的工作狀況隨工況要求的變化,對每條控制規(guī)則都可獨立進行修改與增刪,對環(huán)境變化有很好的適應(yīng)能力。控制算法構(gòu)造基于HSIC的靜、動態(tài)特性,分別如圖3和圖4所示。

圖3 HSIC靜態(tài)特性示意圖Fig.3 Schematic diagram of the static characteristics of HSIC

圖4 HSIC動態(tài)特性示意圖Fig.4 Schematic diagram of the dynamic characteristics of HSIC

圖3表示了在控制系統(tǒng)中控制器輸出u與過程控制誤差e的關(guān)系。以O(shè)ABC段為例,在OA段,采用比例控制模式,u=Kpe,Kp為比例系數(shù)。隨著e的增加,達到e1n時,u=Kpe1n。在AB段,u由Kpe1n變成u01=kKpen1,k為小于1的系數(shù)。在BC段,控制器輸出u保持不變,但是過程誤差由e1n減小至零。其后的CDEF、FGHI等與此類似,只是過程誤差的方向相反而已。無論過程誤差為正還是為負,都可以通過比例-保持交叉控制的模式,使系統(tǒng)狀態(tài)達到期望的穩(wěn)定狀態(tài)。

圖4表示了控制系統(tǒng)輸出y、控制過程誤差e及其過程誤差變化率ec的關(guān)系。

①若e·ec≤0或e=ec=0,則采用半開環(huán)保持控制模式。

②若e·ec≥0且e+ec≠0,則采用比例控制模式。

從上述分析可看出,其基本控制算法就是模擬人的思維過程,針對不同的系統(tǒng)誤差特征,選擇不同的控制模式與控制算法。針對特定的輥道窯爐燃燒過程,由于屬于不確定性的復(fù)雜關(guān)聯(lián)控制過程,在無須更多輥道窯爐燃燒系統(tǒng)先驗知識的條件下,可以融入其他專家控制知識和現(xiàn)場操作人員的經(jīng)驗與操作技能,構(gòu)造出魯棒性強、響應(yīng)速度快、對誤差變化敏感、控制精度更高的參考控制算法。控制算法如下。

4 過程仿真及其分析

為了不失一般性而又簡化分析,過程仿真中可將參數(shù)時變、非線性、不確定性等因素的影響轉(zhuǎn)換為過程參數(shù)的變化,然后考察其過程的響應(yīng)特性變化情況。由于燃燒過程是大慣性大滯后過程,因此可以假設(shè)過程模型為W(s)=Ke-τs/(Ts+1),其中K為增益系數(shù),T為被控制過程的時間常數(shù),τ為被控過程的純時間滯后,并且分別選取K=1、T=1.2、τ=2 s,則仿真模型為W(s)=e-2s/(1.2s+1)。分別采用PID控制策略與優(yōu)化控制策略(強魯棒控制策略)在單位階躍輸入條件下對其進行仿真。由于被控過程是同一被控對象,因此其過程響應(yīng)曲線是具有可比性的。仿真結(jié)果如圖5所示。對比PID控制策略的響應(yīng)曲線與優(yōu)化控制策略響應(yīng)曲線可知,優(yōu)化控制策略的響應(yīng)曲線在過程調(diào)節(jié)時間與上升時間方面有明顯的優(yōu)勢。

圖5 不同控制策略過程響應(yīng)曲線Fig.5 Curves of the process response under different control strategies

在過程參數(shù)及階數(shù)變化均發(fā)生巨大變化時,為了考察控制策略的魯棒性,試驗中特意將時間坐標長度由25 s增加到40 s,縱坐標由1.1放大到1.3,在其原過程模型中增加一個慣性環(huán)節(jié)1/(2s+1),其傳遞函數(shù)變成W(s)=e-2s/[(1.2s+1)(2s+1)]。這意味著過程模型已由一階時間滯后過程轉(zhuǎn)變?yōu)槎A時間滯后過程,相應(yīng)地過程參數(shù)也發(fā)生了巨大變化。在上述相同的情況下,過程的響應(yīng)曲線如圖6所示。

