磨机的预测控制器的设计 精品.doc

题 目 基于磨机的预测控制器的设计 学 院 自动化与电气工程学院 1前言磨机一直是粉磨物料的关键设备，广泛适用于发电、水泥、选矿、陶瓷、冶金等各个行业。在水泥厂中，两仓或三仓的球磨机一直是主要的粉末设备。磨机是一种大能耗设备，与高能耗同样引人注目的石磨机极低的粉磨效率。对磨机这样一个能耗巨大而能量利用率极低的大型设备，能够进行负荷的自动控制，保证其稳定运行在最佳工况，提高能量利用率，降低电耗，从而降低火电厂和水泥厂的成本，已是势在必行。文献1概述了预测控制与先进的控制算法的结合状况 ,并对存在的问题进行了探讨 ,从理论上分析了其智能化发展趋势和方向。文献2综述了焦炉加热控制的发展，然后通过对焦炉进行深入分析以及对广义预测控制与动态矩阵算法的研究，设计了隐式广义预测自校正控制器，继承了传统广义预测控制算法的优点。文献3针对一类具有非线性特性的复杂被控对象，提出新的适用于具有并行提前多步预测模型的MPC反馈校正策略，讨论了建模前的常规数据预处理以及SVM参数选取对模型精度的影响。文献4根据煮糖过程的物料平衡、能量平衡和生产过程的各种物性参数的机理解析关系建立描述被控生产过程的模型，并以该模型作为对象对煮糖结晶过程实施非线性预测控制仿真，围绕预测模型、反馈校正、滚动优化三项预测控制的基本原理，对非线性预测控制在煮糖结晶过程中的应用进行了深入的研究与探讨。文献5论述了“长鞭效应”的起因以及对供应链的影响,并通过仿真过程形象模拟了长鞭效应及其特征;其次,在总结前人研究成果的基础上,提出了运用模糊控制器对系统进行优化及在传统广义预测控制算法中引入动态矩阵的误差校正方法,提出了一种新的隐式广义预测自校正控制器对系统的优化理论。使用MATLAB对优化控制方案进行了仿真,并通过PID控制的仿真比较,证明了方案的有效性。文献6分析了目前企业成本控制中存在的问题,叙述了现代成本管理理论和成本控制的基本技术和方法，在分析成本控制的三种模式的基础上,分别构建了面向产品生命周期和集成化供应链的成本预测控制模式。将预测控制的思想引入成本控制,提出了以小波神经网络作为模型预测算法,CUSUM控制图作为成本预测控制律的成本控制的体系模型和步骤,而且给出了基于灰色模型的简化算法。文献7针对具有范数有界不确定参数或多面体不确定参数的不确定时滞系统,提出了状态反馈或输出反馈鲁棒预测控制器的设计方法,并分析了闭环系统的可行性和渐近稳定性,得到相应的时滞无关或者时滞相关性条件。文献8对系统的建模误差进行预测，并将其与模型预测相结合构成广义预测控制算法，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，仿真结果表明了这一算法的有效性。文献9对当前引起控制界广泛重视的几种预测控制算法进行了比较，对鲁棒性问题、非线性系统控制、多变量系统控制、实用化问题和综合功能预测控制器的研究现状及发展趋势进行了讨论。文献10总结了近年来预测控制在热工过程控制中的研究成果, 仿真研究和实际应用都有力地证明了预测控制可以应用到热工过程控制中去并能取得较好的控制品质。文献11研究了多变量分散型预测控制在应用中的主要问题 ,并提出了在多变量过程控制中采用各子系统分散建模、分散预测控制并辅以基于规则的智能协调 ,以解决多变量系统的解耦和优化控制问题。其工程应用优点是建模简单、优化计算量小并且保证控制的安全性。1.1 意义工业生产的过程是复杂的，我们建立起来的模型也是不完善的。就是理论非常复杂的现代控制理论，其控制的效果也往往不尽人意，甚至在一些方面还不及传统的PID控制。70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想的观念，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。这样的背景下，预测控制的一种，也就是模型算法控制（MAC-Model Algorithmic Control）首先在法国的工业控制中得到应用。因此预测控制不是某一种统一理论的产物，而是工业实践中逐渐发展起来的。