朱永紅，趙一峰，熊 朦，王 偉

（景德鎮(zhèn)陶瓷學(xué)院機(jī)械電子工程學(xué)院，江西 景德鎮(zhèn) 333403）

陶瓷梭式窯的混雜智能控制

朱永紅，趙一峰，熊 朦，王 偉

（景德鎮(zhèn)陶瓷學(xué)院機(jī)械電子工程學(xué)院，江西 景德鎮(zhèn) 333403）

針對陶瓷梭式窯控制系統(tǒng)存在系統(tǒng)不穩(wěn)定，控制方法落后的問題，提出了一種陶瓷梭式窯的混雜智能控制方法。根據(jù)陶瓷梭式窯的燒結(jié)工藝，利用有限狀態(tài)機(jī)建立了陶瓷梭式窯燒制過程的智能混雜模型。通過專家控制系統(tǒng)，從知識庫中獲取了一種陶瓷制品的燒成溫度曲線。給出了卡爾曼濾波算法,將傳統(tǒng)的PID控制方法與卡爾曼濾波方法相結(jié)合，設(shè)計了基于卡爾曼濾波器的PID混雜智能控制器，較好地實現(xiàn)了對陶瓷梭式窯燒成帶溫度的智能控制。最后，基于Matlab進(jìn)行仿真研究，仿真結(jié)果表明所設(shè)計的控制器是有效和可行的。

陶瓷梭式窯；有限狀態(tài)機(jī)；專家系統(tǒng)；PID混雜智能控制；卡爾曼濾波

0 引 言

在我國，每年都會產(chǎn)出很多各種各樣的陶瓷制品，并且出口到其他國家和地區(qū)。但是，和一些發(fā)達(dá)國家相比，在陶瓷生產(chǎn)的過程中，我國陶瓷窯爐生產(chǎn)能耗極大，尤其是在窯爐的結(jié)構(gòu)、燃燒系統(tǒng)、能量的循環(huán)利用以及控制系統(tǒng)方面相對落后。因此，國家有關(guān)部門把提高窯爐熱工效率作為研究開發(fā)的關(guān)鍵技術(shù)之一。陶瓷梭式窯[1-4]是陶瓷工業(yè)應(yīng)用最廣的現(xiàn)代間歇式窯爐之一，廣泛應(yīng)用于衛(wèi)生潔具、日用陶瓷、藝術(shù)瓷和特種陶瓷的燒成，其檢測與控制方式直接影響著陶瓷產(chǎn)品質(zhì)量和能源利用效率。

陶瓷梭式窯是具有大時滯、強(qiáng)非線性、多變量耦合變參數(shù)的復(fù)雜對象，爐內(nèi)溫度、氣氛、壓力等受多種因素的影響，其生產(chǎn)過程既受連續(xù)時間信號驅(qū)動，又受離散事件信號驅(qū)動，是個典型的混雜系統(tǒng)。目前，我國陶瓷梭式窯大多采用輔以人工觀火的半自動化控制方式，控制方法仍相對比較落后，生產(chǎn)不穩(wěn)定,工人勞動強(qiáng)度大，嚴(yán)重影響產(chǎn)品質(zhì)量，所以有必要研究新的控制策略來保證陶瓷梭式窯生產(chǎn)穩(wěn)定開展。在工業(yè)過程控制中常用的控制方法就是 PID 控制[5-6]，傳統(tǒng)的PID控制方法在小滯后的情況下效果還可以，但對于本文研究的非線性純滯后混雜對象而言，采用傳統(tǒng)的PID控制就很難達(dá)到理想的控制效果。相對于其他的濾波算法而言，卡爾曼濾波算法[8-9]具有很強(qiáng)的差錯控制能力，能夠?qū)⒄`差控制在很小的范圍內(nèi)，所以本文將卡爾曼濾波方法和PID控制方法結(jié)合起來實現(xiàn)對陶瓷梭式窯燒成帶溫度混雜智能控制。 到目前為止，將這種控制方法應(yīng)用于陶瓷梭式窯爐溫度控制的研究尚未見諸報道?；谝陨锨闆r，本文提出了基于卡爾曼濾波器的PID混雜智能控制方法，并對其進(jìn)行了仿真研究，結(jié)果表明所提出的方法是可行和有效的。

通信聯(lián)系人：朱永紅(1965-)，男，博士，教授。

Correspondent author:ZHU Yonghong(1965-), male, Dc., Professor.

