黃 炎 邵宇鷹 鄧 麗 費敏銳 蔣 婧

(上海大學(xué)機電工程與自動化學(xué)院1，上海 200072;上海市電站自動化技術(shù)重點實驗室2，上海 200072;國網(wǎng)上海市電力公司3，上海 200025)

0 引言

鋼鐵行業(yè)一直是被視為支持和促進其他行業(yè)快速發(fā)展的基礎(chǔ)，也間接體現(xiàn)了一個國家的經(jīng)濟發(fā)展水平。目前，在如何提高鋼鐵的質(zhì)量和減少能源消耗等方面已有許多研究成果。其中保證加熱爐內(nèi)溫度控制精度及均勻性是煉鋼過程中須關(guān)注的兩大方面，同時也是實現(xiàn)質(zhì)量和能耗控制的基礎(chǔ)。加熱爐是一個大慣性、帶有滯后的非線性系統(tǒng)，加上有熱對流、熱輻射和外界環(huán)境的不確定性，且目前大部分煉鋼生產(chǎn)線的控制系統(tǒng)仍然使用傳統(tǒng)的PID算法，直接導(dǎo)致了控溫精度差。而控制溫度變量的采樣點選取不當(dāng)，則可能導(dǎo)致爐內(nèi)溫度不均勻。

1 研究現(xiàn)狀

針對上述問題，雷霞、李曉光等［1］設(shè)計了基于Sugeon推理模糊 Smith-PID控制器。一方面，利用Sugeno模糊推理運算，實現(xiàn) PID參數(shù)自調(diào)整的目的;另一方面，利用 Smith預(yù)估補償控制器補償受控過程的純滯后作用，使PID控制器提前動作，從而減少超調(diào)量，加速調(diào)節(jié)過程，改善控制性能。李川［2］在加熱爐控制系統(tǒng)中成功地加入了模糊控制技術(shù)，將其與傳統(tǒng)PID相結(jié)合，實現(xiàn)了對PID參數(shù)的自調(diào)整，從而達到了優(yōu)化的目的。李紅星等［3－8］用改進的遺傳算法來整定模糊控制器的參數(shù)，在線試驗證明此方法達到了優(yōu)化控制器的目的，減少了多變量對象之間的相互耦合，并能夠應(yīng)用于實際中。文定都［3］借鑒免疫反饋機理對抗原的快速反應(yīng)和穩(wěn)定免疫系統(tǒng)機理，設(shè)計了一種非線性P控制器。通過對控制器的輸出和輸出變化來建立模糊規(guī)則，并得到T細胞抑制量f函數(shù)，從而實現(xiàn)對不確定系統(tǒng)的控制，控制效果遠優(yōu)于常規(guī)PID。

相比于PID控制，先進控制策略有著強大的優(yōu)勢。先進控制策略如果能夠嵌入到抗干擾能力強的PLC中，則可以更加有利于工業(yè)生產(chǎn)效率的提高。廉宇峰等［5］通過對GPC算法的研究，在PLC上實現(xiàn)了一階慣性加延遲對象的單步預(yù)測控制。楊捷、高增梁等［6］設(shè)計了一種可在嵌入式系統(tǒng)中實現(xiàn)的預(yù)測控制算法。該算法通過建立加熱爐對象模型，并采用在線計算模型參數(shù)的方法實現(xiàn)了預(yù)測控制。該預(yù)測算法的優(yōu)點在于不需要大量復(fù)雜的矩陣運算，計算簡單，在模型參數(shù)計算步驟中添加了柔化系數(shù)，達到了預(yù)測的作用。最后仿真結(jié)果也證明了該算法優(yōu)于PID控制。崔桂梅等［7］利用WinCC和Matlab作為平臺，通過使用 OPC技術(shù)實現(xiàn)數(shù)據(jù)交換，解決了監(jiān)測系統(tǒng)實時數(shù)據(jù)交換這一難題，實現(xiàn)了先進算法的應(yīng)用。最后使用雙值動態(tài)矩陣控制算法，不斷校正加熱爐對象出現(xiàn)的不確定性因素，具有快速響應(yīng)、抗干擾、魯棒性強等特點?；趦呻A段閉環(huán)辨識算法原理，曹江濤、李平等［4］對其中間辨識模型的結(jié)構(gòu)、階次以及對最終辨識結(jié)果的影響進行了深入研究，給出了中間辨識模型與最終辨識結(jié)果的關(guān)系。加熱爐應(yīng)用結(jié)果驗證了該辨識算法的有效性及模型選擇的合理性。

