CN104503242A - 水泥篦冷机自适应模型预测控制器 - Google Patents
水泥篦冷机自适应模型预测控制器 Download PDFInfo
- Publication number
- CN104503242A CN104503242A CN201410822838.9A CN201410822838A CN104503242A CN 104503242 A CN104503242 A CN 104503242A CN 201410822838 A CN201410822838 A CN 201410822838A CN 104503242 A CN104503242 A CN 104503242A
- Authority
- CN
- China
- Prior art keywords
- model
- grate
- controller
- adaptive
- cooler
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
水泥篦冷机自适应预测控制器。篦冷机的料层厚度是靠调节篦床上传动结构件的往复速度(简称“篦速”)来调节的。篦速和料层厚度之间模型关系的非线性和多变性,给篦冷机的自动控制带来很大的难度。因此,篦冷机的自动控制,是水泥生产过程中的一大难点。本发明应用于水泥工业生产线上的篦冷机系统,是利用篦冷机的积分特性而设计出的一种自适应模型预测控制器。本发明的实施难度减低,实时速度加快,实施效果好,具有良好的可推广性。在国内某水泥厂应用本发明,实施自适应控制器前后的篦下压力控制效果对比,实施本发明后篦下压力的稳定性提高了很多。
Description
技术领域
本发明涉及水泥工业篦冷机系统的控制方法,具体是利用篦冷机的积分特性而设计出的一种自适应模型预测控制器。
背景技术
水泥篦式冷却机是水泥生产线上的关键设备之一,其主要功能是对窑内煅烧后的高温熟料进行冷却、输送;同时为回转窑及分解炉等提供热空气,是水泥生产线热回收的主要设备。
篦式冷却机是空气骤冷式冷却机,其工艺流程图如图1所示。热熟料从窑口卸落到篦床上,在往复推动的篦板推送下,沿篦床全床分布开,形成一定厚度的熟料层,鼓入的冷却风从篦床下方吹入,渗透扩散,垂直地穿过在篦床上移动的熟料使其骤冷,风和熟料充分换热,如图2所示。沿熟料运动方向,按温度不同,分为高温区、中温区和低温区。高温区换热后出来的风温度最高,分为二次风、三次风,分别进入回转窑和分解炉;中温区换热后出来的风温度次之,称为余热回收风,进入煤磨和余热发电等装置;低温区换热后出来的风温度很低,作为窑头废气抽出。换完热后的熟料经过熟料破碎机破碎后,通过斜拉链输送到熟料库中。
篦冷机的热量回收效率是其最重要的工艺指标。篦冷机上热量的回收效率与料层厚度有关系,保持料层厚度的均匀非常重要。料层太薄,则冷却风通过料层的时间偏短,换热效率不高;料层太厚,会影响料床的透气性,进而出现局部喷发状的吹透,使冷风都从喷发吹透的位置吹走,换热效率也会下降。因此,篦冷机的控制,最重要的是要提高篦冷机的料层厚度的稳定性,使之处于尽量厚而又不至于出现喷发吹透的范围内。
篦冷机料层厚度有两大类不同的表征方法。一种是直接测量法,通过红外、微波等方法进行测量。另一种是间接表征法,利用和料层厚度相关的一些变量来进行表征,这些变量包括篦下压力、篦冷机传动液压、篦冷机传动电流。另外,也可以由上述篦下压力、篦冷机传动液压、篦冷机传动电流其中的一个或者多个为主体计算而来的其他变量。篦冷机料层厚度(以下简称料层厚度)可以具体为上文所述各种方法中的一种,如可为篦下压力或篦冷机传动液压。
篦冷机的料层厚度是靠调节篦床上传动构件(如活动篦板、十字棒等)的往复速度(简称“篦速”)来调节的。篦速提高,更多的熟料被推出篦冷机,料层厚度就会下降;反之,篦速下降,篦冷机上堆积的熟料量会增加,料层厚度就会升高。篦速和料层厚度相对关系虽然简单,然而,它们之间的模型关系则相当复杂,呈现出明显的非线性和多变性。
篦速和料层厚度之间模型关系的非线性和多变性,给篦冷机的自动控制带来很大的难度。因此,篦冷机的自动控制,是水泥生产过程中的一大难点。为解决这些问题,工业上提出了各种各样的解决方法。
较为著名的基于规则的专家系统。它建立了一系列的规则库,将过程划分为不同的区间,满足其确定的区间,则执行相应的动作。但此方法过于简单,动作过于僵硬,自适应性很差,并不能取得良好的控制效果。
在专家系统的基础上,发展出各类的模糊控制,试图依靠模糊函数来解决专家系统动作过于僵硬的问题,但由于过程的复杂性,模糊函数并不能有效解释此过程,对解决问题并没有太多的帮助。
模型预测控制在工业过程上的实际应用,称之为模型预测控制器(简称为“控制器”)。一个典型的控制器,需要根据工业过程的工艺原理和控制需求,定义一个或者多个被控变量(controlled variable,CV)、操纵变量(manipulated variable,MV)和干扰变量(disturbance variable, DV)。
对于篦冷机而言,显然,料层厚度是控制的目标,为被控变量(CV);篦冷机速度被用来调节料层厚度,为操纵变量(MV);回转窑下料量等会对料层厚度造成影响,为干扰变量(DV)。
