生物質氣化爐智能控制系統的設計

羅偉

(湖南鐵道職業技術學院，湖南 株洲 412001)

生物質氣化爐智能控制系統的設計

羅偉

(湖南鐵道職業技術學院，湖南 株洲 412001)

針對生物質氣化過程是一個具有非線性、非最小相位特征、不穩定性、大時滯和負荷干擾特點的動態過程，提出了一種基于灰色遺傳組合預測雙閉環控制算法。采用灰色算法建立氣化爐溫度預測模型，在此基礎上對爐溫進行控制；同時引入模糊控制算法對氣化爐一次風量進行控制，降低可燃氣體含氧量。仿真和現場運行結果表明了方法的有效性和優越性。

氣化爐;灰色預測;智能控制;變論域模糊控制

1 引言

能源競爭業已成為當今世界最大的競爭，同時，隨著人們大量開采和使用石油燃料，環境被不斷污染，石化燃料資源也日趨緊張。生物質能源是一種取材方便、可再生的清潔能源，具有清潔、可再生的優點，正逐漸受到廣泛關注[1,2]。氣化技術是利用生物質能的重要手段，目前采用氣化技術將植物燃料的碳與游離氧、結合氧進行熱化學反應，生成可燃氣體，是利用生物質能的重要手段。我國生物質能源豐富，但是由于氣化工藝和控制手段的落后，生物質能在能源消耗的比重較低。而我國生物質氣化技術起步較晚，處于簡單控制階段，氣化過程中爐溫波動大、成分不穩定，包含大量不確定性因素，因此很難用精確的數學模型表達，采用單一控制算法設計的一般控制系統難以達到預期的效果，限制了生物質能的推廣，亟需一種控制算法提高氣化過程的產量和質量。

2 工藝分析及控制結構

生物質氣化是指生物質原料(薪柴、鋸末、麥秸、稻草等)壓制成型或經簡單的破碎加工處理后，在缺氧條件下，送入氣化爐中進行氣化裂解，得到可燃氣體并進行凈化處理而獲得氣體產品的過程。其原理是在一定的熱力學條件下，借助于部分空氣(或氧氣)、水蒸氣的作用，使生物質的高聚物發生熱解、氧化、還原、重整反應，熱解產生的焦油等成分進一步熱裂化或催化裂化為小分子碳氫化合物，獲得含H2，CO，CO2和CH4的氣體。

本文以秸稈作為生物質原料，以下流式固定床氣化爐作為研究對象。燃料在爐內按照干燥、熱解、氧化、還原四個階段逐步進行氣化反應。氣化爐的控制目標是提高生物質能的轉換效率的同時，提升可燃氣體的質量。氣化爐轉換效率主要取決于爐溫；而可燃氣體質量主要反映在其含氧量高低。當爐頂溫度處于300℃時，其他各層均能達到較佳的溫度區間。因此氣化爐控制目標是爐頂溫度穩定在300℃附近，同時限制可燃氣體含氧量<1%。

結合控制目標，本文所設計的雙閉環控制結構，如圖1所示，分別對生物質燃料與一次風的投放量進行控制，達到穩定氣化爐爐頂溫度和降低出口處可燃氣體的含氧量的目的。

圖1 雙閉環控制系統框圖

2.1 溫度控制環

溫度控制環采用主、副控制結構。根據工藝分析，生物質氣化爐爐溫主要雖然受到多種因素影響，但主要由取決于物料物理、化學反應的放熱和吸熱。該過程的非線性、大滯后特性，無法用準確的數學模型描述的難題，因此本文灰色預測的方法，作為主控制器控制策略，利用灰色預測算法，建立物料和溫度的灰色模型；同時為了抑制一次風量、物料分布、物料含水量等干擾因素對模型的準確性的影響，主控制器根據當前溫度和溫度設定值，預測最優的生物質物料添加量；副控制根據該添加量，對上料機構的送料速度進行跟隨控制，達到精確上料的目的，穩定爐溫的目的。

