基于Matlab的发泡窑温度控制系统仿真

魏雨钧　贺远华

摘 要：在泡沫玻璃生产过程中，最重要的工艺参数是燃烧室的温度。传统的PID控制器虽然应用广泛，但是超调量大，抗干扰能力不强。近年来，预测控制和模糊控制由于其良好的鲁棒性和快速的响应速度而得到应用。这两种方法虽然在一定程度上提升了系统动态响应性能，但各自都有局限性。为了进一步提高控制器控制特性，文章将两种控制方法结合起来并在Matlab/Simulink环境下对其进行仿真和测试，结果表明，模糊预测控制对温度控制效果优于预测控制。

关键词：发泡窑；模糊预测控制；温度控制

泡沫玻璃是是由碎玻璃、发泡剂、改性添加剂和发泡剂经精粉碎后均匀混合，然后在高温下熔融、发泡和退火制成。其主要制造步骤为：

（1）预热。将玻璃粉和碳化硅粉均匀混合，倒入模具中，将模具放入炉内，进行预热，这一步骤可脱去原料中的水分，有利于混合物均匀发泡。

（2）烧结。为了提高胚体的机械强度，将炉内温度快速加热至600 ℃进行烧结。

（3）发泡。将温度提高到850 ℃，材料开始起泡，产生大量气泡。

（4）退火。为了保持泡沫玻璃的结构，玻璃需要快速冷却到550 ℃，并保持一段时间，在泡沫玻璃生产过程中，控制炉温对质量和节能具有重要意义。由于系统的非线性、多变量、时滞等原因，传统PID法逐渐无法满足生产需求。于是模糊PID控制[1]、神经网络PID[2]和预测控制[3]等应用在窑炉温度控制系统中。但是模糊控制和预测控制在应用中各有利弊，因此，本文将二者相结合，并在Matlab/Simulink环境下对该控制器进行仿真。

1 预测控制

预测控制算法是一种基于预测模型预测系统未来输出的计算机优化控制算法，结合闭环反馈校正滚动优化控制，因此，预测控制对带有滞后环节的被控对象控制效果较好。

1.1 预测模型

将控制对象的单位阶跃响应的采样数据设置为ai=a（iT）（i=1，2，…，T是采样周期）。对于渐近稳定的系统，阶跃响应在有限N个采样周期后趋于达到稳态值。因此，系统的动态特性可用（a1，a2，…，aN）来描述。

在k时刻，添加控制增量ΔU（k）。模型输出预测的向量输出形式是：

2 模糊控制

模糊控制是一种基于人的知识和模糊数学的控制器。由于模糊控制不需要预知被控对象模型，因此特别适用于窑炉这种数学模型难以建立的系统。

建立模糊逻辑控制器的第一步是模糊化。控制器的输入为：温度误差E（实际温度与目标温度的偏差）和温度误差的变化EB。该控制器的输出是电压U的变化。根据目标温度可以依次得到基本域。第二步是获取规则表，根据经验知识和加热过程知识确定IF-THEN规则，根据这些规则建立规则表。接下来采用最小—最大法并根据模糊集和規则表完成模糊推理。在本文中，模糊规则可写成下列形式：if eT is NB and ceT is NB，then U is NB。因此：

最后一步是选择隶属度大的原则，将所得的模糊控制量转换成精确的执行量。

3 模糊预测控制

由二、三节可知，预测控制能提高带有滞后环节系统的动态性能指标，但需要预知系统数学模型。模糊控制适用于模型未知或难以获得的系统，但在扰动情况下模型和实际较难匹配，会引发误差。为了减小系统输出值和设定值之间的误差，使用预测控制得到系统k+p时刻输出值，将其与系统设定值对比，得到差值，即误差E，并将其作为模糊控制的输入。模糊预测控制的系统框图如图1所示[4]。

4 仿真

窑炉温度系统的动态特性可以用惯以下公式表达：

在Matlab/Simulink环境下各控制器进行了仿真和实验。为了模拟实际生产过程中可能的干扰信号，添加了脉冲信号，仿真结果如图2所示。其中，曲线1代表的是炉温设定值，曲线2、3、4分别代表被控对象在PID控制器、预测控制器和模糊预测控制器下的响应曲线。

从曲线1可以得出最初炉温为600 ℃，在150 s出现干扰信号，将曲线数据导出经过计算可知，PID控制器超调量σ1=58.3%，调节时间ts1=75.1 s，预测控制器超调量σ2=0，调节时间ts2=74.182 s，模糊预测器超调量σ3=0，调节时间ts3=73.788 s。同时比较曲线2、3、4可以得到采用模糊预测控制可以有效地减小超调，进一步缩短稳态时间、增强鲁棒性。

5 结语

本文将模糊预测控制应用于发泡窑窑温控制，并在Matlab/Simulink环境下实现了该控制器的仿真。通过比较模糊预测控制器与预测控制器的仿真曲线，得出模糊预测控制可以有效增加系统动态响应指标。

[参考文献]

[1]强明辉，周学文.模糊PID算法在泡沫玻璃窑炉温度控制中的应用[J].工业仪表与自动化装置，2010（5）：87-89.

[2]黎洪生，苗青，周瑞敏.陶瓷窑炉温度控制系统控制算法研究[J].武汉理工大学学报，2014（10）：135-139.

[3]粘坤.预测控制在水泥回转窑温度控制中的应用研究[D].兰州：兰州理工大学，2009.

[4]王玉中.工业过程的预测控制与模糊PID控制的研究[D].杭州：杭州电子科技大学，2017.