化工反應(yīng)釜的溫度控制研究進(jìn)展

張江濤 姚汭成 張勝廣 劉 洋 付亦文 肖晶峰

（長沙礦冶研究院有限責(zé)任公司）

在實(shí)際的化工生產(chǎn)中，反應(yīng)釜溫度控制性能的好壞影響著所生產(chǎn)產(chǎn)品的品質(zhì)，關(guān)乎著生產(chǎn)效率，更影響著化工生產(chǎn)過程的安全［1］。反應(yīng)釜溫度控制具有強(qiáng)烈的非線性、時(shí)變性、遲滯性、熱慣性及反應(yīng)機(jī)理復(fù)雜等控制難點(diǎn)，且反應(yīng)釜生產(chǎn)工況參數(shù)不斷發(fā)生改變，難以建立精確的數(shù)學(xué)控制模型。 常規(guī)的控制方法受限于對精確受控模型的依賴，用于反應(yīng)釜溫度控制時(shí)往往難以取得理想的控制效果，由于當(dāng)前化工生產(chǎn)對產(chǎn)品生產(chǎn)品質(zhì)的要求越來越高，而反應(yīng)釜溫度控制卻未能較好地滿足生產(chǎn)要求，因此為了改善反應(yīng)釜的溫度控制效果，提高生產(chǎn)產(chǎn)品品質(zhì)，需要對反應(yīng)釜溫度控制方法進(jìn)行深度研究。

1 反應(yīng)釜介紹

反應(yīng)釜是化工生產(chǎn)領(lǐng)域內(nèi)一種常見的反應(yīng)容器。 按照攪拌模式，反應(yīng)釜主要可分為兩類：間斷攪拌反應(yīng)釜和連續(xù)攪拌反應(yīng)釜［2］。其中，連續(xù)攪拌反應(yīng)釜因?yàn)榫哂锌蛇M(jìn)行多相反應(yīng)、持續(xù)攪拌可保持釜內(nèi)濃度等參數(shù)均勻、 生產(chǎn)一致性好的特性，被廣泛應(yīng)用在實(shí)際化工生產(chǎn)中［3］。連續(xù)攪拌反應(yīng)釜的結(jié)構(gòu)如圖1 所示［4］。 連續(xù)攪拌反應(yīng)釜內(nèi)安裝有電加熱棒，釜內(nèi)壁盤繞著多圈盤管，盤管中可切換通入冷/熱水， 釜內(nèi)壁和外壁之間設(shè)有夾套，夾套內(nèi)可通入導(dǎo)熱介質(zhì)，如導(dǎo)熱油、蒸汽等，可以起到保溫調(diào)節(jié)的作用。

圖1 反應(yīng)釜結(jié)構(gòu)簡圖

連續(xù)攪拌反應(yīng)釜的溫度控制是指保持反應(yīng)釜內(nèi)始終處于化工生產(chǎn)所需的反應(yīng)溫度［5］。 根據(jù)需要， 可向釜內(nèi)壁盤繞的盤管中通入冷/熱水，同時(shí)輔以電加熱棒的通斷電輔助加熱操作，加上夾套的保溫作用， 以此來實(shí)現(xiàn)對反應(yīng)釜的溫度控制。