2 問題的提出

某鋼廠加熱爐控制系統(tǒng)采用傳統(tǒng)的PID控制，導(dǎo)致控溫精度不達標，最后生產(chǎn)的鋼管合格率低?，F(xiàn)要求在原先的系統(tǒng)上，對加熱爐控溫環(huán)節(jié)進行小幅度的改造。機組設(shè)備使用年限長，當(dāng)年大修未徹底解決的問題，直接影響了現(xiàn)在的機組安全生產(chǎn)、退火質(zhì)量、設(shè)備運行等，故迫切需要進行改造。在控制環(huán)節(jié)，爐子的控溫精度差，在機組設(shè)備運行時控溫精度有變化，電控穩(wěn)定性差，在一區(qū)熱處理溫度波動變動大，時常難以控制。定期的爐溫保溫精度檢測曾出現(xiàn)偏差16.9℃，遠超±5 K要求，直接導(dǎo)致最后產(chǎn)品的合格率較低。綜上所述，最終溫度控制精度的好壞將直接影響經(jīng)濟效益。本文論述了一種基于預(yù)測思想的PID算法，通過計算此時的升溫速率來改變當(dāng)前的溫度值，達到預(yù)測效果。然后通過增加一個控制溫度點，將實際的加熱區(qū)由二區(qū)重新劃分為三區(qū)，使得爐內(nèi)的溫度均勻性滿足條件，并用實際生產(chǎn)的曲線驗證該方法可以很好地應(yīng)用于生產(chǎn)過程中。

溫度控制系統(tǒng)是由功率控制器對加熱爐的加熱元器件進行電加熱，加熱元器件分布于加熱爐的橫向表面。控制系統(tǒng)的硬件配置采用Siemens S7-300 PLC，人機界面在研華工控機上安裝西門子WinCC軟件，用于畫面操作，另外兼?zhèn)涔こ處熣镜淖饔谩?/p>

在盡可能減少對原先系統(tǒng)改變的前提條件下，保持將加熱爐劃分為兩個加熱區(qū)域，區(qū)域之間連通，這樣就形成了一個多輸入多輸出且?guī)в旭詈系姆蔷€性、時變且有時延的復(fù)雜系統(tǒng)?？紤]到加熱元器件的特性和實際的生產(chǎn)需要，最終所需的穩(wěn)定溫度點在900℃以上，為此，使用傳統(tǒng)的PID算法進行試驗。當(dāng)加熱爐穩(wěn)定在800℃一段時間后，將溫度設(shè)定值變?yōu)?150℃的控制效果如圖1所示。整個升溫過程耗時68 min，超調(diào)量15 K，調(diào)整時間為35 min。由上述控制效果可知，超調(diào)量較大影響到調(diào)整時間。如何減少超調(diào)量，縮短調(diào)整時間，下一節(jié)將做進一步研究。

圖1 加熱爐800～1150℃的升溫曲線Fig.1 The heating curve of the furnace from 800℃ to 1150℃

3 基于預(yù)測思想的加熱爐溫度控制

由于原先的加熱系統(tǒng)采用傳統(tǒng)的PID算法，控制效果不理想，因此本文提出基于預(yù)測思想的PID控制算法，并結(jié)合積分分離PID來實現(xiàn)對傳統(tǒng)PID的優(yōu)化。

加熱爐基于預(yù)測思想的算法原理框圖如圖2所示。

圖2 算法原理框圖Fig.2 Block diagram of algorithm principle

圖2中預(yù)測算法的最簡形式為:

