烘絲機(jī)出口含水率智能控制方法研究

陳傳通，崔 嵬，張 超，尹旭梅

（山東中煙工業(yè)有限責(zé)任公司濟(jì)南卷煙廠，濟(jì)南 250104）

烘絲機(jī)出口含水率智能控制方法研究

陳傳通，崔 嵬，張 超，尹旭梅

（山東中煙工業(yè)有限責(zé)任公司濟(jì)南卷煙廠，濟(jì)南 250104）

煙草烘絲機(jī)控制具有高度非線性，大滯后、高耦合等特點(diǎn)，傳統(tǒng)PID控制在越來(lái)越嚴(yán)格的工藝指標(biāo)控制中變得的力不能及。在工業(yè)控制中智能控制替代傳統(tǒng)PID控制已成為新的發(fā)展方向。將介紹智能控制在烘絲機(jī)控制上的應(yīng)用，著重討論烘絲機(jī)控制的兩種控制策略：應(yīng)對(duì)控制，預(yù)測(cè)控制。并介紹各自可使用的控制方法。

烘絲機(jī)；PID控制；智能控制；應(yīng)對(duì)控制；預(yù)測(cè)控制

0　引言

卷煙廠制絲線的煙葉經(jīng)過(guò)葉預(yù)處理工序后進(jìn)入烘絲工序，烘絲工序的主要目的之一就是對(duì)烘絲筒出口煙絲水分進(jìn)行控制，提高煙絲的彈性和填充能力，改善煙絲品質(zhì)[1]。烘絲筒采用飽和蒸汽和熱風(fēng)對(duì)煙絲進(jìn)行加熱，將煙絲中的水分蒸發(fā)，同時(shí)通過(guò)熱風(fēng)將煙絲蒸發(fā)的水分帶走，從而達(dá)到控制烘絲筒出口煙絲水分的目的。加香后的水分達(dá)到工藝要求是制絲線的最后目標(biāo)，如果烘絲筒出口煙絲水分能被精確控制，則通過(guò)調(diào)節(jié)烘絲筒出口煙絲水分的設(shè)定值就可以有效控制加香后水分，以滿足制絲工藝的要求。在烘絲過(guò)程中影響出口含水率的因素較多，切各因素相互耦合，高度非線性，滯后性和不確定性十分嚴(yán)重，因而控制難度較高[2,3]。

1　目前國(guó)內(nèi)普遍的烘絲機(jī)原理

以HAUNI公司控制策略為代表的一類方法是目前所采用的較好的方案。HAUNI公司烘絲水分控制包括以下幾個(gè)階段：烘絲準(zhǔn)備——烘絲筒預(yù)熱——烘絲啟動(dòng)（升溫）——烘絲筒烘絲——烘絲收尾——烘絲再啟動(dòng)——烘絲冷卻。在烘絲升溫階段，主要依靠根據(jù)物料平衡原則與傳熱傳質(zhì)理論推導(dǎo)得出的數(shù)學(xué)模型進(jìn)行烘絲筒壁溫度設(shè)定值計(jì)算，在烘絲筒烘絲階段，依靠數(shù)學(xué)模型和PID反饋控制方式確定烘絲筒壁設(shè)定值。

整個(gè)烘絲水分控制系統(tǒng)最主要的設(shè)計(jì)思想就是依據(jù)物料平衡原則與傳熱傳質(zhì)理論，根據(jù)烘絲過(guò)程需要去除的水分量計(jì)算需要提供的熱量，該計(jì)算還與設(shè)備的結(jié)構(gòu)等因素有關(guān)，同時(shí)通過(guò)反饋控制系統(tǒng)進(jìn)行補(bǔ)償。在進(jìn)行數(shù)學(xué)計(jì)算時(shí)，為克服不確定性因素的影響，有關(guān)計(jì)算數(shù)據(jù)還采用一定的方法進(jìn)行修正。

2　現(xiàn)有控制不足

2.1PID調(diào)節(jié)的缺點(diǎn)

圖1　PID 控制原理

在烘絲筒充滿煙絲進(jìn)行烘絲時(shí)，采用數(shù)學(xué)計(jì)算結(jié)合PID反饋控制，PID控制有四個(gè)明顯的缺點(diǎn)：1）直接以e=w-y的方式產(chǎn)生原始誤差太不合理；2）產(chǎn)生誤差信號(hào)e 的微分信號(hào)沒(méi)有太好的辦法，只能近似實(shí)現(xiàn)；3）線性組合不一定是最好的組合方式。4）誤差信號(hào)e的積分反饋的引入有很多副作用[5,6]。參數(shù)有時(shí)設(shè)置不盡合理，而且抗擾動(dòng)能力相對(duì)較差。由于對(duì)象特性變化、非線性和滯后等因素，烘絲水口水分有時(shí)控制精度不高。

