靳 威 榮紅敏

（1嵐縣金隅水泥有限公司， 山西 呂梁 035200；2陽泉冀東水泥有限責(zé)任公司， 山西 陽泉 045000）

在水泥熟料生產(chǎn)領(lǐng)域，傳統(tǒng)的PID調(diào)節(jié)方式，已經(jīng)不能適用現(xiàn)代化生產(chǎn)的需要，這點行業(yè)內(nèi)已經(jīng)達成了共識。在此情況下，模糊控制的機制及算法在這種情況下應(yīng)運而生，彌補了PID調(diào)節(jié)的一些不足。模糊控制一般情況下會結(jié)合神經(jīng)網(wǎng)絡(luò)預(yù)測算法一起工作，以期實現(xiàn)更好的控制效果。因此，這種自動調(diào)節(jié)控制機制在面對不精確的監(jiān)測數(shù)據(jù)，多生產(chǎn)設(shè)備狀態(tài)參數(shù)之間的復(fù)雜且不定量影響關(guān)系，預(yù)判式調(diào)節(jié)等方面都有更好的表現(xiàn)。自主學(xué)習(xí)，自動優(yōu)化更是神經(jīng)網(wǎng)絡(luò)的重要特性之一。

模糊控制由于其預(yù)測模型針對的是相關(guān)參數(shù)之間的數(shù)值關(guān)系，因此這種模糊控制機制又存在不足之處：需要對模型進行訓(xùn)練！訓(xùn)練就是讓機器進行自我學(xué)習(xí)。

一方面學(xué)習(xí)周期長，特別是周圍生產(chǎn)設(shè)備環(huán)境控制參數(shù)闕值區(qū)間發(fā)生較大范圍變化時，難以短時間、及時性的進行優(yōu)化調(diào)整。舉例說明如果工廠由于特殊情況需要更換原燃材料，或進行較大的工藝調(diào)整時，這種控制機制就不能很快完成學(xué)習(xí)并繼續(xù)投用，其自主學(xué)習(xí)的周期可能十分漫長甚至以周或月為單位。一般情況下可能需要工程師介入并人工組織數(shù)據(jù)對控制模型進行訓(xùn)練，即時這樣這個過程也很難在3個月內(nèi)完成。

另一方面模糊控制在機制上是通過以小步迭代跟蹤控制目標(biāo)的，它假定最優(yōu)控制值是固定的（或說是相對穩(wěn)定的），并通過不斷的小步調(diào)節(jié)去逼近這個最優(yōu)值。因此在面對突然出現(xiàn)的工況變化，需要系統(tǒng)盡快穩(wěn)定生產(chǎn)參數(shù)時，其調(diào)節(jié)手法就顯得笨拙且滯后，很容易出現(xiàn)形似“倒影波”的共振現(xiàn)象。就是說控制參數(shù)和被跟蹤參數(shù)相向波動，總是難以控制穩(wěn)定下來的現(xiàn)象，其主要原因就是因為控制操作滯后、單次調(diào)節(jié)量不足、而累積調(diào)節(jié)量過高造成的。

基于PID、模糊控制方式的這些缺陷，工業(yè)級的人工智能控制方式走上前臺。經(jīng)過兩年的實踐，采用基于人工智能的控制方式，幾乎解決了所有PID、模糊控制的所有缺陷與問題。

1 基于工業(yè)大數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)人工智能自動化控制系統(tǒng)的實踐

1.1 數(shù)學(xué)控制模型

1. 穩(wěn)控模型

穩(wěn)控模型是整個控制系統(tǒng)的核心部件，以毫秒級監(jiān)測整體產(chǎn)線的運轉(zhuǎn)狀態(tài)，及時的向產(chǎn)線DCS系統(tǒng)發(fā)送產(chǎn)線調(diào)節(jié)指令，并及時發(fā)出預(yù)警信號。

2. 量差斜率模型

量差斜率模型以毫秒級動態(tài)計算監(jiān)測點數(shù)據(jù)的變化特性、變化斜率，為計算調(diào)節(jié)量準(zhǔn)備基礎(chǔ)數(shù)據(jù)。

3. 積分模型

積分模型，根據(jù)產(chǎn)線監(jiān)測點的狀態(tài)波動，以毫秒級動態(tài)計算出變化的最大面積、最小面積，為計算調(diào)節(jié)量準(zhǔn)備基礎(chǔ)數(shù)據(jù)。

4. 預(yù)動模型

預(yù)動模型以毫秒級自動計算下一步可能向產(chǎn)線發(fā)出調(diào)節(jié)量，是否發(fā)出，穩(wěn)控模型做出判斷，預(yù)動模型只是動態(tài)計算。

5. 補償模型

補償模型解決的目標(biāo)是過量調(diào)節(jié)后的補償行為，補償過大、過小都可能讓產(chǎn)線生產(chǎn)不精準(zhǔn)。及時性的補償措施，彌補了產(chǎn)線瞬間的指令不當(dāng)。

1.2 數(shù)據(jù)清洗

生產(chǎn)產(chǎn)線每個毫秒都在產(chǎn)生著狀態(tài)數(shù)據(jù)，這些數(shù)據(jù)的狀態(tài)決定了智能化控制系統(tǒng)的控制方向、控制效果。

從實踐來看，產(chǎn)線的生產(chǎn)數(shù)據(jù)會經(jīng)常發(fā)生莫名其妙的抖動現(xiàn)象，造成這些抖動原因很多，這些瞬間抖動的數(shù)據(jù)若參與智能化控制計算，將會給產(chǎn)線造成控制不精準(zhǔn)、控制效果不良等不利因素。

