烧结终点位置专家控制

1、1）烧结终点位置专家控制策略在烧结工艺中，烧结终点（Burning Though Point, BTP）是反映烧结热状态的重要参数，是判断烧结过程正常与否的标志之一，与烧结过程热能利用率密切相关。烧结终点包括烧结终点位置与烧结终点温度，其中，实现烧结终点位置的自动控制对保证整个烧结生产的顺利进行，增强烧结矿的产量和质量，提高烧结过程热能利用率有着重要指导意义。而目前的烧结BTP位置自动控制一般都是通过曲线拟合的方法，得到烧结废气温度上升点（Burn Rising Point, BRP），来预测BTP的位置，继而调节烧结机速度，从而达到稳定BTP的目的。实际生产表明，由于BTP的控制存在很多的干

2、扰因素，仅仅依据BRP来调节操作参数，稳定BTP是远远不够的，存在诸多不足：BTP温度低，那么烧结矿整体温度偏低，导致烧结矿强度不够；机速过快或过慢，将导致混合料仓料位过低或过高，不利于烧结过程的稳顺运行。因此，除了BRP的影响外，还必须充分考虑其他工况（混合料仓料位、风箱负压、料层厚度、配重）的影响，设计出基于多工况识别的BTP控制，提高烧结过程的抗干扰性。为了有效提高烧结过程的抗干扰性，保证烧结过程的稳顺运行，本课题以稳定烧结终点位置为目标，采用一种基于工况识别的烧结终点参数自整定专家控制方法，通过工况识别，实时修改专家控制器的控制周期、控制步长等参数，并可以根据不同的配重，灵活处理烧结机

3、速度的上下限，有效降低了操作工人的工作量，提高了整个烧结车间的工作效益。基于工况识别的烧结终点专家控制框图如图1所示，由工况识别、专家控制器和参数自整定模块组成。经过识别的各种工况通过经验组合得到的专家规则不仅用于调整控制参数，还指导专家控制器的输出。该控制方法包括以下步骤：步骤1：数据采集和模糊化步骤：采集和计算混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量并进行模糊化处理；步骤2：模糊诊断步骤：根据模糊化的6个过程变量，基于诊断规则得到当前烧结运行状态处于何种工况；步骤3：在线控制步骤：根据模糊诊断步骤获得

4、的工况，基于建立的专家规则，在线调整控制周期、控制步长和烧结机速度的上限值和下限值，实现烧结终点的自动控制。图1烧结终点位置专家控制结构框图 数据采集和模糊化由典型状况的知识表示，通过实时采集混合料仓料位、烧结终点位置、烧结终点温度、17#19#风箱温度等6个过程变量的检测值，然后，通过设定的烧结终点位置（23号风箱）和当前时刻的烧结终点位置相减，得到烧结终点位置的偏差；并分别将当前时刻和前一时刻的混合料仓料位和17#19#风箱温度平均值相减，得到二者的变化率。将混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量作

5、为模糊诊断的6个事实，各种工况和事实之间的关系如图2所示。图2 事实和工况关系图 模糊诊断步骤模糊诊断是BTP控制的主体部分，主要是对获取的知识进行识别归类，继而判断出当前的烧结典型状况，指导专家控制器的操作。模糊诊断主要包括模糊预处理、模糊推理和解模糊三个步骤。烧结过程中综合状况的信息一般以模糊命题的形式出现，如“BTP温度正小”、“混合料仓料位负大”、“BRP负小”等。用于描述综合状况的生产数据必须经过模糊化后才使用，模糊化所用的隶属度函数采取三角半梯形函数。该模糊诊断各过程变量采用的隶属度函数曲线如图3所示，是三角函数和半梯形函数的组合，中间是三角形函数，如（1）所示，两边是半梯形函数，

6、分别如式（2）和（3）所示。图3 隶属度函数曲线 （1） （2） （3）其中，(x)表示x属于该模糊命题的隶属度，即模糊命题成立的确信度。在没有实现自动控制之前，由于烧结过程中出现的典型现象都是依赖于熟练的操作工人的经验判断的，在长期的烧结操作实践积累大量切合实际的烧结状况的知识，可以作为专家知识库的主要来源。除此之外，还要进行大量的数据分析，结合相应的烧结理论知识，得出烧结终点典型状况与反映典型状况的事实之间的对应关系如图2所示，烧结终点的典型工况15种，分别对应烧结过程的6个事实。一种典型状况可能对应多个事实，每种事实中又包含多个事实项，事实和典型状况之间必须建立合理的对应关系，这里采用一