2.2烘絲過(guò)程的大滯后

煙絲從上一道工序到來(lái)之前，先在距離烘絲機(jī)滾筒較遠(yuǎn)的位置、也就是u4的位置檢測(cè)此時(shí)的煙絲瞬時(shí)流量值；經(jīng)過(guò)NK時(shí)間之后，來(lái)到u5的位置檢測(cè)此時(shí)的入口水分值；再經(jīng)過(guò)nk1的時(shí)間，煙絲才進(jìn)入滾筒，在滾筒中運(yùn)行很長(zhǎng)一段時(shí)間，最后經(jīng)過(guò)nk2的時(shí)間，煙絲出筒，檢測(cè)出口水分。在這個(gè)過(guò)程中滯后現(xiàn)象非常嚴(yán)重。當(dāng)見(jiàn)到的出口水分超標(biāo)時(shí)，再做出反饋控制，已經(jīng)滯后了至少nk2的時(shí)間。而此時(shí)已不能再對(duì)滾筒內(nèi)的煙絲做出合理的反饋控制。在滾筒入口煙絲流量或水分波動(dòng)較大時(shí)，反饋信號(hào)的引入會(huì)加大這種波動(dòng)。

2.3擾動(dòng)引起的波動(dòng)

該類方法在烘絲升溫階段進(jìn)行數(shù)學(xué)計(jì)算時(shí)，未考慮實(shí)際應(yīng)用中存在的各種擾動(dòng)、對(duì)象特性變化和非線性特性，在頭尾階段烘絲出口水分控制波動(dòng)相對(duì)較大，缺乏必要的補(bǔ)償措施，故往往需要有經(jīng)驗(yàn)的操作人員進(jìn)行人工干預(yù)。

圖2　烘絲機(jī)烘絲工序

3　智能控制理念

隨著計(jì)算技術(shù)的發(fā)展，以計(jì)算為基礎(chǔ)的機(jī)器學(xué)習(xí)、人工智能等技術(shù)突飛猛進(jìn)。以此為基礎(chǔ)的智能應(yīng)用已應(yīng)用于很多領(lǐng)域。工業(yè)控制與人工智能的結(jié)合將是新時(shí)代的主旋律。智能控制是指利用現(xiàn)代計(jì)算機(jī)的超強(qiáng)計(jì)算能力，使用成熟穩(wěn)定的計(jì)算機(jī)智能算法應(yīng)用在傳統(tǒng)控制上來(lái)。通過(guò)預(yù)測(cè)、識(shí)別、分類、聚類、擬合等方法，將傳統(tǒng)控制轉(zhuǎn)化為以計(jì)算機(jī)為核心的智能控制。智能控制方法以其超強(qiáng)的計(jì)算力，解決非線性、滯后性、波動(dòng)性、病態(tài)性等以PID控制為核心的傳統(tǒng)控制所難以的問(wèn)題。具體來(lái)講就是通過(guò)計(jì)算機(jī)學(xué)習(xí)控制經(jīng)驗(yàn)，以經(jīng)驗(yàn)建立數(shù)學(xué)模型，通過(guò)數(shù)學(xué)模型對(duì)被控對(duì)象做出合理的控制。針對(duì)烘絲機(jī)出口含水率的控制我們將討論兩種不同的智能控制策略：應(yīng)對(duì)控制方法，預(yù)測(cè)控制方法。

3.1應(yīng)對(duì)控制方法

應(yīng)對(duì)控制是指在出現(xiàn)某種狀態(tài)時(shí)所采取特定的控制策略。由于烘絲機(jī)控制的滯后性和PID控制誤差e的產(chǎn)生方式缺陷，一般在生產(chǎn)時(shí)，“干頭干尾”現(xiàn)象明顯。各卷煙廠普遍采用人工干預(yù)的控制方式。該方式可以很快的將烘絲機(jī)達(dá)到穩(wěn)定狀態(tài)，減少“干頭干尾”。人工干預(yù)其本質(zhì)就是當(dāng)時(shí)出現(xiàn)“干頭干尾”狀態(tài)時(shí)或出現(xiàn)出口含水率超標(biāo)時(shí)做出特定的控制策略。在人工控制過(guò)程中，個(gè)人控制經(jīng)驗(yàn)對(duì)于整個(gè)烘絲過(guò)程有很大的影響。智能應(yīng)對(duì)控制方法是指，讓計(jì)算機(jī)學(xué)習(xí)人工正確的控制經(jīng)驗(yàn)，以對(duì)特定的狀態(tài)做出合理的控制策略。該方法可以解放人工的勞動(dòng)，避免因人的控制經(jīng)驗(yàn)參差不齊而出現(xiàn)控制指標(biāo)的波動(dòng)?？刹捎玫闹悄芸刂扑惴ㄓ蟹诸愃惴ê腿斯ど窠?jīng)網(wǎng)絡(luò)算法。

