专利名称：一种水泥回转窑煅烧预测控制系统及方法
技术领域：
本发明涉及水泥生产过程的先进控制领域，特别是涉及ー种水泥回转窑煅烧过程预测控制系统和方法。
背景技术：
水泥回转窑煅烧是水泥生产过程中ー个很典型很重要的环节，对它的操作质量直接影响着水泥的品质、产能和生产成本。水泥回转窑煅烧操作的好坏很大程度上又决定于对它的控制方法，所以水泥回转窑煅烧的先进控制方法也就越来越受到国内外的关注和重视。水泥回转窑煅烧之所以难以控制，主要在于其具有复杂的变量耦合性、非线性和时滞性，加之其最重要的被控变量——窑内温度，无法准确选取其检测点也是难点之一，因为传统的经验调节法、PID调节法、模糊控制法等控制方法都很难得到较好且稳定的控制效果。由于国家对经济结构进行调整，对节能减排提出了较高的要求，这就使得水泥回转窑煅烧过程控制的研究显得越来越重要。许多国内外的エ艺、自控专家对此做了大量的研究工作，提出了许多先进的控制理论，也取得了一些令人鼓舞的进展。但是鉴于水泥回转窑煅烧过程的复杂性和先进控制理论对控制对象的局限性，使得一些先进的控制算法和控制方案，未能在水泥回转窑煅烧过程控制中取得实质的突破性进展。
发明内容
为了克服已有的水泥回转窑控制方案的不能适应煅烧过程变量之间强耦合性、强烈的非线性、变量之间的时滞性和不能得到良好控制效果的不足，本发明提供一种能够解决煅烧过程的变量耦合性、大时滞性、系统非线性问题，井能得到良好控制效果的基于组合模型的水泥回转窑煅烧过程预测控制方法及系统。本发明解决其技术问题所采用的技术方案是—种基于BP-ARX时滞模型的水泥回转窑煅烧过程预测控制方法，该预测控制方法包括以下步骤步骤ー确定煅烧过程的主要输入输出量并获得分类辨识数据，影响煅烧过程的主要输入量窑头喷煤量和高温风机挡板开度，输出量窑内NOx含量和氧气含量，采集相应变量的现场运行数据存放于数据存储装置，并将其分类为稳态数据和动态数据；步骤ニ 建立预测模型，利用BP神经网络对分类出的稳态数据进行辨得到水泥回转窑煅烧过程的非线性BP稳态模型，利用最小二乗法对分类出的动态数据进行辨识得到煅烧过程的线性时滞ARX动态模型，并通过将稳态模型和动态模型进行有机并联组合，得到水泥回转窑煅烧过程的M頂O时滞系统BP-ARX预测模型；步骤三预测未来输出状态，在当前时刻k，利用水泥回转窑煅烧过程的历史和未来数据的输入输出信息，通过基于BP-ARX模型的预测控制模型，并将其进行迭代对水泥回转窑煅烧过程未来一段时间的输出状态窑内NOx含量yln(k+j)、氧气含量y2n(k+j)进行预測；步骤四误差反馈校正，将从步骤三中得到的回转窑煅烧过程未来的输出状态yin(k+j)和k时刻的输出误差ei(k)相加，得到基于k时刻回转窑煅烧过程未来的闭环预测输出窑内NOx含量ylc;(k+j)、氧气含量y2c;(k+j)；步骤五设定输出量參考轨迹，为使煅烧过程未来输出量能够沿着预先设定轨迹平稳地达到设定值，引入參考输出轨迹窑内NOx含量yjk+j)、氧气含量y&(k+j)；步骤六滚动优化求解，将得到的预测闭环输出yie(k+j)与设定的參考轨迹yir (k+j)进行比较，构建带约束的二次型目标函数，并通过序列二次规划法对其进行滚动优化求解，计算出当前时刻应加于水泥回转窑的喷煤量U1GO、高温风机挡板开度U2GO ；步骤七根据步骤六计算出的当前时刻输入量控制现场智能执行器，实现现场水泥回转窑煅烧过程的自动控制。