同时，计算机技术的发展也为算法的实现提供了物质基础。为了控制磨机的粉磨过程，必需检测反映磨机负荷的物理量。磨机是粉磨系统的核心，磨机具有非线性、大滞后、强耦合的特点，磨机是一种能耗大、效率低的设备，而预测控制器恰好可以针对其以上特点进行控制。本设计针对磨机系统存在的以上问题设计了预测控制器，从而有效的实现了对磨机系统的控制。能够提高磨机控制的自动化水平，降低磨机粉磨的能耗，达到节能降耗的目的，具有重要的意义。1.2 背景自十九世纪末第一台球磨机诞生以来，球磨机因其应用广泛、大功率、大产出的特点在矿业、建材、工、冶金及电力部门等基础行业的原料粉碎中得到广泛的应用。随之陶瓷工业的发展，球磨机也成为陶瓷工业中粉磨工序中不可缺少的机械设备。从长远来看，今后相当长的时期内球磨机仍将是陶瓷工业中原料磨碎作业的主要设备，因此对球磨机的研究也受到了相关专家的重视，近年来国内外的研究取得了许多成果，例如：球磨机的控制与节电、水泥粉磨系统改造、水泥磨机内部结构改造等。除此以外，还有通过智能控制大大提高生产效率,例如：球磨机负荷自动系统实现、振动球磨机工艺参数优化设计、基于智能控制系统的陶瓷球磨机神经网络控制方法的开发、闭路球磨机产量的神经网络控制、球磨机有用功率与其工作参数关系的研究等。 2粉磨基础及球磨机生产机理2.1 粉磨生产过程简述2.1.1 粉磨技术发展历史因为采矿事业的发展，干法捣碎磨机出现在九世纪初，到1512年湿法捣碎磨也随后发现了。在之后的几个世纪，由于原动力的限制，粉磨本质没有进一步变化，直到第一次工业革命，蒸汽机的发明导致第一台辊式磨在Corn wall的使用。在1858年美国人发明了颚式破碎机用于硬质物料的粉碎。1877年车险了锤式破碎机。现代粉磨技术的发展经历了两个阶段：第一阶段自1950年到1970年的钢球磨机逐步发展为大型设备，磨机匹配设备也逐步改进和提高，第二阶段是1970年后至今，辊压粉磨技术更加完善，且设备更大型化。2.1.2 粉末设备及工艺粉磨生产的整个闭环回路主要由球磨机、选粉机和出磨提升机三个部分组成。图2.1为粉磨生产系统简图。管球磨机是一种卧式筒形旋转装置，它由给料部、出料部、回转部、传动部等部分组成。物料由入料提升机进入磨机第一仓，该仓为辊压机，通过和物料之间的挤压与摩擦，对物料产生强力重击来完成研磨，从而克服固体之间聚力使物料达到粉磨的效果。物料将经过第一仓初步研磨后进入第二仓，该仓内装有钢球，这将进一步对物料进行研磨。研磨好的物料通过磨机后部排出，到这里粉磨生产过程完毕。期间经过粉磨的物料在提升机的带动下进入选粉机，选粉机以一定的转速产生循环气流吹动物料，物料因为颗粒大小不同产生不同的沉降，从而完成选粉。经过选分后，无料被分为大小不同的颗粒产品，小颗粒为成品由入库提升机入库，大颗粒则重新进入磨机内部进行研磨。喂料一 仓选粉机选粉机二 仓旋风筒提升机提升机辊压机磨机成品图 2.1粉磨生产系统2.2 球磨机生产系统简介2.2.1 球磨机生产工艺流程 不考虑磨前的预粉碎，粉磨工艺流程可分为开路流程和闭路流程（简称开流和圈流）。在相同的规格球磨机条件下，后者的系统台时产量比前者越高15%-20%。实行新的国家标准后，要求水泥出磨的筛余大大降低，圈流粉磨的水泥也要求交个哦的比表面积和合理的颗粒级配，因此开流粉磨的水泥早期强度的优势已经不很明显了。所以，建议有条件的水泥厂尽量采用闭路粉磨工艺流程，这样既可以避免开流粉磨系统容易发生的过粉磨现象，又能保证磨机的节能高产。过去对闭路粉磨的工艺控制，常采用“循环负荷率”和“选粉效率”两个技术参数来实现，实践证明，在出磨细度和成品细度基本不变的情况下，采用出磨细度和回粉细度调控闭路粉磨系统，更为快捷方便。2.2.2 粉磨生产系统工况介绍 磨机运行分为三个工况：空磨趋势、正常运行、饱磨趋势。主要参考变量有系统喂料量、入库提升机电流、喂料提升及电流、循环风机转速、磨音、选粉机转速、称重仓料位，在磨机生产过中，用出磨提升机电流体现负荷变化。（1）正常运行状态磨机工作在稳定状态下，出磨提升电流趋势相当稳定。