在反應(yīng)釜中進(jìn)行的實(shí)際生產(chǎn)化學(xué)反應(yīng)往往是比較復(fù)雜的［6］，既有物料的相變過程，又有相對應(yīng)的熱量得失變化過程， 隨著反應(yīng)的持續(xù)進(jìn)行，在不同的階段，反應(yīng)釜內(nèi)的產(chǎn)物形態(tài)也在不斷地變化，隨之帶來的影響就是傳熱系數(shù)會不斷隨著產(chǎn)物形態(tài)變化而無規(guī)律改變， 加上攪拌機(jī)、冷/熱水，還有一些外接設(shè)備需要與之聯(lián)鎖控制等其他因素的干擾，這就使得反應(yīng)釜內(nèi)的溫度控制較為復(fù)雜［7］，如在反應(yīng)釜溫度控制的降溫過程中，降溫速率就很難控制，如果降溫速率過快，會使反應(yīng)釜內(nèi)化學(xué)反應(yīng)變得遲緩?fù)a(chǎn)生“釜僵”現(xiàn)象；但若降溫速率不夠，不能及時(shí)、迅速地把反應(yīng)釜內(nèi)的反應(yīng)熱移除， 反應(yīng)釜內(nèi)產(chǎn)熱持續(xù)大于散熱，就會使得反應(yīng)釜內(nèi)的溫度飛速飆升， 存在發(fā)生“聚爆”的風(fēng)險(xiǎn)［8］。“釜僵”會使得生產(chǎn)效率下降，產(chǎn)品品質(zhì)變差，而“聚爆”則可能會有爆炸和火災(zāi)風(fēng)險(xiǎn)， 給生產(chǎn)現(xiàn)場的操作工人的生命帶來威脅，嚴(yán)重影響生產(chǎn)安全［9］。 因此，近年來，對于連續(xù)攪拌反應(yīng)釜溫度控制的研究逐漸成為一個(gè)具有挑戰(zhàn)性的熱點(diǎn)課題。

2 化工反應(yīng)釜的溫度控制方法

主流的溫度控制方法有PID 優(yōu)化控制、模糊控制、預(yù)測控制和神經(jīng)網(wǎng)絡(luò)控制。

2.1 PID 優(yōu)化控制

PID 控制是最早被提出并廣泛應(yīng)用在工業(yè)生產(chǎn)過程中的控制方法之一，它的優(yōu)點(diǎn)是控制方法簡單、效果穩(wěn)定，最適合應(yīng)用在線性、易于建立準(zhǔn)確數(shù)學(xué)模型的確定性系統(tǒng)中。 它也是在反應(yīng)釜控制中應(yīng)用最多的方法之一，只需要不斷調(diào)整P、I、D 這3 個(gè)參數(shù)值，便可實(shí)現(xiàn)相應(yīng)的控制［10］。

然而， 傳統(tǒng)PID 控制也有明顯的局限性，它的參數(shù)調(diào)整過程較為耗時(shí)、繁瑣，且不能實(shí)時(shí)動態(tài)調(diào)參，影響了其控制效率。 因此，傳統(tǒng)PID 還需進(jìn)一步改進(jìn)優(yōu)化。

近年來，一些學(xué)者對于改進(jìn)PID 控制用于連續(xù)攪拌反應(yīng)釜溫度控制方面進(jìn)行了一些研究。DEEPA S N 和JAYALAKSHMI N Y 提出了一種新的小波神經(jīng)網(wǎng)絡(luò)（WNN）控制方法，用確定性灰狼優(yōu)化算法（DGWO）調(diào)整網(wǎng)絡(luò)權(quán)值，并用模糊推理（Mamdani）優(yōu)化網(wǎng)絡(luò)輸入，使用小波激活函數(shù)縮短網(wǎng)絡(luò)模型的計(jì)算時(shí)間和參數(shù)選擇的隨機(jī)性，該方法顯著減小了連續(xù)攪拌反應(yīng)釜溫度控制的動 態(tài) 響 應(yīng) 時(shí) 間、 穩(wěn) 態(tài) 誤 差 和 超 調(diào) 量［11］。BARANILINGESAN I 設(shè)計(jì)了一個(gè)用于控制連續(xù)攪拌反應(yīng)釜溫度的Elman 神經(jīng)網(wǎng)絡(luò)控制方法，使用混合DPSO-DGSA 群體智能優(yōu)化算法對控制器參數(shù)進(jìn)行優(yōu)化，該方法可顯著減小溫度控制的積分平方誤差，提高控制的精確性［12］。 NEDUMAL P等提出了一種基于改進(jìn)混合人工蜂群算法（HMABC）優(yōu)化的連續(xù)攪拌反應(yīng)釜溫度控制方法，通過改進(jìn)的遺傳算法（MGA）優(yōu)化了偵察蜂對蜜源的選擇，在更少的循環(huán)周期內(nèi)可達(dá)到更小的損失函數(shù)值，性能比傳統(tǒng)的人工蜂群算法（ABC）和非線性PID 控制方法更加優(yōu)越［13］。SRIVASTAVA V 和SRIVASTAVA S 將粒子群優(yōu)化算法（PSO）和基于教師學(xué)習(xí)的優(yōu)化算法（TLBO）應(yīng)用在連續(xù)攪拌反應(yīng)釜溫度控制中， 優(yōu)化了控制器參數(shù)選擇，可明顯減小控制中的溫度波動，在3 次迭代中將均方誤差減小到0.015 547，改善了傳統(tǒng)PID 控制存 在 的 非 線 性 問 題［14］。 KHANDUJA N 和BHUSHAN B 提出了一種新的利用混沌物質(zhì)搜索和基于精英對抗學(xué)習(xí)的FOPID 混合元啟發(fā)式優(yōu)化算法，用于連續(xù)攪拌反應(yīng)釜的溫度控制，與傳統(tǒng)控制相比， 該方法探索和開發(fā)性能相對平衡，收斂速度更快，表現(xiàn)出更佳的瞬態(tài)控制性能［15］。