上述步骤一中所述确定影响水泥回转窑煅烧过程的主要输入输出量，输入量为窑头喷煤量和高温风机挡板开度，输出量为窑内NOx含量和窑内氧气含量，选择的依据为水泥回转窑煅烧的质量主要取决于对回转窑窑内温度的准确控制和窑内煤的燃烧状况，由于对窑内温度不易直接測量，但窑内温度的高低和窑内NOx的含量存在ー种固定关系，温度越高NOx含量越高，并且气体在窑内的流动速度很快，用窑尾NOx的含量可以快速地反映出窑内温度，同时窑尾O2含量可以反映出窑内煤的燃烧情况，既保证了煅烧过程温度的平稳，也兼顾了单产能耗。上述步骤一中所述的数据分类是将采集的现场数据划分为稳态数据和动态数据，划分依据是当回转窑煅烧过程的输入量喷煤量和高温风机挡板开度中任意ー个发生阶跃变化时，输出量NOx含量和O2含量从阶跃时刻到最終都达到稳定状态时的数据为动态数据；输出量从稳定状态到下ー个阶跃发生前的数据为稳态数据。上述步骤ニ所述的水泥回转窑煅烧过程的MMO时滞系统预测模型是稳态模型和含有时滞的动态模型并联而成，稳态模型是通过模糊神经网络根据回转窑煅烧过程的稳态数据辨识获得，非线性时滞动态模型是通过最小二乗法对煅烧过程的动态数据辨识获得。上述步骤三所述的预测模型迭代求解水泥回转窑煅烧过程未来一段时间内的输出预测值，采用矩阵分离变换的方法来完成对MIMO时滞系统未来预测输出量状态yin(k+j)的求解。上述步骤六所述预测控制器在滚动时域下采用序列二次规划法对带有约束的ニ次型目标函数进行求解，保证求出的煅烧过程预测输入解是在约束条件下的全局最优解。本发明还公开了基于BP-ARX时滞模型的水泥回转窑煅烧过程预测控制系统，该系统包括现场智能仪表、智能执行器、数据存储装置及上位机，智能仪表和智能执行器直接与现场相连，智能仪表和智能执行器又通过现场总线与DCS系统、上位机依次相连。智能仪表用于采集水泥回转窑煅烧过程的输出量，即窑内NOx含量和氧气含量并将其传送到数据存储装置；数据存储装置为DCS系统的数据存储装置，所述的DCS系统包括数据接ロ、控制站和数据存储装置，完成对智能仪表上传信息的采集和存储，并将上位机的命令下达至智能执行器；、
上位机用于运行回转窑煅烧过程预测控制算法，根据水泥回转窑煅烧过程的输出量计算出当前时刻应加入回转窑内煤和风的控制量，并通过DCS系统对智能执行器进行调节来实现现场回转窑煅烧过程的自动控制。所述的回转窑煅烧过程预测控制算法，是指上述方法中所说的步骤一至六。本发明的有益效果主要表现在I.选择窑内NOx含量和O2含量作为水泥回转窑煅烧过程的控制输出量，既保证了煅烧过程温度的平稳，也兼顾了单产能耗；2.采用稳态和动态分离辨识，再有机并联组合的模型辨识方法，并采用矩阵分离变换的方法将时滞添加到MMO系统的预测模型中，能够适应水泥回转窑煅烧过程的变量耦合性、大时滞性、系统非线性，实现了对水泥回转窑煅烧过程的平稳控制；3.充分利用预测控制技术的优点，引入參考轨迹，反馈校正和滚动优化技术，获取 更多的水泥回转窑煅烧过程的运行信息，实现了回转窑煅烧过程的自动控制，取得良好控制效果；4.利用序列二次规划法对带有约束的二次型目标函数进行滚动优化求解，易得的全局最优解；操作简单，适应性強。
图I为基于BP-ARX时滞模型的水泥回转窑煅烧过程预测控制方法流程图。图2为本发明的BP-ARX并联时滞模型框图。图3为本发明提出的水泥回转窑煅烧过程预测控制系统的方框图。图4为本发明提出的水泥回转窑煅烧过程预测控制系统的现场接线图。