因此不同时期物料的易磨性之间存在一定的差异，所以出磨提升机电流的基准值会有所不同。 磨机工作在稳定状态时，磨内物料填充度适当且物料得到充分研磨，磨机系统出料正常，出料磨机的物料粒度好，磨内无堆积，内循环负荷较小，出磨提升机电流保持在一个相对稳定范围内，选粉机电流和入库提升机电流的值在一个相对较高的范围内，经磨机研磨后的出磨物料大部分入库保存。此时，粉磨生产系统工作在一个较好的状态。 （2）饱磨趋势 饱磨趋势为磨机操作的异常工况，由于磨内物料严重堆积而导致研磨体之间的冲击力无法穿透整个料层，磨机研磨能力较差，物料没有得到充分研磨，多数物料无法由篦板进入磨机内循环。此时，若不减少系统喂料和内循环进料，将造成磨内物料的堆积更加严重，出磨提升机电流持续升高。磨机工作于饱磨趋势时，应减小循环风机转速、减少系统总喂料量。饱磨趋势为磨机病态工况的一种。如不及时制止会影响成品质量，严重时会堵塞磨机进而影响生产。（3）空磨趋势空磨趋势也为磨机异常工况的一种。此时磨内物料没有堆积，研磨体之间的冲击力轻易穿透整个料层，磨机研磨能力较强，物料得到充分研磨。大多数物料经磨机篦板进入磨机内循环，物料喂料量无法满足磨机要求，造成磨内物料“入不敷出”， 出磨提升机电流持续降低。 磨机工作于空磨趋势时，应增加循环风机转速、加大系统总喂料量。空磨趋势也为磨机病态工况的一种，如不及时制止，磨内物料甩空之后，磨机内部的研磨体处于相互碰撞的状态，增大磨内衬板和研磨体的消耗。2.2.3 球磨机粉磨过程优化难点分析粉磨过程大约占了整个生产过程电耗的60%左右，而电耗来自两方面：一是电耗，而是钢耗。对整个尾卸式圈流粉磨生产系统工作过程的优化的直接目的是保证磨机在绝大部分时间里运行平稳，从而使得整个系统工作在最大负荷或者近似最大负荷的工况下。很多资料都提到大部分粉磨设备都工作在非最佳负荷状态。根据现有的研究成果表明，磨机负荷控制是降低电耗和钢耗的最有效的方法之一。总体来讲，对粉磨过程的负荷控制和成品粒度的控制是设计整个控制系统的主要目的，而这两个环节的控制有着较为严重的耦合关系。如果单纯的提升负荷量一般会引起出磨物料的增加，从而增大了整个内循环负荷。久而久之会出现磨机的堵塞，进而使产品的质量严重下降；如果单纯的提高成品粒度，也会影响到整个流程的粉磨状态，比如提高选粉机的转动速度，成品粒度处在很好的状态而回粉量却会增加，进而导致了回料量的增加，这同样会影响到磨机的负荷状态。通过改变磨机的喂料量和其他量来改变磨机内部的填充率是实现整个流程的负荷控制的主要途径。对于一条已经建好的生产线，磨机内部的空间是无法改变的，因此物料在磨机内的填充量就存在一个最大值，这样才能保留足够的空间让钢球和物料实现充分的滚动和研磨，从而实现基本的物料粉磨。磨机处在工作状态时，不断的翻转造成了球磨机内部的填充率无法有效的在线测量，一般的方法是用相关系数的方法表征磨机负荷的变化。表征磨机负荷变化的参数有很多，目前比较流行的做法是将磨音和磨机内部压力作为磨机负荷的监测参数。然而，在水泥生产的现场，磨音信号一般受到的干扰很大，以多变量过程统计的方法现磨机负荷的在线监测也被应用于现场。进入磨机经过粉磨后的物料会被送入选粉机，合格的物料即为成品，粗料则会再次进入磨机粉磨。为了保证成品的质量，通常的做法是由相关人员对成品成分进行定时化验，由化验结果来及时调整选粉机的转速。化验结果中比表面积是最为重要的化验参数，而提高成品比表面积是实现粒度控制的主要措施之一。3 预测控制算法理论3.1 预测控制理论发展自从1946年第一台计算机问世以来，计算机软、硬件技术飞速发展。这些技术的发展，使得计算机在工业控制的应用中得到了普及的同时，也推进了高级过程控制、人工智能控制等复杂工业控制算法、策略的诞生、发展和完善。首先将计算机直接直接应用于过程控制系统的思想产生于20世纪50年代前后。当时由美国汤姆森拉默伍尔里奇航空公司和德克萨柯公司的工程师们对美国德克萨斯州的波特阿萨炼油厂的一台聚合装置，将计算机直接应用于工业控制的可行性问题展开了30年工程的研究。预测控制的主要目的是解决大延时系统的控制问题。