7、种模糊诊断的策略。将烧结过程的典型工况（Abnormal Condition，简称AC）及相关事实项（Fact，简称F）描述如下： （4） （5） （6）其中，式（4）表示15种典型工况，n=15；式（5）表示每个典型工况ACi与对应的28个事实项的关系，m =28。为了更形象描述典型工况和事实项之间的关系，引入式（6），Ni表示第i个事实项的名称，表示对应的权重。式（4）和式（5）合起来就可以表示出不同的典型工况对应的事实项序列。以“BTP大滞后”为例，该典型工况的事实项序列描述如下：-（7）其它典型工况的事实项序列对应的权重如表1和表2所示表1 BTP工况对应的事实项序列权重表事实工况BT

8、P位置的偏差BTP温度负大负小零正小正大负零正10.1 0.050000.100200.10.05000.100300.050.10000.104000.050.10000.150000.050.1000.1续表2事实工况17#19#风箱温度平均值的变化率BRP负大负小零正小正大负大负小零正小正大10.250.10.05000.20.10.050020.10.250.1000.10.150.0500300.150.250.15000.050.10.0504000.10.250.1000.050.150.15000.050.10.25000.050.10.2表中1、2、3、4、5分别表示大滞后、

9、小滞后、正常、小提前、大提前，表中没有列出的其它事实项的权重全部为零。表2 混合料仓料位及其变化率工况对应的事实项序列权重表事实工况混合料仓料位混合料仓料位变化率负大负小零正小正大负大负小零正小正大60.70.30000000070.30.40.30000000800.30.50.20000009000.30.40.300000100000.30.70000011000000.70.300012000000.30.40.300130000000.30.50.201400000000.30.40.315000000000.30.7表中615分别表示混合料仓料位过低、低、适中、高、过高以及混合料仓

10、料位变化率负大、负小、零、正大、正小，表中没有列出的其它事实项的权重全部为零。根据获取的经验知识，定出15种典型工况和28个事实项对应得权重矩阵，即两者的模糊关系表示如下： （8）其中表示事实项i在典型工况j表现出来的重要程度，且。可以为0，如式（9）中反映“BTP大滞后”的事实项只有6个存在权重，其余的22个全部为零。当时，表示该事实项在反映典型工况时不起作用。28个事实项在典型工况的知识获取中经模糊化后，可以得到如下的隶属度向量： （9）设15中典型工况的隶属度向量为： （10）模糊诊断的过程就是进行模糊关系的运算，如下所示： （11）其中符号表示取大，表示取小，理解为典型工况发生的可能性

11、，当然越大，发生的可能性越大。如当前时刻的BTP位置的变化率、BTP温度、17#19#风箱温度平均值的变化率、BRP、混合料仓料位及其变化率6个事实分别为-0.2个、400、7/(5s)、17号风箱、75t、0.6t/(5s)，经模糊化后得到的隶属度向量=（0，0.667，0.333，0，0，0.364，0.636，0，0，0，0，0.6，0.4，0，0，1，0，0，0，0，0.5，0.5，0，0，0，0，0.8，0.2）T，由于每种工况对应的事实项序列的权重叠加起来为1，隶属度向量要经过归一化处理，得到=（0，0.167，0.083，0，0，0.91，0.159，0，0，0，0，0.15，0

12、.1，0，0，25，0，0，0，0，0.5，0.5，0，0，0，0，0.8，0.2）T依据式（11）的运算得到15中典型工况的隶属度向量=（0.091，0.1，0.15，0.1，0.1，0，0.3，0.5，0.4，0.3，0，0，0.2，0.4，0.3）。如工况BTP大滞后的隶属度是这样得到的：采用隶属度最大的原则进行解模糊，通过比较各典型工况的隶属度，最大者即为当前典型工况。由于模糊诊断得到的是烧结过程的三个典型工况，分别是BTP工况、混合料仓料位及其变化率的工况，通过比较前5种典型工况的隶属度值，最大者为BTP当前工况；通过比较中间5种典型工况的隶属度值，最大者为混合料仓料位当前工况；通过