2.2 可燃氣體的含氧量控制環

以一次風進風量作為主要調節手段，以穩定爐頂溫度、降低可燃氣體含氧量為目的。一次風在影響可燃氣體含氧量的同時，也影響著氣化爐溫度。因此本文引入溫度和含氧量兩個反饋，主控制器采用模糊控制，根據含氧量偏差以及爐溫偏差，推算最優鼓風機轉速；輔控制器根據該轉速，對鼓風機速度進行跟隨控制。由于一次風對爐溫的影響最為直接，通過設計模糊規則，可彌補溫度控制的滯后性，在穩定爐溫的同時，降低可燃氣體含氧量。

3 基于灰色預測的智能控制器

在生物質氣化爐中，為控制氣化產物的含氧量，主要利用調節一次風進氣量來實現，由于氣化溫度控制系統是非線性、時變和大滯后系統，在許多工業過程控制中，模糊控制器因其具有快速響應和抗干擾能力的特點被成功運用。本文在控制生物質氣化爐的含氧量中，也通過雙閉環控制，外環利用模糊控制器，內環通過免疫PID控制器。

3.1 模糊控制器的設計

在實際的生產工藝中，模糊控制器依據生物質氣化爐溫度的檢測值和設定值之間的偏差及其偏差變化率，模糊規則經推理得到最優的給料量設定值。溫度模糊控制模塊的輸入變量為溫度檢測值與設定值的偏差e及其變化率ec，輸出變量為給料量的增量Δu。

本控制器中，溫度偏差e∈[-50,+50]，論域E=[8,8]，模糊變量的詞集選擇為{NL，NM，NS，O，PS，PM，PL}。

濃度偏差變化率ec∈[-3,3]，論域為EC=[-4,4]，EC的模糊變量為{NL，NS，O,PS，PL}。

類似的，給料增量輸出Δu∈[-2,2]，論域U=[-6，6]，U的模糊變量為：{NL，NM，NS，O，PS，PM，PL}。

依據現場實際情況，只有較大時，溫度偏差變化率ec才能體現生物質氣化爐溫度的改變趨勢。因此，控制增量U與偏差E的關系較為緊密，而EC則當作U的一個輔助參考變量。本模糊控制器把實際的控制策略歸納為控制規則表，如表1所示。

表1 推理語言規則表

為了在傳感器檢測中降低異常值，將輸入輸出變量隸屬度函數用梯形函數表示

(1)

通過上面的模糊推理規則及隸屬度，采用Mamdani模糊推理的重心法解模糊，得到模糊控制查詢表。系統將濃度偏差e及其變化率ec模糊化后求得E、EC，通過查詢表，得出控制輸出U，經過清晰化接口，求得給料量的增量Δu。

3.2 灰色預測

用于解決信息不完備系統的數學方法就是灰色系統理論。20世紀80年代，鄧聚龍提出灰色系統理論后，該理論的研究得到了迅速的發展，基于灰色理論的灰色預測思想已廣泛應用于各種領域，成功地解決了生產、生活和科學研究中的大量實際問題。

灰色預測是通過原始數據序列生成數據所建立的微分方程，可以減弱或消除原始數據序列中含有的隨機干擾成分得到，同時可增強所蘊含的確定性信息通過累加生成操作。灰色模型的一般采用為GM(n,N)表示，其中n表示灰微分方程的階數，N表示灰微分方程中變量的個數，GM(1,1)模型是在灰色預測中常用的灰色模型?；疑A測控制就是建立在GM(1，1)模型的基礎上，在該預測算法中僅需辨識出兩個模型參數(發展系數a和灰色作用量b)，具有預測需要的原始數據少，不需要建立被控對象的模型，而且具有較強的自適應性，計算量小，使用簡單且速度快，適用于復雜的動態過程，能夠滿足對系統的實時控制。為了較好的保證爐溫的后續精確選擇控制，本文提出采用灰色預測模型對氣化爐的爐溫進行預測。

對于氣化爐溫度預測，將來時刻的爐溫要通過歷史時刻的爐溫進行預測。因此，采用灰色預測模型GM(1，1)對其進行預測。其中GM(1，1)的具體實現如下：

(2)

令

(3)

(4)

則將要辨識的參數為

θ=[a,b]T=(BTB)-1BTY

(5)