采用分類算法為將烘絲機(jī)的狀態(tài)分為若干類Q{q1，q2，q3，…，qn}，對(duì)每一類采取控制策略M{m1，m2，m3，…，mn}。分類的依據(jù)選擇的特征值C{c1，c2，c3，…，cm}。特征值為反應(yīng)烘絲機(jī)狀態(tài)的參數(shù)，如入口稱流量，入口含水率，烘絲機(jī)筒溫、排潮開(kāi)度、出口水分、熱風(fēng)溫度等。分類方法就可以選擇的有緊鄰分類法，分類樹(shù)算法等。

應(yīng)對(duì)控制方法可采用人工神經(jīng)網(wǎng)絡(luò)模型。人工神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。其模型如圖3所示，網(wǎng)絡(luò)分為輸入層、輸出層、隱含層。輸入層輸出層皆是一層，隱含層可有多層。輸入層和輸出層分別對(duì)應(yīng)著模型輸入信息和輸出信息?？梢詾槎噍斎攵噍敵觥?/p>

神經(jīng)網(wǎng)絡(luò)模型在應(yīng)對(duì)控制方式上取得了很好的效果，Pomerleau的ALVNN系統(tǒng)是神經(jīng)網(wǎng)絡(luò)的一個(gè)典型實(shí)例，這個(gè)系統(tǒng)通過(guò)安裝在前向的攝像機(jī)學(xué)習(xí)人的駕駛經(jīng)驗(yàn)5分鐘，可以成功的在復(fù)雜路況的高速公路上以70英里的速度駕駛90英里[7,8]。在烘絲機(jī)控制中，可以將烘絲機(jī)的狀態(tài)參數(shù)如：稱流量、滾筒溫度、熱風(fēng)溫度、入口水分、出口水分等作為輸入變量，將各可調(diào)參數(shù)的調(diào)節(jié)量如：蒸汽閥門(mén)開(kāi)度、排潮閥門(mén)開(kāi)度等作為輸出變量。輸入變量、輸出變量皆為多維向量。給出優(yōu)秀的操作經(jīng)驗(yàn)作為訓(xùn)練樣本和檢驗(yàn)數(shù)據(jù)。采用最小二乘法、梯度下降算法等調(diào)節(jié)各節(jié)點(diǎn)參數(shù)，使模型可以很好的擬合樣本和檢驗(yàn)數(shù)據(jù)，得到控制模型。最小二乘法為式(1)，梯度定義為式(2)，梯度下降算法為式(3)。

圖3　多輸入多輸出神經(jīng)網(wǎng)絡(luò)模型

應(yīng)對(duì)控制模型建立后，參與烘絲機(jī)出口水分控制，當(dāng)遇到狀態(tài)X{x1，x2，x3，…，xn}時(shí)，將狀態(tài)參數(shù)輸入到控制模型，模型計(jì)算出輸出變量Y（y1，y2，y3，…，ym）。根據(jù)輸出變量Y的各維參數(shù)，調(diào)節(jié)與之相對(duì)應(yīng)的閥門(mén)，即可起到智能控制的效果。

3.2預(yù)測(cè)控制方法

預(yù)測(cè)控制是一種已廣泛在工業(yè)生產(chǎn)中應(yīng)用的先進(jìn)控制技術(shù)。預(yù)測(cè)控制的基本出發(fā)點(diǎn)與傳統(tǒng)PID和應(yīng)對(duì)控制不同，PID控制和應(yīng)對(duì)控制是根據(jù)當(dāng)前的誤差或當(dāng)前狀態(tài)做出控制決策的空著策略。而預(yù)測(cè)控制不但利用當(dāng)前狀態(tài)，更主要的是利用模型預(yù)測(cè)未來(lái)的輸出值，以滾動(dòng)優(yōu)化的方式確定當(dāng)前最優(yōu)的控制策略。目前應(yīng)用最廣泛的預(yù)測(cè)控制技術(shù)為模型預(yù)測(cè)控制，包括動(dòng)態(tài)矩陣預(yù)測(cè)控制（DMC），模型算法控制（MAC），廣義預(yù)測(cè)控制（GPC）等[9]。預(yù)測(cè)控制算法的基本控制結(jié)構(gòu)如圖4所示，其基本思想概括起來(lái)體現(xiàn)在三個(gè)方面：預(yù)測(cè)模型、滾動(dòng)優(yōu)化、反饋校正。

