回转窑焚烧设备退火温度模糊自适应控制技术

武存喜

(延安职业技术学院，陕西 延安 716000)

1 引 言

回转窑[1]作为焚烧处理的高使用率设备，对废物料的状态、性质等均具有较好的适应性，能有效破坏废物料中的有害物质，在预防二次污染中发挥着巨大作用，促进社会生态文明建设与绿色发展更加深入。退火温度对于回转窑而言是一项至关重要的物理参数。只有精准控制回转窑退火温度，才能充分燃烧废物料，降低灰渣产生量，使该设备发挥出最大程度的焚烧作用。随着智能时代来临，多数行业领域已迈入智能控制阶段。在众多控制手段中，模糊控制技术[2]凭借易开发、易操作等特征，不仅促进了工业生产发展，还引起了学术界的高度关注。模糊控制通过充分利用语言信息与数据信息，就能实现繁冗且复杂的非线性控制任务[3]。我国虽不及国外着手研究模糊控制理论的时间早，但发展快、效用好，尤其在探索温度模糊控制的技术中，取得了较高成就，并广泛应用于各大领域。

刘尘尘采用Advanced RISC Machines微处理器，建立嵌入式自适应温度控制系统，解决电阻炉超调量过大、调节时间过长等问题[4]；钱雅楠等提出了一种小超调量、高控制精度的果蔬温室温度智能自适应控制手段[5]；周正等为控制木材干燥窑温度，根据模糊理论与木材干燥模型，构建出响应快、能耗低的模糊自适应滑模控制器[6]。

基于上述调节控制技术的成熟优势，本文面向回转窑焚烧设备，对退火温度模糊自适应控制技术展开针对性研究。模型采用IF-THEN语句形式作为模糊条件与控制规则，有助于为自适应的模糊推理提供更直接的判定依据；引入自适应理论，让模型参数根据退火温度的非线性、时变性及分布特征，自适应地完成学习与调整，降低模型对模糊控制规则的依赖度，提升退火温度控制精准度。

2 回转窑焚烧设备退火温度控制依据

回转窑焚烧设备是焚烧技术的关键设备与核心环节，通常呈筒状，炉衬为窑筒内部浇筑的耐火材料或砌筑的耐火砖，基本组成包括烟室、加料管、窑筒体、传动装置等。按一定倾斜角度安置回转窑，电机驱动齿轮旋转设备，让废物料按照进料方向，从进料口缓慢移动至出料口，生成的灰渣经过冷却系统冷却后，掉入渣斗，通过水封除渣机排出。为达成高燃尽率与底渣熔融的高处理质量[7]，焚烧时长一般需保持在1～2 h，运行温度要维持在850～1 450 ℃。设备运行中的工艺流程包含烘干、热解、焚烧、燃尽等四个阶段，受多方面因素影响，为获得精准的控制结果，本文以炉膛体积、物料燃烧传递温度和消耗热量为依据，获得不同时刻下的目标退火温度。

基于回转窑焚烧设备结构，设定炉膛体积为Vl，则通过式(1)确定焚烧设备直径Dh：

(1)

式中：K为长径比系数；炉膛体积由物料的进入量、热值及容积热负荷决定。

假设空气与燃料的带入热量、燃料低位时的发热量、焚烧物料对附近物料的传递热量、高温分解反应过程中的消耗热量、辅助燃料的消耗热量分别为Qk、Qr、Qd、Qc、Qf、Gf，则t时刻下，回转窑焚烧设备的退火目标温度计算公式如下所示：

(2)

式中：Qb为焚烧不彻底的损失指数；cx为物料比热容，J/(kg·℃)；α为过量空气系数[8]；Vy为焚烧烟雾体积；qv为容积热负荷。

3 退火温度模糊自适应控制技术实现

3.1 回转窑焚烧设备退火温度数据采集与处理

利用红外测温设备[9]采集瞬态响应的退火温度动态变化数据，由硬线实时上传至模拟量卡件，经工业以太网传输到上位机，通过分散控制系统的记录与辨识，得到有效的温度数值。

