CN105088842A - 一种基于预测控制的制浆蒸煮控制方法 - Google Patents

Abstract

本发明公开了一种基于预测控制的制浆蒸煮控制方法，具体步骤包括：(a)机理建模：建立蒸汽量与锅内温度之间的机理模型；(b)线性处理：蒸汽量与温度之间的线性模型；(c)参数确定；(d)优化计算；(e)确定卡伯值。本发明通过模型预测控制与卡尔曼滤波的结合，有效消除了系统的建模和测试噪声，可以方便的处理控制量、操作工况、装置上下限等约束；控制精度高，控制效果好，可以进行卡边操作，使装置运行在经济合理的位置，快速准确跟踪期望的温度曲线，减少能量的消耗和过程的波动，实现节能减排，有效地提高过程系统的反应速度和控制精度，并且易于实现计算机控制。

Description

一种基于预测控制的制浆蒸煮控制方法

【技术领域】

本发明涉及制浆蒸煮技术领域，特别是基于预测控制的制浆蒸煮控制方法的技术领域。

【背景技术】

在制浆蒸煮过程中利用碱性或硫酸盐类化学药剂，根据不同类型纸浆的需要，尽可能除去植物纤维原料中的木素，而尽量保留纤维素和半纤维素，并使纤维离解成浆。在药剂与原料反应的同时，不仅脱除原料中的木素，而且原料中的树脂、蜡、脂肪等皂化物及杂细胞也随之脱除，同时不可避免地伴有纤维素、半纤维素的降解。由此可见蒸煮过程的反应机理，关键在于准确地掌握蒸煮过程的客观规律，合理地制定工艺条件并严格按照工艺规程进行操作，以期达到既能有效地溶出木素，又最大限度地保护纤维素和半纤维素，获得高强度、高得率的纸浆。

在实际生产中，影响纸浆质量、纸浆得率最大的因素是蒸煮时间、蒸煮温度以及有效碱浓度。由于参与反映的物质(特别是木素)在化学上的复杂性，以及在蒸煮过程中药液成分的不断改变，木素显现出三个不同的反应时期，每个反应时期均有各自的速度规律和化学计算法。三个阶段是：初期脱木素阶段：脱木素速度主要受扩散作用而不是化学作用支配；大量脱木素阶段：化学反应占主导地位：残余脱木素阶段：脱除残余或难除去木素。

为了稳定地控制纸浆品质，获得理想的卡伯值，在大量脱木素阶段测得的有效碱浓度作为模型输入。立式蒸锅或蒸球在蒸煮过程的可控变量是蒸煮温度和蒸煮结束的时间，即通过H因子来表述蒸煮过程，使其稳定在设定值水平。预测控制是70年代后期产生的一类新型计算机控制算法，这类算法以对象的阶跃或脉冲响应为模型，采用滚动优化推移对的方式在线地对过程实现优化控制，在复杂的工业过程中显现出良好的控制性能。卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。控制系统利用预测控制与卡尔曼滤波来稳定地控制蒸煮过程的温度曲线，获得更为准确的H因子，使得纸浆最终预测的卡伯值也更为准确。

【发明内容】

本发明的目的就是解决现有技术中的问题，提出一种基于预测控制的制浆蒸煮控制方法，可以明显减小卡伯值的方差，有效地提高过程系统的控制精度，并且易于实现计算机控制。

为实现上述目的，本发明提出了一种基于预测控制的制浆蒸煮控制方法，所述控制方法利用预测控制和卡尔曼滤波结合的形式对制浆蒸煮过程的温度进行跟踪控制，具体步骤包括：

(a)机理建模：建立蒸汽量与锅内温度之间的机理模型，蒸汽量作为操作变量，蒸球温度作为被控变量；

(b)线性处理：在不同工作点处，分别对模型进行线性化，得到蒸汽量与温度之间的线性模型；

(c)参数确定：选取采样周期T，动态响应测试，得到模型系数a₁,a₂.....a_N，仿真调优确定其他参数；

(d)优化计算：温度传感变送器获得温度实时测量值y，结合步骤一中建立的机理模型，经过无迹卡尔曼滤波算法，消除测量噪声,得到卡尔曼滤波后的温度测量值与温度设定值y_r比较,计算温度偏差e。然后进行对温度预测值校正，移位设置该时刻温度预测初值Y_N0，解二次优化命题，得到蒸汽变化增量Δu，调节蒸汽阀门开度，由控制增量计算控制量u并输出，最后计算温度输出预测值Y_N1；

(e)确定卡伯值：在蒸煮过程大保温开始之后，通过测得的有效碱浓度s和初始H-因子H₀进行模型代入，最终得到纸浆蒸煮结束时的卡伯值Kappa。

作为优选，所述(b)和(c)步骤中，线性处理和参数确定是采用基于动态矩阵预测控制算法，它将卡尔曼滤波后的温度测量值与温度设定值y_r比较,得到温度偏差e来对温度预测值进行校正。通过解二次优化命题，得到蒸汽变化增量Δu，进而调节蒸汽阀门开度，由控制增量计算控制量u。

