一种基于模型切换的加热炉炉温广义预测控制器设计方法

薛美盛 孟 俊 刘 波 杨 猛

(中国科学技术大学信息科学技术学院)

一种基于模型切换的加热炉炉温广义预测控制器设计方法

薛美盛 孟 俊 刘 波 杨 猛

(中国科学技术大学信息科学技术学院)

为改善加热炉炉温控制自动化程度低、控制品质差的问题，并兼顾加热炉对象强非线性的特点，设计了一种多层次多模型广义预测控制器。给出了该控制器的设计方法和参数。仿真结果和投运效果表明：该方案实施后，系统的响应速度加快，超调量减少，加热炉炉温的控制品质明显改善。

广义预测控制 加热炉 多模型

加热炉是轧钢生产的重要设备，能耗巨大，通常占整个轧钢厂生产总能耗的一半以上[1]。加热炉的稳定、经济运行对轧钢厂降低生产成本和实现节能减排目标意义重大。我国加热炉普遍存在排烟温度高和热效率低的缺点，具有较大的节能改造潜力[2]。加热炉是一个具有大惯性、强耦合、时变性和非线性的复杂系统，炉内工况复杂多变，采用常规控制策略难以达到满意的控制效果。为了实现加热炉炉温的有效控制,有研究者使用加热炉系统运行历史数据提取模糊规则表，设计加热炉炉温模糊控制器以解决加热炉系统建模困难和难以有效控制的问题[3～5]。预测控制算法具有工程背景强、设计简单及鲁棒性强等特点，在过程控制领域得到了广泛使用，将广义预测控制算法运用到加热炉炉温控制器的设计中，在炉内工况小范围变化时取得了良好的控制效果[6]。为了克服被控对象的强非线性特点，将整个工作区间划分为不同的层次，然后构造不同层次的子模型，再设计相应的控制器，得到被控对象的多层次多模型[7,8]。多模型控制策略在电厂主蒸汽温度和球磨机负荷控制方面已有实际的应用，并且取得了良好的控制效果[9～11]。为改善加热炉炉温控制自动化程度低、控制品质差的问题，并兼顾加热炉对象强非线性的特点，笔者设计了一种多层次多模型广义预测控制器(Generalized Predictive Control，GPC)。

1 加热炉概况

笔者选择的研究对象为唐山某钢厂蓄热式加热炉。钢坯由加热炉入钢口，依次经一加热段、二加热段和均热段加热升温，达到目标轧制温度后由加热炉出钢口离开。加热炉使用上游钢铁冶炼过程中产生的高炉煤气作为燃料，空气作为助燃气体，其各段分别配置有独立的煤气流量调节阀和空气流量调节阀，可以分别控制各段的煤气流量和空气流量。加热炉生产过程中其二加热段的温度变化范围宽、控制难度大，因此笔者主要研究加热炉的二加热段。

轧钢厂加热炉原控制系统结构如图1所示，图中内环PID控制器为加热炉煤气流量控制器，其设定值为煤气流量，输出为阀门开度。外环PID控制器为加热炉炉温控制器，其设定值为加热炉炉温，输出为煤气流量设定值。由于加热炉对象本身复杂的动态特性，采用常规PID控制器难以达到满意的控制效果。导致现场的加热炉大多数情况下实际处于操作员手动操作状态，加热炉炉温控制效果很不理想。

图1 加热炉炉温PID控制系统框图

2 加热炉对象控制器设计与仿真

2.1 多模型广义预测控制器设计

广义预测控制是由Clarke D W等于1987年提出的一种重要的自适应控制算法[12,13]，它采用受控自回归积分滑动平均模型来表述被控对象。受控自回归积分滑动平均模型形式为：

A(q-1)y(k)=q-dB(q-1)u(k)+C(q-1)ξ(k)/Δ

从而被控系统的数学模型被处理成具有平稳随机干扰噪声和有积分作用的系统。

加热炉由于经常受到计划性待轧(正常换辊)、非计划性待轧(生产线下游轧线发生断辊、夹辊等生产事故需要停下维修)和加热炉入炉钢坯温度(热坯、凉坯)的影响，其运行负荷变化很大，在动态工况下难以得到较好的有意义的辨识结果。但在各种典型工况下，通过人工对数据筛选处理，可以得到相对满意的对象模型。广义预测控制器虽然具有较高的鲁棒性，但加热炉处于不同的工况时，对象模型会发生较大的变化，这会造成广义预测控制器模型严重失配，降低加热炉炉温的控制品质。同时，实验发现加热炉对象在负荷变化超过30%时模型参数相差较大。在系统工况发生大范围变化时，若仍以单一模型作为加热炉预测控制器设计时的预测模型，模型的输出和加热炉对象的实际输出二者结果相差较大，导致对加热炉炉温的控制效果较差。为此，以加热炉流量负荷为考虑设计了如图2所示的多层次多模型结构。

图2 加热炉炉温多模型控制系统框图

多层次多模型结构是将整个工作区间划分为不同的层次，然后构造相应的子模型。越高层次的模型，子模型个数越少，每个子模型覆盖的操作空间越大；越低层次的模型，子模型个数越多，每个子模型覆盖的操作空间越小。为此设计了一个两层的多层次多模型(图3)：上层有一个子模型，下层有3个子模型。采用递推最小二乘法辨识得到各层子模型和相应的控制器参数见表1、2。表1、2中的各参数分别是：预测步长P、控制步长Pu、柔化因子α、控制量变化量权重λ。

