基于模型預(yù)測(cè)控制及智能尋優(yōu)的水泥粉磨優(yōu)化控制

張成偉，李宏偉，李安平，張 焱，劉小蒙，李慧霞，王 磊（南京凱盛國(guó)際工程有限公司，江蘇 南京 210036）

1 概述

水泥粉磨作為水泥制備過程中的最后一個(gè)環(huán)節(jié)，水泥粉磨的運(yùn)行效果直接影響產(chǎn)量和質(zhì)量。目前水泥磨生產(chǎn)過程中基本上由操作員根據(jù)操作經(jīng)驗(yàn)手動(dòng)控制或者操作員設(shè)定PID目標(biāo)值進(jìn)行調(diào)節(jié)，由于操作人員經(jīng)驗(yàn)水平的差異，無法準(zhǔn)確控制目標(biāo)參數(shù)及約束參數(shù)，使得水泥的質(zhì)量和產(chǎn)量波動(dòng)較大或者無法穩(wěn)定在最優(yōu)狀態(tài)。為此，如果在現(xiàn)有的設(shè)備及工況條件下，收集運(yùn)行數(shù)據(jù)和設(shè)備參數(shù)，通過數(shù)據(jù)分析及模擬獲得最佳狀態(tài)參數(shù)，通過模型預(yù)測(cè)控制確保對(duì)應(yīng)工況的最優(yōu)調(diào)節(jié)，應(yīng)用到實(shí)際生產(chǎn)中將有效提高水泥產(chǎn)品的質(zhì)量和產(chǎn)量。

針對(duì)水泥磨系統(tǒng)的工藝特點(diǎn)，本文從以下兩方面實(shí)現(xiàn)對(duì)水泥粉磨系統(tǒng)的優(yōu)化控制。一方面，采用多變量模型預(yù)測(cè)控制MPC及增量學(xué)習(xí)，控制磨機(jī)各個(gè)操作變量完成在線實(shí)時(shí)優(yōu)化。其中，MPC控制有效地解決了水泥磨生產(chǎn)過程中多變量關(guān)聯(lián)、動(dòng)態(tài)變化、難測(cè)量的難題；同時(shí)，基于水泥粉磨過程中的多工況、非線性的現(xiàn)狀，本文也有效的提出了增量學(xué)習(xí)。另一方面，采用自學(xué)習(xí)算法智能尋優(yōu)控制，通過機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)擬合，擬合出比表面積和水泥粒度的軟儀表，對(duì)工況進(jìn)行聚類分析，得出不同工況最優(yōu)的控制參數(shù)，使用尋優(yōu)算法獲取最合理的控制參數(shù)，傳送給MPC控制器實(shí)現(xiàn)智能尋優(yōu)控制；文獻(xiàn)[1-2]提出智能優(yōu)化決策系統(tǒng)的結(jié)構(gòu)；文獻(xiàn)[3]提出了生產(chǎn)過程指標(biāo)預(yù)測(cè)方法；文獻(xiàn)[4]提出非線性MPC控制理論與方法。

2 水泥磨系統(tǒng)工藝流程

工藝流程見圖1，目前大部分水泥粉磨是雙閉路聯(lián)合粉磨系統(tǒng)，包括輥壓機(jī)預(yù)粉磨、球磨機(jī)粉磨兩個(gè)工藝回路。生產(chǎn)控制過程中的主要工藝及設(shè)備參數(shù)包括：總喂料、配比數(shù)據(jù)、稱重倉(cāng)倉(cāng)重、輥壓機(jī)電流、輥壓機(jī)下料閥開度、循環(huán)風(fēng)機(jī)轉(zhuǎn)速、循環(huán)風(fēng)機(jī)電流、磨機(jī)進(jìn)口負(fù)壓、出口負(fù)壓、出磨斗提電流、選粉機(jī)轉(zhuǎn)速、選粉機(jī)電流、磨尾排風(fēng)機(jī)轉(zhuǎn)速、主排風(fēng)機(jī)轉(zhuǎn)速、主排風(fēng)機(jī)電流等。

通過數(shù)據(jù)分析，建立以上數(shù)據(jù)的MIMO關(guān)系模型，該模型按照工藝回路設(shè)定獨(dú)立的控制參數(shù)及約束，實(shí)現(xiàn)控制參數(shù)之間的解耦，確保水泥粉磨系統(tǒng)控制參數(shù)的全自動(dòng)調(diào)節(jié)及自定義運(yùn)行，具體關(guān)系見圖2。