作为优选，所述(d)步骤中，无迹卡尔曼滤波算法是通过对锅炉温度测量值y和预测模型的输出值y_m(k)进行更新，从而获得消除测量噪声后的锅炉温度值

作为优选，所述(e)步骤中，确定纸浆蒸煮过程最终的卡伯值，是先通过对蒸煮温度T的控制，再进一步控制H因子，从而达到对与纸浆质量密切相关的卡伯值Kappa的控制。

本发明的有益效果：本发明通过模型预测控制与卡尔曼滤波的结合，有效消除了系统的建模和测试噪声，在已知系统模型的情况下，预测控制可用于时变、时滞以及非线性系统的控制,可以方便的处理控制量、操作工况、装置上下限等约束；不同于传统的PID控制，使用本方法控制蒸煮制浆温度，控制精度高，控制效果好，可以进行卡边操作，使装置运行在经济合理的位置，可以快速准确跟踪期望的温度曲线，减少能量的消耗和过程的波动，实现节能减排，有效地提高过程系统的反应速度和控制精度，并且易于实现计算机控制。

本发明的特征及优点将通过实施例结合附图进行详细说明。

【附图说明】

图1是本发明一种基于预测控制和卡尔曼滤波的制浆蒸煮过程的控制方法的蒸煮过程三个脱木素阶段；

图2是本发明一种基于预测控制和卡尔曼滤波的制浆蒸煮过程的控制方法的蒸煮过程流程工艺图；

图3是本发明一种基于预测控制和卡尔曼滤波的制浆蒸煮过程的控制方法的控制框图；

图4是本发明一种基于预测控制和卡尔曼滤波的制浆蒸煮过程的控制方法的控制流程图；

图5是本发明一种基于预测控制和卡尔曼滤波的制浆蒸煮过程的控制方法的典型的蒸煮过程工艺标准升温曲线。

【具体实施方式】

参阅图1～图5，本发明，具体步骤包括：

步骤一、建立蒸汽量与锅内温度之间的机理模型，蒸汽量作为操作变量，蒸球温度作为被控变量；

步骤二、在不同工作点处，分别对模型进行线性化，得到蒸汽量与温度之间的线性模型；

步骤三、选取采样周期T，动态响应测试，得到模型系数a₁,a₂.....a_N，仿真调优确定其他参数；

步骤四、温度传感变送器获得温度实时测量值y，结合步骤一中建立的机理模型，经过无迹卡尔曼滤波算法，消除测量噪声,得到卡尔曼滤波后的温度测量值与温度设定值y_r比较,计算温度偏差e。然后进行对温度预测值校正，移位设置该时刻温度预测初值Y_N0，解二次优化命题，得到蒸汽变化增量Δu，调节蒸汽阀门开度，由控制增量计算控制量u并输出，最后计算温度输出预测值Y_N1。

步骤五、在蒸煮过程大保温开始之后，通过测得的有效碱浓度s和初始H-因子H₀进行模型代入，最终得到纸浆蒸煮结束时的卡伯值。

所述温度偏差e＝温度设定值y_r-卡尔曼滤波后的温度估计值所述预测初值的校正为Y_N1＝Y_N1+he；二次优化命题的目标函数为： $J=min{(\hat{y}-y_r)}^{T}Q(\hat{y}-y_r)+{\mathrm{\ΔU}}^{T}R\mathrm{\Δ}U.$

步骤一中，建立进汽量与球内温度的机理模型。间歇蒸煮过程中,在物料和碱液装毕、容器封闭之后,以加热进汽量的调节，控制温度的变化。对于蒸球,我们从能量守恒定律和物料平衡关系导出加热蒸汽流量与球内温度变化的关系。

由物料平衡关系，有

g₁dt＝d(γV+γ₂V₂)

其中，g₁为进入球内蒸汽的流量，γ，V为球内液体的比重和体积，γ₂,V₂为蒸球上部蒸汽——汽体混合物的比重和体积。

蒸球上部蒸汽——气体混合物的物料平衡关系为：

g₂dt＝d(γ₂V₂)

其中，g₂为从蒸煮液中分离出的蒸汽和气体的流量。

以整个蒸球为考虑对象,其热平衡关系由热力学第一定律得出：

dQ＝dJ-AVdP

式中,Q为传给蒸球的热量,J为整个蒸球的热焙,A是功的热当量,v为整个蒸球的体积,P是球内压力。且

dQ＝[i₁g₁-μs(θ-θ₀)]dt

dJ＝d(iγV+i₂γ₂V₂+ξ₃G₃C₃θ)

其中，i₁为进入球内加热蒸汽的热焙，μ为经过球壳向外部空气的传热系数，θ,θ₀分别为球内及周围空气的温度；S为球外壳表面积,i是饱和温度时蒸煮液的热焙,i＝Cθ,C为液体热容,i是蒸汽——气体混合物的热焙,i₂＝i+β₂，β₂为形成蒸汽的热量；ξ₃是反映蒸球加热特性的系数；G₃,C₃θ分别为固体物料(草料、球壳及球内衬)的重量及热焙。

