連續碳酸化分解過程分解梯度控制策略研究
陽春華，甘旭，桂衛華
中南大學信息科學與工程學院，湖南長沙410083)
摘 要：連續碳酸化分解過程是燒結法生產氧化鋁的關鍵工序之一，其分解率梯度與末槽分解率直接影響產品的產量和質量。針對此過程具有強非線性、強耦合性、大時滯、難以建立精確的教學模型等特點，在分析過程機理特征和總結專家經驗的基礎上，提出了分解率梯度專家控制和末槽分解率預測前饋補償相結合的控制策略，以首槽進料閥門和l#～5#槽CO2 通氣閥門為控制對象，采用產生式規則建立了由首槽進料量專家控制規則和1#～5#槽分解率專家控制規則共同組成的專家知識庫，并引入了末槽分解率預測模型修正控制輸出，最后開發了連續碳酸化分解過程分解率梯度專家控制系統。實際運行結果表明，各槽分解率的合格率提高了百分之二以上，實現了分解率梯度的穩定優化控制，提高了產品的質量。
關鍵詞：連續碳酸化分解；分解率梯度；專家控制；預測模型；前饋補償中圖分類號：TP 273 文獻標識碼：A
Decomposition Ratio Gradient Control Strategy for Continuous Carbonation
Decomposition Process
YANG Chun hua．CAN Xu，GUl Wei-hua
(School ofInformation Science＆Engineering，Central South Universit)’．Changsha 410083，China)
Abstract：The continuous carbonation decomposition problem in sintering process of alumina production is discussed To the acter istics of such processes，an expert control strateg for decomposition ratio gradient is proposed，combined with feed-fonvard compensa tion of predictive model fbr the last-tank decomposition ratio,based on the experiential knowledge an the mechanic acteristics An expert knmdedge base is established bj using production rule including expert rules for feed rate of the first-tank a nd decomposition ratios from first-tank to fifth-tank The expert control system for decomposition ratio gradient is developed The practical operation results show that the qualification rate of decomposition ratio in each tank ls increased h 百分之二，an d the stable optimization control for deeomposition ratio gradient is realized
Key words：COlltinlJous carbonation decomposition；decomposition ratio gradient；expert control；predletive model；feed-forward compensation
1引 言
在燒結法工藝中，連續碳酸化分解(簡稱碳分)過程是一個非常關鍵的生產工序，由于它具有強非線性、強耦合性、大時滯、不確定性等特點，難以用精確的數學模型進行描述，傳統控制方法難以實施控制，而生產現場主要依靠操作工人手動調節。專家控制能模仿專家智能，不需要對象的數學模型，利用現場操作經驗直接對過程加以控制，在冶金、化工等復雜工業過程控制領域得到應用，取得了較好的控制效果[1-4]。文獻[5]將專家控制應用于碳分過程并以首槽進料閥門和4#，5#槽CO2通氣閥門為控制對象開發了分解率專家控制系統，
較好地實現了末槽分解率的優化控制。然而隨著碳分工藝的改進以及產品要求的提高，針對3個閥門實施控制難以將各槽分解率保持在生產指標所允許的合理范圍內，限制了產品產量與質量的進一步提高。因此，本文以六槽連續碳分過程為研究對象提出了分解率梯度專家控制和預測前饋補償相結合的控制策略。
2工藝分析
連續碳酸化分解過程是燒結法中一個重要的承前啟后的生產過程。某氧化鋁廠連續碳酸化分解過程由2個高位槽和4組分解槽組成，每組包括6個分解槽(分別用l#～6#表示)，其生產工藝流程，如圖1所示。