2.2 模糊控制

1965 年美國著名的控制領(lǐng)域?qū)＜襔ADEN L A 首次提出模糊控制的理論，針對實(shí)際生產(chǎn)過程中存在的非線性、難以直接建立數(shù)學(xué)模型且無法用傳統(tǒng)的控制方法進(jìn)行簡單控制的復(fù)雜系統(tǒng)。 此時(shí)，可以提取一些控制專家或者生產(chǎn)工人長期以來在生產(chǎn)現(xiàn)場積累的可以成功調(diào)控的相關(guān)豐富經(jīng)驗(yàn)，借鑒這些經(jīng)驗(yàn)往往可以取得相對不錯(cuò)的控制效果。 可以通過一些方法，將這些寶貴的現(xiàn)場控制經(jīng)驗(yàn)?zāi)毧偨Y(jié)為一些通用的規(guī)則，使得被控對象有一個(gè)模糊的模型，以整合出的規(guī)則為依據(jù)設(shè)計(jì)出模糊控制器。 如以溫度偏差e 和溫度偏差變化率ec 為輸入，將輸入“模糊化”并輸入到模糊推理機(jī)進(jìn)行模糊推理， 之后再進(jìn)行 “解模糊”操作， 得出控制作用量u， 并將其作用到被控對象上，完成模糊控制的整個(gè)流程，實(shí)現(xiàn)智能溫度控制的目的［16］。

近年來，已有部分學(xué)者對模糊控制應(yīng)用在連續(xù)攪拌反應(yīng)釜的溫度控制上進(jìn)行了相關(guān)探索。 魏小宇和鄭晟將模糊控制和比例加權(quán)PID 結(jié)合，在模糊控制規(guī)則的基礎(chǔ)上調(diào)節(jié)比例權(quán)重，改善了傳統(tǒng)PID 控制反應(yīng)釜溫度存在的跟隨性弱和滯后性強(qiáng)的問題［17］。 龔育林結(jié)合傳統(tǒng)PID、模糊控制、相關(guān)專家經(jīng)驗(yàn)設(shè)計(jì)了二維模糊自適應(yīng)控制系統(tǒng)，可以實(shí)時(shí)在線自整定控制參數(shù)，提高了反應(yīng)釜溫度控制系統(tǒng)的響應(yīng)速度，增強(qiáng)了系統(tǒng)的魯棒性和適應(yīng)性［18］。

2.3 預(yù)測控制

預(yù)測控制指模型預(yù)測控制（Model Predictive Control，MPC）［19］，主要可概括為基于模型的預(yù)測、反饋矯正及滾動優(yōu)化等幾個(gè)基本環(huán)節(jié)。 通過熱量守恒、物料守恒等原理進(jìn)行連續(xù)攪拌反應(yīng)釜機(jī)理建模，得到其非線性一階時(shí)滯數(shù)學(xué)模型，再利用MPC 控制方法，將模型線性化處理，利用滾動優(yōu)化和反饋校正來持續(xù)優(yōu)化預(yù)測輸出，繼而得到較好的溫度預(yù)測控制效果。

