熱風爐拱頂溫度組合滑模控制策略

袁 陳 劉新成

（西門子電機〔中國〕有限公司,江蘇 揚州 251002）

拱頂溫度是高爐熱風爐燃燒控制過程中的重要控制變量之一，其升溫速度對格子磚的熱交換效率有直接影響，進而影響熱風爐的蓄熱量，最終影響送風溫度的高低[1-2]。拱頂溫度是一個大慣性、純滯后的復雜被控對象，且在燃燒過程中與煙氣溫度存在耦合關系[3]，在工程上運用傳統PID方法控制拱頂溫度難以取得較好的控制效果[4-5]。專家學者針對熱風爐拱頂溫度控制策略進行了深入研究。杜羅通等[6]提出一種DMC-PID串級熱風爐拱頂溫度控制策略，將拱頂溫度作為主被控量，以燃料調節閥開度作為輔助控制量。該策略改善了拱頂溫度的響應速度和抗干擾性能，但該控制策略參數不易及時作出調整，容易出現拱頂升溫過慢、空氣過剩等問題。劉丕亮等[7]提出一種熱風爐燃燒PID參數自整定控制方法，利用對空氣流量和煤氣流量進行優化組合，實現拱頂溫度的快速攀升，但該方法僅進行了離線PID參數的自整定，并未設計在線PID自整定控制器。崔桂梅等[8]提出了一種基于小波濾波的神經網絡拱頂溫度模型預測控制方法。在傳統數據預處理的基礎上，利用小波分析方法對溫度數據進行濾波使殘留噪聲進一步減小，同時剔除了異常值，對建立熱風爐拱頂溫度神經網絡數學模型起到了很好的支撐作用。仿真結果表明，拱頂溫度模型，能夠較為準確的預測拱頂溫度及其變化趨勢。為此，本文提出一種組合滑模控制策略，將趨近律引入到平移滑平面與旋轉滑模面組合控制方法中，并通過反饋校正技術利用拱頂溫度跟蹤誤差實時更正模型參數，抑制拱頂溫度在調節過程中的超調和滑模抖振，同時設計了一種干擾附加控制方法，增強對外界干擾的抑制，從而達到有效提高拱頂溫度控制系統抑制擾動能力的目的。

1 組合滑模變結構控制

1.1 組合滑模變結構控制策略

針對熱風爐拱頂溫度超調量大和模型參數易變問題，普通滑模變結構控制僅能確保系統狀態在初始時刻和達到常規滑模面之后位于滑模面，而在趨近穩定過程中只位于滑模面附近[9-11]。此外，為保證控制系統的“魯棒性”，常規滑模面都是以犧牲系統的趨近速度為代價，從而導致系統的穩定速度大為減緩。因此，為確保系統狀態始終位于滑模面上，且較好地解決穩定速度和“魯棒性”之間的矛盾，應采用組合滑模控制[12-13]。

高爐熱風爐拱頂溫度參數模型如下[14]：

式中：δ為外界擾動；A、B為熱風爐參數；x為熱風爐輸入燃料量，y為輸出拱頂溫度。

假設拱頂溫度的設定值為d，并且設定值與系統輸出間的偏差為e，則有：

設滑模函數為s，根據平移滑模面和旋轉滑模面的定義可知：

由式(2)可得：

將式（3）代入式（4）可得：

1.2 基于FFRLS的組合滑模變結構控制

為實現對拱頂溫度滑模函數的控制，引人趨近律，設:

式中:IDI<1，K>0。

同時，為實現對外界擾動的抑制，從而假設外界擾動的上下界分別為FU和FL，且設:

由式(7)、(8)和(9)可對式(6)進行擾動附加控制，則新的拱頂溫度控制方案為:

下面分別以sm(k)>0和sm(k)<0兩種情況分析系統的準滑動模態。

當sm(k)>0、st(k)>0，則式(11)變為:

圖1 組合滑模控制系統狀態變化圖

2 仿真分析

采用組合滑模控制策略可以在保證系統快速性的同時有效提高系統“魯棒性”，但由于系統控制表達式中的參數、未知，因此仿真時需要引入FFRLS算法對熱風爐輸入輸出數據進行辨識，從而求取最終控制參數[15]。對于高爐熱風爐拱頂溫度控制系統，由于現場干擾會造成系統參數時變，而FFRLS算法是在遞推最小二乘法的基礎上引入遺忘因子，具有辨識速度快和強大的非線性逼近能力，對參數時變系統具有很好的辨識效果[16]。其公式如下:

為保證辨識精度，引入如下性能指標函數:

