污泥焚燒過程控制中遺傳優化模糊算法的研究

孫慧肖 軍樊帥

（遼寧石油化工大學 信息與控制工程學院， 遼寧 撫順 113001）

污泥焚燒過程控制中遺傳優化模糊算法的研究

孫慧肖 軍樊帥

（遼寧石油化工大學 信息與控制工程學院， 遼寧 撫順 113001）

焚燒處理被公認為實現污泥減量化、穩定化和無害化處理最徹底的方式。污泥成分混雜，相關因素多，工況易變，焚燒原理復雜，在污泥焚燒過程中，其控制過程具有多變量、多影響因子、非線性、強耦合等特點。因此，提出了一種基于遺傳算法優化的模糊控制方法，針對模糊控制自適應性差的不足，對模糊控制規則進行在線動態優化。仿真研究結果表明，控制效果具有明顯改善。

污泥；焚燒；模糊控制；遺傳算法

循環流化床鍋爐(CFBB)是一種新型清潔焚燒設備，其燃燒效率高、污染少、燃料適應性廣，受到世界各國的廣泛重視并得到迅速發展[1]。目前，國內污泥焚燒過程中循環流化床鍋爐床溫控制普遍不夠穩定，負荷波動工況變化適應性差，鍋爐運行效率低，系統對操作人員依賴性大。

流化床床層溫度控制過程具有多變量、強耦合、非線性等特點，難以建立精確的數學模型，通常采用模糊控制較為有效，但其不足之處是模糊規則的自適應性差，導致控制效果不夠理想[2]。為了獲取適應度更強的控制規則，可采用神經網絡或遺傳算法等方法進行在線優化。遺傳算法是模仿自然界生物進化思想的一種全局優化算法，具有良好的通用性和較強的魯棒性。因此，本文設計了一種基于遺傳優化的模糊控制算法，改善了循環流化床床溫控制的控制質量。

1 流化床污泥焚燒工藝過程分析

1.1 循環流化床污泥焚燒工藝流程

循環流化床污泥焚燒工藝流程如圖1所示，主要包括污泥輸送、循環流化燃燒、高溫煙氣熱量回收以及煙氣凈化過程等。

圖1 循環流化床污泥焚燒工藝流程圖Fig.1 Process flow diagram of CFB sludge incineration

1.1.1 循環流化床工作原理

高含水率的污泥經污泥泵從爐膛頂部加入，在下降的過程中干燥破碎；輔助燃料從爐膛底部加入與污泥一起焚燒，產生的高溫混合物從爐頂排出，循環灰經過旋風分離器分離后，從爐膛底部經返料器返回；從旋風分離器頂部排出的煙氣進入尾部煙道，并與換熱器交換熱量，經煙氣凈化器、布袋除塵器，去除飛灰和酸性氣體后，通過引風機由煙囪排出[3]。

1.1.2 循環流化床特性

CFBB工藝過程中，采用流態化燃燒手段，使燃料處于流化狀態下。與傳統鍋爐相比具有很多優勢，其特點是氣—固兩相流動、傳熱、傳質等。CFBB能夠改善劣質煤的利用率，燃燒溫度低，有害氣體排放量小，符合當今節能減排以及可持續發展的大趨勢[4]。因此，近些年內得到了快速發展。

1.2 循環流化床床溫控制特征分析

在CFBB控制系統中，主要的控制對象是床溫，太低或太高都會影響CFBB的燃燒效率和安全。隨著流化床床溫的升高，床層中C的反應速率和燃料揮發成分的析出速率均加快。因此,提高床溫有助于減少燃燒時間，加快焚燒速度。但考慮到不均勻的床層斷面溫度以及灰熔點的限制，一般要求床溫比煤的形變溫度低100～200 °C。所以，床溫應根據煤的形變溫度來確定,一般不超過1 000～1 050 °C。爐溫控制在870 °C時，煙氣在爐膛內停留時間大于2 s，可避免二惡英的生成。對于采用添加劑進行的脫硫處理,最佳反應溫度為850 °C,當床溫高于900 °C時,脫硫率會明顯降低,鈣硫比增大，影響脫硫效果，同時也增加了焚燒過程發生結焦、熄火等事故的可能性。綜合考慮，循環流化床的床溫應維持在850 °C到860 °C之間。由表1可知，流化床鍋爐是一個多輸入、多輸出、非線性強耦合的對象，如燃料量、風量、排渣量等變化時都會產生床溫的變化，但一次風和給煤量是最主要的影響因素。床溫對一次風量的響應相對較快，當床溫偏離穩定值較大時，單靠改變一次風量實現床溫調節是不可行的，并且頻繁調節將影響燃燒效率。為保證燃燒過程的經濟性，最終決定因素是進入床內的燃料量[5]。維持循環流化床鍋爐的穩定運行，其床溫控制是關鍵。在焚燒過程中，幾乎所有的控制和調節均圍繞維持穩定床溫進行[6]。因此，本文以流化床床溫控制作為重點內容進行如下研究。

