[发明专利]水泥生料分解过程温度智能切换控制方法

摘要

本申请提供一种水泥生料分解过程温度智能切换控制方法，步骤一:生料分解过程实时采样数据的获得；步骤二：生料分解过程温度智能切换控制算法；本发明智能切换控制方法既可以运行在分布式计算机控制系统（DCS）或可编程序逻辑控制系统（PLC）上，也可以通过通讯方式运行于独立的计算机上，该软件从控制系统获得实时过程数据，然后根据采样数据进行实时控制，从而获得生料分解过程温度智能切换控制方法。将本发明的温度智能切换控制方法应用在水泥生料分解过程期间，切换机制模块能够根据当前工况实时判断系统工况，选择异常工况控制器或T‑S模糊控制器，降低了预热器C5下料管堵塞概率，提高了设备的运转率，增加了台时产量，具有较高的实用价值。

主权项

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；$\left[\begin{array}{cc}{A}_1\left(z^{-1}\right)& 0\\ 0& A_2\left(z^{-1}\right)\end{array}\right]\left[\begin{array}{c}{T}_c(t+1)\\ T_{c5}(t+1)\end{array}\right]=\left[\begin{array}{c}{B}_1\left(z^{-1}\right)\\ B_2\left(z^{-1}\right)\end{array}\right]u\left(t\right)+\left[\begin{array}{c}{C}_1\left(z^{-1}\right)\\ C_2\left(z^{-1}\right)\end{array}\right]F\left(t\right)+\left[\begin{array}{c}{v}_1\[x\left(t\right)\]\\ v_2\[x\left(t\right)\]\end{array}\right]---\left(2\right)$式(2)包含线性项和非线性项，其中z^‑1是延迟算子，ν₁[x(t)]和ν₂[x(t)]是关于Δ(T_c0,T_c50,u₀,F₀)的高阶非线性项；A₁(z^‑1)和A₂(z^‑1)是二阶多项式，B₁(z^‑1)、B₂(z^‑1)、C₁(z^‑1)及C₂(z^‑1)是一阶多项式，它们满足式(3)；$\left\{\begin{array}{c}{A}_1\left(z^{-1}\right)=1+a_{11}{z}^{-1}+a_{12}{z}^{-2}\\ A_2\left(z^{-1}\right)=1+a_{21}{z}^{-1}+a_{22}{z}^{-2}\\ B_1\left(z^{-1}\right)=b_{10}+b_{11}{z}^{-1}\\ B_2\left(z^{-1}\right)=b_{20}+b_{21}{z}^{-1}\\ C_1\left(z^{-1}\right)=c_{10}+c_{11}{z}^{-1}\\ C_2\left(z^{-1}\right)=c_{20}+c_{21}{z}^{-1}\end{array}\right.---\left(3\right)$由于生料分解过程具有很强的非线性，应用传统的PID控制器很难将分解炉温度和预热器C5出口温度控制在工艺规定的范围内；T‑S模型控制器不仅具有逼近非线性系统的能力,而且在模型的结论部分将模型输出表示为输入特征量的线性组合，即一个非线性模型划分为多个线性模型；实际上起到了将系统分区线性化的作用；因此，本发明采用基于过程数据的T‑S模糊控制方法；T‑S模糊控制器的形式如下：$\begin{array}{cccccc}{R}_i:IF& e_{c}is& A_i^1& and& e_{c5}is& A_i^2\end{array}$$\begin{array}{cc}Then& {\mathrm{\Δu}}_{c21i}=p_i^0+p_i^1{e}_c+p_i^2{e}_{c5}\end{array}---\left(4\right)$其中i＝1,…,r,r为规则数即子模型的个数，e_c和e_c5为输入变量(即前提变量)且满足x＝[e_c,e_c5]^T∈R²，是前提变量的模糊集合，Δu_c21i为子模型的输出变量，和是第i个规则输出的结论参数，这样式(4)可以表示为${\mathrm{\Δu}}_{c2i}=p_i^T\hat{x}---\left(5\right)$其中$p_i={[p_i^0,p_i^1,p_i^2]}^T$是结论参数，$\hat{x}={[1,x^T]}^T;$则T‑S模糊控制器的最终输出Δu_c2公式为：${\mathrm{\Δu}}_{c2}=\frac{\underset{i=1}{\overset{r}{\Σ}}{\tilde{w}}_i{\mathrm{\Δu}}_{c2i}}{\underset{i=1}{\overset{r}{\Σ}}{\tilde{w}}_i}=\