圖1 水泥磨工藝流程

圖2 控制關(guān)系

3 水泥粉磨優(yōu)化控制

3.1 MPC控制回路

如圖3所示，MPC控制回路分為生產(chǎn)指標(biāo)優(yōu)化層和實(shí)時(shí)動(dòng)態(tài)控制層。生產(chǎn)指標(biāo)優(yōu)化層具有自優(yōu)化的智能決策算法模型，通過對(duì)配比、產(chǎn)量、質(zhì)量、能耗建立成本模型，能夠輸出最優(yōu)的控制優(yōu)化參數(shù)；實(shí)時(shí)動(dòng)態(tài)控制層與生產(chǎn)指標(biāo)優(yōu)化層采用不同的周期控制，通過約束函數(shù)、過程控制模型、動(dòng)態(tài)優(yōu)化控制器實(shí)現(xiàn)模型預(yù)測(cè)控制，使控制器設(shè)定值在線調(diào)整，實(shí)現(xiàn)粉磨系統(tǒng)的MPC優(yōu)化控制。

3.2 增量學(xué)習(xí)

水泥粉磨系統(tǒng)在運(yùn)行過程中常出現(xiàn)數(shù)據(jù)漂移現(xiàn)象，比如物料變化、工藝變化、設(shè)備磨損等均導(dǎo)致運(yùn)行數(shù)據(jù)發(fā)生變化。使用離線訓(xùn)練的控制模型通常不能跟蹤以上變化，易導(dǎo)致系統(tǒng)振蕩、產(chǎn)量低、能耗高等問題。使用在線增量學(xué)習(xí)的方法可以避免以上模型與工況不匹配帶來的控制難題。在線增量學(xué)習(xí)通過實(shí)時(shí)更新模型的方式，使模型不斷適應(yīng)新的工況，達(dá)到穩(wěn)定系統(tǒng)和提產(chǎn)降耗的目的。

在線增量學(xué)習(xí)在更新模型時(shí)有兩種類型。第一種始終保持一個(gè)模型，該模型采用時(shí)間滑移窗的方式不斷將新的數(shù)據(jù)加入到模型訓(xùn)練數(shù)據(jù)中（如圖4所示），使得模型能學(xué)習(xí)到最近的工況數(shù)據(jù)，在具體應(yīng)用時(shí)要權(quán)衡歷史數(shù)據(jù)和新數(shù)據(jù)的使用，以兼顧已學(xué)習(xí)到的經(jīng)驗(yàn)和對(duì)新工況的適應(yīng)性。第二種采用模型池的方式，模型池中保存多個(gè)模型，每一個(gè)模型都采用第一種方式進(jìn)行更新，具體應(yīng)用時(shí)，可以選擇模型池中的最優(yōu)模型或者若干個(gè)模型進(jìn)行加權(quán)預(yù)測(cè)，以達(dá)到在線學(xué)習(xí)的目的。

圖3 控制回路圖

在水泥粉磨系統(tǒng)中，工況在不斷發(fā)生變化，但相同工況也會(huì)重復(fù)出現(xiàn)，因此我們?cè)贛PC控制中，采用第二種增量學(xué)習(xí)方法在模型池中保存若干個(gè)模型，并不斷更新這些模型，在預(yù)測(cè)分析時(shí)，使用若干個(gè)最優(yōu)模型進(jìn)行加權(quán)預(yù)測(cè)，在工況發(fā)生變化時(shí)，能夠逐步遷移到新的狀態(tài)，有效的解決工況變化導(dǎo)致的模型失配問題。

圖4 增量學(xué)習(xí)

3.3 軟測(cè)量技術(shù)

目前，中國(guó)水泥質(zhì)量控制多以比表面積作為指標(biāo)，水泥磨成本優(yōu)化的難點(diǎn)在于水泥比表面積基本為手工化驗(yàn)，無法進(jìn)行實(shí)時(shí)控制。為此，在優(yōu)化控制策略中通過軟測(cè)量技術(shù)得到比表面積的實(shí)時(shí)預(yù)測(cè)值，實(shí)現(xiàn)比表面積的在線優(yōu)化控制。機(jī)器學(xué)習(xí)方法在數(shù)據(jù)分析預(yù)測(cè)中已成功應(yīng)用在諸多領(lǐng)域，我們?cè)谶M(jìn)行比表面積軟測(cè)量時(shí)，借助機(jī)器學(xué)習(xí)方法建立其它易測(cè)量的特征變量與比表面積的數(shù)學(xué)模型，實(shí)現(xiàn)比表面積的軟測(cè)量。