13、比较后5种典型工况的隶属度值，最大者为混合料仓料位变化率当前工况。如前面提到的例子，依据隶属度向量，通过隶属度最大的原则进行解模糊，得到当前的烧结工况为BTP正常，混合料仓料位适中，混合料仓料位的变化率正小。得到BTP的工况后，再结合混合料仓料位及其变化率两者的工况进行经验组合，建立专家规则。专家规则采用了基于规则的表达形式，规则表由若干的经验规则组成，采用“IF 条件1 AND 条件2 AND条件3 THEN 结论”的形式，每条规则的输入条件由上述三类典型工况的与关系构成，结论是控制策略。总共建立125条规则，8套控制策略，在线调整各控制参数，指导专家控制器的执行，控制策略具体描述如下：（1

14、）最大限度减慢机速；控制周期=1.0 min，控制步长=-0.02 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（2）中等限度减慢机速；控制周期= 5.0 min，控制步长=-0.02 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（3）最小限度减慢机速；控制周期=10.0 min，控制步长=-0.02 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（4）保持当前速度；控制周期=10.0 min，控制步长=0 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（5）最小限度加快机速；控

15、制周期=1.0 min，控制步长=0.02 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（6）中等限度加快机速；控制周期=5.0 min，控制步长=0.02 m/min，机速上限=3.28 m/min，机速下限=2.7 m/min；（7）最大限度加快机速；控制周期=10.0 min，控制步长=0.02 m/min，机速上限=3.28 m/min，机速下限=2.7m/min；（8）维持正常速度；根据经验，将正常的理想烧结机速度（IdealSv）设为2.98 m/min，控制周期=1.0 min，若当前机速大于IdealSv，控制步长=-0.05 m/min，机速上限

16、=3.28 m/min，机速下限=2.98 m/min；若当前机速小于IdealSv，则控制步长=0.05 m/min，机速上限=2.98 m/min，机速下限=2.7 m/min；若两者相等，则保持机速为2.98 m/min。 专家控制规则表如下表所示：表3专家规则表混合料仓料位混合料仓料位变化率BTP大提前小提前正常小滞后大滞后过高正大（7）（7）（7）（7）（7）过高正小（7）（7）（7）（7）（7）过高零（7）（7）（7）（7）（7）过高负小（6）（5）（8）（8）（8）过高负大（8）（8）（8）（3）（2）高正大（7）（7）（7）（7）（7）高正小（7）（6）（5）（5）（5）高零（

17、7）（6）（5）（3）（2）高负小（6）（5）（8）（2）（1）高负大（6）（5）（8）（2）（1）适中正大（7）（6）（6）（3）（2）适中正小（7）（6）（8）（3）（2）适中零（6）（8）（8）（8）（2）适中负小（5）（5）（8）（2）（1）适中负大（1）（1）（1）（1）（1）低正大（6）（5）（8）（2）（1）低正小（6）（5）（8）（2）（1）低零（2）（2）（2）（2）（1）低负小（2）（2）（2）（1）（1）低负大（1）（1）（1）（1）（1）过低正大（8）（8）（8）（2）（1）过低正小（8）（8）（8）（3）（1）过低零（1）（1）（1）（1）（1）过低负小（1）（1）（

18、1）（1）（1）过低负大（1）（1）（1）（1）（1）表中，（1）（8）如控制策略所示。 专家控制将整定完后的参数送给烧结机机速自调整模块，由该模块完成机速的在线下发。为了防止由于烧结机机速剧烈突变造成的烧结过程不稳顺的现象，实时采集烧结机当前的机速，在该机速的基础上，依据整定完后的参数，进行合理的调节，实现变周期变步长的烧结终点自动控制。机速自调整方式具体如式（12）所示。 （12）其中，SV表示下一控制周期机速下发值，PV表示当前控制周期机速检测值，CS表示控制步长，SVUpLimit表示机速上限，SVLowLimit表示机速下限。 如前面提到的例子，得到各典型工况后，通过查表4，可以得到当前工况下采用控制策略（8），并按照式（12）下发烧结机机速。由图4和图5得知，本发明使得烧结终点基本稳定在22.5-23.5之间，偏差控制在±0.5个风箱之内，波动率为13%，降低了12%。表5选用利用系数、转鼓指数和筛分指数这几个关