[发明专利]水泥生料分解过程温度智能切换控制方法

权利要求书

1.一种水泥生料分解过程温度智能切换控制方法，其特征在于：该控制方法依赖硬件 平台，所述方法包括以下步骤：

步骤一:生料分解过程实时采样数据的获得:

从控制系统获得生料分解过程的实时数据，包括：生料流量F、预热器C5出口温度T_C5、分 解炉温度T_c、分解炉转子秤给煤量U；

步骤二：生料分解过程温度智能切换控制算法:

(1)切换机制

切换机制包括工况辨识模块和控制器选择模块；工况辨识根据预热器C5出口温度T_c5(t)或生料流量反馈值F(t)与参考值F_ref的差值ΔF(t)进行判断，当出现异常工况时，控制 器选择模块切换至异常工况控制器C₁；

①工况辨识

采用规则推理的方式识别工况和相应切换控制器的策略；实际中，随着生料流量F(t) 的增加，分解炉温度T_c(t)和预热器C5出口温度T_c5(t)均减小；实际过程中，当生料流量F(t) 大幅度减小时，致使预热器C5出口温度T_c5(t)过高，导致异常工况；因此，将生料流量F(t)作 为辅助变量用来判断异常工况；这样，规则的前提是根据预热器C5出口温度T_c5(t)、生料流 量与参考值差ΔF(t)的关系，得出相应的工况；工况辨识如表2所示；

表2工况辨识的专家规则

表2中，R₂代表正常工况，R₁代表异常工况，ΔF(t)_max中的max表示最大值；

②控制器选择

切换机制中工况辨识模块辨识生料分解过程的工况，控制器选择模块根据当前的工况 选择合适的控制器，控制器选择如表3所示；

表3控制器选择模块

表3中，C₁和C₂分别代表异常工况控制器和T-S模糊控制器，R和S分别代表工况和被选择 的控制器标志，Δu_c(t)代表切换控制器输出增量，Δu_C1(t)和Δu_C2(t)分别代表异常工况控 制器输出和T-S模糊控制器输出，t₀表示控制器初始时刻；

(2)异常工况控制器

生料分解过程中，生料流量F(t)严重影响分解炉温度T_c(t)和预热器C5出口温度T_c5(t)；另外，当预热器C5出口温度T_c5(t)大于上限T_c5max即T_c5(t)＞T_c5max时，系统处于异常工 况；采用基于规则推理的异常工况控制器，使预热器C5出口温度T_c5(t)满足T_c5(t)≤T_c5max； 对于“if-then”规则，定义前提变量e_c5(t)的最小值e_c5min和最大值e_c5max；异常工况控制器C₁的专家规则如表4所示；

表4异常工况控制器C₁的专家规则

表4中，Δu_C1(t)代表异常工况控制器输出；

(3)前馈控制器

生料分解过程中，生料流量经常发生较大的波动，这样会对预热器C5出口温度和分解 炉温度产生较大的影响；由于生料流量是可测不可控的变量，因此，将生料流量作为扰动变 量设计前馈控制器；前馈控制器的输入为生料流量反馈值F(t)与生料流量参考值F_ref的偏 差ΔF(t)；由于扰动通道的数学模型难以建立，所以采用基于规则推理的前馈控制；

根据实际操作经验及现场验证，前馈控制器C₃如式(1)所示；

Δu_f(t)＝K_d[ΔF(t)-ΔF_d](1)

其中，ΔF(t)＝F(t)-F_ref，ΔF_d＞0为阙值，Δu_f(t)代表转子秤给煤量的增量，K_d＞0为 前馈控制器C₃的比例系数，比例系数K_d如表5所示；

表5前馈控制器C₃比例系数的专家规则

表5中，ΔF_min和ΔF_max分别代表流量变化的最小值和最大值；

(4)T-S模糊控制器

当生料分解过程处于正常工况时，设系统在稳态时的运行点为{T_c0,T_c50,u₀,F₀}，可以把 系统写为式(2)形式；

A1(z-1)00A2(z-1)Tc(t+1)Tc5(t+1)=B1(z-1)B2(z-1)u(t)+C1(z-1)C2(z-1)F(t)+v1[x(t)]v2[x(t)]---(2)]]>

式(2)包含线性项和非线性项，其中z^-1是延迟算子，ν₁[x(t)]和ν₂[x(t)]是关于Δ(T_c0, T_c50,u₀,F₀)的高阶非线性项；A₁(z^-1)和A₂(z^-1)是二阶多项式，B₁(z^-1)、B₂(z^-1)、C₁(z^-1)及C₂(z^-1)是一阶多项式，它们满足式(3)；