因此可以得到GM(1，1)的解析解為

u1(k+1)=[x0(1)-b/a]exp(-ak)+b/a

(6)

得到預測表達式為：

u0(k+1)=u1(k+1)-u1(k) =(1-exp(a)[u0(1)-b/a]exp(-ak))

(7)

通過采用灰色預測方式，可以減少了氣化爐爐溫滯后的影響，對于后續子控制器提供了一種較為準確的選擇手段，從而保障了氣化爐爐溫的控制精度和運行速度。

3.3 免疫PID控制器

因為給料量對壓差的抗擾動能力較差，所以在生物質氣化爐的內環控制中一般選擇的控制器為精度較高的免疫PID控制器。

當溫度接近設定值時，即當偏差e逐漸減小到|e|

免疫是生物體的一種特性生理反應。生物的免疫系統對于外來侵犯的抗原，可產生相應的抗體來抵御?？乖涂贵w結合后會產生一系列的反應，通過吞噬作用或產生特殊酶的作用而毀壞抗原。生物的免疫系統由淋巴細胞和抗體分子組成，淋巴細胞又由胸腺產生的T細胞(分別為輔助細胞TH和抑制細胞TS)和骨髓產生的B細胞組成。當抗原侵入機體經周圍細胞消化后，將信息傳遞給T細胞，即傳遞給TH細胞和TS細胞，然后刺激B細胞。B細胞產生抗體以消除抗原。當抗原較多時，機體內的TH細胞卻較多，而Ts細胞卻較少，從而會產生較多的B細胞。隨著抗原的減少，體內的Ts細胞增多，它抑制了TH細胞的產生，則B細胞也隨著減少。經過一段時間間隔后，免疫反饋系統趨于平衡，抑制機理和主反饋機理之間的相互協作是通過免疫反饋機理對抗原的快速反應和穩定免疫系統完成的。本文模糊免疫PID控制算法主要就是基于該機理的智能控制算法。

溫度模糊免疫PID控制器是根據模糊控制原理對PID參數模型中的kp,ki,kd進行在線修改，運用生物免疫機理對非線性函數實現調整，使不同的控制要求得到實現，進而讓被控對象性能良好?；诿庖逷ID反饋規則的反饋控制器IMF方框圖如圖2所示。

e(k)=yd(k)-y(k)

(8)

式中，yd(k)為期望系統輸出即控制系統輸入，y(k)為受控對象輸出，即控制系統實際輸出。用殺傷T細胞ukill的量作為受控對象的輸入。離散PID控制規則如下所示

uPID(k)=KP(1+Ki/(z-1)+Kd(z-1)/z)e(k)

(9)

式中,KP,Ki,Kd分別為增益系數，積分作用系數，微分作用系數；z是零階保持器，zu(k)=u(k+1)?？紤]以PID型控制器輸出uPID(k)作為外部輸入ε(k)的量，從圖3可以得到IMF控制器如下:

u(k)=KP{uPID(k)-ηf[uPID(k).Δu(k)]}=KPID(k){1-ηf[Δu(k)]=KP{1-ηf[Δu(k)]}(1+Ki/(z-1)+Kd(z-1)/z)e(k)

式中，η為抑制參數。各系數滿足下列關系

(KP,Ki,Kd)>0,η>=0

可見，如果0<ηf[Δu(k)]<=1,將產生負反饋作用；如果ηf[Δu(k)]>1，將實現正反饋作用。抑制系數η的上限使受控對象維持穩定，當η=0，IMF控制器與傳統的PID控制器相同。

該免疫PID控制器能達到對給料量的精確控制，降低了壓差擾動的影響，使溫度的穩定控制達到較好的保障。

圖2 免疫PID反饋控制方框圖

3 仿真試驗與結論

在生物質氣化爐生產過程控制系統的投入使用前，現場采用PID控制策略。PID控制器的控制效果關鍵在于確定最優的P、I和D3個參數。但3個參數的調節比較繁瑣且難以確定，因此會影響到現場運行效果。將PID算法應用于生物質氣化爐生產過程中，其最好的控制效果是將氣化爐干燥層溫度穩定在設定值的±75℃范圍，且調節時間超過1min，可燃氣體含氧量往往高于1.1%通常處在1.2%附近波動，完全不能滿足生產工藝要求。