經上游工序脫硅送來的合格精液(即鋁酸鈉溶液)首先進人高位槽，從高位槽底部自壓進入l#分解槽(首槽)，通過低壓風提料進入2#分解槽，同樣的方法依次將料提入到后面分解槽。前5臺槽根據分解率要求通人一定量CO2氣體與料漿進行分解，6#槽(末槽)作為出料槽對分解的料漿起緩沖作用，檢測合格后由出料泵打到沉降槽，沉降底流送往氫氧化鋁過濾機過濾，得到含較少Si02雜質的氫氧化鋁沉淀和碳酸化分解母液。鋁酸鈉溶液的碳酸化分解是一個有氣、液、固三相參與的復雜的多相反應，它包括鋁酸鈉溶液吸收CO2氣體及二者之間的化學反應[6-7]。
為了保證氧氧化鋁產品產量與質量，各槽分解率必須根據合格精液的脫硅指數(A／s)控制在合適范圍內，且依次增大，這些分解率構成了分解過程的分解率梯度，合理的分解率梯度可使末槽分解析
圖中，Fr表示沒定分解率梯度向量，F(t)表示實際分解率梯度向量，Fc(t)表示分解率梯度誤差向量；uo(t)為進料閥門執行機構的控制量，u1(t)～u4(t)分別為1#～4#CO2通氣閥門執行機構的控制量，u5(t)為專家控制器對5#CO2通氣閥門的輸出值，△5(t)為預測前饋補償控制量，u5(t)為出的產品顆粒大、強復六、雜質少。因此碳分過程分解率梯度是否穩定直接關系到產品質量好壞。
由生產工藝和控制要求可知，實際生產中低壓提料風一般保持穩定且不作調節，首槽分解率受進料量和CO2通氣量的影響，其控制的好壞將影響到后面各槽分解率的調節，因而首槽分解率是工藝控制的重點之一。1#～5#槽的分解率都有對應的指標控制范圍，操作人員需根據各槽料漿分解情況通過調節各槽的CO2通氣量來調整分解率，盡可能將其控制在給定值允許范圍內。由于6#槽不通人CO2，分解液與剩余氣體充分反應，故末槽分解率只能通過5#槽的CO2通氣量來調節。
這樣，分解率梯度成為碳分生產過程的控制關鍵，不僅決定了末槽的分解率，也決定了末槽分解出來的氫氧化鋁產品的合格率。而只通過進料閥門和4#～5#槽C02，通氣閥門來控制合適的分解率梯度是非常困難的。因此，本系統將通過控制首槽進料閥門和l#～5#槽CO2通氣閥門來實現分解率梯度的穩定優化控制。
3控制策略
1)控制結構 針對碳分過程大時滯特點，本文研究專家控制和預測前饋控制相結合的策略。在分析各槽分解率影響因素以及總結現場操作經驗的基礎上，設計碳分過程的分解率梯度專家控制器來實現各槽分解率的穩定控制，并引用文獻[8]給出的基于變量聚類和主成分分析的神經網絡預測模型來實現下一時刻末槽分解率的預測，再以前饋補償方式來修正專家控制器的輸出，確保末槽分解率的控制目標。碳分過程控制系統結構，如圖2所示。
5#CO2通氣閥門執行機構控制量；X（t）表示各X料漿成分(A12O3濃度、總堿濃度等）及檢測數據輸入向量，Y（t）還未末X相關工藝參數（液位、出料速度、CO2濃度及壓力等）向量，Z（t）表示5#X、末X料漿成分及其分解率的向量；fr6表示末X分解率設定值，圖---表示末X下一時刻分解率預測值，em(t)表示末槽分解率誤差預測值。其中，I#～5#
槽的料漿每小時取樣一次，并通過離線化驗獲到Al2O3濃度、總堿濃度等成分數據，再根據這些成分值按照分解率計算公式自動算出各槽分解率。
碳分過程總體控制結構主要包括專家控制器、預測前饋補償單元、閥門執行機構、碳分生產過程以及成分分析檢測與分解率計算。專家控制器通過信息獲取與處理單元提取與加工分解過程工藝參數信息，并結合產生式規則表示的專家知識庫，采用正同推理策略搜索推理得出各閥門的操作量，再通過控制決策模塊協調推理輸出，并將其轉換為控制量輸出至執行機構。采用基于分解率梯度的專家控割器可以對碳分過程實施有效控制，以保證各槽分解率的穩定控制。
由于碳分生產過程存在大的滯后性，因而不能及時得到控制作用的反饋信息，響應的延遲容易導致過分或欠分，對于控制精度較高的末槽來說更是如此，而過分或欠分嚴重時甚至會引起整個工況不穩定。文中引入文獻[8]中的末槽分解率預測模型，利用輸入向量Y(t)和z(t)分析計算得到下一時刻的末槽分解率f6(t+1)，將末槽分解率設定值fr6與f6(t+1)相減得到誤差值er6(t)，再經一個分段線性化的前饋補償器生成補償量△u5(t)o將分解率梯度專家控制器反饋控制輸出值“u5(t)與△u5(t)合成后，作為總的控制量輸出至5#CO2通氣閥門執行機構，以克服大滯后對末槽分解率的影響。
綜上所述，分解率梯度專家控制技術和末槽分解率預測前饋補償相結合的控制策略不僅可以保證分解率梯度，而且可以提高末槽分解率精度和合格率，從而能夠滿足產品質量要求：
2)基于分解率梯度的專家控制策略 分解率梯度專家控制規則是知識庫中最重要的組成部分，也是專家知識的集中體現。 它通過歸納與總結工藝工程師、儀表工程師和熟練操作人員的經驗知識得到，描述了碳分系統在各種不同輸入條件下所采取的控制動作。若生產工藝條件發生變化時，可通過學習與適應模塊來補充或修改知識庫內容，以便更好地控制生產過程。