表1 流化床鍋爐輸入輸出關系表Table 1 The input-output relationship of CFBB

1.3 建立控制模型

根據經驗，在所有條件保持不變的情況下，循環流化床的床溫與給煤量成正比。因此，床溫與給煤量的關系可用傳遞函數表達為：

其中，R為床溫，U為給煤量；k、T、τ是隨運行工況不同而時變的參數。當鍋爐負荷在25%～100%范圍變化時，各參數取值范圍：k：5～10；T：100～200 s；τ：30～60 s。

2 基于遺傳優化的模糊控制器設計

由于循環流化床鍋爐燃燒系統具有大時滯、非線性、時變和強耦合等特點，使用PID控制很難達到理想效果。為了實現CFBB良好的控制效果，本文利用遺傳算法對模糊控制方法進行優化，實現對CFBB床層溫度的有效控制。

2.1 模糊控制器設計

模糊控制是模擬人的思考方式，利用語言歸納描述專家經驗，實現對難以建立精確數學模型的對象進行有效控制的一類控制算法[7]。其特點是將控制經驗數據總結為較理想的模糊語言控制規則，避開控制對象時變、時滯、不確定性、非線性等影響。系統具有較強的魯棒性，適用于非線性、時變、時滯系統的控制。

依據模糊控制理論，將E(偏差)和EC(偏差變化率)作為模糊語言輸入，U(系統控制值)作為輸出，構成雙入單出結構的模糊控制器[8]。

根據實際流化床穩態運行時的相關情況，確定溫度偏差E的基本論域為[-50,50 ℃]；溫度偏差變化率EC的基本論域為[-6,6]；控制量U的基本論域為[0,5]。

設溫度偏差E、溫度溫度變化率EC以及輸出量U的論域分別為：V，W，L；R是對應于V×W×L

上的三元模糊關系，

對于E、EC以及控制量U均取語言值為PB (正大)、PM(正中)、PS(正小)、Z(零)、NS(負小)、NM(負中)、NB(負大)的七個語言變量。根據流化床床溫控制知識、經驗以及測量的具體數據，得到控制規則如表2。

表2 模糊控制規則表Table 2 Fuzzy control rule table

模糊控制規則是領域專家通過歸納和總結被控過程中的模糊信息及操作經驗而獲得的，其是否合理在很大程度上直接影響著模糊控制性能的優劣[9]。系統運行后，通常模糊控制規則是在線固定不變的，因此，控制規則的適應性較差。由于被控對象的非線性和時變性因素會造成模糊控制規則的不完善，在不同程度上影響控制效果。因此，若能依據過程特征變化，對模糊控制規則中的關鍵性規則參數進行在線動態優化，其控制效果可以得到明顯改善。遺傳算法是自適應全局優化搜索算法，它是一種高效隨機優化工具，易于與其他控制方法相結合。因此，本文利用遺傳算法優化模糊控制規則，實現優化控制，并運用到流化床床溫控制系統中。

2.2 基于遺傳優化的模糊控制器設計

基于遺傳優化的模糊控制流程如圖2所示。

圖2 遺傳優化模糊控制流程圖Fig.2 Flow diagram of fuzzy control optimized by genetic algorithm

具體優化過程如下：

（1） 遺傳編碼

采用二進制編碼方法，將輸出變量U的語言值{PB，PM，PS，Z，NS，NM，NB}分別用001,010,011,100,101,110,111來描述。建立模糊控制規則與二進制串一一對應的編碼關系。

（2） 選擇

采用適應度比例選擇方法，對群體中的個體進行優勝劣汰，選出群體中優良的染色體。評價標準如下式：

式中：Pi為個體i的選擇概率；n為群體中的個體數；fi為個體i的適存度。

（3） 交叉、變異

交叉是將選擇出的染色體隨即匹配，進行基因重組交叉繁殖。例如：將編碼分別為：

的兩個染色體進行交叉，設交叉概率Pc=0.7，交叉點位置k=10，則交叉后得到兩個新個體為：

變異算子是把某基因位上的值取反。變異概率很小，一般只取到10-3數量級。變異的目的是為了防止某些特殊基因丟失，恢復基因多樣性，提高局部搜索能力，避免出現未成熟收斂的現象。設交叉、變異概率分別為Pc和Pm，他們能保證遺傳算法的收斂能力，基于自身適存度進行調節，提高收斂速率。其計算公式為：