为降低环境等因素对温度数据质量的干扰与影响，式(3)为去除采集数据中含有的随机噪声：

(3)

式中：Em、Em-1为采集到的第m个与第m-1个温度值；当采样值Em不可用时，选用采样值Em-1；Δdmax表示连续两个采样值间的最大误差。

3.2 模糊自适应控制模型

3.2.1 模糊控制模型

常用的模糊控制模型共分为模糊化、知识库、模糊推理及清晰化四个部分。模糊控制模型遵循的模糊条件与控制规则为IF-THEN语句。当模糊控制模型呈两输入单输出模式时，若语言变量是x、y、z(模糊输入项是x、y，模糊控制项是z)，Ai、Bi、Ci(i=1,2,…,n表示语言变量序数)是各变量分别在模糊论域X、Y、Z上的值，则相关模糊控制规则的表示形式如下列条件方程组所示：

(4)

由此推导出语言变量值Ai、Bi、Ci之间的关系，如下所示：

μRi=μAi∩Bi→Ci(x,y,z)

(5)

式中：μ()为语句关联。

该模型在控制过程中涉及的基本运算操作主要有模糊化运算、句子连接运算、合成运算、清晰化运算等，各运算操作的实现公式分别为

x=Ξ(x0)

(6)

(7)

z=(x⊕y)°R

(8)

z0=Λ(z)

(9)

式中：x0、z0为语言变量与控制量的精准项；Ξ为模糊运算符号；R为模糊规则集；Υ为组合运算符号；⊕、°分别为语句间的连接与合成运算符号；Λ为清晰化运算符号。

由于得到的清晰控制输出z0位于模糊论域Z的区间里，故采用下列线性变换公式，将其从模糊论域Z=[zmin,zmax]尺度变换至合理控制U=[umin,umax]内，得到基于合理控制范围的控制输出z′：

(10)

式中：k为两控制范围的尺度变换因子，由下式解得：

(11)

3.2.2 自适应优化

为避免模型在控制回转窑焚烧设备退火温度时太过依赖模糊控制规则，让模型参数能够根据退火温度的非线性、时变性及分布特征，自适应地完成学习与调整，引入自适应理论[10]，构建出图1所示的模糊自适应控制模型。该模型以偏差、偏差变化率及目标退火温度为依据，按照模糊推理结果，自适应调整模型的比例增益、积分增益、微分增益等参数值，将所得输出作为回转窑设备的输入项，达成退火温度的精准控制目标。

图1 模糊自适应控制模型结构示意图

基于偏差e与偏差变化率ec，设定模型的比例增益KP、积分增益KI参数值为输出结果，按照式(12)进行自适应调整：

(12)

式中：ΔKP、ΔKI分别为比例增益与积分增益的修正值；KP0、KI0分别为对应参数的初始值。

已知t时刻的偏差et，采用积分式得出模糊自适应控制模型当前的控制结果Ht：

(13)

式中：dt为微积分因子。

对于自适应优化的模糊控制模型，模糊控制规则也有所改进。假设比例增益、积分增益、微分增益等参数修正值的模糊子集均是{NB,NM,NS,ZE,PS,PM,PB}，集合中的7个元素分别表示负大、负中、负小、零、正小、正中、正大，则对应参数的模糊控制规则矩阵表达式分别如式(14)～式(16)所示。

模糊控制模型参数的自适应调整流程具体描述如下：

(1)若偏差e的绝对值较大，为避免积分增益过分饱和，控制结果超调量过大，令参数KP取值较大、微分增益参数KD取值较小、KI取值零；

(14)

(15)

(16)

