模型預測控制技術在水泥制造中的應用

俞利濤 ，魏 燦，朱永治，臧建波

模型預測控制是1970年左右提出的新型控制理論，經過四十余年的發展，對應的理論和應用軟件已經比較成熟，在工程實踐領域也有著非常廣泛的應用。

模型預測控制是一種基于預測模型的閉環優化控制策略。模型預測控制的基本出發點與傳統控制（如PID控制）不同。傳統控制是根據過程當前和過去的輸出測量值與設定值的偏差來確定當前的控制輸入。而預測控制不但利用當前和過去的偏差值，還利用預測模型來預估過程未來的偏差值，以滾動優化確定當前的最優輸入策略。因此，從基本思想看，預測控制優于傳統控制。

水泥窯系統和磨系統均存在多變量、多約束、強耦合的復雜過程的控制問題。由于常規PID控制僅從被控對象的單輸入單輸出關系實現閉環控制，不能協調水泥窯系統中分解爐溫度、二次風溫、窯電流、NOx氣體濃度等，采用模型預測控制技術，可以有效地解耦和抗干擾，使操作趨于平穩，更為準確地控制關鍵過程變量，使之操作在或接近于它們的約束，進一步提高裝置的自動化水平，實現優化運行，降低能耗。

中材邦業ICE智能優化控制平臺是由中材邦業（杭州）智能技術有限公司、天津水泥工業設計研究院有限公司聯合開發，針對窯系統、分解爐、篦冷機、生料穩料控制、生料磨控制、煤磨控制、水泥粉磨等生產環節，通過采集DCS系統的實時生產數據和化驗室的質量數據，并結合生產的工藝特點和實際運行中面臨的過程控制問題，采用模型預測控制策略，利用多變量預測控制、模糊控制、魯棒控制、最優控制和自適應控制等多種先進過程控制技術以及神經網絡的過程建模技術、非線性模型預測控制技術等核心技術，建立了水泥窯系統先進控制系統和水泥磨系統先進控制系統。水泥窯系統投產運行后達到了穩定分解爐溫度、穩定二次風溫的效果，提高了窯系統的穩定性，降低了煤耗。水泥磨系統先進控制系統結合在線粒度儀，穩定提高了水泥產品合格率，降低了噸水泥電耗，通過經濟性能優化，取得了顯著的經濟效益。

1 模型預測控制技術[1]

模型預測控制一般有三個基本特征，即預測控制、反饋校正和滾動優化。圖1是模型預測控制的簡明結構圖。

（1）預測控制

預測控制需要一個描述系統動態行為的模型（稱為預測模型），它應具有預測功能，即能夠根據系統當前時刻的控制輸入以及過程的歷史信息，預測過程未來的輸出值。預測模型通常采用在實際工業過程中較易獲得的脈沖響應模型或階躍響應模型。

（2）反饋校正

由于實際過程存在各種各樣的不確定因素，采用預測模型預估的過程輸出值不可能完全與實際相符。因此，在預測控制中，通過比較輸出的測量值與模型的預估值，得出模型的預測誤差，再利用模型預測誤差來修正模型預測控制器的輸出結果。這種模型加反饋校正的方式，使預測控制具有很強的抗干擾和克服系統不確定性的能力。

（3）滾動優化

圖1 模型預測控制簡明結構圖

預測控制是一種優化控制算法。但是，優化過程不是一次離線完成的，而是反復在線進行的。即在每一采樣時刻，優化性能指標只涉及從該時刻到未來的有限時間內，而到下一個采樣時刻，這一優化時段會同時向前推進，這就是滾動優化的概念。這種在線反復進行的優化算法，能有效克服和校正過程中的各種不確定性，保持最優控制。

實際的工業過程是灰色的，過程的一部分是確定的，可以用模型關系來描述，另一部分是不確定的。在確定的部分，預測控制保證了控制器有良好的控制效果；在不確定的部分，反饋校正和滾動優化保證了控制器有良好的適應性。因此，預測控制、反饋校正和滾動優化這三個特征是不可或缺的整體。