其中，f為變異個體的適應度函數值；maxf為每一代群體的最大適應度函數值；為平均適應度函數值；f′為兩個交叉個體中較大的適應度函數值；k1、k2、k3、k4為常數(≤1)。

（4） 判斷

判斷是否達到參數收斂。若滿足則按此控制規則進行模糊控制；否則返回步驟(3)，直到滿足要求為止。

通過以上優化，得到適應度更強的模糊規則參數，實現具有自適應能力的模糊控制策略，使控制系統達到更好的控制效果。

3 仿真結果分析

本文針對上述設計進行了仿真研究，仿真系統中設定過程模型如下：

圖3 仿真分析的響應曲線Fig.3 The response curve of simulation

利用Matlab進行單位階躍定值擾動及抗擾性仿真實驗，并與常規PID控制作比較。

（1）階躍定值擾動實驗：在初始時刻實施幅值為1的階躍激勵信號，系統響應曲線如圖3（a）所示。

（2）抗干擾性實驗：在t=600 s時，加入幅值為0.1的干擾信號，系統響應曲線如圖3(b)所示。

仿真結果表明：基于遺傳優化的模糊控制器與常規PID控制器相比較，系統滯后時間短，震蕩幅度及超調量較小，能夠較快達到平穩狀態，控制效果較為理想。

4 結 論

本文針對流化床焚燒過程的大滯后、非線性、強耦合等特點，提出了基于遺傳優化的模糊控制策略及方法。仿真證明：優化后的模糊控制器對大時滯、強耦合、非線性系統有改善效果，有較強的自適應能力和魯棒性，并且明顯優于常規PID控制。

［1］ 邱旻昊.循環流化床焚燒城市污水處理廠污泥的探討[J].污染防治技術，2013，26(4)：44-46.

［2］ 馬曉勇，吳宏艷.自抗擾控制在循環流化床鍋爐床溫控制中的應用[J].華北電力大學學報，2011，38(5)：81-83.

［3］ 黃毅，朱建國，呂清剛，等.城市下水污泥循環流化床焚燒工藝分析[J].工業加熱，2013，42(3)：37-39.

［4］ 楊銘.模糊神經網絡在循環流化床鍋爐燃燒系統中的應用[D].山西：太原理工大學，2011.

［5］ 曲海云.關于循環流化床鍋爐床溫控制系統的研究[D].河北：華北電力大學，2004.

［6］ 李金晶，龔鵬，呂俊復，等.給煤對大型CFB鍋爐床溫均勻性的影響[J].熱能動力工程，2012，27(1)：76-80.

［7］ 黎倩，劉朝英，宋哲英，等.模糊控制在循環流化床鍋爐床溫控制系統中的應用研究[J].軍械工程學院學報，2009，21(5)：72-75.

［8］ 李金晶，龔鵬，呂俊復，等.給煤對大型CFB鍋爐床溫均勻性的影響[J].熱能動力工程，2012，27(1)：76-80.

［9］ 覃來豐.基于遺傳算法優化的模糊控制器在鋼球磨煤機中的應用[D].杭州：浙江大學，2007.

Research on Fuzzy Control Optimized by GA in the Process of Sludge Incineration

SUN Hui，XIAO Jun，FAN Shuai
（School of Information and Control Engineering，Liaoning Shihua University，Liaoning Fushun 113001，China）

Sludge incineration is regarded as the most effective method to achieve the sludge reduction, stabilization and harmless treatment. In the process of sludge incineration, the control process has many features, such as multivariable, nonlinear, strong coupling, multi interference factors and so on, due to the sludge has mixed components, complex combustion mechanism, changeable conditions and associated factors. In this paper, a fuzzy control method based the genetic algorithm was proposed, the method can tune the fuzzy control rule online to improve adaptive capacity. The simulation results show that the control effect is improved obviously.

Sludge; Incineration; Fuzzy control; Genetic algorithm

TQ 018

： A

： 1671-0460（2015）02-0410-04

2014-08-08

孫慧(1989-)，女，遼寧錦州人，碩士，研讀方向為污泥處理過程中智能控制的應用研究。E-mail: 1013704232@qq.com。

肖軍（1957-），男，遼寧撫順人，教授，碩士研究生導師，主要從事智能控制算法及應用，計算機過程控制及仿真的研究。E-mail: xiaojun_lnpu@163.com。