模型预测控制一般有三个基本特征,即预测控制、反馈校正和滚动优化,使模型预测控制在很多领域有着良好的应用效果。
模型预测控制的核心是预测模型,预测模型一般采用阶跃响应模型。对于篦冷机而言,由于其过程的复杂性,阶跃响应模型非常复杂。图6是篦冷机篦速对篦下压力的阶跃响应模型的示意图,图中真实预测模型1、真实预测模型2是根据工厂实际的阶跃测试数据所绘制的。阶跃响应模型可以明确地分为两个阶段:在模型的第一阶段,与图3所示的积分过程类似,呈现出很明显的积分特性;在模型的第二阶段,则非常复杂,从表观上可以认为是杂乱无章的。另外,依照多次阶跃测试的结果,模型呈现明显的不确定性:在模型的第一阶段,虽然均表现出相同的积分特性,但上升的斜率并不固定;在模型的第二阶段,则重复性更差。对于如此复杂的过程,要建立精确的模型确实比较难,事实上目前尚无一种方法可以成功建立此模型。
对篦冷机的自动控制而言,如果采用模型预测控制,其最大的问题是篦冷机过程的阶跃响应模型非常复杂,无法精确建模。
此外,还有采用灰色理论、神经网络和支持向量机等算法去建立精确的篦冷机模型,但这些方法基本上都停留在理论研究的阶段,不能应用于实际中去解决问题。
发明内容
针对现有技术对水泥篦冷机控制的不足,本发明还提出了一种自适应的模型预测控制器。本发明的基本思想是化繁为简,并不试图去建立精确的篦速与料层厚度之间的模型,而是利用篦冷机在有限范围内的积分特性,设计出模型预测控制器。
本发明的技术方案是:水泥篦冷机的自适应模型预测控制器,建立模型预测控制器控制料层厚度,被控变量为篦冷机的料层厚度,操纵变量为篦冷机篦速,所述自适应模型预测控制器的预测模型为拟合模型。
进一步的,所述预测模型的预测时域只包含真实预测模型的积分特性区域。
进一步的,所述被控变量用和料层厚度紧密相关的间接变量替代,包括篦下压力、和/或篦冷机传动液压、和/或篦冷机传动电流等。
进一步的,所述自适应模型控制器的预测时域长度为10-15分钟。
进一步的,在预测时域内任一时刻点,拟合模型对应点的高度均比真实预测模型对应点的高度低,即拟合模型保持在真实预测模型的下三角区域内。
进一步的,所述对应点的高度为绝对值。
进一步的,所述拟合模型在整个预测时域内是线性的或非线性的。
进一步的,所述拟合模型的上升时间大于预测时域。
进一步的,所述拟合模型在预测时域内截止点的高度,为真实预测模型在预测时域截止点高度的30%到70%之间。
进一步的,所述自适应预测控制器构建步骤分为离线平台部分和在线平台部分;离线平台部分包括数据预处理模块、模型辨识模块、控制器组态模块和离线仿真模块;在线平台部分包括实时数据库模块、预测控制器模块和工艺计算模块;实时数据库模块通过I/O接口与常规控制系统进行交互。
与其他类似的方法相比,本发明最大的特点是不需要建立精确的篦冷机模型。实际上,目前尚无很好的建立精确的篦冷机模型的方法。同时,本发明具有良好的自适应性,篦冷机的真实预测模型因非线性和多变性等发生变化后,模型依然适用,只是调节速度的快慢会发生变化。
这些特点使本发明的实施难度大大降低,实施速度大大加快,实施效果也能得到保证。本发明具有良好的可推广性。
图4是国内某厂实施自适应控制器之前的篦下压力控制效果,图5是实施自适应控制器之后的篦下压力控制效果图。从图中可以看出,投用自适应控制器之后,篦下压力的稳定性大大提高。
附图说明
图1是篦冷机工艺流程示意图;
图2是篦冷机热交换示意图;
图3是积分过程的阶跃响应模型示意图;
图4是实施自适应控制器之前的篦下压力控制效果图;
图5是实施自适应控制器之后的篦下压力控制效果图;
图6是篦冷机阶跃响应模型示意图;
图7是模型预测控制软件的系统结构示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明的水泥篦冷机自适应模型预测控制器,建立模型预测控制器,来控制料层厚度。料层厚度是控制的目标,为被控变量(CV);篦冷机速度被用来调节料层厚度,为操纵变量(MV)。
作为另一种选择,被控变量也可以采用和料层厚度紧密相关的间接变量来代替,包括篦下压力、和/或篦冷机传动液压、和/或篦冷机传动电流,或者由上述三个变量衍生计算而来的其他变量。
由于篦冷机过程的复杂性,阶跃响应模型非常复杂,建立精确的模型比较困难。本发明将化繁为简,只关注阶跃响应模型的第一阶段,即积分特性区域。
控制器的预测时域只包含真实预测模型的积分特性区域,使控制器仅预测在这一有限区间内的变化情况。根据多次实验的结果,作为最优的方式,预测时域的长度应在10-50分钟之间。
为达到所需的控制效果,本发明设计了一种特殊的拟合模型。拟合模型如图6所示,其基本特征是:在预测时域内任何一时刻点,拟合模型对应点的高度(绝对值)均比真实预测模型对应点的高度(绝对值)低,形象地说,拟合模型保持在真实预测模型的下三角区域内。
拟合模型可以用参数化模型(如一阶模型、二阶模型等)或非参数化模型来定义。作为一种技巧,拟合模型的定义应符合以下原则:拟合模型在整个预测时域内应是线性或者近似线性的,拟合模型的上升时间应大于预测时域的长度。这样操纵变量才可以得到理想的调节效果。
进一步地,为了使操纵变量动作的强弱适宜,拟合模型在预测时域上的截止点高度,应该为真实预测模型在预测时域上截止点高度的30%到70%之间。
