駱敏杰，蔡宏斌，馬 卓

（遼寧科技大學(xué) 電子與信息工程學(xué)院，遼寧 鞍山 114051）

0 引 言

乙烯是極其重要的化工基礎(chǔ)原料，其產(chǎn)量是衡量一個國家石油工業(yè)發(fā)展水平的標(biāo)桿。雖然我國乙烯產(chǎn)能和產(chǎn)量均快速增長，并且已發(fā)展成為世界上僅次于美國的第二大乙烯生產(chǎn)國，但我國的乙烯生產(chǎn)自給能力依然不足，自給缺口巨大，同時需要進(jìn)口大量乙烯及其衍生物來滿足需求。所以，大力發(fā)展乙烯工業(yè)，提高乙烯的產(chǎn)量極其必要。裂解爐是乙烯裂解的龍頭設(shè)備，也是乙烯裝置的能耗大戶，其能耗占裝置總能耗的50%～60%。而平均COT溫度是乙烯裂解爐的重要指標(biāo)，溫度過高會加速爐管結(jié)焦的速度，溫度過低會導(dǎo)致裂解不充分，影響裂解深度，所以裂解爐平均COT溫度的研究具有十分重大的意義。

實(shí)際中的裂解爐平均COT溫度控制大多采用傳統(tǒng)PID控制[1]，但由于平均COT溫度經(jīng)常受裂解爐烴進(jìn)料量的變化、燃料氣組分變化、爐膛溫度變化等干擾因素的影響，在傳統(tǒng)PID控制下難以控制裂解爐這樣多變量、非線性、大滯后、多干擾的復(fù)雜系統(tǒng)，導(dǎo)致裂解爐平均COT溫度波動較大，其控制效果達(dá)不到控制要求。為此，許多企業(yè)引入了先進(jìn)控制技術(shù)，并且先進(jìn)控制系統(tǒng)在國內(nèi)外已經(jīng)有了大量研究，文獻(xiàn)[2]中設(shè)計了基于模型預(yù)測的先進(jìn)控制系統(tǒng)，可以系統(tǒng)和直觀的方式處理多變量約束系統(tǒng)在線優(yōu)化控制的問題。但其適用于慢動態(tài)過程和具有高性能計算機(jī)的環(huán)境，應(yīng)用對象主要還限于線性和準(zhǔn)非線性，對于裂解爐這種復(fù)雜的非線性系統(tǒng)很難控制。文獻(xiàn)[3]中采用的是基于內(nèi)模控制為基礎(chǔ)的先進(jìn)控制。該方式雖響應(yīng)速度快，實(shí)際應(yīng)用計算量小，魯棒性強(qiáng)，但其多變量內(nèi)?？刂葡嚓P(guān)理論體系還有所欠缺，并對模型的精度有著較高的要求。文獻(xiàn)[4]所采用的模糊控制器控制也是一種先進(jìn)控制技術(shù)，但其對信息的模糊處理導(dǎo)致系統(tǒng)的控制精度降低和動態(tài)品質(zhì)變差，會造成經(jīng)濟(jì)效益的損失。文獻(xiàn)[5]所采用的專家控制系統(tǒng)，需要設(shè)計大量的規(guī)則，可移植性差。

人工神經(jīng)網(wǎng)絡(luò)控制被廣泛應(yīng)用于工程領(lǐng)域，具有良好的并行能力，成為工業(yè)過程控制中極為有效的先進(jìn)控制方法。隨著對人工神經(jīng)網(wǎng)絡(luò)研究的不斷深入，有關(guān)神經(jīng)網(wǎng)絡(luò)的理論及應(yīng)用更加成熟，已廣泛應(yīng)用于模式識別、智能控制等領(lǐng)域。其中，反向神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Networks）是目前應(yīng)用最廣的一種方法。王娜等[6]將BP神經(jīng)網(wǎng)絡(luò)用于預(yù)測裂解爐內(nèi)乙烯的收率，以及預(yù)測分析和預(yù)測控制。倪啟東[7]將BP神經(jīng)網(wǎng)絡(luò)軟測量建模技術(shù)應(yīng)用于裂解爐，實(shí)時跟蹤裂解原料與裂解爐的運(yùn)行工況。

