水泥行業(yè)面臨的挑戰(zhàn)

　　國家對水泥行業(yè)節(jié)能降耗和環(huán)保的要求越來越嚴格

　　很多國外水泥生產(chǎn)線把優(yōu)化系統(tǒng)作為建廠的標配

　　優(yōu)化控制系統(tǒng)應(yīng)用

　　傳統(tǒng)PID控制系統(tǒng)

　　模糊邏輯控制系統(tǒng)

　　專家控制系統(tǒng)

　　神經(jīng)網(wǎng)絡(luò)控系統(tǒng)

　　仿真控制

　　優(yōu)化控制系統(tǒng)介紹

　　模糊控制

　　模糊控制基于模糊集理論，模擬人的近似推理和決策過程。自1974年Mamdani成功地將模糊控制技術(shù)應(yīng)用于高爐和蒸汽機的控制以來獲得了迅猛發(fā)展，它在工業(yè)生產(chǎn)，特別是在工業(yè)窯爐、石油化工等復雜工業(yè)生產(chǎn)中的應(yīng)用成果顯著。1978年，丹麥學者Larsen首次為一條濕法水泥回轉(zhuǎn)窯設(shè)計的一套模糊控制器取得了成功，由此開辟了應(yīng)用模糊控制實現(xiàn)水泥回轉(zhuǎn)窯自動控制的新途徑，而1981年Holmblad等人研制的濕法水泥回轉(zhuǎn)窯模糊控制器，使窯的運轉(zhuǎn)率達到80～85%，燃料消耗減少4～5%，產(chǎn)品質(zhì)量也有明顯提高。目前國際上不少儀表制造公司已把模糊控制技術(shù)應(yīng)用在DCS系統(tǒng)中。1995年，F(xiàn)isher Rosemount公司設(shè)計了可在PROVOX和RS3分布式過程控制系統(tǒng)上運行的智能模糊邏輯控制器。

　　專家控制

　　對于任何一個有效的工業(yè)控制系統(tǒng)的設(shè)計，都不能由控制理論單獨解決，它都隱含著人的重要啟發(fā)式邏輯推理?；诖?，專家控制將專家系統(tǒng)技術(shù)和控制理論相結(jié)合，吸收了專家的經(jīng)驗知識，將專家對被控對象的真知灼見、控制技巧和直覺邏輯推理融入了控制策略中。在這方面，日本、美國和歐洲走在了世界的前列。從70年代開始，日本率先將專家系統(tǒng)技術(shù)應(yīng)用于冶金工業(yè)生產(chǎn)過程。到80年代，日本鋼管公司福山廠建立起了高爐控制專家系統(tǒng)，產(chǎn)生了巨大的經(jīng)濟和社會效益，引發(fā)了把人工智能技術(shù)應(yīng)用于工業(yè)生產(chǎn)過程控制特別是冶金工業(yè)的熱潮。在英國，LINKman系統(tǒng)對水泥窯生產(chǎn)過程的控制和管理作用顯著，既提高了經(jīng)濟效率，減少了環(huán)境污染，同時又實現(xiàn)商品化?？梢哉f它是專家控制在工業(yè)上成功應(yīng)用的典范。再如，美國的Foxboro公司在1987年時就已把PID專家自校正控制方法應(yīng)用于分布式計算機控制系統(tǒng)中。

　　神經(jīng)網(wǎng)絡(luò)控制

　　神經(jīng)網(wǎng)絡(luò)試圖模擬人的形象思維以及學習和獲取知識的能力。它在工業(yè)生產(chǎn)過程控制領(lǐng)域中的應(yīng)用，不像前兩者那樣發(fā)展迅猛，這主要是因為神經(jīng)網(wǎng)絡(luò)控制高度依賴于生產(chǎn)現(xiàn)場所提供的大量訓練樣本，而這些樣本的有效性、可靠性直接影響到神經(jīng)網(wǎng)絡(luò)控制器的性能，而且訓練算法的可實現(xiàn)性也是影響其實用化的重要因素。但盡管如此，神經(jīng)網(wǎng)絡(luò)控制在工業(yè)生產(chǎn)過程中的應(yīng)用還是獲得了巨大成功。美國NEURAL公司1991年開發(fā)成功的"智能電弧爐"（IAF）就是一種利用神經(jīng)網(wǎng)絡(luò)控制電爐的新方法，已取得美國的專利。IAF將傳統(tǒng)控制方法與改善功率因素合并起來，使電能消耗減少8%，使電極消耗減少75%，而生產(chǎn)能力增加12%，到降低鋼鐵廠的生產(chǎn)成本。它只需10分鐘的時間去學習電爐的運作情況，監(jiān)視電爐，觀察舊控制器的控制行動，并評價這些控制行動的效果。該系統(tǒng)具有自適應(yīng)、自學習的功能，解決了長期困惑電爐控制系統(tǒng)的技術(shù)難題，在技術(shù)上取得重大突破。