近年來，部分學(xué)者在將預(yù)測控制方法應(yīng)用在連續(xù)攪拌反應(yīng)釜的溫度控制方面進(jìn)行了一些嘗試，并已取得了相對不錯(cuò)的效果。 SHAKERI E 等提出了一種智能隨機(jī)模型預(yù)測方法，該方法基于Fokker-Planck 觀測器建立滾動優(yōu)化模型預(yù)測控制（RH-MPC），利用路徑積分法（PIM）和粒子群算法（PSO）來求解Fokker-Planck 方程得出控制律，從而控制連續(xù)攪拌反應(yīng)釜的溫度，強(qiáng)調(diào)對控制過程中的隨機(jī)性的研究可以實(shí)現(xiàn)反應(yīng)釜的溫度和濃度的聯(lián)合最優(yōu)控制［20］。 SHI H 等針對具有不確定性和未知干擾的離散連續(xù)攪拌反應(yīng)釜的溫度控制系統(tǒng)， 提出了一種時(shí)滯-區(qū)間魯棒約束模型預(yù)測控制方法，利用離散系統(tǒng)的動態(tài)特性、時(shí)滯信息擴(kuò)展了狀態(tài)空間，系統(tǒng)變量和誤差可獨(dú)立進(jìn)行調(diào)節(jié)，給予了更大的控制自由度，從而有了更好的跟蹤和抗擾性能［21］。

AGUILAR-LóPEZ R 等提出了一種以反應(yīng)釜溫度/夾套溫度和產(chǎn)量/輸入質(zhì)量流量為控制對象的雙輸入雙輸出（TITO）預(yù)測控制策略［22］。 將最優(yōu)控制器與不確定性預(yù)估器耦合， 得出基于歐拉-拉格朗日框架的最優(yōu)控制策略，該溫度調(diào)節(jié)方案比開環(huán)控制提高了40%的反應(yīng)器生產(chǎn)率，溫度調(diào)節(jié)達(dá)到最優(yōu)控制后的生產(chǎn)率提高了32.15%。

2.4 神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)控制是一種新型的控制策略。 對于不易建模且非線性較強(qiáng)的控制對象，神經(jīng)網(wǎng)絡(luò)控制有著天生的優(yōu)勢。 它不需要建立精確的系統(tǒng)模型，且經(jīng)過訓(xùn)練，可以在線學(xué)習(xí)、自主地進(jìn)行參數(shù)的動態(tài)優(yōu)化調(diào)整， 從而可以獲得較好的控制效果。徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)控制屬于神經(jīng)網(wǎng)絡(luò)控制的分支之一， 由于RBF 神經(jīng)網(wǎng)絡(luò)不僅具有較快的自學(xué)習(xí)速度和優(yōu)秀的局部逼近能力，它還具有原理簡單、容易在工程上應(yīng)用、有一定自適應(yīng)性的優(yōu)勢，因此在工業(yè)控制技術(shù)中得到了廣泛的應(yīng)用［23］。

RBF 神經(jīng)網(wǎng)絡(luò)控制是一種以徑向基函數(shù)作為神經(jīng)網(wǎng)絡(luò)核函數(shù)，并選取某種參數(shù)調(diào)整法（如梯度下降法） 進(jìn)行參數(shù)在線優(yōu)化的控制方法［24］，它是一種包含輸入層、隱藏層和輸出層3 類層級的前向網(wǎng)絡(luò)結(jié)構(gòu)，其中隱藏層的神經(jīng)元數(shù)目根據(jù)所控制的對象實(shí)際需要來確定。 第1 層為輸入層，由網(wǎng)絡(luò)與外界連接的信號神經(jīng)元組成，具體神經(jīng)元數(shù)目由輸入信號的維數(shù)決定。 中間層為隱藏層，隱藏層神經(jīng)元是一種中心點(diǎn)徑向?qū)ΨQ衰減的非負(fù)非線性函數(shù)，且是局部分布的。 輸入層到隱藏層的變換是非線性的。 第3 層為輸出層，輸出層是網(wǎng)絡(luò)對輸入做出的響應(yīng)，隱藏層到輸出層的變換是線性的。