具体实施例下面结合附图对本发明做进ー步的详细描述。如图I所示的预测控制方法的流程图和图3所示控制系统方框图I.建立基于BP-ARX模型的预测模型BP-ARX预测模型是ー个由非线性BP稳态模型和线性ARX动态模型并联而成的组合模型，详细的模型结构关系如图2所示。建立该BP-ARX模型大体分两步训练数据获取和模型辨识。(I).训练数据获取本实施例对水泥厂的回转窑煅烧过程中NOx含量、O2含量、喷煤量以及高温风机挡板开度四个变量通过图3中DCS系统的数据存储装置(11)对现场数据进行采集，采样周期为60s，共采集20000组数据。将所采集数据分成动态、静态两种数据，划分依据是当输入量喷煤量U1和高温风机挡板开度U2中任意ー个发生阶跃变化时，输出量NOx含量yi和O2含量72从阶跃时刻到最終都达到稳定状态时的数据选为动态数据；输出量从稳定状态到下一个阶跃发生前的数据选为稳态数据。经分类后得到动态数据7341组，稳态数据12659组。(2).模型辨识參考图2中模型结构，分为三部分BP稳态模型(6)、动态增益K (7)和ARX动态模型(8)，用BP稳态模型就出当前时刻系统的动态增益K，再利用动态增益K实时调整ARX动态模型參数，完成稳态模型和动态模型的有机并联组合，建立代表水泥回转窑煅烧过程综合特性的BP-ARX模型。 非线性BP稳态模型辨识BP神经网络选取三层网络结构，其中，输入层变量的维数为nu= 2，隐含层的输出变量维数为P = 10，即隐含层有10个神经元，输出层的输出变量维数为ny = 2,Wia表示输入层到隐含层的连接权值，W2a表不隐含层到输出层的连接权值，Qp92分别表不隐含层和输出层神经元的阈值。BP算法的具体训练步骤如下I)随机初始化权值矩阵W1, i，W2, i以及神经元阈值向量Θ i，Θ 2 ;2)由训练数据中第I个样本数据输入值U1计算出对应的隐含层的输出值，如式
(I)所示。
权利要求
1.一种基于BP-ARX时滞模型的水泥回转窑煅烧的预测控制方法，其特征在于该预测控制方法包括以下步骤 步骤一确定煅烧过程的主要输入输出量并获得分类辨识数据，影响煅烧过程的主要输入量窑头喷煤量和闻温风机挡板开度，输出量窑内NOx含量和氧气含量，米集相应变量的现场运行数据存放于数据存储装置，并将其分类为稳态数据和动态数据； 步骤二 建立预测模型，利用BP神经网络对分类出的稳态数据进行辨得到水泥回转窑煅烧过程的非线性BP稳态模型，利用最小二乘法对分类出的动态数据进行辨识得到煅烧过程的线性时滞ARX动态模型，并通过将稳态模型和动态模型进行有机并联组合，得到水泥回转窑煅烧过程的MMO时滞系统BP-ARX预测模型； 步骤三预测未来输出状态，在当前时刻k，利用水泥回转窑煅烧过程的历史和未来数据的输入输出信息，通过基于BP-ARX模型的预测控制模型，并将其进行迭代对水泥回转窑煅烧过程未来一段时间的输出状态窑内NOx含量yln(k+j)、氧气含量y2n(k+j)进行预测；步骤四误差反馈校正，将从步骤三中得到的回转窑煅烧过程未来的输出状态Yin(k+j)和k时刻的输出误差&(10相加，得到基于k时刻回转窑煅烧过程未来的闭环预测输出窑内NOx含量ylc;(k+j)、氧气含量y2c;(k+j)； 步骤五设定输出量参考轨迹，为使煅烧过程未来输出量能够沿着预先设定轨迹平稳地达到设定值，引入参考输出轨迹窑内NOx含量yir (k+j)、氧气含量y& (k+j)； 步骤六滚动优化求解，将得到的预测闭环输出yic;(k+j)与设定的参考轨迹yiJk+j)进行比较，构建带约束的二次型目标函数，并通过序列二次规划法对其进行滚动优化求解，计算出当前时刻应加于水泥回转窑的喷煤量U1GO、高温风机挡板开度u2(k)； 步骤七根据步骤六计算出的当前时刻输入量控制现场智能执行器，实现现场水泥回转窑煅烧过程的自动控制。