(2)若偏差e的绝对值较小，为降低静态偏差，避免产生振荡现象，令参数KP与KI取值较大，KD取值为变化率ec的相反数；

(3)若偏差e与变化率ec的绝对值既不过大，也非较小，为确保响应速度，降低超调量，令参数KP的取值较小，另外两参数取值居中。

4 仿真测试

4.1 参数设置

按照表1所示参数值合理设置回转窑焚烧设备与控制模型，充分发挥两者的性能与作用，减小设备与模型本身对退火温度控制效果的负面影响，使测试数据更具可靠性与说服力。

表1 回转窑焚烧设备与控制模型主要参数

4.2 结果与分析

将本文模型的控制效果与嵌入式控制系统(文献[4])、智能控制方法(文献[5])、滑模控制器(文献[6])等三种控制方法作对比，验证所建模型的温控准确性与免疫性。

4.2.1 准确性分析

采用Simulation of Urban Mobility仿真软件[11]模拟回转窑焚烧设备退火温度的控制过程，仿真曲线结果如图2所示。根据升温、恒温、降温不同阶段，可以看出：四种方法均在短时间内就进入了平稳状态，且未产生超调现象，在一定程度上有效减小了能耗；不同温度控制阶段的波动幅度与偏差均较小，能使回转窑焚烧设备的退火工艺需求得到很好的满足；各方法控制温度与期望温度的高拟合程度说明，本文方法与对比方法均具备较强的退火温度追踪能力，可投入实际应用。

图2 不同控制方法的准确性仿真示意图

4.2.2 模糊自适应控制模型的抗扰动能力分析

实际的生产环境中有诸多不可避免的干扰，回转窑焚烧设备的运行工况也存在一定变化，故基于回转窑退火温度的恒温状态，在第80 min手动添加一个幅值为3%的干扰，模拟退火温度控制的失配情况，如图3所示。

图3 不同控制方法的抗扰动性仿真示意图

从图3中各方法对退火温度的控制仿真结果可以看出：受到干扰后，本文模型以极小的超调量，快速恢复稳定状态，且未产生稳态误差；而其他方法不仅波动较大，振荡现象明显，而且需要花费较长时间才能逐渐还原为先前的稳定状态，超调量也相对更大。该测试结论说明，本文模型根据回转窑焚烧设备退火温度的计算方式与降噪处理过的退火温度动态变化数据，通过模糊化运算等基本运算操作与模糊推理，自适应调整模型的比例增益、积分增益、微分增益等参数值，对扰动具有较好的鲁棒性，即便是退火温度有所改变，也依旧能一直保持良好的平稳控制状态。

4.2.3 模糊自适应控制模型的滞后性抑制能力分析

回转窑焚烧设备通常存在一定的滞后性，故以回转窑退火温度的恒温状态为例，设定空燃比值是10.58，令设备在运行至第93 min时出现显著的滞后现象，得到图4所示的不同方法滞后性抑制效果。

图4 不同控制方法的抗滞后性仿真示意图

综合各方法的输出曲线走势可以看出：对比方法抑制回转窑焚烧设备的滞后性时，所需时间较长，在发生滞后现象后，曲线波动幅度与超调量均较大；而本文模型不仅静态偏差为零，始终没有出现超调现象，而且曲线振荡较小，响应迅速，抑制用时更短。综上所述，本文模型根据退火温度的非线性、时变性及分布特征，以偏差与偏差变化率为依据，自适应地完成参数学习与调整，通过加强自适应能力，赋予模型较强的稳定性与抑制滞后性能力，使其完全能满足回转窑焚烧现场实时、精准的控制需求。

5 结 论

由社会生产与日常生活产生的废物料大肆污染着人们赖以生存的环境，焚烧作为一项重要的废物料处理技术，不断加深着相关设备在焚化工作中的普及度，其中以回转窑设备的应用效果最为显著，但该设备正处于起步阶段，仍存在诸多关键技术有待设计与改进。大量生成的废物料对整体处理水平提出了新的挑战高度，因此，为促进焚烧事业进步，推动回转窑焚烧设备发展，实现自动化、智能化，提出退火温度模糊自适应控制技术，提升焚烧处理效率，确保环境可持续发展。应继续针对控制技术的不足展开探讨，拓展应用前景与发展空间，比如：面向退火温度的强耦合等组合干扰因素，分析模型的控制效果与抑制能力；将模型在具体的工程实践中进行推广、应用，根据设备的实际焚烧工况，做进一步探索与研究。