A1(z-1)=1+a11z-1+a12z-2A2(z-1)=1+a21z-1+a22z-2B1(z-1)=b10+b11z-1B2(z-1)=b20+b21z-1C1(z-1)=c10+c11z-1C2(z-1)=c20+c21z-1---(3)]]>

由于生料分解过程具有很强的非线性，应用传统的PID控制器很难将分解炉温度和预 热器C5出口温度控制在工艺规定的范围内；T-S模型控制器不仅具有逼近非线性系统的能 力,而且在模型的结论部分将模型输出表示为输入特征量的线性组合，即一个非线性模型 划分为多个线性模型；实际上起到了将系统分区线性化的作用；因此，本发明采用基于过程 数据的T-S模糊控制方法；

T-S模糊控制器的形式如下：

Ri:IFecisAi1andec5isAi2]]>

ThenΔuc21i=pi0+pi1ec+pi2ec5---(4)]]>

其中i＝1,…,r,r为规则数即子模型的个数，e_c和e_c5为输入变量(即前提变量)且满足x ＝[e_c,e_c5]^T∈R²，是前提变量的模糊集合，Δu_c21i为子模型的输出变量，和是第i个规则输出的结论参数，这样式(4)可以表示为

Δuc2i=piTx^---(5)]]>

其中pi=[pi0,pi1,pi2]T]]>是结论参数，x^=[1,xT]T;]]>

则T-S模糊控制器的最终输出Δu_c2公式为：

Δuc2=Σi=1rw~iΔuc2iΣi=1rw~i=Σi=1rwi(pi0+pi1ec+pi2ec5)---(6)]]>

wi=w~i/Σi=1rw~i---(7)]]>

其中，式(7)中的权可以表示为：

w~i=Πj=12μ(Aji),i=1,...,r---(8)]]>

式(8)中∏是模糊最小算子，即是前提变量隶属函数等 级，取高斯隶属函数：

μ(Aji)=exp(-|xj-νijσij|2),(i=1,...,r;j=1,2)---(9)]]>

式(9)中，ν_ij＞0，σ_ij∈(-∞,+∞)，ν_ij和σ_ij分别是隶属函数的聚类中心和方差，并且是 前提参数；隶属函数的中心v_ij(i＝1,…,r；j＝1,2)及规则的数量r通过减法聚类来确定；

将上述减法聚类算法得到的聚类中心中的元素作为隶属函数的 中心v_ij；隶属函数宽度σ_ij(j＝1,2)使用式(10)计算；

σij=ρUijmax-Uijminδ---(10)]]>

其中U_ijmin和U_ijmax分别是论域的最小值和最大值，ρ是数据对聚类中心的影响，δ∈[2, 3]；

隶属函数的聚类中心ν_ij和方差σ_ij确定后，根据式(6)～(8)，T-S模糊控制器输出Δu_c2如式(11)所示；

定义：

e_c(t)＝T_csp-T_c(t)，e_c5(t)＝T_c5max-T_c5(t)，则Δu_c2表示为

Δuc2=Σi=1rβi[pi0+pi1(Tcsp-Tc(t))+pi2(Tc5max-Tc5(t))]---(13)]]>

因此，转子秤给煤量u(t)如式(14)所示；

u(t)＝u(t-1)+Δu_c(t)+Δu_f(t)(14)

又因为Δu_c(t)＝Δu_c2(t)；所以结合式(2)、式(13)和式(14)，可以得到分解炉给煤量u (t)如式(15)所示；

(1-z-1)u(t)=Σi=1rβi[pi0+pi1(Tcsp-Tc(t))+pi2(Tc5max-Tc5(t))]+Kd[ΔF(t)-ΔFd]---(15)]]>

由于ΔF(t)＝F(t)-F_ref，进一步整理式(15)得

(1-z-1)u(t)=[F1F2]Tc(t)Tc5(t)+[R1R2]TcspTc5max+P0+Kd[F(t)-Fref-ΔFd]---(16)]]>

其中F1=-Σi=1rβipi1,F2=-Σi=1rβipi2,R1=Σi=1rβipi1,R2=Σi=1rβipi2,P0=Σi=1rβipi0;]]>

由于T_csp、T_c5max、F_ref、ΔF_d是常数且(v₁[x(t)],v₂[x(t)])和可测扰动生料流量F(t)(60 ≤F(t)≤90)有界；同时，式(4)中限定在[0.2,0.5]；因 此，参数在区间[h,k]内，有界；因此，我们只需要选择控制器参数和 使用极点配置方法确定控制器参数和

根据上面的分析，选择控制器参数和使得分解炉温度T_c(t)满足：T_cmin≤T_c(t)≤T_cmax且预热器C5出口温度T_c5(t)满足：T_c5(t)≤T_c5max。