圖4　預(yù)測(cè)控制基本結(jié)構(gòu)

3.2.1預(yù)測(cè)模型

預(yù)測(cè)控制是一種基于模型的控制算法。模型的功能是根據(jù)輸入輸出的歷史信息和未來(lái)的輸入信息預(yù)測(cè)未來(lái)的輸出信息。采用機(jī)器學(xué)習(xí)、人工智能等學(xué)科的新技術(shù)、新成果，應(yīng)用在烘絲機(jī)出口水分的預(yù)測(cè)上，所用的算法如：神經(jīng)網(wǎng)絡(luò)、自回歸、支持向量機(jī)等技術(shù)，可以通過(guò)學(xué)習(xí)經(jīng)驗(yàn)，建立預(yù)測(cè)模型，有效的預(yù)測(cè)出某一時(shí)間段之后的出口水分。對(duì)于各變量之間的高耦合，相互擾動(dòng)等都有很好的魯棒性?？刹捎檬?4)所示的預(yù)測(cè)模型。其中Y（k+1）表示在k+1時(shí)刻的預(yù)測(cè)輸出值，Y（K-i）為K-i時(shí)刻的歷史輸出值，U為輸入變量值，C，D分別為歷史輸出值Y和輸入值U的權(quán)重系數(shù)，t為參考的歷史輸出步長(zhǎng)，j為輸入U(xiǎn)的歷史參考步長(zhǎng)，m為輸入U(xiǎn)的參數(shù)個(gè)數(shù)。

3.2.2滾動(dòng)優(yōu)化

滾動(dòng)優(yōu)化是一種優(yōu)化控制算法，這種算法的優(yōu)化是滾動(dòng)進(jìn)行的。在任意時(shí)刻依據(jù)輸入目標(biāo)值如烘絲機(jī)出口水分設(shè)定值，預(yù)測(cè)模型的輸出值（預(yù)測(cè)未來(lái)t時(shí)刻的烘絲機(jī)出口水分值）與當(dāng)前狀態(tài)，可以計(jì)算出今后一段時(shí)間之后的控制量。他通過(guò)某一性能指標(biāo)的優(yōu)化來(lái)確定未來(lái)的控制量。該性能指標(biāo)可以是烘絲機(jī)的出口水分的誤差值、輸入?yún)?shù)值、調(diào)節(jié)量值等的函數(shù)值。這種優(yōu)化不同于傳統(tǒng)意義上的優(yōu)化，主要表現(xiàn)在他是一種有限時(shí)間段的優(yōu)化，并非全局優(yōu)化。在整個(gè)控制過(guò)程中，優(yōu)化不是離線進(jìn)行的而是實(shí)時(shí)在線進(jìn)行的?？刹捎萌缡?5)的優(yōu)化指標(biāo)。qi(i=1，2，3，…，P)，rj(j=1，2，3，…，M)分別為不同時(shí)刻的誤差和控制作用的加權(quán)系數(shù)：

3.2.3反饋校正

滾動(dòng)優(yōu)化確定了一系列未來(lái)的控制，為了防止模型失配或環(huán)境干擾引起的輸出狀態(tài)偏差，預(yù)測(cè)控制，只實(shí)施本事可的控制作用。到下一時(shí)刻，首先檢測(cè)對(duì)象的實(shí)際輸出，利用這一信息對(duì)基于模型的預(yù)測(cè)值進(jìn)行修正，然后再進(jìn)行優(yōu)化。反饋校正的形式是多樣的，可以不改變預(yù)測(cè)模型，僅對(duì)未來(lái)的誤差做預(yù)測(cè)，并給與補(bǔ)償，也可以根據(jù)在線辨識(shí)原理，對(duì)預(yù)測(cè)模型進(jìn)行在線修正。

4　結(jié)束語(yǔ)