underset{i=1}{\overset{r}{\Σ}}{w}_i(p_i^0+p_i^1{e}_c+p_i^2{e}_{c5})---\left(6\right)$$w_i={\tilde{w}}_i/{\mathrm{\Σ}}_{i=1}^r{\tilde{w}}_i---\left(7\right)$其中，式(7)中的权可以表示为：${\tilde{w}}_i=\underset{j=1}{\overset{2}{\Π}}\mathrm{\μ}\left(A_j^i\right),i=1,...,r---\left(8\right)$式(8)中∏是模糊最小算子，即是前提变量隶属函数等级，取高斯隶属函数：$\mathrm{\μ}\left(A_j^i\right)=\exp (-{\left|\frac{x_j-{\mathrm{\ν}}_{ij}}{{\mathrm{\σ}}_{ij}}\right|}^2),(i=1,...,r;j=1,2)---\left(9\right)$式(9)中，ν_ij＞0，σ_ij∈(‑∞,+∞)，ν_ij和σ_ij分别是隶属函数的聚类中心和方差，并且是前提参数；隶属函数的中心v_ij(i＝1,…,r；j＝1,2)及规则的数量r通过减法聚类来确定；将上述减法聚类算法得到的聚类中心中的元素作为隶属函数的中心v_ij；隶属函数宽度σ_ij(j＝1,2)使用式(10)计算；${\mathrm{\σ}}_{ij}=\mathrm{\ρ}\frac{U_{ijmax}-U_{ijmin}}{\mathrm{\δ}}---\left(10\right)$其中U_ijmin和U_ijmax分别是论域的最小值和最大值，ρ是数据对聚类中心的影响，δ∈[2,3]；隶属函数的聚类中心ν_ij和方差σ_ij确定后，根据式(6)～(8)，T‑S模糊控制器输出Δu_c2如式(11)所示；定义：e_c(t)＝T_csp‑T_c(t)，e_c5(t)＝T_c5max‑T_c5(t)，则Δu_c2表示为${\mathrm{\Δu}}_{c2}=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i\[p_i^0+p_i^1(T_{csp}-T_c(t\left)\right)+p_i^2(T_{c5max}-T_{c5}(t\left)\right)\]---\left(13\right)$因此，转子秤给煤量u(t)如式(14)所示；u(t)＝u(t‑1)+Δu_c(t)+Δu_f(t)  (14)又因为Δu_c(t)＝Δu_c2(t)；所以结合式(2)、式(13)和式(14)，可以得到分解炉给煤量u(t)如式(15)所示；$(1-z^{-1})u\left(t\right)=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i\[p_i^0+p_i^1(T_{csp}-T_c(t\left)\right)+p_i^2(T_{c5max}-T_{c5}(t\left)\right)\]+K_d\[\mathrm{\Δ}F\left(t\right)-{\mathrm{\ΔF}}_d\]---\left(15\right)$由于ΔF(t)＝F(t)‑F_ref，进一步整理式(15)得$(1-z^{-1})u\left(t\right)=\[\begin{array}{cc}{F}_1& F_2\end{array}\]\left[\begin{array}{c}{T}_c\left(t\right)\\ T_{c5}\left(t\right)\end{array}\right]+\[\begin{array}{cc}{R}_1& R_2\end{array}\]\left[\begin{array}{c}{T}_{csp}\\ T_{c5max}\end{array}\right]+P_0+K_d\[F\left(t\right)-F_{ref}-{\mathrm{\ΔF}}_d\]---\left(16\right)$其中$F_1=-\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i{p}_i^1,F_2=-\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i{p}_i^2,R_1=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i{p}_i^1,R_2=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i{p}_i^2,P_0=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\β}}_i{p}_i^0;$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。