本文以某廠生物質氣化爐現場采集到的1000組爐頂溫度數據作為訓練樣本，同時采集相同條件下的500組數據作為實驗樣本。采用本文方法對樣本數據進行學習，建立預測模型，對試驗樣本進行擬合。為了驗證本文方法，采用單純的灰色預測算法GM(1,1)對相同的樣本和實驗數據，進行學習和擬合。如圖3所示。

圖3 仿真實驗結果

4 應用與結論

采用本文控制策略控制系統投入生產后，記錄了2011年12、2012年1月、2012年2月的三個月中的生產指標，同2010年12、2011年1月、2011年2月的三個月中，未采用本文控制方法條件下的平均溫度誤差、可燃氣體含氧量、燃氣含量、產量四項生產指標進行對比，結果如表2所示。

表2 生產參數指標對比表

從結果上看，采用本文控制策略后氣化爐爐頂溫度基本穩定在設定值附近，平均誤差約為±15℃；可燃氣體含氧量從原先的1.1%～1.3%，下降到現在的0.9%，遠遠好于之前的控制策略；可燃氣體中燃氣含量由原先的34.1%提高到41.7%。可見采用本文控制策略的氣化爐可燃氣體產量明顯提升。整個生物質氣化爐在自動調節過程中，實現了穩定控制，提高了生物質氣化爐的生產質量的同時，也確保了其運行的穩定性。

[1] 周中仁，吳文良.生物質能研究現狀及展望[J].農業工程學報，2005，21：12-15.

[2] 王中賢，張紅，陳興元，等. 熱管生物質氣化爐的模擬與試驗[J]. 江蘇大學學報:自然科學版，2008，29(6)：512-515.

[3] 李鵬，王維新，吳杰，等.生物質氣化及氣化爐的研究進展[J].新疆農機化，2007，10(3)：46-48.

[4] 劉紅波,李少遠,柴天佑. 一種基于模糊切換的模糊負荷控制器及其應用. 控制與決策[J]. 2003,18(5):615-618.

[5] H. J. Pil,K. Euntai. Robust tracking control of an electrically driven robot:Adaptive fuzzy logic approach [J]. IEEE Transactions on Fuzzy Systems,2006,(14)2:232-247.

[6] D.R.Lewin，A.Parag.A constrained genetic algorithm for decentralized control system structure selection and optimization[J].Automatica，2003，39(10)：1801-1807.

[7] PAN Mei-qin，HE Guo-ping.A Hybrid Genetic Algorithm of Function Optimization Based on Conjugate Gradient Algorithm[J].Journal of Shandong Univ of Sci and Technol：Nat Sci，2000，19(4)：10-13.

[8] Cheng Chi-Bin.Fuzzy process control：construction of control charts with fuzzy numbers，Fuzzy Sets and Systems[J]，2005，(2)：287-303.

Double-loop Intelligent Control System Design for Biomass Gasifies

LUOWei

(Hunan Railway Professional Technology College，Zhuzhou 412001，China)

In view of biomass gasify process which has nonlinear,non-minimum-phase,big delay and strong load interference characteristics,a double-loop intelligent control based on gray ant combination prediction algorithm was presented on this paper.The gray prediction algorithm was used to establish temperature model of gasifies，The temperature sub control system was based on the optimized gray temperature model. Finally,the variable universe fuzzy control algorithm was used in the oxygen content sub control system. The gasify-air was controlled by the fuzzy rules in order to stabilize the temperature of gasifies,and reduce the oxygen content of the combustible gases. The validity and superiority is showed in the results of simulation and work site.

gasifies;grey prediction;intelligent control;fuzzy control

1004-289X(2015)02-0027-05

2013年度湖南省教育廳科學研究項目生物質氣化爐智能控制系統的研究與設計(課題編號：13C591)

TM921

B

2014-03-10

羅偉,(1979-),男,副教授,研究領域:智能控制。