E-mail:zyh_patrick@163.com

1 燒制過程模型的建立

1.1 陶瓷梭式窯燒制工藝

陶瓷梭式窯對燒成制品的適應(yīng)性很強(qiáng)，其爐內(nèi)溫度受多種因素的影響，而燒成制品的質(zhì)量大多由燒成的工序決定，這就與制品的燒成工藝溫度有很大關(guān)系。 其主要的燒制過程包括：低溫階段、氧化及還原期、高溫階段和冷卻階段。具體的燒制工藝過程如下：

⑴低溫階段：該階段一般在400 ℃以前，其升溫的速度主要取決于坯體的厚度以及坯體進(jìn)窯前的含水率，此階段主要是去除坯體中的水分，若升溫太快，可能會導(dǎo)致坯體內(nèi)部水蒸氣壓力過大，從而使得坯體開裂。

⑵氧化及還原期：這個溫度段一般在900 ℃之前，其升溫速度主要取決于泥土的混合比例，火焰性質(zhì)以及氣流的速度。該階段為成瓷階段，可以開始加大供氣量以及送氧量，窯內(nèi)溫度迅速增加。

⑶高溫階段：這一階段的最終溫度取決于陶瓷的種類，其升溫速度取決于窯內(nèi)的結(jié)構(gòu)以及裝窯密度。窯體較大時，升溫過快會導(dǎo)致窯內(nèi)的溫差較大，從而導(dǎo)致坯體的收縮成度不一，坯體變形。

⑷冷卻階段：冷卻階段?；疬M(jìn)行急冷和緩冷抽風(fēng)使溫度逐漸降低得到陶瓷產(chǎn)品。

1.2 燒制溫度曲線的獲取

專家控制系統(tǒng)是一種智能計算機(jī)程序，它的內(nèi)部包含了一些領(lǐng)域的專家給出的專門知識和實際經(jīng)驗，能夠解決專門的問題。一個具體的專家系統(tǒng)主要包括知識庫、推理機(jī)、工作數(shù)據(jù)庫、解釋機(jī)、知識獲取機(jī)以及用戶界面。它們之間的關(guān)系如圖1所示。

本文針對陶瓷梭式窯燒制溫度設(shè)計的專家控制系統(tǒng)知識庫中包含了衛(wèi)生潔具、日用陶瓷、藝術(shù)瓷和特種陶瓷等各種陶瓷的燒制溫度曲線，存儲著該領(lǐng)域中所需的專門知識及數(shù)據(jù)，它是專家系統(tǒng)的組成基礎(chǔ)。該專家系統(tǒng)知識庫一些數(shù)據(jù)是從陶瓷窯爐專家在長期的工作過程中所獲得的實踐經(jīng)驗提煉獲取的。專家系統(tǒng)的知識庫主要包括理論知識和實踐經(jīng)驗。工作數(shù)據(jù)庫是用于存儲該領(lǐng)域的初始數(shù)據(jù)和推理過程中產(chǎn)生的數(shù)據(jù)。推理機(jī)用于記憶所采用的規(guī)則，使得整個專家系統(tǒng)可以協(xié)調(diào)的工作。解釋機(jī)是用來為用戶解釋專家系統(tǒng)的行為。

圖1 專家控制系統(tǒng)Fig.1 Expert control system

由于受陶瓷種類、大小、泥土混合比例、坯體厚度、坯體含水量以及窯內(nèi)結(jié)構(gòu)的影響，陶瓷燒制曲線不盡相同。所以由這些不同因素構(gòu)成了各種各樣的陶瓷制品，根據(jù)專家經(jīng)驗，將它們不同的燒制曲線存儲在知識庫中，對某一特定的藝術(shù)瓷燒制，利用專家控制系統(tǒng)可得到較為準(zhǔn)確的溫度燒制曲線。利用專家控制系統(tǒng)得到某種陶瓷產(chǎn)品的溫度燒制曲線如圖2所示。該溫度燒制曲線將作為陶瓷梭式窯控制系統(tǒng)的溫度參考輸入。