　　APC優(yōu)化控制系統(tǒng)

　　APC(Advanced Process Control)

　　PAVILION-ROCKWELL

　　平臺軟件：PAVILION8

　　商用的、通用的動態(tài)、非線性、多變量模型預測控制器（MPC）

　　已經(jīng)在化工聚合物等方面有很多成功案例

　　APC優(yōu)化控制原理-神經(jīng)元網(wǎng)絡(luò)

　　APC水泥優(yōu)化系統(tǒng)應(yīng)用

　　控制回路：APC優(yōu)化共投入了5個輸出控制回路

　　1.分解爐喂煤

　　2.窯頭喂煤

　　3.高溫風機風量調(diào)節(jié)

　　4.入窯喂料量的調(diào)節(jié)

　　5.窯轉(zhuǎn)速的調(diào)節(jié)

　　受控變量包括

　　分解爐出口溫度、預熱器氧氣含量、燒成帶溫度、窯NOx化物濃度、窯電流、窯喂料與窯電流比例、熟料游離鈣

　　APC 功能設(shè)計

　　TAYNINH 項目工作計劃

　　TAYNINH 項目工作內(nèi)容

　　oOff Site

　　-Function Design Specification and review

　　-Create steady-state models

　　-Create dynamic models

　　-Use simulator to tune controller off-line

　　-Remote controller tuning and trouble shooting

　　-As-build documents

　　oOn Site

　　-Install on-line Pavilion8 Controller components and Data collection

　　-Kick-off / Plant test

　　-DCS Configuration

　　-Commission Controller

　　-Controller tuning on-line

　　-Evaluate and results audit

　　模型建立過程

　　oComplete flexibility to develop offline and online datasets

　　oRealtime setpoint control and optimization

      模型處理過程

　　RAE Overview

　　化驗室非實時數(shù)據(jù)的處理VOA

　　What is a VOA or Soft Sensor^® ?

　　A computer program that accurately predicts Lab analysis values as a function of the plant variables

[Page]

　　原始采集數(shù)據(jù)處理

　　數(shù)據(jù)預處理

　　建立模型

　　模型分析

　　模型分析處理

　　Can remove outliers with Cut Box tool

　　Evaluate First!

　　動態(tài)模型調(diào)整

[Page]

　　DCS 組態(tài)及人機界面

　　系統(tǒng)投入運行結(jié)果

　　1.分解爐溫度自動控制

　　2. 窯頭喂煤自動化控制與喂料比的最大化

　　當窯喂料達到自動控制控制后，我們同時也可以使窯轉(zhuǎn)速做相應(yīng)的自動控制，以使窯轉(zhuǎn)速與窯喂料之比保持穩(wěn)定。按照這種控制策略進行的窯轉(zhuǎn)速和窯喂料控制曲線如下圖

　　優(yōu)化控制系統(tǒng)的現(xiàn)場實施

　　控制系統(tǒng)對儀表的要求

　　高溫氣體分析儀

　　比色高溫計

　　游離鈣測定（熒光分析儀）

　　特點與效益總結(jié)

　　1.實現(xiàn)了窯系統(tǒng)的全自動控制（配合篦冷機的18個PID控制回路）

　　2.穩(wěn)定生產(chǎn)過程如分解爐溫度、燃燒帶溫度

　　3.提高產(chǎn)品質(zhì)量，降低游離氧化鈣波動，提高其合格率

　　4.降低能耗

　　5.降低操作工勞動強度

　　6.提高設(shè)備運轉(zhuǎn)率和壽命