李勝旺　張振中　劉震

摘 要：水泥燒成系統(tǒng)中分解爐溫度的控制是一個(gè)典型的多變量、大遲滯、強(qiáng)耦合、非線(xiàn)性的復(fù)雜控制對(duì)象，很難建立起非常精確的數(shù)學(xué)控制模型，常規(guī)的控制算法幾乎都無(wú)法取得滿(mǎn)意的控制效果。針對(duì)這一問(wèn)題，文章先分析確定了影響分解爐溫度的常量，采用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建預(yù)測(cè)模型，然后經(jīng)模糊控制器得到噴煤量并調(diào)節(jié)這一常量來(lái)穩(wěn)定分解爐內(nèi)部溫度。經(jīng)現(xiàn)場(chǎng)實(shí)際應(yīng)用結(jié)果表明此溫度控制系統(tǒng)響應(yīng)速度快，實(shí)際控制溫度與正常值誤差較小，具有良好的魯棒性、可靠性。

關(guān)鍵詞：分解爐；溫度控制；神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)控制；模糊控制

引言

隨著國(guó)內(nèi)外房地產(chǎn)行業(yè)的蓬勃發(fā)展和建材行業(yè)的加速轉(zhuǎn)型，水泥產(chǎn)業(yè)目前正處于產(chǎn)品結(jié)構(gòu)和技術(shù)創(chuàng)新調(diào)整的重要時(shí)期。，采用預(yù)分解技術(shù)的新型干法水泥生產(chǎn)工藝及優(yōu)化控制策略已經(jīng)成為我國(guó)水泥產(chǎn)業(yè)的發(fā)展趨勢(shì)。分解爐是預(yù)分解技術(shù)的核心模塊，承擔(dān)了預(yù)分解系統(tǒng)中煤粉燃燒、氣固換熱以及碳酸鹽的分解等任務(wù)，保持爐溫的穩(wěn)定對(duì)于保持整個(gè)預(yù)分解系統(tǒng)的熱力分布和熱工制度的穩(wěn)定至關(guān)重要。但分解爐的控制具有非線(xiàn)性、大滯后性、強(qiáng)耦合性等特點(diǎn)，這決定了該系統(tǒng)的控制將會(huì)非常復(fù)雜。

針對(duì)以上問(wèn)題，根據(jù)預(yù)測(cè)控制具有很強(qiáng)的魯棒性，不依賴(lài)具體數(shù)學(xué)模型和在線(xiàn)滾動(dòng)優(yōu)化的特點(diǎn)，文章采用基于神經(jīng)網(wǎng)絡(luò)建模的預(yù)測(cè)控制并結(jié)合模糊控制方法，提出了一種可應(yīng)用于新型水泥干法燒成系統(tǒng)分解爐溫度控制的算法。

1 水泥分解爐工作原理和影響因素

分解爐作為水泥燒成系統(tǒng)的第一個(gè)環(huán)節(jié)，其溫度的控制對(duì)整個(gè)燒成系統(tǒng)起到了至關(guān)重要的作用，溫度過(guò)高或過(guò)低，都會(huì)對(duì)系統(tǒng)產(chǎn)生很大的影響甚至停止運(yùn)行，對(duì)生產(chǎn)公司的產(chǎn)銷(xiāo)早成很大的影響。二次風(fēng)風(fēng)溫、三次風(fēng)風(fēng)溫、煤粉的成分、預(yù)熱后生料入爐前的溫度、生料的成分以及分解爐自身散熱等等都會(huì)影響分解爐溫度。

在影響分解爐溫度的眾多因素中，通過(guò)對(duì)分解爐結(jié)構(gòu)的分析和實(shí)際操作人員經(jīng)驗(yàn)的總結(jié)，我們得出影響分解爐參數(shù)時(shí)變的主要因素有三個(gè)，煤粉流量、三次風(fēng)量和生料流量。在這三個(gè)量的值保持一定配比關(guān)系的情況下，分解爐的溫度才能穩(wěn)定在期望值的范圍內(nèi)。因此，控制好三次風(fēng)量、煤粉流量以及生料流量成為了本控制系統(tǒng)的重點(diǎn)。

2 自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)