針對(duì)烘絲機(jī)在工作過(guò)程中復(fù)雜的狀態(tài)變化及生產(chǎn)工藝模式多樣性、大滯后的特點(diǎn)，采用傳統(tǒng)的PID控制方式并不能很好的滿足日益嚴(yán)格的控制精度要求。采用智能控制的方法將是新的控制方式?；趹?yīng)對(duì)的控制方法和基于預(yù)測(cè)模型的控制方法，是智能控制的兩個(gè)截然不同的控制策略。其各有各自的特點(diǎn)，采取基于應(yīng)對(duì)策略的控制方式，理解簡(jiǎn)單，易于實(shí)現(xiàn)，學(xué)習(xí)了人的操作經(jīng)驗(yàn)，但該方式并沒(méi)有解決烘絲滯后的問(wèn)題，只是采取人的經(jīng)驗(yàn)，前瞻性的調(diào)節(jié)各控制變量使烘絲機(jī)快速進(jìn)入穩(wěn)定狀態(tài)，減少“干頭干尾”現(xiàn)象。采用基于智能預(yù)測(cè)模型和人工智能優(yōu)化操作模式的烘絲過(guò)程智能集成優(yōu)化控制技術(shù)，可以實(shí)現(xiàn)烘絲過(guò)程的綜合最優(yōu)化及自動(dòng)化。針對(duì)生產(chǎn)過(guò)程的不同階段及不同的生產(chǎn)工藝模式，采用描述依存于進(jìn)料量與進(jìn)料水分的過(guò)程動(dòng)態(tài)特性的各類模型及其優(yōu)化方法，以此模型為基礎(chǔ)設(shè)計(jì)能適應(yīng)進(jìn)料量與進(jìn)料水分變化、具有克服烘絲過(guò)程中變量間相互干擾及各種不確定性因素影響的、具有自適應(yīng)、自調(diào)節(jié)功能的優(yōu)化控制算法，以滿足不同工況下對(duì)出口煙絲水分的嚴(yán)格要求。兩種方法都可以提高控制系統(tǒng)的自適應(yīng)能力，使每批次的頭、尾部干煙絲總量降下來(lái)，極大地減少煙絲的浪費(fèi)和造碎?？梢詫?shí)現(xiàn)烘絲后階段、加香后的煙絲水分的自動(dòng)控制，使加香后水分自動(dòng)控制在工藝要求的范圍以內(nèi)。

[1] 王艷紅,韓光勝.煙草烘絲過(guò)程的水分控制[J].北京工業(yè)大學(xué)學(xué)報(bào),2000,26(4)：90,95.

[2] 任正云,晏小平,方維嵐,等.烘絲過(guò)程煙絲含水率的MFA控制[J].煙草科技,2005(6)：l0-15.

[3] 張建棟,廖國(guó)太,張輝,等.模糊控制在煙草工業(yè)煙絲干燥控制中的應(yīng)用[J].甘肅科技,2011,27(8)：25-29.

[4] Gan M,Peng H,Chen L.A global—local optimizationapproach to parameter estimation of RBF-type models[J].Information Sciences,2012,197(1)：144-190.

[5] 韓京清.自抗擾控制技術(shù)[J].前沿科學(xué)季刊.2007(1)：p24-31.

[6] 韓京清.自抗擾控制器及其應(yīng)用[J].控制與決策.1998,13(1)：19-23.

[7] Pomerleau D A.Neural network perception for mobile robo t guidance[M].Boston：Kluwer Academic Publishing,1993.

[8] 曾華軍,張銀奎.機(jī)器學(xué)習(xí)[M].北京：機(jī)械工業(yè)出版社,2003.

[9] 劉世榮,等.計(jì)算機(jī)控制系統(tǒng)[M].2版.北京：機(jī)械工業(yè)出版社,2012.

[10] 陳明,等.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M].北京：清華大學(xué)出版社,2013.

[11] 王慧.計(jì)算機(jī)控制系統(tǒng)[M] 2版.北京：化工工業(yè)出版社,2005.

[12] 黃海燕,黎冰.基于模型計(jì)算的控制系統(tǒng)的分析和設(shè)計(jì)[J].石油化工自動(dòng)化,2008(6).

[13] 梁魏峰.烘絲控制模式的建立與實(shí)現(xiàn)[J].煙草科技,2003(3)：16,17.

Research on cut tobacco dryer intelligent control

CHEN Chuan-tong, CUI Wei, ZHANG Chao, YIN Xu-mei

TP18

A

1009-0134(2016)07-0037-04

2016-05-10

陳傳通（1987 -），男，山東菏澤人，碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)與智能控制。