如上所述，根據模型預測控制的算法，變量之間必須定義預測模型。預測模型通常采用實際工業過程中較易獲得的脈沖響應模型或階躍響應模型，一般通過階躍測試和模型辨識的方法獲得。

圖2是一個簡單的階躍響應模型示意圖。輸入變量在某時刻產生一個從0到1的階躍，輸出變量會在輸入變量的階躍變化后的一段時間域內產生響應，稱為階躍響應模型。階躍響應模型可以是參數化的（即用參數進行擬合），也可以是非參數化的（即不用參數進行擬合）。參數化的模型包括零階模型、一階模型、二階模型等。對于大部分過程，都可以用一階模型擬合，圖2所示的模型即為一階模型。

一階模型包含三個模型參數：增益（Gain）、死時間（Td）、時間常數（τ）。增益為CV變化率和MV或DV變化率的比值；死時間為MV或DV變化后觀察到CV變化的時間；時間常數為CV到達穩態值的63%的時間。其中，CV為被控變量，MV為操作變量，DV為干擾變量。

圖2 一階階躍響應模型圖

2 模型預測的核心算法簡介[2-3]

模型預測的核心算法為DMC算法，是應用最為廣泛的一種模型預測控制算法，主要包括內部預測模型、反饋校正和滾動優化三個部分。具體描述如下：

假設對象動態模型為：

d（k）——系統可測擾動

ulow≤u≤uhigh，ylow≤y≤yhigh

這樣，DMC控制的目標函數就可描述如下：

式中：

minJ——目標函數

S.t——約束條件

P、M——預測時域和控制時域長度

k——第k個時刻

j——在上下限范圍內的穩態時刻

i——在上下限范圍外的穩態時刻

δhigh、δlow——預測輸出超出區域上下限的軟約束調整

Qhigh、Qlow和R——超出上下限部分偏差和輸出增量的懲罰（增大調節力度）

2.1 無擾動工況時的優化

當被控對象不存在擾動，同時存在多余自由度時，系統首先需要實現被控變量的控制要求，其次是滿足被控對象經濟性能方面的優化要求，即讓生產過程可以有最大的收益或者最小的能量損耗。

對于有多余自由度的生產過程，我們構建二層優化控制策略來實現控制和優化。這時，上層優化指標可以選擇為經濟指標：

其中，m＜n，Si和tj一般為對應項的價格系數，J是生產過程的經濟性能或者收益指標，當生產過程產生正收益時J為正，當生產過程產生負收益時J為負。

根據系統無干擾模型建立優化層和控制層，其中優化層加入經濟性能指標對系統進行穩態優化。穩態優化的目的是，根據系統當前狀態，按照多目標分層優化要求，計算出系統的最佳穩態值?？刂茖又饕鶕灮瘜拥玫降淖罴逊€態值進行跟蹤控制。則無擾動時的優化控制策略可以表示為：

式中：

P、M——預測時域和控制時域長度

W——優化層計算出的最優被控變量

q、r——被控變量和操作變量的正定誤差權矩陣，利用模型辨識軟件包得到被控變量和操作變量控制過程的模型矩陣

k——第k個時刻

2.2 有擾動工況時的優化

實際生產過程大多是一個多種干擾共同作用的系統，這些干擾將影響生產過程的控制要求和優化要求。當無擾動的生產過程已經滿足了控制要求和優化要求，達到穩定以后，若生產過程出現可測擾動，同樣可以構建優化控制策略，實現擾動加入后的控制和優化。操作變量權重越小，控制器越多使用該操作變量；操作變量權重越大，控制器越少使用該操作變量。因此，根據無擾動系統優化層的優化函數來確定操作變量的權重系數，操作變量的價格系數對應的即是其權重系數。