文中采用產生式規則來表示專家知識，它符合人的認識過程，表現形式直觀、表達方式靈活，可方便地對規則添加或修改。由于碳分過程各槽分解率受到多個因素的影響，故產生式規則的前提部分可表示為多個條件的邏輯an d(＾)組合，其形式為
其中，Ei(i=1，…，n)為第i個前提或條件；n為規則條件的個數，根據需要自由設定；u為結論或動作。
式(1)表明只有當所有條件都匹配成功時規則結論才被激活。本文通過對碳分工藝的分析及現場操作經驗的總結，得到了首槽進料量專家控制規則和l#～5#槽分解率專家控制規則，這6類規則共同組成了分解率梯度專家規則知識庫。
①進料量專家控制規則 由首槽進料的工作原理可知，高位槽液位及其變化趨勢直接影響進料量的大小，而首槽的分解率和Al203濃度(簡稱A0)
變化量則反映出進料量是否合適，其中，AO變化量為當前時刻A0值與上一時刻的差值。因此在綜合分析影響進料量的因素后，選取高位槽液位、高位槽液位變化、1#槽AO變化量和l#槽分解率誤差作為該規則庫的4個條件，分別用H，△H，△AO1和FE1，表示，而進料閥門開度的改變量為該規則的結論，用△Vout表示。根據碳分生產專家經驗知識，
將這4個條件變量的值域按照不同情況劃分為若干個連續區間，以此作為工況判斷依據，在滿足所有條件后輸出對應的閥門開度改變量。故專家規則可以表述如下：
其中，A(k)，B(m)，C(n)，D(t)分別為各條件
變量所劃分的區間范圍；百分之p為進料閥門改變量。
②l#槽分解率專家控制規則 當l#槽分解率波動較大時，單純通過進料量來調節分解率是比較緩慢的：為了減少調整分解率穩定所需的時間，本文加入了影響分解率的另一關鍵因素CO2通氣量，通過對l#槽CO2通氣閥門開度的控制使分解率加速達到穩定狀態。l#槽的分鋸情況可由該槽的分解率以及AO變化量來表征，根據這些信息以及專家知識來調節通氣量，以保證分解率符合梯度的要求。因此，該規則前提為l#槽AO變化量和1#槽分解率誤差，分別用△AO1和FE1表示，對應結論為1#槽CO2通氣閥門開度的改變量，用△V1表
示。規則的表述方式和進料量專家控制規則類似。
③2#～5#槽分解率專家控制規則 在中間各槽提料風不動的情況下，2#～5#槽只能通過調節CO，通氣量來控制分解率大小，因此，相關的工藝參數信息對于判斷決策通氣量至關重要。由于碳分過程是一個連續生產過程，相鄰槽的影響比較密切，前一槽的分解情況直接影響到后一槽的分解，故在調節C01通氣量時不僅要考慮當前槽的分解情況，如分解率和A0變化量，還要考慮前一槽的AO變化量，以便及時了解進入當前槽分解料漿的變化趨
勢，并做出正確控制決策.
經上述分析可得，2#～5#槽分解率專家控制規則的前提部分都包含3個條件：當前槽AO變化量、當前槽分解率誤差以及前一槽AO變化量，分別表示為△A0i，FEi和△A0i-1，而結論部分為當前
槽CO2通氣閥門開度的改變量，用△Vi表示，i為當前槽號(i=2，3，4，5)。類似上述方法，將這些條件變量值域分成若干個連續區間，2#～5#槽分解率專家控制規則可以統一表述如下：
其中，Ei(k)，Fi(m)，Gi(n)分別為第i號槽專家控制規則各條件變量所劃分的區間范圍；百分之pi為第i號槽CO2通氣閥門開度的改變量。
綜上所述為基于分解率梯度的專家規則知識庫具體組成情況。當工藝參數經信息獲取與處理單元輸入至推理機后，推理機結合規則知識庫采用正向推理策略搜索，若所有的規則條件都匹配，則能得到此時閥門開度的改變量，再通過控制決策單元進行專家知識綜合處理，確保閥門開度值在合理范圍內，最終輸出閥門開度控制量，并對執行機構實施控制，可以有效地保證合理的分解率梯度。
4 系統實現及應用效果
碳分過程分解率梯度專家控制系統由車間數據庫服務器、車間客戶端、主監控計算機、專家優化控制計算機、現場可編程控制器形成的3級控制結構組成，并通過企業內部網與分公司的分析檢測數據庫服務器相連。其中，車間數據庫服務器和車間客戶端構成車間管理級，主監控計算機和專家優化控制計算機構成過程監控優化級，PLC及檢測元件、執行機構等構成過程控制級，分析檢測數據庫定時存儲離線化驗的各槽料漿成分數據，以便通過網絡實時共享數據并根據數據信息實施在線優化控制。系統的總體結構，如圖3所示。
圖—
過程控制級采用美國AB公司SLC500系列PLC來實現現場控制，并通過DH+Network與過程監控優化級相連，實現檢測數據和操作信息的實時交換，而過程監控優化級與車間管理級通過以太網連接，實現生產信息的車間共享。