本文以乙烯裂解爐系統(tǒng)為研究對象，在常規(guī)PID算法的基礎(chǔ)上加入BP神經(jīng)網(wǎng)絡(luò)算法，通過建模與仿真來驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)PID算法應(yīng)用于裂解爐系統(tǒng)的有效性與可操作性。應(yīng)用MATLAB編制先進(jìn)控制及算法，并通過OPC功能直接訪問工業(yè)組態(tài)軟件iFIX過程數(shù)據(jù)庫，從而與下位機(jī)建立實(shí)時數(shù)據(jù)交換關(guān)系，由MATLAB直接參與過程控制，驗(yàn)證先進(jìn)控制算法的實(shí)用性。

1 裂解爐平均COT控制方案

1.1 裂解爐COT溫度原有控制方案

如圖1所示，原控制方案采用的是爐出口平均COT溫度與燃料氣流量、燃料熱值串級控制。該控制方法根據(jù)平均COT溫度的變化來調(diào)節(jié)燃料氣熱值儀，再調(diào)控燃料氣流量控制器的設(shè)定值，進(jìn)而調(diào)節(jié)閥門開度，從而改變進(jìn)入爐膛的燃料氣流量，以保持出口平均COT的溫度。但在該方案中未考慮烴進(jìn)料量的變化，燃料氣組分變化、爐膛溫度的變化等干擾因素對平均COT溫度的影響，導(dǎo)致裂解爐平均COT溫度波動較大。

圖1 常規(guī)PID控制結(jié)構(gòu)

1.2 裂解爐COT溫度先進(jìn)控制方案

裂解爐出口平均COT溫度是裂解爐最重要的被控變量，設(shè)計裂解爐爐管平均COT溫度先進(jìn)控制器，增強(qiáng)回路的抗干擾能力，縮短對設(shè)定值變化的動態(tài)響應(yīng)，提高穩(wěn)態(tài)精度。采用兩層串級控制，即燃料氣流量控制和平均COT溫度控制兩層串級。對烴進(jìn)料流量、爐膛溫度等可測干擾變量采用了前饋調(diào)節(jié)，消除或減弱對COT溫度的影響。如圖2所示，采用先進(jìn)控制技術(shù)來優(yōu)化裂解爐的平均COT溫度[8]。

圖2 先進(jìn)控制結(jié)構(gòu)

1.3 BP神經(jīng)網(wǎng)絡(luò)

在傳統(tǒng)PID控制中，對裂解爐這樣復(fù)雜的且要求控制精度高的對象難以穩(wěn)定、快速、準(zhǔn)確地控制，同時也不能滿足于工業(yè)需求。本文采用BP神經(jīng)網(wǎng)絡(luò)利用其非線性映射、自學(xué)習(xí)能力結(jié)合常規(guī)PID控制來克服乙烯裂解爐的復(fù)雜控制過程。該系統(tǒng)采用的是3層BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其結(jié)構(gòu)如圖3所示，其包括輸入層、隱含層、輸出層[9]。

圖3 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)輸入層的輸入為：

網(wǎng)絡(luò)隱含層的輸入輸出為：

隱含層神經(jīng)元激活函數(shù)取正負(fù)對稱的Sigmoid函數(shù)：

網(wǎng)絡(luò)輸出層的輸入輸出：

式中，KP、KI、KD是PID控制器的3個參數(shù)，分別對應(yīng)BP神經(jīng)網(wǎng)絡(luò)輸出層的輸出節(jié)點(diǎn)。在實(shí)際應(yīng)用中，由于KP、KI、KD不能為負(fù)值，因此輸出層的神經(jīng)元激活函數(shù)應(yīng)當(dāng)取非負(fù)的Sigmoid函數(shù)：

取性能指標(biāo)函數(shù)為：

使用梯度下降法迭代修改神經(jīng)網(wǎng)絡(luò)的權(quán)值，即對E(k)按其加權(quán)系數(shù)負(fù)梯度方向進(jìn)行搜索調(diào)整，使其快速收斂的慣性項(xiàng)為：