所以，智能化控制系統(tǒng)必須要對這些“臟數(shù)據(jù)”進行清洗，確保有價值的數(shù)據(jù)進入智能化系統(tǒng)，以達到優(yōu)良的控制效果。

從實踐來看，這個數(shù)據(jù)清洗的工作，效果非常優(yōu)越。

1.3 產(chǎn)線投產(chǎn)有效率、優(yōu)秀率

水泥行業(yè)一直用運轉(zhuǎn)率來衡量一個企業(yè)生產(chǎn)的基本狀態(tài)。實踐證明，投運率這個概念已經(jīng)滿足不了實際的生產(chǎn)考核要求。應(yīng)該使用產(chǎn)線生產(chǎn)有效率、優(yōu)秀率來衡量一個水泥熟料生產(chǎn)線的生產(chǎn)狀態(tài)。

有效率是指產(chǎn)線在工藝指標(biāo)要求的狀態(tài)區(qū)間內(nèi)保持的時間與總生產(chǎn)時間相比。很可能投運率100%，而有效率卻是60%。所以，有效率才是真正反映水泥熟料產(chǎn)線運轉(zhuǎn)的最好概念。

在有效率基礎(chǔ)之上，又可以劃分出更高的工藝目標(biāo)。更高的工藝目標(biāo)的要求會更加苛刻。在確保有效率達到95%以上的情況下，再計算出產(chǎn)線運轉(zhuǎn)的優(yōu)秀率。這樣，可以通過優(yōu)秀率的提升，看出工藝的不斷改進指標(biāo)是否落地。

優(yōu)秀率不是固定的值，是工藝路線按照階段不斷深化的結(jié)果。

1.4 促進與互動

人工智能工程、設(shè)備工程、工藝工程，三者相互融合、相互促進，形成了螺旋式、以加速度上升的過程。人工智能工程非常明確的告知管理者什么設(shè)備需要進行技改，確保了設(shè)備改造的投入花在了刀刃上。由于人工智能工程的使用，讓產(chǎn)線更加平穩(wěn)，工藝給工藝的改進提供了較大的空間。而工藝的改進，又讓人工智能工程的控制參數(shù)更加精細(xì)化。形成了等腰三角形的對稱、穩(wěn)定關(guān)系，三者缺一不可。

從實踐來看，比如對氨水噴槍的技改，再加上智能化系統(tǒng)的跟進，氨水使用量最大化減少，節(jié)約氨水達到40%。對篦冷機的改造，再加上智能化系統(tǒng)的跟進，讓熱效率的再利用、熟料質(zhì)量的提升，都表現(xiàn)出卓越的效果。

2 生產(chǎn)神經(jīng)網(wǎng)絡(luò)下的人工智能控制系統(tǒng)的技術(shù)優(yōu)勢

經(jīng)過實踐，積累了5大控制模型：動態(tài)穩(wěn)控模型、量差斜率計算模型、預(yù)動控制模型、補償對沖模型、積分計算模型。

這五大模型的應(yīng)用，以及模型之間相互組合、相互嵌套的應(yīng)用，滿足了水泥熟料生產(chǎn)產(chǎn)線的所有控制思路，讓產(chǎn)線一直處于平穩(wěn)的狀態(tài)！

同時，還有一些輔助的模型。如數(shù)據(jù)清洗、震蕩等。這些模型的組合或者嵌套組合，構(gòu)成了產(chǎn)線的工業(yè)大腦，隨時應(yīng)對產(chǎn)線發(fā)生的各種狀態(tài)，并及時的按照最合理的方式發(fā)送執(zhí)行指令。

我們提出的“有效率”概念是指使被控目標(biāo)穩(wěn)定在最優(yōu)狀態(tài)的時間百分比。產(chǎn)線運轉(zhuǎn)有效率確保95%以上。傳統(tǒng)的概念：即使投運率100%，可能有效率才60%。產(chǎn)線有效率的大小決定著產(chǎn)線的綜合收益。做到穩(wěn)產(chǎn)、高產(chǎn)、高質(zhì)、節(jié)能的極致，是讓生產(chǎn)設(shè)備配合最優(yōu)秀的工藝以及最穩(wěn)定的控制。才可以完成。所以，有效率不僅反映綜合收益情況，也是反映生產(chǎn)工藝是否不斷深化、提升的要點。

人工智能的核心就是如何開展、利用機器學(xué)習(xí)，讓產(chǎn)線的生產(chǎn)工藝參數(shù)不斷優(yōu)化，不斷給工業(yè)大腦提供更加逼近最優(yōu)的控制策略、控制方向，以達到更優(yōu)的控制效果。

3 結(jié)語

采用基于工業(yè)大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)，構(gòu)造更符合人性理解、人性操作、人性感知的應(yīng)用系統(tǒng)環(huán)境。系統(tǒng)平臺啟用之時，首先一步到位的模擬優(yōu)秀中控室操作員的操作習(xí)慣，然后再在這個基礎(chǔ)之上進行自我完善優(yōu)化。最大程度的節(jié)省了機器自我學(xué)習(xí)自我完善的漫長過程，讓企業(yè)的生產(chǎn)線的生產(chǎn)控制更加符合人性習(xí)慣，調(diào)整更加高效，設(shè)備運轉(zhuǎn)更加有效、更加安全。