将球磨机的传递函数矩阵转换成脉冲响应矩阵，根据系统的现在时刻和过去时刻的控制输入预测系统输出的未来值，以实现预测控制。获取预测传递函数是预测控制的难点，特别对于像球磨机这样的一个事变对象，将预测控制和其他智能预控制方法相结合是解决球磨机这样一个复杂对象的研究途径。模型算法（MAC）控制主要包括内部模型、反馈校正、滚动优化和参数输入轨迹等几个部分。它采用基于脉冲响应的非参数模型作为内部模型，用过去和未来的输入输出状态，根据内部模型，预测系统未来的输出状态。经过用模型输出误差进行反馈校正以后，再与参考轨迹进行比较，应用二次型性能指标进行滚动、优化，然后再计算当前时刻加于系统的控制，完成整个动作循环。3.2 预测控制理论特点3.2.1 预测模型预测是对事物或现象将要发生的或目前不明确的情况进行预先的估计和推测。预测要有一定的科学依据，其建立在对事物历史与现状的调查上，建立在对有关主要因素分析的基础上。系统预测就是根据系统发展变化的实际数据和历史资料，运用科学的理论、方法和各种经验、判断、知识，去推测、估计、分析事物在未来一定时期内可能发生变化的情况。其实质就是充分分析、理解待测系统及其有关主要因素的变化过程，以便找出系统发展变化的固有规律，根据过去与现在估计未来，根据已知预测未知，从而推断该系统的未来的发展状况。辨识系统模型是实施预测控制的必须步骤，因此预测控制是建立在模型辨识基础上的，辨识出来的模型才算是预测模型。预测模型最最根本的特征就是能够预测系统未来输出的特性，通过设计不同的控制策略作用和预测模型就能得到不同的控制结果，这些预测结果可以作为评判预测模型的标准，从而提供选择模型的方法。由于预测的对象、时间、范围、性质等不同，预测方法可以形成不同的分类，但可根据方法本身的性质特点将预测方法分为三类。(1) 定性预测方法根据人们对系统了解的经验、判断、直觉进行预测，其中以人的逻辑判断为主，仅要求提供系统发展的方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的系统对象，利用诸如市场调查、专家打分、主观评价等作出预测。(2) 时间序列分析根据系统控制对象随时间变化的历史资料，只考虑系统变量随时间变化的规律，对系统未来的表现进行定量预测。主要包括移动平均法、指数平滑法、趋势外推法等预测方法。该方法适于利用简单统计数据预测研究对象随时间变化的趋势，例如企业的总产值、城市的用电量及地区的降雨量等。(3) 因果关系预测系统变量之间存在某种前因后果关系，找出影响其结果的几种因素，建立因果的数学模型，根据因素变量的变化预测处结果变量的变化，既以预测系统发展的方向来确定具体的数值变化规律。一般因果关系模型中的因变量与自变量在时间上是同步的。其模型主要包括时间序列分析、线性回归分析、概率统计方法、计量经济学方法、系统动力学仿真、神经网络技术等方法。3.2.2 滚动优化预测控制的核心就是在运算每一步时能进行步步优化的动作，优化是指在某一时刻的性能指标能够达到最优值，通常情况下选择系统未来输出在采样时刻与设定值之间的方差为最小，还有应用更广泛的形式。与传统的离散最优控制相比，预测控制采用一种有限时间段的优化，并且在每一个采样时刻都会进行优化，到下一时刻优化时段也向前推移。因此，预测控制是针对局部最优来设计控制系统的，在不同时刻优化性能指标的相对形式是相同的，而包含的时间区域是不同的。3.2.3 反馈校正在采样的每一时刻，当优化完成后会得出一系列的控制输出量，但是为了防止模型输出只因模型失调和环境干扰引起的对理想输出值的偏离，预测控制一般是不会全部实施这些控制量的。到下一时刻先检测对象的实际输出，并用这一实测信息对基于模型的预测控制修正。预测控制是通过把当前系统实际输出与模型输出做差值，然后再把差值作为未来时刻的误差用来完成对模型的校正，不论采用什么校正方式，预测控制都利用了模型和实时的反馈信息，因而构成了闭环优化。3.3 预测控制理论算法3.3.1 模型算法控制 模型算法控制（MAC）又称作模型预测启发控制（MPHC），是预测控制的一类经典算法，是由梅拉和理查勒特等人在70年代后期提出的另类预测控制算法。这种