式中：L為數據長度；η為遺忘因子，

將K值代入式（16），并考慮到β(k)的值在算法實現過程中保持不變，其值為常數，即：

則最終的拱頂溫度控制律為：

式中：

圖2 組合滑模控制結構圖

為驗證本文所提熱風爐拱頂溫度組合滑模控制策略的有效性，以寶武集團某煉鐵廠2 060 m3高爐配套的4座熱風爐為應用對象，拱頂溫度設定值為1 200 ℃，采用FFRLS算法對熱風爐拱頂溫度模型參數進行辨識，運用本文設計的組合滑膜算法對熱風爐拱頂溫度進行控制，并與常規PID算法和滑模算法進行對比仿真，算法仿真如圖3所示。為驗證組合滑模控制策略在熱風爐拱頂溫度控制系統中的“魯棒性”和抗干擾能力，在系統穩定運行900 s時加入幅值為20%階躍干擾，比較組合滑模控制策略、常規滑模控制策略和PID控制策略的優劣性。

由圖3可知，本文提出的組合滑模算法僅需120 s即可達到穩定狀態，且超調量僅為4.9%。普通滑模算法和常規PID算法分別需要400 s和420 s才能達到穩定狀態，且超調量分別為14.2%和16.6%。在算法運行900 s時加入15%的階躍干擾模擬實際生產過程中的外界干擾，組合滑模算法僅需150 s即可重新達到穩定狀態，且超調量僅為8.3%。普通滑模算法和常規PID算法分別需要250 s和300 s才能再次達到穩定狀態，且超調量分別為13.1%和25%。由此可見，本文提出的組合滑模算法在熱風爐拱頂溫度的控制中表現良好。

圖3 三種控制策略仿真對比

為進一步驗證組合滑模控制策略在現場工況發生變化時的控制效果，分別針對三種算法進行仿真實驗，仿真結果如圖4所示。

由圖4可知，組合滑模控制策略、常規滑模控制策略和PID控制策略在工況第一次改變后的調節時間分別為40 s、110 s和120 s，超調量分別為0%、0%和2.1%；在工況第二次改變后的調節時間分別為50 s、155 s和170 s，超調量分別為0%、1.5%和5%。由此可見，組合滑模控制策略擁有更優越的動態響應能力，“魯棒性”更強，受現場工況變化影響更小。

圖4 拱頂溫度負荷變化仿真

3 工程應用

為驗證組合滑模控制策略的控制有效性，以寶武集團某煉鐵廠2 060 m3高爐配套的4座熱風爐為對象進行工程應用。在不改變原DCS系統硬件配置和結構的前提下，增加一套由監控計算機和拱頂溫度優化控制器組成的熱風爐拱頂溫度優化控制系統。監控計算機與優化控制器之間采用OPC協議并通過工業以太網進行數據通信，而現有PLC系統操作員站與優化控制系統則通過OPC協議進行信息傳輸和連接。系統之間具體架構如圖5所示。

圖5 拱頂溫度優化控制架構

圖6和圖7是在熱風爐額定負荷下連續16 h分別采用常規滑模控制和組合滑模控制的拱頂溫度實時曲線，拱頂溫度設定值為1 200 ℃，監測時間為8 h。

圖6 投運前拱頂溫度趨勢圖

圖7 投運后拱頂溫度趨勢圖

通過對比兩種控制策略下的曲線圖可知，采用常規滑模控制時拱頂溫度在1 155 ℃～1 230 ℃間波動，這是由于常規滑模控制系統無法及時抑制因換爐、負荷升降、煤氣壓力波動等帶來的拱頂溫度變化；而采用組合滑模控制時拱頂溫度僅在1 190 ℃～1 207 ℃之間波動，拱頂溫度波動范圍較小，且變化較為平緩。由上述分析可知，通過采用組合滑模控制，系統抖振較傳統滑模控制拱頂溫度降低了70%，且熱風爐拱頂溫度實時曲線沒有出現明顯的波峰和波谷，曲線整體走勢較為平緩，拱頂溫度控制系統的抗干擾能力和總體穩定性得到顯著提升。

4 結論

熱風爐拱頂溫度控制系統具有純滯后、大慣性等特點，且在熱風爐運行過程中容易受到換爐等外界擾動因素影響，導致拱頂溫度頻繁波動。鑒于常規PID控制策略不能很好地對拱頂溫度進行控制，本文提出了一種基于組合滑模控制的熱風爐拱頂溫度控制策略，并利用Matlab軟件對該策略進行仿真驗證。仿真結果表明，該控制策略對拱頂溫度的超調量、調節時間等動態性能指標有較好的控制效果。將本文提出的控制策略應用于寶武集團某煉鐵廠2 060 m3高爐配套的4座熱風爐上，拱頂溫度控制偏差在±10 ℃以內，有效提高了高爐熱風爐拱頂溫度控制系統的抗干擾性和穩定性。