1.3 有限狀態(tài)機(jī)建模

有限狀態(tài)機(jī)是指系統(tǒng)中存在有限個狀態(tài)，當(dāng)事件發(fā)生時，這些有限個狀態(tài)進(jìn)行轉(zhuǎn)移和動作的數(shù)學(xué)模型。因而，狀態(tài)的變化是由事件驅(qū)動，該事件可以是外部輸入的信號，也可以是系統(tǒng)內(nèi)部的信號，并且在任一時刻，系統(tǒng)只能處于其中的一個狀態(tài)。在陶瓷梭式窯中， 溫度的上升過程可分為各個階段的工作狀態(tài)，而在溫度上升的過程中，噴嘴的個數(shù)的逐個增加又可視為是外部輸入的信號，所以，陶瓷梭式窯的生產(chǎn)過程既受時間信號驅(qū)動，又受離散事件信號驅(qū)動，可以通過有限狀態(tài)機(jī)將燒制過程進(jìn)行建模。

圖2 燒制溫度曲線Fig.2 Firing temperature curve

一個完整的有限狀態(tài)機(jī)的設(shè)計，應(yīng)該包括3元素的設(shè)計：狀態(tài)，事件，動作。狀態(tài)是一種模式，它用于描述事件驅(qū)動的系統(tǒng)，其基于事件和條件而改變，處在活動和非活動態(tài)之間。事件是動作產(chǎn)生的對象，系統(tǒng)在接收到事件時，就會產(chǎn)生對應(yīng)的動作。動作是狀態(tài)間轉(zhuǎn)換的一部分，它是基于狀態(tài)的活動情況執(zhí)行，并指示狀態(tài)的變化。

在有限狀態(tài)機(jī)中，可以通過一種狀態(tài)轉(zhuǎn)換到另一種狀態(tài)的條件，并對可轉(zhuǎn)換的狀態(tài)提供狀態(tài)遷移事件，從而構(gòu)造出狀態(tài)遷移圖。在stateflow[7]中，狀態(tài)和狀態(tài)轉(zhuǎn)換是最基本的元素，有限狀態(tài)機(jī)的示意圖如圖3所示，圖3中C表示Condition。

針對以上陶瓷梭式窯燒制過程的特征，采用有限狀態(tài)機(jī)進(jìn)行建模。系統(tǒng)大致分為兩個狀態(tài)，即梭式窯的工作狀態(tài)和停止?fàn)顟B(tài)。工作狀態(tài)作為三個不同溫度狀態(tài)(High，Middle，Low)的父狀態(tài)，Low表示低溫階段，Middle表示氧化還原期，High表示高溫期。利用Stateflow建模如圖4所示。

圖3 有限狀態(tài)機(jī)示意圖Fig.3 Schematic diagram of finite state machine

圖4 Stateflow模型Fig.4 Stateflow model

圖4為某種陶瓷梭式窯燒制過程Stateflow模型。當(dāng)梭式窯處于工作狀態(tài)時，首先是四個噴嘴開始工作，即窯溫處于低溫階段；當(dāng)溫度達(dá)到800℃時，另兩個噴嘴開始工作，此時共有六個噴嘴同時工作，即窯溫處于氧化還原期；當(dāng)溫度達(dá)到940℃時，最后兩個噴嘴開始工作，此時共有8個噴嘴同時工作，即窯溫進(jìn)入高溫期。

2 控制器的設(shè)計

2.1 數(shù)字PID控制

PID模擬控制器控制規(guī)律為：

式中，比例環(huán)節(jié)作用是加快系統(tǒng)的響應(yīng)速度，當(dāng)系統(tǒng)產(chǎn)生偏差時，在控制器的作用下，來減小誤差。積分環(huán)節(jié)的作用是消除系統(tǒng)的穩(wěn)態(tài)誤差。微分環(huán)節(jié)的作用是改善系統(tǒng)的動態(tài)特性，加快系統(tǒng)的動作速度，減少調(diào)節(jié)時間。

在計算機(jī)控制系統(tǒng)中，必須將模擬PID控制器進(jìn)行離散化得到數(shù)字PID控制器。對式(1)用采樣時刻點kT代替連續(xù)時間t，用矩形法數(shù)值積分近似代替積分，用一階向后差分近似代替微分，即：