此時，上層優化指標可以選擇為，被控過程從無擾動穩定狀態到有擾動穩定狀態時的操作目標函數：

式中：

uprev——被控過程在無干擾時達到穩定狀態時的操作變量

u——加入擾動后被控過程的操作變量

Wu——操作變量的權重系數

則加入干擾后的優化控制策略可以表示為：

式中：

P、M——預測時域和控制時域長度

W——無干擾時優化層計算出的最優被控變量

q、r——被控變量和操作變量的誤差權矩陣，利用模型辨識軟件包得到被控變量和操作變量控制過程的模型矩陣

k——第k個時刻

這樣，多層預測控制策略的實現過程可以用圖3來表示。

3 中材邦業ICE智能優化控制平臺軟件

中材邦業ICE智能優化控制平臺軟件由中材邦業（杭州）智能技術有限公司與天津水泥工業設計研究有限公司聯合開發，該軟件已獲得軟件著作權登記證書（見圖4）。

ICE智能優化控制平臺軟件包括MPC算法、專家控制腳本、軟測量技術等。

圖3 預測控制策略的實現流程圖

圖4 ICE軟件著作權登記證書

3.1 在線運行軟件ICE-RT

ICE智能優化控制平臺中在線運行軟件ICERT是整個智能控制系統的核心部分，包括應用管理、用戶界面、數據管理、用戶管理四個模塊。

應用管理：是所運行的應用程序的管理平臺，包括應用程序的導入、導出、啟動、停止、調試等功能，以及操作日志和運行日志的查看等。

用戶界面：是所運行的應用程序的用戶交互平臺，包括趨勢圖和效能分析圖的展示、控制參數或模型參數的調整等。

數據管理：是應用程序與過程控制系統進行數據交互的平臺，包括通信接口的定義與連接、輸入/輸出位號的查看、位號的測試等。

用戶管理：是應用程序權限管理的平臺，包括用戶名、級別、操作權限的定義等。

3.2 專家控制腳本Script

ICE智能優化控制平臺支持專家程序功能，以應對工業生產中各類不同需求。

專家控制腳本Script基于功能強大、計算速度快的即時編譯語言LUA構建而成，用戶可以使用LUA語言編寫腳本來自定義計算或者自定義邏輯，以實現一些特定的功能。該應用程序是模型預測控制器的一個良好的補充。

專家控制腳本包含了輸入變量組（Inputs）、輸出變量組（Outputs）和緩存數組（Buffers）三個變量組。輸入變量和輸出變量分別是腳本的輸入和輸出，而緩存數組則可以存儲一些腳本計算的內部數據，這些數據在每周期開始時被調用，在每周期結束時存入新的結果，如圖5所示。

圖5 專家控制腳本控制器數據結構圖

該算法特點如下：

（1）利用LUA腳本來實現輸入變量、輸出變量的運算邏輯的自定義，在腳本中支持多種數學函數的應用；

（2）提供了語法檢查和腳本測試，初步測試運算邏輯結果；

（3）通過緩存數組，實現了不同運算周期內的腳本內部計算數據的共享；

（4）定義了IsWrite屬性，可以控制輸出變量是否輸出，從而減少一些不必要的輸出。

3.3 軟測量技術

軟儀表用于導入線性模型文件，配置相應的模型參數后實現模型的在線運行。線性模型支持時間常數以及時間滯后的配置，在配置好這兩個參數以后，軟儀表在運行的過程中將對模型的輸入變量進行相應的慣性以及滯后處理。

該算法特點如下：

（1）提供了What-If模塊來進行軟儀表結果的初步測試；

（2）提供了軟儀表輸出的上下限約束配置，也提供了模型穩態輸出的配置，更加方便了軟儀表的使用。

由于未知擾動的存在，軟儀表在線運行不可避免地會產生偏差，為了解決這個問題，較為通用的做法是輸入化驗值來校正軟儀表，以消除未知擾動帶來的偏差。

化驗值有對應的采樣時間，通過對比化驗值與采樣時間處的軟儀表預測值來計算相應的校正系數，使用校正系數對軟儀表的預測值進行校正，從而使其更加接近真實情況。

大部分情況下，我們只需對軟儀表預測值（Pred）進行校正即可，在需要進行質量控制、范圍控制以及觀察預測值與輸入之間關系的情況下，圖6中的三種值也可能被用于確定校正系數。