本发明可以利用任何成熟的模型预测控制软件来进行实施。图7示出了模型预测控制器的系统结构图。一般分为离线平台部分和在线平台部分。
离线平台部分包括数据预处理模块、模型辨识模块、控制器组态模块和离线仿真模块。数据预处理模块从实时数据库或者其他数据库中采集到数据,进行降噪、异常值删除等数据预处理工作。模型辨识模块从数据预处理模块处理后的数据中,通过系统辨识的方法取得变量间的阶跃响应模型。控制器组态模块中定义控制器结构(包括被控变量、操纵变量和干扰变量)、数据接口、阶跃响应模型和初始调节参数等。控制器组态采用的是料层厚度和篦冷机篦速之间的所使用的模型,即按如上所述的方法定义而来的拟合模型。控制器组态模块组态好后,可以在离线仿真模块进行仿真,也输入到预测控制器模块。
在线平台部分包括实时数据库模块、预测控制器模块和工艺计算模块。实时数据库模块为数据交互核心模块,它通过I/O接口与常规控制系统进行交互,也和预测控制器模块和工艺计算模块双向交互。预测控制器模块为该系统的核心,它在线运行下装的控制器,计算出最优的调节方案,并通过实时数据库模块下发工艺指令到常规控制系统来完成调节。工艺计算模块为预测控制器模块的辅助模块,主要完成辅助计算、辅助逻辑等功能。
Claims (10)
1.水泥篦冷机的自适应模型预测控制器,建立模型预测控制器控制料层厚度,其特征在于:被控变量为篦冷机的料层厚度,操纵变量为篦冷机篦速,所述自适应模型预测控制器的预测模型为拟合模型。
2.如权利要求1所述的自适应模型预测控制器,其特征在于:所述预测模型的预测时域只包含真实预测模型的积分特性区域。
3.如权利要求1所述的自适应模型预测控制器,其特征在于:所述被控变量用和料层厚度紧密相关的间接变量替代,包括篦下压力、和/或篦冷机传动液压、和/或篦冷机传动电流等。
4.如权利要求1或2所述的自适应模型控制器,其特征在于:所述自适应模型控制器的预测时域长度为10-15分钟。
5.如权利要求1或2所述的自适应模型控制器,其特征在于:在预测时域内任一时刻点,拟合模型对应点的高度均比真实预测模型对应点的高度低,即拟合模型保持在真实预测模型的下三角区域内。
6.如权利要求5所述的自适应模型预测控制器,其特征在于:所述对应点的高度为绝对值。
7.如权利要求5所述的自适应模型预测控制器,其特征在于:所述拟合模型在整个预测时域内是线性的或非线性的。
8.如权利要求5所述的自适应模型预测控制器,其特征在于:所述拟合模型的上升时间大于预测时域。
9.如权利要求5所述的自适应模型预测控制器,其特征在于:所述拟合模型在预测时域内截止点的高度,为真实预测模型在预测时域截止点高度的30%到70%之间。
10.如权利要求1或2所述的自适应模型预测控制器,其特征在于:所述自适应预测控制器构建步骤分为离线平台部分和在线平台部分;离线平台部分包括数据预处理模块、模型辨识模块、控制器组态模块和离线仿真模块;在线平台部分包括实时数据库模块、预测控制器模块和工艺计算模块;实时数据库模块通过I/O接口与常规控制系统进行交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410822838.9A CN104503242A (zh) | 2014-12-24 | 2014-12-24 | 水泥篦冷机自适应模型预测控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410822838.9A CN104503242A (zh) | 2014-12-24 | 2014-12-24 | 水泥篦冷机自适应模型预测控制器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104503242A true CN104503242A (zh) | 2015-04-08 |
Family
ID=52944646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410822838.9A Pending CN104503242A (zh) | 2014-12-24 | 2014-12-24 | 水泥篦冷机自适应模型预测控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104503242A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106440844A (zh) * | 2016-07-20 | 2017-02-22 | 长春工业大学 | 一种篦冷机刮板速度控制方法 |
CN107092189A (zh) * | 2017-06-01 | 2017-08-25 | 北京交通大学 | 基于模型预测控制的多变量输入eha系统的控制方法 |
CN108800916A (zh) * | 2018-07-11 | 2018-11-13 | 南京凯盛国际工程有限公司 | 一种基于机器视觉的篦冷机料层厚度模型预测控制算法 |