將式(2) 代入式(1) 得到數(shù)字PID的位置控制算法為：

2.2 基于卡爾曼濾波器的PID混雜智能控制

在考慮過程噪聲和測量噪聲作用的情況下，線性離散系統(tǒng)的一般模型為：

式中，x ( k ) 是k時刻的被估計狀態(tài)變量；yv( k ) 是觀測變量；A ( k )是狀態(tài)轉(zhuǎn)移矩陣；B ( k ) 是噪聲輸入矩陣；C (k )是測量矩陣；w ( k ) 是過程噪聲信號和 v ( k ) 是測量噪聲信號。

針對以上模型，卡爾曼濾波器的遞推公式為如下式(5)—式(9)：

估計協(xié)方差：

濾波器增益：

均方誤差矩陣：

狀態(tài)變量的最優(yōu)估計值：

其中：Q ( k ) 表示觀測噪聲協(xié)方差，R ( k ) 表示測量噪聲協(xié)方差，I 表示單位矩陣。

基于式(5)—式(9)，得到如下卡爾曼濾波器算法：

⑴ 計算初始狀態(tài)x (0)

⑵ 計算 p ( 1 ) 和Mn(1)此時 p ( 1 ) = A ( 1 ) P ( 0 ) AT( 1 ) + B ( 1 ) Q ( 0 ) BT( 1 ) ， M(1)= P(1)CT(1)[C(1)p(1)CT(1)+ R(1)]?1n

⑶ 計算最優(yōu)估計值

⑷ 計算均方誤差矩陣P (1)

根據(jù)已知的 p ( 0 ) 和 Mn( 1 ) ，再根據(jù)P(1)= [I?Mn(1)C(1)]p(1)求得P(1)。

⑹ 最后利用 ye( k ) =求出每一時刻的輸出值。

圖5 基于卡爾曼濾波器的PID控制系統(tǒng)結(jié)構(gòu)Fig. 5 PID control system structure based on Kalman filter

基于卡爾曼濾波器的陶瓷梭式窯PID控制系統(tǒng)結(jié)構(gòu)如圖5所示。通過前面設(shè)計的專家控制系統(tǒng)得到該系統(tǒng)的溫度參考輸入r，將數(shù)字PID控制器和卡爾曼濾波器結(jié)合實現(xiàn)對圖5中陶瓷梭式窯的燒制溫度控制。

3 仿真研究

陶瓷梭式窯是具有大時滯、強(qiáng)非線性、多變量耦合、變參數(shù)的復(fù)雜對象，其參考模型為：

采用Z變換將以上對象模型進(jìn)行近似線性離散化，于是得到考慮過程噪聲時陶瓷梭式窯控制系統(tǒng)離散狀態(tài)空間方程為：

帶有測量噪聲的被控對象輸出為：

控制干擾信號 和測量噪聲信號 幅值均為0.002的白噪聲信號。取w的協(xié)方差 ，取v的協(xié)方差 。

利用MATLAB軟件進(jìn)行仿真研究，得到基于PID控制的陶瓷梭式窯燒制溫度曲線如圖6所示。

從圖6中可以看出，系統(tǒng)存在較大的超調(diào)，且調(diào)節(jié)時間較長。為了減少超調(diào)量，改善燒制溫度控制效果，將卡爾曼濾波方法與PID控制方法結(jié)合起來用于陶瓷梭式窯燒制溫度的控制。基于MATLAB仿真得到基于卡爾曼濾波器的PID控制陶瓷梭式窯燒結(jié)溫度曲線如圖7所示。圖7中的虛線為基于卡爾曼濾波器的PID控制獲得的燒制溫度響應(yīng)曲線。從仿真圖中可以看出，系統(tǒng)不再有超調(diào)，并且調(diào)節(jié)時間縮短，具有較好的魯棒性。仿真結(jié)果表明基于卡爾曼濾波器的PID控制比單純的PID控制效果更好。

圖6 PID控制燒制溫度響應(yīng)曲線Fig.6 Firing temperature response curve based on PID control

圖7 帶有卡爾曼濾波器的PID控制燒制溫度響應(yīng)曲線Fig.7 Firing temperature response curve based on PID control with Kalman filter

