1 水泥烧成窑系统控制参数分析
带窑外分解炉的新型干法水泥回转窑采用窑外分解煅烧技术,生料入回转窑前分解率已达到80%~90%。基于目前国内新型干法水泥生产线广泛使用的窑外预热分解技术和水泥熟料煅烧工业的生产经验,烧成带温度和窑尾废气温度的稳定是保证水泥回转窑热工过程稳定,生产出高质量水泥熟料的重要标志[1]。为了达到优化工艺生产过程的目的,对水泥回转窑系统的主要参数进行分析。主要参数如下:
(1) 控制变量CV
① 烧成带温度:正常工作范围是1300℃～1500℃,是直接反应烧成带工况的重要参数。
② 窑内氧气含量:正常工作范围是3.5%～5.5%,在煅烧的过程中窑内的氧气含量直接影响到燃料的燃烧状况。进而对窑温也有一定的影响。
③ 窑内
含量:在煅烧的过程中窑内
的含量直接影响到熟料的烧制状况,从而影响熟料的品质。
④ 窑内
含量:窑内
含量直接反映窑内煤和风的配比情况是否合理。
(2) 操作变量MV
① 喂煤量:它对烧成带温度和废气中的氧含量有直接影响。增加喂煤量可以提高烧成带温度并降低氧含量;反之,减少喂煤量则可以降低烧成带温度和提高氧含量。
② 高温风机挡板开度:它主要用于改变窑负压、保证风煤配合和保证废气中的氧含量;同时也用来改变窑内的温度分布,控制窑尾温度。增加挡板开度,将提高窑尾温度并增加氧含量;反之,则可以降低窑尾温度和窑尾废气中的氧含量,
对的含量变化也有很大的作用。
③ 回转窑转速和喂料量:当窑运行稳定时,回转窑转速和喂料量之比应基本保持不变。具体控制量在操作员组态画面上的位置如下图1所示。
2 水泥回转窑系统模型辨识
本项目对河北唐山冀东股份有限公司丰润三期水泥厂进行现场数据的采集,采样周期是60s,共采集20030组数据。首先将采集数据中不合理的数据进行剔除,然后再分出动、静态数据,当系统中的两个输入量有一个保持不变,而另一个发生阶跃变化,从阶跃到最终系统达到稳定状态时的数据选为动态数据;从稳定状态到下一个阶跃发生前的数据选为稳态数据。经分析处理后得到动态数据2342组,稳态数据1548组。
水泥回转窑系统可以简化为一个2入2出的被控对象,该系统的输出量分别是
:窑内氮氧化物含量;
窑内
含量,输入量为
:喷煤量;
:高温风机挡板开度。
2.1 回转窑系统稳态模型辨识
根据组合模型的框架结构所需,需要利用筛选出来稳态数据利用模糊神经网络的辨识方法建立回转窑的稳态模型。为了提高稳态模型辨识精度,采用了分步辨识的方法,该方法要求辨识出的回转窑系统稳态模型是两个2入1出的模型[2],从而避免模型发散, 达到更佳的控制效果。
利用筛选出的稳态数据,使用模糊神经网络辨识模型的方法对水泥回转窑系统的两个2入1出的稳态模型进行了辨识,然后对辨识出的稳态模型进行检验。以下图2、图3是辨识出的模型输出值和实际输出值之间的对比。
从上面的模型对比图中可以看出,通过使用模糊神经网络方法辨识回转窑系统的稳态模型,由于现场数据中有很大的干扰值,导致辨识的结果有些偏差,但是辨识出的模型在精度上可以满足后续预测控制的要求,可以用辨识出的模型来真实地反映出现场实际被控对象的输入输出问题特性,进一步验证了模糊神经网络模型辨识方法的可行性。
2.2 回转窑系统动态ARX模型辨识
对筛选出来的回转窑系统阶跃动态数据,分别用当前时刻的输入输出值减去上一时刻的输入输出值获得系统的动态变化增量数据。通过使用最小二乘法拟合辨识获得回转窑控制系统的动态变化量的ARX模型。通过对回转窑现场工况的分析,及对所获得的数据进行分析比对,选择二阶模型作为回转窑系统的动态模型,给定系统的延迟时间为一个周期,通过仿真获得的ARX模型的参数为
对利用LS辨识出来的ARX模型进行数据检验,检验结果如下:
检验的结果由对比图上可知,对回转窑系统的数据使用最小二乘法辨识出动态ARX模型的精度较高,符合预测控制的要求。
3 水泥回转窑预测控制算法仿真实验
为了使设计的水泥回转窑预测控制器可以更好地应用于现场,使用现场的一些控制量的数据进行仿真实验,进而也通过现场数据的仿真实验来训练出水泥回转窑的初步系统模型,为预测控制算法应用到实际的现场控制奠定了基础。
