現場總線、模糊神經網絡在回轉窯分解爐溫度控制中的應用
加入技術交流群
水泥生產過程是一個復雜的理化反應過程，具有大慣性，純滯后，非線性的特點，系統(tǒng)工況復雜，建立系統(tǒng)精確的復雜模型非常困難，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場操作人員的經驗，通過人工調節(jié)來獲得滿意的控制效果，生產率很低。該文針對傳統(tǒng)生產過程中的諸多弊端，基于現場總線技術，引入神經網絡控制算法，實現了水泥回轉窯生產過程的實時監(jiān)控、分析和優(yōu)化。
2 現場總線
現場總線是一種多點、多站、多變量、全分布式智能、雙向串行的數字通訊鏈路，它直接溝通生產現場的測量控制與執(zhí)行設備，以及更高層的自動化控制設備，它不僅是一個網絡，而且是一個開放的控制系統(tǒng)，當前工業(yè)控制體系結構正由以“信息集中，控制分散”為核心思想的DCS（集散控制系統(tǒng)）向FCS（現場總線控制系統(tǒng)）過渡，現場總線技術的出現，將傳統(tǒng)DCS集中與分散相結合的集散系統(tǒng)結構變成了新型智能全分散結構，使構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)在實現現場級功能時，需要首先確定整個系統(tǒng)的完整控制策略，分散到各個相互獨立的模塊和子任務上，然后確定每個智能節(jié)點所完成的任務，以及它們之間的數據共享關系，并對每個節(jié)點編寫應用程序，并下載到節(jié)點的FlashRom中調試運行，在每個智能節(jié)點自治運行、完成現場控制的基礎上，上位機基于現場的控制信息以及數字通訊傳輸來的大量現場管理信息，通過人機界面軟件對系統(tǒng)的實時和歷史信息進行監(jiān)控，并可嵌入一些插件和智能軟件程序完成上位機的高級控制功能。
3 回轉窯分解爐溫度的模糊神經控制
3.1 工藝流程分析
水泥生產的整個生產工藝過程主要包括窯外預熱分解、窯內鍛燒、熟料冷卻、廢氣處理和煤粉控制等工序。在回轉窯水泥生產過程中，窯尾分解爐溫度是一個重要的工藝參數，分解爐溫度的穩(wěn)定對整條生產線的穩(wěn)定、高產和節(jié)能具有重大的影響。根據對生產工藝和現場采樣數據的分析以及操作人員經驗的總結，可以發(fā)現：①增加喂煤滑差電機轉速，則增大了分解爐的入煤流量，加劇分解爐反應，使溫度升高；②增加生料滑差電機轉速，則增大了入窯生料流量，將增加分解爐內反應物料數量，使爐溫升高；但當生料增大到一定程度后，由于物料未能充分反應，爐溫反而下降。應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系，以便進行充分反應；③增大回轉窯轉速對爐溫影響大，沒有明確的關系。綜上分析，雖然影響分解爐溫度的因素很多，但喂煤滑差電機轉速是一個主要因素，而其它諸如生料滑差電機的轉速和回轉窯轉速也對分解爐溫度有一定影響，但各因素之間存在耦合關系，它們作用也不是線性的，難以建立一個準確的數學模型來描述該過程，通過建立對象模型來實現對分解爐溫度的控制就非常困難，為此采用了模糊神經網絡控制技術來實現對爐溫的自動調節(jié)。
3．2 基于模糊神經網絡的算法
模糊神經網絡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車速增量Δn，并將回轉窯轉速和生料滑差電機轉速作為干擾因素來處理，整個系統(tǒng)框圖如圖3―1所示。
第2層模糊處理層對第1層的輸入進行模糊化處理，并記此時生成的模糊集為Aij，模糊隸屬度函數可采用三角形或高斯隸屬度函數。該文采用高斯隸屬度函數。該層的輸入輸出表示如下：
其中μij表示模糊集隸屬度函數，mij和σij分別表示模糊集Aij的均值和方差。
評論