機(jī)器學(xué)習(xí)可以實(shí)現(xiàn)分類、回歸的監(jiān)督式學(xué)習(xí)，以及聚類等非監(jiān)督式學(xué)習(xí)。由于我們能采集到人工化驗(yàn)的比表面積數(shù)據(jù)，且比表面積數(shù)據(jù)是連續(xù)量，適合選擇回歸分析方法進(jìn)行軟測(cè)量。支持向量機(jī)（SVM）是機(jī)器學(xué)習(xí)中常用的一種回歸分析方法，該算法比較適合于樣本量少且非線性的數(shù)據(jù)。SVM的回歸分析，就是求解一個(gè)回歸面的過程：

其非線性思想是通過核函數(shù)體現(xiàn)的，核函數(shù)是將原始空間映射到跟高維的特征空間，實(shí)現(xiàn)高維線性可分。核函數(shù)的選擇對(duì)預(yù)測(cè)的效果至關(guān)重要。本文選用了高斯核函數(shù)（公式2），其相對(duì)更適合非線性且復(fù)雜多變的應(yīng)用場(chǎng)景。

式中：xi為樣本輸入量；yi為對(duì)應(yīng)的輸出量；σ為高斯核帶寬（σ>0）。

案例分析：我們收集某水泥廠過去7個(gè)月的數(shù)據(jù)，對(duì)數(shù)據(jù)清洗后共獲得9 700采樣點(diǎn)，前6 000組樣本點(diǎn)作為訓(xùn)練集，剩余3 700組樣本作為驗(yàn)證集以評(píng)估模型的可靠性，采用SVM生成的比表面積預(yù)測(cè)模型的確定系數(shù)R^2=0.76，如圖5。該軟測(cè)量預(yù)測(cè)值變化率符合現(xiàn)場(chǎng)實(shí)際情況，滿足MPC控制增量計(jì)算的要求。

圖5 比表面積預(yù)測(cè)結(jié)果

3.4 智能尋優(yōu)

生產(chǎn)指標(biāo)優(yōu)化層對(duì)整個(gè)工況進(jìn)行判斷識(shí)別穩(wěn)態(tài)尋優(yōu)。水泥工廠是一個(gè)復(fù)雜的反應(yīng)過程，智能尋優(yōu)算法在軟測(cè)量、工況自適應(yīng)、增量學(xué)習(xí)的基礎(chǔ)上找到產(chǎn)量、質(zhì)量、能耗的特征關(guān)系，采用非線性的靜態(tài)過程建立成本約束模型，計(jì)算出系統(tǒng)最優(yōu)設(shè)定值，保證粉磨系統(tǒng)最優(yōu)的狀態(tài)運(yùn)行，見圖6。

圖6 智能尋優(yōu)控制

圖7 控制效果

4 實(shí)際應(yīng)用效果

本文中基于MPC及智能尋優(yōu)的算法已在某水泥粉磨站多條水泥磨系統(tǒng)中成功實(shí)施，其中一臺(tái)水泥磨實(shí)施后控制效果如圖7、8所示，手動(dòng)控制與MPC控制器自動(dòng)控制對(duì)比,自動(dòng)控制效果明顯，設(shè)備穩(wěn)定性得到大幅度提高。圖7中還可以看出，在MPC控制器自動(dòng)狀態(tài)下，磨機(jī)在生產(chǎn)標(biāo)號(hào)改變時(shí)控制器能夠快速適應(yīng)工況變化，直接遷移到新工況的最優(yōu)狀態(tài)穩(wěn)定運(yùn)行而不需要操作人員進(jìn)行任何操作。MPC及智能尋優(yōu)的算法在該水泥粉磨站實(shí)施后統(tǒng)計(jì)數(shù)據(jù)如下表1所示。

圖8 數(shù)據(jù)統(tǒng)計(jì)

表1 統(tǒng)計(jì)結(jié)果

5 結(jié)論

基于模型預(yù)測(cè)控制及智能尋優(yōu)算法在水泥粉磨系統(tǒng)優(yōu)化的實(shí)際應(yīng)用結(jié)果表明，該方法可以有效解決粉磨系統(tǒng)中強(qiáng)耦合、非線性、時(shí)變性、不可測(cè)及成本控制等問題，在提產(chǎn)降耗、成本優(yōu)化方面效果顯著，為水泥粉磨系統(tǒng)的優(yōu)化控制提供了有效的手段。