3.1 水泥回转窑预测控制器设计和实验
为了获得稳定的工况条件,同时为了达到提高水泥强度降低单位能耗的目的,通常对于回转窑窑内
含量和
含量控制在4.9%、
含量500ppm。针对该生产条件进行仿真分析,设计一个两入两出的预测控制器,控制器的两个输入分别为窑头喷煤量和高温风机档板开度,控制器的两个输出量为窑内
含量和
含量,并利用模糊神经网络稳态模型和ARX动态模型组成预测控制器如图6所示。
设定预测控制系统的预测时域为5步,控制时域为1步,给定系统的初值分别为
，
,参考轨迹为
,
控制系统的参数选择,
对回转窑系统控制系统中喷煤量和高温风机挡板开度的求解使用序列二次规划算法,为了保证控制变量的精度及确保算法的顺利求解,对目标函数的约束是模糊的,约束会根据目标值的变化做如下调整,当参考轨迹与实际的输出值的差值大于约束值时,在不影响控制稳定性的前提下,约束值的绝对值将会提升。系统的控制效果如图7、图8所示,控制输入量的变化曲线如图9、图10所示。
由于水泥回转窑系统在窑升温过程是个很复杂过程,且涉及到很多变量的影响,所以目前还没有预测控制算法应用于窑体的升温过程,都是在窑温基本稳定,并且生产稳定时才将设计的预测控制算法投入使用,所以本次仿真实验也是主要观看在输出量稳定较稳定时,控制输入量是否可以保持准确及稳定。从图中可以看出,对于回转窑这样的复杂非线性系统,通过选择合适的控制参数,该控制器可以获得很高的控制精度。
3.2 预测控制器稳定性分析
为了测试该控制器的稳定性,在250步时给输出量
施加一个强度为10%的随机干扰量,系统的控制效果如图11、12所示,控制输入量的变化曲线如图13、14所示。
从图中可以看出,在250步时,系统输出发生波动,动态变增益模糊预测控制器可以根据输出量和预测值之间的误差,实时调节输入量,使系统获得良好的控制精度。在工业现场经常会发生,在相同的喷煤量的条件下,煤的质量不同产生的热量却会变化,这种干扰需要控制系统能够根据现场情况实时判断自动调节,变增益预测控制器可以很好的抑制这种随机性干扰,使窑内的
含量和
含量保持稳定。
通过仿真结果可以看到,当系统存在较强的不确定性干扰时,该控制系统仍可以根据干扰的情况,对控制系统的增益进行自动调节,表现出良好的鲁棒性。
4 控制效果分析
将两入两出的预测控制器结合相关的应用软件应用到水泥回转窑的控制中,在2000步以后将设计好的预测控制器投入使用,窑内
含量设定在4.9%,
设定在450ppm。预测控制器投入使用前后的数据对比如图15、图16所示。
由投入前后的数据对比可以看出,基于组合模型的预测控制算法在实际的使用中可以获得很好的控制效果,投入使用后被控输出量
含量和
含量都稳定在设定值附近,使控制量运行稳定的同时降低了能耗。
5 结束语
水泥回转窑系统是一个复杂的非线性系统,对水泥回转窑的氧含量和氮氧化物进行准确控制对提高水泥质量和降低水泥生产的能耗有重要意义[3]。通过验证试验可知,在使用了由稳态模糊神经网络模型和动态ARX模型所组成的组合模型对回转窑系统进行预测控制,达到了很好的控制效果。并对基于动态变增益的控制器的性能进行了分析验证,仿真结果证实该方法设计的控制器用很高的控制精度和较强的鲁棒性,证实了该预测控制算法具有较好的可行性和很强的实用价值。
参考文献:
[1] 史蒂夫·麦格盖瑞,俞纪鲲.水泥工业的过程控制优化及Pavilion方案介绍.水泥工程,2005(3):75-76.
[2] 李永亮.基于信息融合的水泥回转窑工况的智能识别.济南大学硕士学位论文.2008:24-32.
[3] 苏柏丽,陈增强,袁著祉.多变量非线性系统的有约束模糊预测控制.哈尔滨工业大学学报,2006,38(10):1700-1704.
作者简介:林玉泉(1970-),男,高级工程师,主要从事水泥生产线电气自动化控制工程设计及水泥生产线优化控制的科研开发工作。