現(xiàn)場總線、模糊神經(jīng)網(wǎng)絡(luò)在回轉(zhuǎn)窯分解爐溫度控制中的應(yīng)用
加入技術(shù)交流群
水泥生產(chǎn)過程是一個(gè)復(fù)雜的理化反應(yīng)過程，具有大慣性，純滯后，非線性的特點(diǎn)，系統(tǒng)工況復(fù)雜，建立系統(tǒng)精確的復(fù)雜模型非常困難，采用傳統(tǒng)的PID控制效果又很難令人滿意，目前許多廠家還是借鑒現(xiàn)場操作人員的經(jīng)驗(yàn)，通過人工調(diào)節(jié)來獲得滿意的控制效果，生產(chǎn)率很低。該文針對傳統(tǒng)生產(chǎn)過程中的諸多弊端，基于現(xiàn)場總線技術(shù)，引入神經(jīng)網(wǎng)絡(luò)控制算法，實(shí)現(xiàn)了水泥回轉(zhuǎn)窯生產(chǎn)過程的實(shí)時(shí)監(jiān)控、分析和優(yōu)化。
2 現(xiàn)場總線
現(xiàn)場總線是一種多點(diǎn)、多站、多變量、全分布式智能、雙向串行的數(shù)字通訊鏈路，它直接溝通生產(chǎn)現(xiàn)場的測量控制與執(zhí)行設(shè)備，以及更高層的自動化控制設(shè)備，它不僅是一個(gè)網(wǎng)絡(luò)，而且是一個(gè)開放的控制系統(tǒng)，當(dāng)前工業(yè)控制體系結(jié)構(gòu)正由以“信息集中，控制分散”為核心思想的DCS（集散控制系統(tǒng)）向FCS（現(xiàn)場總線控制系統(tǒng)）過渡，現(xiàn)場總線技術(shù)的出現(xiàn)，將傳統(tǒng)DCS集中與分散相結(jié)合的集散系統(tǒng)結(jié)構(gòu)變成了新型智能全分散結(jié)構(gòu)，使構(gòu)建高性能的分散式智能化工業(yè)檢測監(jiān)控系統(tǒng)成為可能。
基于Lonworks的分散智能控制系統(tǒng)在實(shí)現(xiàn)現(xiàn)場級功能時(shí)，需要首先確定整個(gè)系統(tǒng)的完整控制策略，分散到各個(gè)相互獨(dú)立的模塊和子任務(wù)上，然后確定每個(gè)智能節(jié)點(diǎn)所完成的任務(wù)，以及它們之間的數(shù)據(jù)共享關(guān)系，并對每個(gè)節(jié)點(diǎn)編寫應(yīng)用程序，并下載到節(jié)點(diǎn)的FlashRom中調(diào)試運(yùn)行，在每個(gè)智能節(jié)點(diǎn)自治運(yùn)行、完成現(xiàn)場控制的基礎(chǔ)上，上位機(jī)基于現(xiàn)場的控制信息以及數(shù)字通訊傳輸來的大量現(xiàn)場管理信息，通過人機(jī)界面軟件對系統(tǒng)的實(shí)時(shí)和歷史信息進(jìn)行監(jiān)控，并可嵌入一些插件和智能軟件程序完成上位機(jī)的高級控制功能。
3 回轉(zhuǎn)窯分解爐溫度的模糊神經(jīng)控制
3.1 工藝流程分析
水泥生產(chǎn)的整個(gè)生產(chǎn)工藝過程主要包括窯外預(yù)熱分解、窯內(nèi)鍛燒、熟料冷卻、廢氣處理和煤粉控制等工序。在回轉(zhuǎn)窯水泥生產(chǎn)過程中，窯尾分解爐溫度是一個(gè)重要的工藝參數(shù)，分解爐溫度的穩(wěn)定對整條生產(chǎn)線的穩(wěn)定、高產(chǎn)和節(jié)能具有重大的影響。根據(jù)對生產(chǎn)工藝和現(xiàn)場采樣數(shù)據(jù)的分析以及操作人員經(jīng)驗(yàn)的總結(jié)，可以發(fā)現(xiàn)：①增加喂煤滑差電機(jī)轉(zhuǎn)速，則增大了分解爐的入煤流量，加劇分解爐反應(yīng)，使溫度升高；②增加生料滑差電機(jī)轉(zhuǎn)速，則增大了入窯生料流量，將增加分解爐內(nèi)反應(yīng)物料數(shù)量，使?fàn)t溫升高；但當(dāng)生料增大到一定程度后，由于物料未能充分反應(yīng)，爐溫反而下降。應(yīng)該讓入窯生料流量與入分解爐煤粉流量之間維持一定比例關(guān)系，以便進(jìn)行充分反應(yīng)；③增大回轉(zhuǎn)窯轉(zhuǎn)速對爐溫影響大，沒有明確的關(guān)系。綜上分析，雖然影響分解爐溫度的因素很多，但喂煤滑差電機(jī)轉(zhuǎn)速是一個(gè)主要因素，而其它諸如生料滑差電機(jī)的轉(zhuǎn)速和回轉(zhuǎn)窯轉(zhuǎn)速也對分解爐溫度有一定影響，但各因素之間存在耦合關(guān)系，它們作用也不是線性的，難以建立一個(gè)準(zhǔn)確的數(shù)學(xué)模型來描述該過程，通過建立對象模型來實(shí)現(xiàn)對分解爐溫度的控制就非常困難，為此采用了模糊神經(jīng)網(wǎng)絡(luò)控制技術(shù)來實(shí)現(xiàn)對爐溫的自動調(diào)節(jié)。
3．2 基于模糊神經(jīng)網(wǎng)絡(luò)的算法
模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入變量為分解爐溫度偏差e和溫度偏差的變化ec，輸出變量為喂煤滑差電機(jī)車速增量Δn，并將回轉(zhuǎn)窯轉(zhuǎn)速和生料滑差電機(jī)轉(zhuǎn)速作為干擾因素來處理，整個(gè)系統(tǒng)框圖如圖3―1所示?！?BR>
第2層模糊處理層對第1層的輸入進(jìn)行模糊化處理，并記此時(shí)生成的模糊集為Aij，模糊隸屬度函數(shù)可采用三角形或高斯隸屬度函數(shù)。該文采用高斯隸屬度函數(shù)。該層的輸入輸出表示如下：
其中μij表示模糊集隸屬度函數(shù)，mij和σij分別表示模糊集Aij的均值和方差。
評論