式中:Pv'(K+1)為(K+1)時刻時經(jīng)預(yù)測算法后的Pv;Pv(K)為當(dāng)前時刻的測量溫度值;Ta為預(yù)測因子，經(jīng)過反復(fù)試驗得出Ta取3～5時進鋼管時的波動幅度最小。

如果要求在保證快速性的前提下，可采用類似于積分分離PID思想。在低溫時，設(shè)定Pv'(K+1)=Pv(K+1)，也就是屏蔽掉預(yù)測的作用;在高溫段，再加入預(yù)測，同時也在相同的溫度段將PID算法變?yōu)榉e分分離PID。

積分分離控制的主要思想是:當(dāng)被控量與設(shè)定值偏差較大時，取消積分作用，以避免由于積分作用使系統(tǒng)穩(wěn)定性降低，超調(diào)量增大;當(dāng)被控量接近給定值時，引入積分控制，以便消除靜差，提高控制精度［9－10］。

式中:T為采樣樣時間;β為積分項的開關(guān)系數(shù);ε為加熱區(qū)段，需要反復(fù)試驗得到最優(yōu)的值。

加入預(yù)測后的800～1150℃的升溫曲線如圖3所示，其他條件與圖1的加熱過程一致。

圖3 加入預(yù)測后的的升溫曲線Fig.3 The heating curve after prediction being added

在與上一個升溫過程相同的條件下加入預(yù)測之后，超調(diào)量減少為11 K，調(diào)整時間為15 min，控制效果令人滿意。

4 加熱區(qū)的重新劃分

在隨后的生產(chǎn)過程中，通過多次試驗發(fā)現(xiàn)，由于控制溫度點取自爐頂?shù)闹胁浚@示溫度點取自爐頂?shù)那安?，也就是靠近爐口的位置。當(dāng)系統(tǒng)在1150℃的高溫下穩(wěn)定時，顯示溫度點與控制溫度點相差將近有20 K。由上述升溫曲線也可以發(fā)現(xiàn)這一問題，這是由于爐口離外部環(huán)境更近，容易散溫。這一溫差說明功率控制器對爐口處的熱輻射不夠，從而造成了爐子內(nèi)部的溫度不均勻，直接影響到最后生產(chǎn)出的鋼管合格率。為此，決定將此前的兩個加熱區(qū)劃分為三個。劃分加熱區(qū)前后對比如表1所示。

表1 劃分加熱區(qū)前后對比Tab.1 Contrast of before and after dividing the heating zones

表1中，一區(qū)前三組表示一區(qū)三個功率控制器分別加熱分布于加熱爐不同位置的加熱元件，TC1、TC2表示一區(qū)、二區(qū)的控制溫度點，TI1表示靠近一區(qū)一組的溫度顯示點。

由表1可以看出，重新劃分加熱區(qū)前，一區(qū)的三臺功率控制器分別控制加熱爐不同位置的加熱元件，但是控制點都為TC1點，所以會產(chǎn)生上述爐內(nèi)溫度不均勻這一現(xiàn)象?，F(xiàn)將加熱區(qū)重新劃分，引入新的控制點，即原一區(qū)不同位置溫度測量點的平均值，并使一區(qū)三臺功率控制器有著明確分工，這樣可優(yōu)化爐內(nèi)溫度均勻性。優(yōu)化后的加熱曲線如圖4所示。

圖4 重新劃分加熱區(qū)后的加熱曲線Fig.4 The heating curve after the heating zones have been redivided