分析圖6可知,PID控制策略的響應(yīng)曲線超調(diào)在20%以上,其過程調(diào)節(jié)時間是優(yōu)化控制策略調(diào)節(jié)時間的數(shù)倍;但是對于優(yōu)化控制策略,其過程控制精度更高,調(diào)節(jié)時間更短,過程響應(yīng)平滑穩(wěn)定而且沒有超調(diào)出現(xiàn)。由此可以看出,采用基于仿人智能的魯棒控制策略,過程參數(shù)與階次變化對整個過程響應(yīng)幾乎沒有什么太大影響。也就是說,對燃氣輥道窯爐燃燒過程控制而言,由于采用了強魯棒性控制策略,輥道窯爐燃燒系統(tǒng)的參數(shù)時變性、非線性、不確定性等因素不會對控制過程的控制品質(zhì)帶來更多的負面影響。

圖6 參數(shù)與階次變化的響應(yīng)曲線Fig.6 Response curves of the changes of parameters and orders

5 結(jié)束語

上述針對脫硝催化劑輥道窯爐的大慣性、滯后性、嚴重非線性、多變量相互耦合的關(guān)聯(lián)性等特性,基于控制理論與人工智能,探討了基于仿人智能的強魯棒性控制策略。燃燒過程的仿真試驗表明,該優(yōu)化控制策略有很強的魯棒性能,為窯爐窯溫控制提供了一種可供參考的優(yōu)化控制策略。

[1] 袁處.蜂窩狀SCR催化劑制備及其脫硝性能研究[D].鎮(zhèn)江:江蘇科技大學(xué),2011.

[2] 程昭華.輥道窯中的壓力及壓力控制[J].佛山陶瓷,2002,12(3): 16-18.

[3] 胡國林,張智文,章義來,等.氣燒輥道窯氣氛溫度模糊解耦控制的計算機仿真[J].陶瓷學(xué)報,2003,24(1):1-7.

[4] 胡國林,張智文,章義來,等.氣燒陶瓷輥道窯氣氛溫度耦合的計算機仿真[J].陶瓷學(xué)報,2002,23(2):92-95.

[5] 李士勇.模糊控制·神經(jīng)控制和智能控制論[M].哈爾濱:哈爾濱工業(yè)大學(xué)出版社,2002.

[6] 易繼鍇.智能控制技術(shù)[M].北京:北京工業(yè)大學(xué)出版社,2004.

[7] 陳軍.步進式加熱爐燃燒過程智能控制策略及應(yīng)用[D].長沙:中南大學(xué),2004.

[8] 楊志,李太福,盛朝強,等.基于仿人智能的復(fù)雜關(guān)聯(lián)系統(tǒng)控制[J].重慶大學(xué)學(xué)報:自然科學(xué)版,2002,25(7):9-11.

[9] 李太福,馮國良,鐘秉翔,等.一類不確定復(fù)雜系統(tǒng)的控制策略分析[J].重慶大學(xué)學(xué)報:自然科學(xué)版,2003,26(9):4-7.

[10] 李祖樞,涂亞慶.仿人智能控制器[M].北京:國防工業(yè)出版社,2003.

Strong Robustness Control of the Combustion Process for Gas Roller Kiln

It is difficult to use PID control for the combustion process of gas roller kiln because of its uncertainty and complexity.To solve this problem,the strong robustness control strategy based on human simulated intelligent control(HSIC)is investigated.The mechanism characteristics of each heating section in furnace temperature system are analyzed,and the technical bottleneck faced by furnace temperature control is pointed out.Based on intelligent control,the robustness control strategy is discussed,and the control algorithm with adaptability is built.With the temperature control system of roller kiln of denitration catalyst as example,for the same combustion process simulation and intercomparison are conducted respectively by using PID control and robustness control,the experiments verify the excellent temperature tracking, control quality and adaptability of the strong robustness control strategy.The research result indicates the strong robustness control strategy proposed is feasible and reasonable.

Combustion process Uncertainty Human simulated intelligent control(HSIC) Strong robustness PID control

TP273

A

修改稿收到日期:2014-04-30。

雷正橋(1973-),男,2000年畢業(yè)于西南農(nóng)業(yè)大學(xué)計算機專業(yè),獲學(xué)士學(xué)位,副教授;主要從事計算機自動化控制方面的教學(xué)與科研工作。