PLC利用輸入模塊(A／D，DI)實時采集碳分生產過程的實時工藝參數，如壓力、濃度、流量以及閥門工作狀態等，同時通過輸出模塊(D／A，D0)自動調節進料量、CO2通氣量的電動閥門以及輸出狀態信號，完成現場控制任務；主監控計算機通過組態軟件RSVlew32實時監控碳分過程并對設備故障及工藝過程預警與報警，同時采集和存儲現場數據；專家優化控制計算機定時自動從分析檢測數據庫服務器導入料漿成分化驗數據，并根據實時檢測數據進行專家優化計算，將控制信息傳給PLC執行，其中，所有數據都同時存入車間數據庫服務器，此外通過人機界面完成數據和專家規則的綜合管理；車間數據庫服務器存儲和管理整個碳分過程的生產數據，并實現車間數據共享；客戶端計算機主要實現對生產過程的遠程監視和調度管理。整個系統分布在車間、碳分崗位以及碳分槽現場，完成集中控制和管理的任務，實現了生產車間級的管、監、控一體化。
現以II組分解槽為對象，取系統投入前后各200組分解率梯度數據樣本加以對比，見表l。
從表l可看出系統投入后各槽分解率的合格率都提高了百分之2以上，較好地保證了分解率梯度的穩定性，同時標準偏差的減小表明了系統波動明顯減少，各槽的穩定性更好。此外，末槽分解率的平均值提高了百分之0．529，合格率提高了百分之3．5，這說明
了本系統能夠提高碳分產品質量和產量，實現了生產過程的穩定優化控制。
由圖4，圖5可以看出經過濾波后，控制輸入的抖振明顯減弱。
5結語
針對機器人系統的重復性動作，考慮其不確定性和非線性特點，提出一種基于迭代學習控制的軌跡跟蹤控制方法。這種控制策略學習與控制同時進行，完備性好，具有良好的魯棒性和對環境的應變能力，且由LPF保證了實際控制輸入力矩的平滑性。三連桿機器人系統的仿真結果表明，此控制方法較好地完成了不確定性機器人系統的軌跡跟蹤任務。未來的工作旨在把本文的控制方案推廣到實際的機器人系統。
參考文獻(References:)
[1]楊小軍，李俊民．基于神經網絡的魯棒自適應滑模迭代學習控制[J]西安電子科技大學學報(自然利學版)，2002，29(3)：382-386．(Yang XiaoiUil，Li Junmin Robust adaptive sfiding mode
iterative learning control based on the neural network[J]Joumal of Xidian University，2002，29(3)：382-386)
[2] Yang S Y．Luo A，Fan X P Adaptive mbust iterative learning control for uncertain robotic systems[J] Control Theory＆Applications，2003．20(5)：707 712 2
[3] Gunniarsson S．NorrlofM Onthe disturbance properties of hi小or der iteratbe leaning control algorithms[J]Automatiea，2006，42 (11)：2031-2034
[4] 樸鳳賢．張慶靈，王哲峰一類廣義系統的迭代學習控制[J]自動化學報．2007．33(6)：658459(Pu Fengxian，Zbang Qingling． Zhefeng lteratixeleaming eontml class of singular
systems．J。Acta Automatica Sinica，20[J]，33(6)：658-659)
[5] Butcher M．Karimi A Longchamp Rstatistical analysis of certainiteratie learning control algorithms [J]Internafona[Journal of Control，2008，81(1)：156 166
[6] 孫明軒，黃寶鍵迭代學習控制iM]北京：園防工業出版社， 1999(Sun blingxuan，Huang Baojian herative lemning control [M]Belling：National Defonce Industry Pres~，1999)
[7] tlwang C L．Lin H Y A luzzy decentralized variable structure track ing eontrol with optimal an d improved mbusmess designs：theory an d applications[J]IEEE Trans on Fuzzy Systems，2005，12(5)： 615-630
[8] Xu J x，Tan Y A composite energy function based learning control app roach fo,nonlinear systems with trine Ding parametric UllCertain—ties[J]IEEE msaction on Automatic Control，2002，47 (11)：1940—1945．