由圖4可看出，較之前的兩幅加熱曲線，所有的溫度點幾乎集中到了一起，偏差在±3 K左右，滿足生產(chǎn)要求±5 K，達到了優(yōu)化的目的。

隨后，將改進后的方法用于實際鋼管生產(chǎn)。鋼管進入加熱爐的過程可以看作外界擾動，而且是連續(xù)不斷的，TI1點波動稍大以外(靠近爐口的原因)，其余點均比較平穩(wěn)，且都滿足波動在±5 K范圍內(nèi)。由于鋼管的實際產(chǎn)量取決于材料的性質(zhì)、承受熱的能力、爐膛中裝料的密度、使用的實際加熱和均熱周期，所以溫度均勻性的好壞直接決定了最后生產(chǎn)出鋼管的質(zhì)量的優(yōu)劣。最后廠方進行溫度均勻測試，測出的效果也是滿足要求的，表明此方法可以應(yīng)用在實際生產(chǎn)中，有利于提高質(zhì)量和生產(chǎn)效率。

目前已生產(chǎn)的多個批次鋼管產(chǎn)品，經(jīng)理化性能檢驗，各項指標全部合格。在1000℃以上的溫度區(qū)間使溫度偏差控制在±3 K以內(nèi)，爐內(nèi)所有溫度測量點顯示的溫度數(shù)據(jù)偏差在±5 K以內(nèi)，最后在進行生產(chǎn)時，產(chǎn)生的波動控制在±3 K以內(nèi)。投入運營兩個月后，鋼管的合格率由原來的70%左右上升了將近十個百分比。經(jīng)估算，單條生產(chǎn)線全年經(jīng)濟效益增加近100萬元。在節(jié)能降耗方面，由于原控制系統(tǒng)仍使用超負荷運轉(zhuǎn)的電機來實現(xiàn)對鋼管的降溫，水泵經(jīng)長期運行存在氣蝕等損傷，影響運轉(zhuǎn)效率，造成無謂的電損耗。采用高效電機替代后并對鋼管水泵進行改造，達到了提高水泵運轉(zhuǎn)效率和節(jié)電的目的。

5 結(jié)束語

本文是以實際的改造項目為基礎(chǔ)，提出了一種基于預(yù)測思想的PID算法，算法簡單實用，容易實現(xiàn)。通過增加一個控制溫度點，將實際的加熱區(qū)重新分區(qū)，增加了功率控制器的控制范圍，使得爐內(nèi)的溫度分布更均勻。如何成功應(yīng)用先進算法，并獲得更好的控制效果，是下一步所要研究的方向。長遠來看，如果能將先進控制算法設(shè)計成為智能控制功能模塊，便于編制程序時直接調(diào)用，則具有廣泛的實用價值。

［1］雷霞，李曉光，尹振紅.基于Sugeno推理自調(diào)整模糊Smith-PID控制器仿真研究［J］.系統(tǒng)仿真學(xué)報，2008，20(18):4952 －4955.

［2］李川.模糊PID在加熱爐溫度控制系統(tǒng)中的應(yīng)用［J］.冶金自動化，2009，33(3):56 －62.

［3］文定都.基于模糊免疫PID的電加熱爐溫度控制系統(tǒng)［J］.冶金自動化，2007(6):43－46.

［4］曹江濤，李平，姬曉飛.兩階段閉環(huán)辨識算法在加熱爐控制中的應(yīng)用［J］.工業(yè)儀表與自動化裝置，2004(1):14 －17.

［5］廉宇峰，尤文.針對一階慣性加純滯后過程廣義預(yù)測控制算法研究［J］.石油化工自動化，2007(5B):44－47.

［6］Yang J，Gao Z J，Liu Y.Design and implementation of predictive control algorithm for embedded system［C］∥Proceedings of the 8th World Congress on Intelligent Control and Automation，2010:2594－2597.

［7］Cui G M，Zhang F J，Zhang Y，et al.Implementation of improved predictive control in furnace temperature control system based on WinCC［C］∥Chinese Control and Decision Conference，2012:3097－3100.

［8］Li H X，Pan C B，Teng F.Adaptive fuzzy control based on genetic algorithm for vertical electric furnace［C］∥Proceedings of the IEEE International Conferenceon Automation and Logistics，2009:933－938.

［9］劉金琨.先進PID控制Matlab仿真［M］.北京:電子工業(yè)出版社，2011:8－59.

［10］張運剛，宋小春.西門子 Step7［M］.北京:人民郵電出版社，2010.