4 結(jié) 論

通過利用有限狀態(tài)機(jī)對陶瓷梭式窯燒制過程進(jìn)行建模，并利用專家控制系統(tǒng)得到陶瓷梭式窯的溫度燒制曲線。將專家控制系統(tǒng)與基于卡爾曼濾波器的PID控制相結(jié)合，提出了基于卡爾曼濾波器陶瓷梭式窯混雜PID控制方法，同時給出了卡爾曼濾波算法。最后，針對陶瓷梭式窯模型，并利用基于卡爾曼濾波器的PID混雜控制方法對陶瓷梭式窯燒成帶溫度控制進(jìn)行仿真研究，結(jié)果表明基于卡爾曼濾波器的PID混雜控制方法比單純PID控制方法控制效果更好。這一控制方法將為陶瓷梭式窯過程有效控制提供理論依據(jù)并具有重要的應(yīng)用價值，為陶瓷梭式窯溫度智能控制提供一種新途徑和新方法。

[1] SAIDUR R, HOSSAIN M S, ISLAM M R, et al. A review on kiln system modeling [J]. Renewable and Sustainable Energy Reviews, 2011, 15: 2487-2500.

[2] 江毅. 基于模糊神經(jīng)網(wǎng)絡(luò)的梭式窯自適應(yīng)控制系統(tǒng)應(yīng)用研究[J]. 機(jī)械設(shè)計與制造, 2011, 09(09): 60－62.

JIANG Yi. Mechanical Design and Manufacturing, 2011, 09(09): 60-62.

[3] 黎洪生, 苗青, 周瑞敏. 陶瓷窯爐溫度控制系統(tǒng)控制算法研究[J]. 武漢理工大學(xué)學(xué)報, 2014, 36(10): 135-139.

LI Hongsheng, et al. Journal of Wuhan University of Technology, 2014, 36(10): 135-139.

[4] DINH N Q, AFZULPURKAR N V. Neuro-fuzzy MIMO nonlinear control for ceramic roller kiln [J]. Simulation Modelling Practice and Theory, 2007, 15: 1239-1258

[5] WU Ying, JIANG Hang, ZOU Min. The research on fuzzy PID control of the permanent magnet linear synchronous motor [J]. Physics Procedia, 2012, 24: 1311-1318.

[6] SHI Dequan, GAO Guili, GAO Zhiwei, et al. Application of expert fuzzy PID method for temperature control of heating furnace [J]. Procedia Engineering , 2012, 29: 257-261.

[7] 侯世旺, 朱慧明, 李瑞琴, 等. 制造過程不確定質(zhì)量異常診斷的Stateflow方法[J]. 系統(tǒng)工程理論與實踐, 2013, 33(3): 733-740.

HOU Shiwang, et al. System Engineering Theory and Practice, 2013, 33(3): 733-740.

[8] EVENSEN G. The Ensemble Kalman Filter: theoretical formulationand practical implementation [J]. Ocean Dynamics, 2003, 53: 343-367.

[9] 杜航原, 郝燕玲, 趙玉新. 基于模糊自適應(yīng)卡爾曼濾波的SLAM算法[J]. 華中科技大學(xué)學(xué)報(自然科學(xué)版), 2012, 40(1): 58-62.

DU Hangyuan, et al. Journal of Huazhong University of Science and Technology (Natural science edition), 2012, 40(1): 58-62.

Hybrid Intelligent Control of Ceramic Shuttle Kiln

ZHU Yonghong, ZHAO Yifeng, XIONG Meng, WANG Wei
(School of Mechanical & Electronic Engineering, Jingdezhen Ceramic Institute, Jingdezhen 333403, Jiangxi, China)

To solve the instable and backward control of ceramic shuttle kiln, a hybrid intelligent control method for ceramic shuttle kiln is proposed. A hybrid intelligent model for the sintering process of ceramic shuttle kiln is also established. Sintering temperature curve of a kind of ceramic products is obtained from the knowledge base of expert control system. In the meantime, Kalman filtering algorithm is given. Kalman filter-based PID hybrid intelligent controller is designed by combining traditional PID control method with Kalman filtering method, so as to realize the intelligent temperature control for the sintering zone of ceramic shuttle kiln. MATLAB-based simulation results demonstrate the effectiveness and feasibility of the controller designed.

ceramic shuttle kiln; finite state machine; expert system; PID hybrid intelligent control; Kalman filtering

date: 2015-06-22. Revised date: 2015-07-22.

10.13957/j.cnki.tcxb.2015.06.017

TQ174.6

A

1000-2278(2015)06-0668-05

2015-06-22。

2015-07-22。

國家自然科學(xué)基金(61164014，61563022)；江西省自然科學(xué)基金(20152ACB20009)；江西省研究生創(chuàng)新基金(YC2014-S316)。