图3 多层次多模型结构

表1 上层模型结构和控制器参数

表2 下层模型结构和控制器参数

采用模型输出与加热炉对象实际输出的偏差e(k)作为模型层次间切换的判据，设定阈值为Q，当|e(k)| ≤Q时，采用L2层模型，实行“精细化控制”，确保控制系统的控制精度；当|e(k)| >Q时，此时系统工作负荷有较大的变化，模型输出与加热炉对象实际输出误差较大，应采用上层模型来使系统尽快动作，加快系统调节速度。同时，为了避免系统在外部高频扰动和工况变化情况下引起模型频繁切换，产生切换抖动，采用滞后切换的方法(在满足切换判据时，不急于模型切换，而是等待一定的时间或空间后才进行切换操作)减少系统切换时的抖动。

2.2 仿真实验

为了验证多模型控制策略的效果，分别选取流量负荷为0～8 000m3/h、8 000～18 000m3/h、18 000～24 000m3/h共3组加热炉炉温对象模型作为对照实验。仿真实验结果如图4所示，采用不同模型时加热炉炉温控制系统的各项性能指标见表3。其中，tr表示上升时间，为从稳态值的10%上升到90%所需要的时间；ts表示调节时间，为达到稳态值±5%所需要的时间；σ表示超调量。由表3可以看出，同采用其他模型设计的广义预测控制器相比，采用多模型控制策略时的加热炉炉温控制系统具有更快的上升时间和调节时间，更小的超调量。由此可见改进后系统的动态特性得到了明显的改善。

图4 各模型仿真实验结果对比

表3 性能指标对比

3 投运效果

2015年10月17日00∶00～7∶00加热炉的二加热段投运效果如图5所示，其炉温基本维持在1 125～1 140℃。其中00∶00～02∶00和05∶00～06∶00时段由于加热炉下游轧线需要执行例行换辊操作，加热炉炉膛内钢坯不再移动，煤气流量和空气流量大幅度下降，导致炉温也出现波动，不过这在生产工艺允许的范围之内。同时，由图5还可以看出，进入加热炉的煤气流量和空气流量基本满足设定的空燃比，保证进入加热炉内的煤气可以得到高效燃烧。

图5 加热炉实际运行曲线

4 结束语

为了克服广义预测控制在加热炉炉温对象控制过程中出现的模型失配问题，设计了基于多模型策略的加热炉炉温广义预测控制器。通过仿真，将多模型控制策略和常规广义预测控制相对比，实验结果表明该策略加快了系统的响应速度，减少了超调量。实际投运效果也表明该方案实施后明显改善了对加热炉炉温的控制品质。

[1] 钱中山.步进式加热炉控制系统的研究与应用[D].沈阳：东北大学，2011．

[2] 唐桂华，庄正宁.炼油厂加热炉节能方案分析[J].化工机械，2000，27(6)：352～354．

[3] 沈骏.加热炉系统的模糊建模与控制[D].上海：上海交通大学，2007．

[4] 张维.模糊神经网络在钢坯出炉温度建模和控制中的应用[D].重庆：重庆大学，2007．

[5] 薛美盛,孙胜杰,袁鑫,等.一种基于历史数据的加热炉温度模糊控制规则提取方法[J].化工自动化及仪表，2016，43(9)：940～944.

[6] 薛美盛，袁鑫，孙胜杰，等．蓄热步进式加热炉炉内温度广义预测控制器设计与实现[C]．第34届中国控制会议论文集．北京：中国自动化学会控制理论专业委员会，2015：4168～4172．

[7] 刘琳琳，周立芳.多层次结构模型预测控制系统的层次间模型切换方法[J].化工学报，2012，63(4)：1132～1139．

[8] 刘琳琳，周立芳，嵇婷，等．多层次多模型预测控制算法的模型切换方法研究[J].自动化学报，2013，39(5)：626～630．

[9] 胡棋.基于多模型切换的火电机组先进控制研究与应用[D].合肥：中国科学技术大学，2014．

[10] 弓岱伟，孙德敏，郝卫东，等．基于多模型切换阶梯式广义预测控制的电站锅炉主汽温控制[J].中国科学技术大学学报，2007，37(12)：1488～1493．

[11] Chai T Y，Zhai L F，Heng Y．Multiple Models and Neural Networks Based Decoupling Control of Ball Mill Coal-pulverizing Systems [J].Journal of Process Control，2011，21(3)：351～366．

[12] Clarke D W，Mohtadi C,Tuffs P S.Generalized Predictive Control—Part I．The Basic Algorithm[J].Automatica，1987，23(2)：137～148．

[13] Clarke D W，Mohtadi C,Tuffs P S.Generalized Predictive Control—Part II．Extensions and Interpretations[J].Automatica，1987，23(2)：149～160．

ADesignMethodforGeneralizedPredictiveControllerofReheatingFurnaceBasedonModelSwitching

XUE Mei-sheng, MENG Jun, LIU Bo, YANG Meng
(SchoolofInformationScienceandTechnology,UniversityofScienceandTechnologyofChina)

Considering low automation level and poor control quality of reheating furnace’s temperature control and reheating furnace’s strong-nonlinearity, a multi-level and multi-model generalized predictive controller was designed and its design procedures and parameters were presented. Simulation and application results indicate that, the implementation of this method can promote the system’s response speed and reduce the overshoot along with obviously-improved control quality of the reheating furnace.

generalized predictive control, reheaing furnace, multi-model

TH865

B

1000-3932(2017)04-0347-05

2016-10-26，

2017-02-14)

薛美盛(1969-)，副教授，从事工业自动控制的研究，xuems@ustc.edu.cn。