联合制碱工艺过程控制模型的研究

联合制碱工艺过程控制模型的研究

1母液的分离和干燥联合制碱是直接将联合厂生产中的变换气直接引入碱化塔的过程。在脱除变气中的co后，重碱是由过滤碱机过滤的，然后将重碱转化为纯碱，过滤后的母液被引入氯化铵项目的步骤中。其主要工序分为重碱生产、氯化氨生产和煅烧等工段。整个生产过程需要对60个温度点、20个压力点、16个液位点、21个流量点及210多个电机运转信号检测和控制,是典型的多参数、多回路、非线性、大滞后、强耦合的连续生产的复杂工业对象。为此,我们采用了基于DCS的智能专家控制策略,针对不同工段的工艺特点和要求,采用了不同的控制模式,实现了“给定值优化”的变工况控制。2重要技术的工作原则和实现2.1智能控制器的设计图1为制碱塔的结构简图,该塔由三个外冷器、一个制碱塔和六个气动角阀等组成,为了确保反应进程稳定和重碱的结晶质量,需要塔内反应液温度、液面高度h和塔内压力p2保持恒定。由于反应液温度受到放热反应等多种因素的影响,并且,塔内不同位置的温度也不相同且存在着相互耦合。为此,我们提出了基于软测量技术的智能控制策略。假设反应放出的热量为Q1,它可使质量m1的反应液从反应温度t1升到t2,即满足(1)式:Q1=C1m1(t2-t1)(1)式中:C1为反应液的比热。在外冷器内,反应热被循环水移出,那么,循环水吸收的热量Q2可使水从原来的温度T升到t2,即满足(2)式:Q2=C2m2(t2-T)(2)式中,C2为水中的比热。根据热平衡原理,有Q1=Q2成立。因两种介质反应放出的热量可通过化学反应方程式计算得出,C1和m1均为已知,则通过反演计算可得出t2,根据Q1=Q2,则由(1)式可知:通过改变m2使t1保持不变,进而达到移出全部反应热的目的。换言之,仅需确保合理的T值,就可以通过改变循环水流量的方法,移出全部反应热,T可利用计算机经过反演计算得到合理的设定值,从而保证塔内的反应温度t1恒定。智能控制器采用文献提出的神经元PID控制器,其增量表达式和权系数自学习算法为:ΔUn=w1en-1+w2(en-en-1)+w3(en-2en-1+en-2)(3)Wi(k+1)=Wi(k)−εi∂E(k)∂Wi(k)(4)Wi(k+1)=Wi(k)-εi∂E(k)∂Wi(k)(4)式中:i=1、2、3;εi为学习速度因子,这里取εi=0.03;这里取wi(k)的初值可取一般PID算法的经验值。2.2采用智能专家控制方法,提高系统对于不同地域炉头压力是通过调节排风机挡风板开度实时控制的,是保证从重碱制得纯碱的关键技术参数,受到重碱物料量及其含水量、加热用的蒸汽流量及洗涤除尘的工作状态等多种因素的影响。因此,对炉头压力的控制存在以下的困难:(1)重碱及其含水量给系统带来的不确定性;(2)加热用蒸汽量变换到挡风板开度控制存在着严重的时滞;(3)洗涤除尘器的状态变换使系统存在不稳定性和非线性等。为此,我们提出了一种智能专家控制方法,对这种时变、非线性和不确定性系统加以控制。煅烧工艺流程图如图2所示。该控制系统结构如图3所示,其中主控制器根据不同时刻的实测压力值,按加权平均方法作为基本输出量UI,Fuzzy补偿器时刻根据风道内的压力变化及其变化率,通过Fuzzy推理合成得到修正值,对UI修正;BP预估器是根据重碱流量的变化A、加热蒸汽量的变化B以及洗涤除尘器的工况变化C来预测混合尾气产生量的变化,并把预测值作为模糊补偿器的给定值,以改变系统的工作点,从而确保炉头压力为-50Pa左右;专家规则库实际上是一张控制规则表和历史数据表。2.2.1智能设备的设计2.2.1.产生混合尾气量近似根据操作人员长期控制得到的实际数据,通过加权平均计算出平均控制量。设K时刻的压力为Pk,产生混合尾气量近似可用函数f(Pk)表示,则从K-1时刻到K时刻的混合尾气变化量ΔQk为:ΔQk=f(Pk)-f(pk-1)(5)在K时刻的主控制器输出量Uk为:Uk=Uk-1+εΔQk(6)式中,Uk-1为K-1时刻的主控制器输出量,ε为速度因子,ε∈。2.2.1.自组织fpseFuzzy补偿器是根据操作人员经验总结成模糊控制规则,对主控制器的输出量进行补偿。其输入为实测压力值与预测压力值之差E及其变化量EC,则输出量直接用文献中的控制方法给出,其表达式为:ΔU1=[aE+(1-a)EC](7)自组织Fuzzy控制一般根据选定的几种a值保存其相应的控制表,根据a值选其中的一张表,再根据E和EC查出Fuzzy控制量。液位能保存的控制表是有限的,这里我们直接用(7)式求出ΔUI,省去了保存和查寻的控制表,实践表明是可行的。2.2.1.网络学习及自适应调整规则我们利用BP网络的泛化特性,构造三层神经网络。根据工况的变化,对系统的工作点进行整定。设输入层第i个单元和隐层第j个单元的连接权为Wij(i=1,2,...,n;j=1,2,...,n1);设隐层第j个单元和输出层第k个单元的连接权为Wok,输出层阀值为Wik(i=1,2,...,m),神经元的变化函数取为S型,则有:yPk=f(∑j=1n1Wjk×f(∑i=1nWij×SPi−Woj)−Wok)(8)ykΡ=f(∑j=1n1Wjk×f(∑i=1nWij×SiΡ-Woj)-Wok)(8)式中,SPiiΡ为输入样本集P的第i个分量。网络的训练,采用标准的反向传播(BP)学习方法,其调整规则为:Wij(I+1)=Wij(I)−λI∂E∂Wij(I)(9)Wik(I+1)=Wik(I)−λI∂E∂Wik(I)(10)E=12∑P=1P(∑k=0m(tPk−yPk))2(11)Wij(Ι+1)=Wij(Ι)-λΙ∂E∂Wij(Ι)(9)Wik(Ι+1)=Wik(Ι)-λΙ∂E∂Wik(Ι)(10)E=12∑Ρ=1Ρ(∑k=0m(tkΡ-ykΡ))2(11)式中,tPkkΡ、yPkkΡ分别为P样本集中第k个输出单元的希望输出和实际输出值。由于BP算法易陷入误差局部最小和产生振荡。这里采用步长自适应调整,令步长:λI=λ×E(∑i,j(∂E∂Wij)2+∑j,k(∂E∂Wjk)2)ue001⎷ue000ue000(12)λΙ=λ×E(∑i,j(∂E∂Wij)2+∑j,k(∂E∂Wjk)2)(12)式中,λ为步长因子,从而可有效的克服误差局部最小和产生振荡。这里,输入量S为[A,B,C]三个输入量,输出量Q为预测产生的混合尾气量,由于隐层节点个数没有理论上的指导,取其为5,则权系数修正算法和输入表达式由上述的(8)～(12)式给出,通过计算机离线学习,达到E≤0.01后,确定权值。2.2.1.控制规则表和历史数据表专家规则库实际上就是一组程序、一张控制规则表和历史数据表,当现场无输入信号或超过规定的范围时,则按预定的规则,选择对应的历史数据直接输出。3基于模型的优化控制该自动控制系统,巧妙地把软测量技术、模糊控制技术、智能控制技术