CN110794672A (zh) * | 2019-10-15 | 2020-02-14 | 杭州电子科技大学 | 一种水泥生产过程分解炉炉温显式控制方法 |
CN111338211A (zh) * | 2020-03-10 | 2020-06-26 | 华东理工大学 | 一种余热利用过程优化控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3064357A (en) * | 1959-09-02 | 1962-11-20 | Industrial Nucleonics Corp | Conveyor speed control by measuring material level |
CN103064284A (zh) * | 2012-12-28 | 2013-04-24 | 浙江邦业科技有限公司 | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 |
CN103808160A (zh) * | 2014-01-26 | 2014-05-21 | 浙江邦业科技有限公司 | 基于篦冷机液压的料层厚度表征方法 |
CN103941584A (zh) * | 2013-12-03 | 2014-07-23 | 西北农林科技大学 | 一种基于模糊自适应控制器的温度控制方法 |
-
2014
- 2014-12-24 CN CN201410822838.9A patent/CN104503242A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3064357A (en) * | 1959-09-02 | 1962-11-20 | Industrial Nucleonics Corp | Conveyor speed control by measuring material level |
CN103064284A (zh) * | 2012-12-28 | 2013-04-24 | 浙江邦业科技有限公司 | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 |
CN103941584A (zh) * | 2013-12-03 | 2014-07-23 | 西北农林科技大学 | 一种基于模糊自适应控制器的温度控制方法 |
CN103808160A (zh) * | 2014-01-26 | 2014-05-21 | 浙江邦业科技有限公司 | 基于篦冷机液压的料层厚度表征方法 |
Non-Patent Citations (2)
Title |
---|
吴姝芹 等: "先进控制在熟料冷却系统中的应用", 《中国水泥》 * |
徐圣杰: "水泥生产线篦冷机料层厚度新型控制技术", 《自动化与仪器仪表》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106440844A (zh) * | 2016-07-20 | 2017-02-22 | 长春工业大学 | 一种篦冷机刮板速度控制方法 |
CN106440844B (zh) * | 2016-07-20 | 2019-06-18 | 长春工业大学 | 一种篦冷机刮板速度控制方法 |
CN107092189A (zh) * | 2017-06-01 | 2017-08-25 | 北京交通大学 | 基于模型预测控制的多变量输入eha系统的控制方法 |
CN107092189B (zh) * | 2017-06-01 | 2019-12-06 | 北京交通大学 | 基于模型预测控制的多变量输入eha系统的控制方法 |
CN108800916A (zh) * | 2018-07-11 | 2018-11-13 | 南京凯盛国际工程有限公司 | 一种基于机器视觉的篦冷机料层厚度模型预测控制算法 |
CN108800916B (zh) * | 2018-07-11 | 2019-07-05 | 南京凯盛国际工程有限公司 | 一种基于机器视觉的篦冷机料层厚度模型预测控制算法 |
WO2020010937A1 (zh) * | 2018-07-11 | 2020-01-16 | 南京凯盛国际工程有限公司 | 一种基于机器视觉的篦冷机料层厚度模型预测控制算法 |
CN110794672A (zh) * | 2019-10-15 | 2020-02-14 | 杭州电子科技大学 | 一种水泥生产过程分解炉炉温显式控制方法 |
CN110794672B (zh) * | 2019-10-15 | 2022-03-25 | 杭州电子科技大学 | 一种水泥生产过程分解炉炉温显式控制方法 |
CN111338211A (zh) * | 2020-03-10 | 2020-06-26 | 华东理工大学 | 一种余热利用过程优化控制方法及系统 |
CN111338211B (zh) * | 2020-03-10 | 2022-08-12 | 华东理工大学 | 一种余热利用过程优化控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104503242A (zh) | 水泥篦冷机自适应模型预测控制器 | |