记γ₂V₂＝G₂,γV＝G，一般可以忽略，因此联立得：

$(GC+G_{2}C+{\mathrm{\ξ}}_3{G}_3{C}_3)\frac{d\mathrm{\θ}}{dt}+(g_{1}C+\mathrm{\μ}s)\mathrm{\θ}=i_1{g}_1+{\mathrm{\μs\θ}}_0-g_2{\mathrm{\β}}_2$

步骤二中，由于模型具有很强的非线性，因此将采用多模型的预测控制方法，在不同的工作点上，对模型进行分段线性化，具体工作点的选取需要结合工艺要求。

步骤三中，离线计算，模型预测控制有很多参数可以离线算出，减少在线计算的工作时间，离线计算的步骤为：

1)根据对象类型和动态特性，选取采样周期；

2)动态响应测试，得到模型系数a₁,a₂.....a_N；

3)模型预测控制含有大量的参数，需要通过仿真调优确定，在本过程中，整定的顺序依次为：优化时域P，控制时域M，输出偏差权矩阵Q，控制增量权矩阵R，控制系数d，反馈校正系数h。

步骤四中，在线计算，温度传感变送器获得温度实时测量值，结合步骤一中建立的机理模型，经过无迹卡尔曼滤波算法，消除测量噪声,得到卡尔曼滤波后的温度测量值，与温度设定值比较计算的温度偏差e。然后进行对温度预测值校正，移位设置该时刻温度预测初值，解二次优化命题，得到蒸汽变化增量，调节蒸汽阀门开度，由控制增量计算控制量并输出，最后计算温度输出预测值。

步骤五中，迭代得到卡伯值，在蒸煮过程大保温开始之后，通过测得的有效碱浓度s和初始H-因子H₀进行模型代入，最终得到纸浆蒸煮结束时的卡伯值： $Ka=A-Bln\[(H-H_0)\left(ln\right(s\left){\mathrm{EA}}_0^R\right)\].$

本发明工作过程：

本发明一种基于预测控制的制浆蒸煮控制方法在工作过程中，通过将预测控制与卡尔曼滤波结合的方法进行制浆蒸煮过程的温度控制。通过模型预测控制与卡尔曼滤波的结合，在通过机理建模、得到系统模型的情况下，有效地消除了系统的建模和测试噪声，预测控制可用于时变、时滞以及非线性系统的控制,可以方便的处理控制量、操作工况、装置上下限等约束；不同于传统的PID控制，使用本方法控制蒸煮制浆温度，控制精度高，控制效果好，可以进行卡边操作，使装置运行在经济合理的位置，可以快速准确跟踪期望的温度曲线，减少能量的消耗和过程的波动，实现节能减排，有效地提高过程系统的反应速度和控制精度，并且易于实现计算机控制。

上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

Claims (4)

1.一种基于预测控制的制浆蒸煮控制方法，其特征在于：所述控制方法利用预测控制和卡尔曼滤波结合的形式对制浆蒸煮过程的温度进行跟踪控制，具体步骤包括：

(a)机理建模：建立蒸汽量与锅内温度之间的机理模型，蒸汽量作为操作变量，蒸球温度作为被控变量；

(b)线性处理：在不同工作点处，分别对模型进行线性化，得到蒸汽量与温度之间的线性模型；

(c)参数确定：选取采样周期T，动态响应测试，得到模型系数a₁,a₂.....a_N，仿真调优确定其他参数；

(d)优化计算：温度传感变送器获得温度实时测量值y，结合步骤一中建立的机理模型，经过无迹卡尔曼滤波算法，消除测量噪声,得到卡尔曼滤波后的温度测量值与温度设定值y_r比较,计算温度偏差e。然后进行对温度预测值校正，移位设置该时刻温度预测初值Y_N0，解二次优化命题，得到蒸汽变化增量Δu，调节蒸汽阀门开度，由控制增量计算控制量u并输出，最后计算温度输出预测值Y_N1；

(e)确定卡伯值：在蒸煮过程大保温开始之后，通过测得的有效碱浓度s和初始H-因子H₀进行模型代入，最终得到纸浆蒸煮结束时的卡伯值Kappa。

2.如权利要求1所述的一种基于预测控制的制浆蒸煮控制方法，其特征在于：所述(b)和(c)步骤中，线性处理和参数确定是采用基于动态矩阵预测控制算法，它将卡尔曼滤波后的温度测量值与温度设定值y_r比较,得到温度偏差e来对温度预测值进行校正。通过解二次优化命题，得到蒸汽变化增量Δu，进而调节蒸汽阀门开度，由控制增量计算控制量u。

3.如权利要求1所述的一种基于预测控制的制浆蒸煮控制方法，其特征在于：所述(d)步骤中，无迹卡尔曼滤波算法是通过对锅炉温度测量值y和预测模型的输出值y_m(k)进行更新，从而获得消除测量噪声后的锅炉温度值

4.如权利要求1所述的一种基于预测控制的制浆蒸煮控制方法，其特征在于：所述(e)步骤中，确定纸浆蒸煮过程最终的卡伯值，是先通过对蒸煮温度T的控制，再进一步控制H因子，从而达到对与纸浆质量密切相关的卡伯值Kappa的控制。