BP（Back error propagation）神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的權(quán)值的調(diào)整規(guī)則采用后向傳播學(xué)習(xí)算法。目前，BP神經(jīng)網(wǎng)絡(luò)是相對(duì)成熟且應(yīng)用范圍較廣的一中神經(jīng)網(wǎng)絡(luò)模型。典型的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)見(jiàn)圖1，它由輸入層、隱含層以及輸出層組成，隱含層可以有一個(gè)或者多個(gè)，每層由多個(gè)神經(jīng)元組成。BP神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)過(guò)程由正向傳播和反向傳播組成。在正向傳播過(guò)程中，輸入信息從輸入層傳入，經(jīng)隱含層逐層處理，最后傳向輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果輸出層輸出與期望的輸出差異較大，則轉(zhuǎn)入反向傳播，將誤差信號(hào)沿原來(lái)的鏈接通路返回，通過(guò)修改各層神經(jīng)元的權(quán)值，使誤差信號(hào)最小。

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程分為兩個(gè)階段。

第一階段：網(wǎng)絡(luò)的輸入經(jīng)過(guò)輸入層節(jié)點(diǎn)，利用其神經(jīng)元的初始化權(quán)值和閾值，計(jì)算得出輸出數(shù)據(jù)，繼而計(jì)算出隱含層的輸出，這個(gè)階段稱(chēng)為前向輸出階段。

第二階段：根據(jù)最終輸出和期望輸出的誤差，來(lái)對(duì)每層權(quán)值和閾值的修正，若達(dá)到要求，則結(jié)束，如達(dá)不到要求則重復(fù)到第一階段。

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法指網(wǎng)絡(luò)的應(yīng)用初始化，它的實(shí)質(zhì)就是根據(jù)輸入輸出數(shù)據(jù)來(lái)建立一種映射關(guān)系，與其他映射不同的是，神經(jīng)網(wǎng)絡(luò)映射函數(shù)是動(dòng)態(tài)的，映射規(guī)律隨著輸入樣本的變化而變化，判斷這種映射的成功與否就是神經(jīng)網(wǎng)絡(luò)的收斂速度，收斂速度越快，說(shuō)明算法越優(yōu)越。為了更快地達(dá)到收斂，很多科學(xué)家針對(duì)收斂的速度等進(jìn)行了相關(guān)研究，并達(dá)到了很好的效果。下面是BP算法的示意圖，如圖2所示。

3 BP神經(jīng)預(yù)測(cè)控制

5 控制算法的應(yīng)用

將上述控制算法調(diào)試的軟件與生產(chǎn)現(xiàn)場(chǎng)水泥生產(chǎn)線(xiàn)的DCS系統(tǒng)相連接并應(yīng)用后，根據(jù)現(xiàn)場(chǎng)工況和工藝要求，將分解爐爐溫的目標(biāo)控制值設(shè)定為845℃，我們得到了該軟件對(duì)分解爐系統(tǒng)24小時(shí)在線(xiàn)控制的數(shù)據(jù)圖，如圖8所示。

由圖8可以看出應(yīng)用模糊BP神經(jīng)預(yù)測(cè)控制算法的控制效果與實(shí)測(cè)效果相比較實(shí)測(cè)值和預(yù)測(cè)值二者數(shù)據(jù)較為接近。

6 結(jié)束語(yǔ)

文章應(yīng)用神經(jīng)網(wǎng)絡(luò)并結(jié)合模糊控制以及某水泥廠(chǎng)分解爐實(shí)測(cè)數(shù)據(jù)對(duì)分解爐建立爐內(nèi)溫度預(yù)測(cè)模型，在工況出現(xiàn)波動(dòng)的情況下，控制系統(tǒng)能夠根據(jù)實(shí)測(cè)數(shù)據(jù)進(jìn)行優(yōu)化控制，提前對(duì)分解爐參數(shù)進(jìn)行調(diào)整。并準(zhǔn)確預(yù)測(cè)出分解爐爐內(nèi)溫度的變化趨勢(shì)，解決了分解爐控制的非線(xiàn)性，滯后性的困難，使分解爐系統(tǒng)運(yùn)行的更加穩(wěn)定，為整個(gè)燒成系統(tǒng)做好了鋪墊，對(duì)分解爐溫度控制的研究起到了一定的作用。

作者簡(jiǎn)介：張振中（1988，9-），男，漢，河北省承德市，本科，河北科技大學(xué)，計(jì)算機(jī)科學(xué)與技術(shù)。