CN102319612A (zh) | 一种水泥生料立磨压差的智能控制方法 | |
Feng et al. | Hybrid intelligent control based on condition identification for combustion process in heating furnace of compact strip production | |
CN105937823B (zh) | 一种地源热泵控制方法及系统 | |
CN103882221A (zh) | 热轧加热炉模型中动态预测板坯最短在炉时间的方法 | |
CN105700357B (zh) | 基于多变量pid-pfc的锅炉燃烧系统控制方法 | |
Zhang et al. | The modeling and control of a reheating furnace | |
CN102636989B (zh) | 无钟高炉料线深度调节的数据驱动pid控制器设计方法 | |
CN111413864A (zh) | 一种600mw超临界火电机组建模与控制方法 | |
Zanoli et al. | Advanced Process Control of a cement plant grate cooler | |
Koyfman et al. | Using of Intelligence Analysis of Technological Parameters Database for Implementation of Control Subsystem of Hot Blast Stoves Block ACS. | |
Keliang et al. | PID controller parameters tuning of main steam temperature based on chaotic particle swarm optimization | |
Ning et al. | Integrated modeling for roller kiln temperature prediction | |
Skakovsky et al. | Efficiency improvement for sugar plant boiler department work based on boiler units optimal loads distribution | |
Lugovkin et al. | Simulation of automatic control system for blast-furnace stove | |
CN104850008B (zh) | 一种层燃锅炉的多变量控制与实时优化的方法 | |
CN103064284B (zh) | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 | |
Xie et al. | Research on Adaptive Control of Down Pressure Based on RBF Neural Network | |
Wang et al. | Application of advanced control technology on combustion optimization control system in hot blast stove | |
Carhuavilca et al. | A Comparison of GPC and Fuzzy Smith Predictor for Temperature Control of Steel Slab Reheating Furnace | |
Sibarani et al. | Robust nonlinear slab temperature control design for an industrial reheating furnace | |
Campos et al. | Energy efficiency and line productivity improvements for a continuous heat treatment process | |
Qiao et al. | Intelligence-based pressure switching control for clinker cooling process with grate cooler | |
Yong et al. | Application of PID Control Based on Particle Swarm optimization in Grate Cooler | |
Chen et al. | Multi-Objective set point optimization control of grate cooler considering energy efficiency evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150408 |