式中：η為學(xué)習(xí)效率；α為慣性系數(shù)。

1.4 BP神經(jīng)網(wǎng)絡(luò)PID控制

將BP神經(jīng)網(wǎng)絡(luò)算法與PID控制相結(jié)合，采用BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定控制算法，可以改善PID控制在非線性系統(tǒng)中存在的不足。采用BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)結(jié)構(gòu)如圖4所示，它依靠系統(tǒng)運(yùn)行的狀態(tài)來調(diào)節(jié)PID參數(shù)，完成期望輸出[10]。

圖4所示的神經(jīng)網(wǎng)絡(luò)控制器由BP神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)PID控制器組成。輸出層神經(jīng)元的輸出狀態(tài)與PID控制器的KP、KI、KD相對應(yīng)。通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)輸出最佳的控制參數(shù)KP、KI、KD。PID控制算法如式（8）所示：

圖4 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器

2 基于iFIX的OPC通信

由于iFIX和MATLAB均支持OPC技術(shù)，所以iFIX和MATLAB可以通過OPC實(shí)現(xiàn)數(shù)據(jù)通信。在MATLAB軟件中，集成了OPC工具箱，這是一個服務(wù)器和客戶端互訪的通信機(jī)制OPC客戶端數(shù)據(jù)訪問軟件，實(shí)現(xiàn)了對OPC服務(wù)器數(shù)據(jù)的讀和寫。借助該工具箱，可以方便實(shí)現(xiàn)MATLAB客服端與iFIX服務(wù)端之間的數(shù)據(jù)通信[11]。

iFIX既可以作為OPC服務(wù)器，也可以作為OPC客戶端。開發(fā)人員可以從任何一個OPC服務(wù)器直接獲取動態(tài)數(shù)據(jù)，并集成到iFIX 工作臺內(nèi)。如圖5所示，在iFIX界面設(shè)計乙烯裂解爐模型，建立工業(yè)生產(chǎn)的過程化窗口[12]。

圖5 乙烯裂解爐系統(tǒng)模型

3 乙烯裂解爐控制系統(tǒng)設(shè)計

3.1 乙烯裂解爐平均COT溫度模型測試

為了獲取反映乙烯裝置裂解爐正常生產(chǎn)過程中影響平均COT溫度相應(yīng)過程的數(shù)學(xué)模型，采用了階躍測試的方案。具體操作時，將采用階躍測試的辦法。具體所施加的階躍幅度，將結(jié)合工藝要求以及裝置的實(shí)際情況。在不影響正常生產(chǎn)的前提下，所加的階躍幅度應(yīng)盡可能地激勵出過程動態(tài)特性和穩(wěn)態(tài)特性。一般情況下，流量的階躍幅度控制應(yīng)在量程的5%～10%，溫度的階躍幅度控制在5～10℃。圖6所示為過程輸出響應(yīng)，每次施加的測試信號由一個正向階躍和一個負(fù)向階躍構(gòu)成[13-14]。

圖6 過程輸出響應(yīng)

根據(jù)現(xiàn)場調(diào)研以及對裂解爐工藝機(jī)理的分析，本次測試中所有的控制回路均采用一階慣性純滯后模型來近似描述。

3.2 仿真測試

經(jīng)過模型測試測得被控對象的數(shù)學(xué)模型為：

在SimuLink仿真中，編寫基于S函數(shù)的BP神經(jīng)網(wǎng)絡(luò)PID控制的m文件，命名為BPPIDS.，然后在SimuLink Library Browser中搜索OPC，找到OPC Configuration，OPC Write，OPC Read與iFIX中的數(shù)據(jù)庫相匹配，配置需要讀入模塊的參量。先點(diǎn)開 OPC Configuration，構(gòu)建OPC協(xié)議，之后再打開OPC Write。首先觀察是否已創(chuàng)建Localhost/Intellution.OPCiFIX.1，然后在 Item IDS 上點(diǎn)擊Add Items選項(xiàng)。找到在iFIX 數(shù)據(jù)庫中設(shè)立的數(shù)據(jù)庫模擬輸出變量AOCV，最后選擇的名稱為F-CV。然后點(diǎn)擊“OK”。同理，設(shè)置其他OPC Write 模塊[15-16]。