近年來，將RBF 神經(jīng)網(wǎng)絡(luò)控制應(yīng)用在連續(xù)攪拌反應(yīng)釜的溫度控制中［25］已經(jīng)有了一些研究。BAHITA M 和BELARBI K 基于一階超前T-S 模糊模型，采用k-means 算法調(diào)整RBF 神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)中心值， 該方案能夠快速消除擾動，實(shí)現(xiàn)對高度非線性的反應(yīng)釜溫度的自適應(yīng)穩(wěn)定控制，有助于減少化學(xué)廢物的產(chǎn)生［26］。 XU F X 等提出了一種基于U 模型的RBF 與PD 結(jié)合的復(fù)合控制方法，融合了PD 控制的穩(wěn)定性和RBF 可任意精度逼近非線性函數(shù)的特性，可以實(shí)現(xiàn)對非線性對象（如連續(xù)攪拌反應(yīng)釜溫度）的精確動態(tài)控制，該控制結(jié)構(gòu)設(shè)計(jì)先進(jìn)，提高了控制信號的平滑度，減少了不必要的機(jī)械損耗，延長了設(shè)備壽命［27］。

3 結(jié)論和展望

化工反應(yīng)釜本身具有大容積、 大壁厚的特點(diǎn)，在反應(yīng)釜內(nèi)部進(jìn)行的實(shí)際生產(chǎn)化學(xué)反應(yīng)往往是比較復(fù)雜的，再加上冷/熱水、外接設(shè)備等其他外部因素的干擾，使得對反應(yīng)釜溫度的控制存在比較強(qiáng)的時(shí)變性、滯后性、非線性及建模難等問題。 傳統(tǒng)的PID 控制原理簡單、易于實(shí)現(xiàn)、需要依賴精確的數(shù)學(xué)模型，但直接用于機(jī)理復(fù)雜、難以建立精確模型的反應(yīng)釜溫度控制效果欠佳。 模糊控制基于實(shí)際生產(chǎn)中總結(jié)出的經(jīng)驗(yàn)、規(guī)律來制定模糊規(guī)則，進(jìn)行模糊推理，可適當(dāng)?shù)挚垢蓴_和適應(yīng)參數(shù)波動，但是基于偏差和偏差變化率作為輸入，存在控制精度不高、穩(wěn)態(tài)誤差較大及調(diào)節(jié)時(shí)間較慢等問題。 預(yù)測控制對模型精度要求低、動態(tài)優(yōu)化性能較好，但是存在理論分析復(fù)雜、控制律求解不易及控制穩(wěn)定性不強(qiáng)等問題。 神經(jīng)網(wǎng)絡(luò)控制不需要建立精確數(shù)學(xué)模型，可以在線進(jìn)行自學(xué)習(xí)優(yōu)化，但是存在網(wǎng)絡(luò)參數(shù)選取不易、可解釋性不強(qiáng)及網(wǎng)絡(luò)結(jié)構(gòu)難以確定等問題。 因此，難以只用某種單一的控制方法來實(shí)現(xiàn)對于連續(xù)攪拌反應(yīng)釜溫度的精確控制。

在未來，需要將幾種控制方法的優(yōu)勢充分結(jié)合起來，如結(jié)合智能優(yōu)化算法的參數(shù)自尋優(yōu)、RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)、預(yù)測控制的動態(tài)滾動優(yōu)化及模糊控制的無模型優(yōu)勢等，設(shè)計(jì)出性能更優(yōu)的連續(xù)攪拌反應(yīng)釜溫度綜合控制方法，這將是未來連續(xù)攪拌反應(yīng)釜溫度控制課題的研究熱點(diǎn)方向。