2.根据权利要求I所述的一种水泥回转窑煅烧预测控制方法，其特征在于步骤一所述的影响水泥回转窑煅烧过程的主要变量，是采用窑内NOx含量间接反映窑内烧成带温带，用窑内氧气含量反映窑内煤的燃烧状况。
3.根据权利要求I所述的一种水泥回转窑煅烧预测控制方法，其特征在于步骤二所述的水泥回转窑煅烧过程的MMO时滞系统预测模型是稳态模型和含有时滞的动态模型并联而成，非线性稳态模型是通过模糊神经网络根据回转窑煅烧过程的稳态数据辨识获得，线性时滞动态模型是通过最小二乘法对煅烧过程的动态数据辨识获得。
4.根据权利要求I所述的一种水泥回转窑煅烧预测控制方法，其特征在于步骤三所述的预测模型迭代求解水泥回转窑煅烧过程未来一段时间内的输出预测值，采用矩阵分离变换的方法来完成对MIMO时滞系统未来预测输出量状态yin(k+j)的求解。
5.根据权利要求I所述的一种水泥回转窑煅烧预测控制方法，其特征在于步骤六所述预测控制器在滚动时域下采用序列二次规划法对带有约束的二次型目标函数进行求解，保证求出的煅烧过程预测输入解是在约束条件下的全局最优解。
6.一种实现权利要求I所述的一种基于BP-ARX时滞模型的水泥回转窑煅烧过程预测控制方法的控制系统，其特征在于所述的控制系统包括现场智能仪表、智能执行器、数据存储装置及上位机；智能仪表用于采集水泥回转窑煅烧过程的输出量，即窑内顯!￡含量和氧气含量并将其传送到数据存储装置；所述的数据存储装置为DCS系统的数据存储装置，所述的DCS系统包括数据接口、控制站和数据存储装置；上位机用于运行回转窑煅烧过程预测控制算法，根据水泥回转窑煅烧过程的输出量计算出当前时刻应加入回转窑内煤和风的控制量，并通过对智能执行器的调节来实现现场回转窑煅烧过程的自动控制。
7.如权利要求6所述的基于BP-ARX时滞模型的水泥回转窑煅烧过程预测控制系统，其特征在于智能仪表和智能执行器直接与现场相连，智能仪表和智能执行器又通过现场总线与DCS系统、上位机依次相连。
全文摘要
一种水泥回转窑煅烧预测控制方法及系统，其方法是(1)采集水泥回转窑煅烧过程的现场数据并对其分类；(2)对其数据分别进行模型辨识，并将其有机结合，建立预测模型；(3)用预测模型对煅烧过程的历史和未来的数据信息预测出煅烧过程的输出，并利用模型输出误差反馈校正得到闭环的煅烧过程的预测输出；(4)依据闭环预测输出和参考输出轨迹，构造出非线性目标函数，用序列二次规划法对目标函数求最优解，得到煅烧控制量的预测值。系统包括与水泥回转窑连接的智能检测仪表和执行器、数据存储装置及上位机，其中上位机嵌入了煅烧预测控制算法。本发明能够适应水泥回转窑煅烧过程的动态性，多变量之间耦合性、非线性、时滞性，得到良好的控制效果。
文档编号G05B13/04GK102629104SQ201210092718
公开日2012年8月8日 申请日期2012年3月31日 优先权日2011年12月1日
发明者刘彬, 史鑫, 孙超, 张会华, 王杰, 郝晓辰, 郭峰 申请人:燕山大学