建立SimuLink仿真，如圖7所示。

圖7 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

在iFIX中運(yùn)行系統(tǒng)，可以實(shí)時觀察到在先進(jìn)控制下的平均COT溫度變化曲線、燃料氣流量變化曲線。

將采用常規(guī)PID控制和BP神經(jīng)網(wǎng)絡(luò)PID控制的裂解爐系統(tǒng)進(jìn)行仿真比較。BP神經(jīng)網(wǎng)絡(luò)控制的平均COT溫度變化曲線如圖8所示，PID控制的平均COT溫度變化曲線如圖9所示。

圖8 BP神經(jīng)網(wǎng)絡(luò)PID控制的平均COT溫度變化曲線

圖9 PID控制的平均COT溫度變化曲線

兩種控制下的操縱變量燃料氣流量變化情況如圖10、圖11所示。

圖10 BP神經(jīng)網(wǎng)絡(luò)PID控制下的燃料氣流量變化曲線

從圖8～圖11可以看出，BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自調(diào)整算法有著良好的動態(tài)性能。在加入操縱變量燃料氣流量時，BP神經(jīng)網(wǎng)絡(luò)PID控制的平均COT溫度變化曲線動態(tài)性能更好。兩算法的平均COT溫度性能比較見表1所列。

圖11 PID控制下的燃料氣流量變化曲線

表1 控制算法動態(tài)性能比較

從表1可以看出，采用BP神經(jīng)網(wǎng)絡(luò)PID控制算法后，上升時間從471.583 s減少到278.417 s，調(diào)整時間從1 052.070 s減少到854.961 s，超調(diào)量從8.8%下降到5.3%。

經(jīng)過對比可以看出，先進(jìn)控制投用前后平均COT溫度變化差異明顯，投用前的控制曲線較為緩慢，且超調(diào)比較大，而先進(jìn)控制投用后的平均COT溫度具有更快的響應(yīng)速度和更低的超調(diào)，表明先進(jìn)控制器可以很好地濾除干擾，具有較強(qiáng)的魯棒性。并且在BP神經(jīng)網(wǎng)絡(luò)PID控制下裂解爐的閥門動作較小，可延長其工作壽命。

同時，iFIX也能作為操作者的監(jiān)控界面，除了能夠看到完整的系統(tǒng)運(yùn)作時的整體趨勢，也能實(shí)時看到準(zhǔn)確的數(shù)值，證明這是一個有利于工業(yè)生產(chǎn)的過程化窗口[17]。

4 結(jié) 語

本文建立了乙烯裂解爐BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的模型，并進(jìn)行仿真。通過與常規(guī)PID控制的乙烯裂解爐系統(tǒng)比較說明：BP神經(jīng)網(wǎng)絡(luò)PID控制算法應(yīng)用于裂解爐系統(tǒng)時，響應(yīng)速度明顯提高，具有較強(qiáng)的魯棒性，動態(tài)性能也明顯增強(qiáng)。并通過工業(yè)組態(tài)軟件iFIX與MATLAB通過OPC對數(shù)據(jù)建立通信?？梢詫?shí)時數(shù)據(jù)輸入MATLAB，將純數(shù)字仿真變成實(shí)物仿真，在iFIX圖形界面建立實(shí)時輸出曲線，實(shí)現(xiàn)過程控制，極大提高iFIX的利用，方便我們觀察研究。

通過對平均COT溫度變化曲線進(jìn)行仿真研究，說明了BP神經(jīng)網(wǎng)絡(luò)PID控制算法應(yīng)用于乙烯裂解爐系統(tǒng)的有效性與可操作性，同時可以滿足高精度的控制要求。在工業(yè)組態(tài)軟件iFIX進(jìn)行實(shí)時監(jiān)控，有利于基于復(fù)雜算法的故障診斷和過程控制的設(shè)計與實(shí)現(xiàn)。