圖6 軟測量結構圖

圖7 ICE數據通訊架構圖

圖8 ICE軟件運行界面

3.4 工業數據通訊

數據通信軟件ICE-COM的主要功能是作為通信接口，實現ICE主程序（或數據采集軟件ICEDA）和工業現場（包括過程控制系統如DCS/PLC系統、儀器儀表、設備）之間的雙向數據通信。ICECOM支持工業現場常見的技術協議，包括OPC協議、Modbus協議、串口協議等（當前版本僅開發了OPC協議）。

ICE-COM的系統架構如圖9所示。ICE-COM作為OPC Client，與OPC Server（包括DCS/PLC系統或支持OPC協議的智能儀表、設備等）進行數據通信；同時，ICE-COM作為TCP Server，與TCP Client（包括ICE-RT、ICE-DA等）進行數據通信。

4 ICE智能優化控制平臺在水泥生產中的應用

ICE智能優化控制平臺目前應用于水泥窯系統、分解爐、篦冷機、生料穩料控制、生料磨控制、煤磨控制、水泥粉磨等生產環節。

4.1 窯系統模型預測控制系統模塊

分解爐控制器的主要目的是保持分解爐出口溫度和五級旋風筒出料溫度的穩定。分解爐控制器主要功能如下：

（1）保持五級旋風筒出料溫度或者分解爐出口溫度在設定點或范圍內。

（2）五級旋風筒出料溫度與分解爐出口溫度為二選一控制，一旦選擇一個溫度為設定點控制（CV），另一個自動為范圍控制（CCV）。

（3）參考喂煤羅茨鼓風機壓力和CO含量，防止不完全燃燒等現象發生。

4.2 篦冷機模型預測控制模塊

篦冷機控制模塊的主要目的是利用空氣對高溫熟料進行急冷并回收熱量。篦冷機在對熟料驟冷的同時，高溫熟料與強冷空氣熱交換產生大量的熱空氣，形成可以再利用的高溫二次風和三次風。篦冷機通過二次風管和三次風管將這些熱風分別送入回轉窯和分解爐內助燃，達到熱量回收、節約能源的目的。

圖9 ICE軟件工業應用圖

4.3 水泥磨系統模型預測控制模塊

水泥磨自動控制系統主要目的是：提升輥壓機穩流倉的穩定性，使輥壓機運行在最佳運行區間，最大化磨機產量，提升水泥成品細度的穩定性，節能降耗。

（1）智能優化系統基于神經網絡為內核的多變量模型預測控制技術，實現粉磨系統智能控制。

（2）輥壓機穩流倉倉重控制：通過控制喂料量，綜合考慮循環斗式提升機電流、動輥側斜插板開度、定輥側斜插板開度、循環風機轉速等參數，穩定控制穩流倉的倉重。

（3）水泥球磨機的穩定控制：通過監控磨機電流、循環斗式提升機電流、磨頭負壓以及水泥產量部分參數來確保水泥磨的穩定運行；通過磨尾風機控制磨頭負壓。

（4）水泥細度控制：根據在線粒度儀的實時數據，調整循環風機轉速，保證水泥成品細度和比表面積的最優化。

根據水泥成品粒度，自動調整選粉機轉速。將粒度值控制在設定點附近，控制3～32μm粒度成品在67%左右，提高水泥產品質量的合格率。

5 結語

中材邦業的ICE智能優化控制平臺經過多個水泥生產現場的運行調試、考核顯示，該系統抗干擾能力強，提高了水泥生產的平穩性，減輕了操作人員的工作負荷，降低了生產能耗，增加了企業效益。