糧食幹燥過程的先進控製（1）

　　摘 要: 在分（fèn）析先進控（kòng）製特點的基礎上，總結了糧食幹燥過程中先進控（kòng）製方法的發展與現狀，指出了幹燥過程控製中的存在（zài）問題，並提出了糧食幹燥過程控製的發展方向。

      關鍵詞：幹（gàn）燥；先進控製；自適應控製；模型預測控製；^控製；模糊控製；神經（jīng）網絡控製

      Abstract: The development of advanced control in grain drying  process is summarized based on the characteristics of advanced control in this paper. The kernel problems in drying process control are introduced. l is also discussed. Some advices on the development of grain drying process control is proposed.

      Key words : drying;advanced control；adaptive control；model predictive control；expert control；fuzzy control；neural network control 

　　糧食幹（gàn）燥的基本目標是保持幹燥過程（chéng）穩定的前提下，以^低的幹燥成（chéng）本和能耗得到穀物^優的烘（hōng）幹品質。糧食幹燥過（guò）程是典型的非線性、多變量、大滯後、參數關聯耦合的非穩態傳熱傳質過程，糧食本身又是一種複（fù）雜的生物化學物質，為（wéi）達到上述目標（biāo），在幹燥過程中必須不斷地調整幹燥參數（shù），對幹燥機工作過程進行控製。幹燥過程的（de）自動控製是實（shí）現幹燥（zào）機優質、高效、低耗、安全作業的有效手段。實現幹燥過程的自（zì）動控製，實現糧食幹燥機（jī）的（de）自動控製，對保證出機糧食水分均勻一致、幹後糧食品質、減輕操作（zuò）人員勞動強度及充分發揮幹燥機生（shēng）產能力等具有重要意義。根據國家糧食局在（zài）《“十五”糧食行業科技發展規劃》[1] 中製定的發展目標，糧食烘幹過程的在線監測和自動控製已成為提高我國糧食幹燥處理工藝效率的關鍵問題和實現“十五”規劃的重要途（tú）徑。隨著（zhe）我國對糧庫建設投入力度的加大，糧食加工業與國際日益接軌，糧食（shí）幹燥的自動化將（jiāng）為我國的糧食加入國際流通大市場奠定基礎。

1　先進控製的特點

　　糧食幹燥過程自動控製問（wèn）題（tí）的（de）研究開始於20世紀60年代。當時（shí）使（shǐ）用前饋控製、反饋控（kòng）製、反饋-前饋控製和（hé）自適應控製等（děng）傳統控製方法。傳統控製理論采用差分方程或（huò）傳遞函數（shù），把幹燥過程係統（tǒng）的（de）知識和已有的信息表達成解析式（shì）。但是在使用和設計采（cǎi）用上述控製方法的穀物幹燥機控製係統時會遇到很多困難，原因是：（1）穀物幹燥過程是複雜（zá）的、時變的和非線性的（de）；（2）某些幹燥過程變量(如穀物品質和色（sè）澤)是不能（néng）直接測量的，有些變（biàn）量(例如（rú）穀（gǔ）物水分含量)的（de）測量可能是（shì）不連續、不（bú）^、不完整或不可（kě）靠的；（3）幹燥機的過程模型是對實際過（guò）程的近似，而且需要大（dà）量的（de）計算時間；（4）幾乎不可能用一個適當的模型來表示像幹（gàn）燥過程（chéng）這樣一個非線性、滯後、時變的複雜係統；（5）穀物幹燥機的被控變量和控製變量之間存在交互效應；（6）穀物幹燥機的作業條件複雜，擾（rǎo）動（dòng）變量（liàng）的範圍寬，難以（yǐ）調控。

      顯（xiǎn）然，要克服上述困難需要對穀物幹燥機的傳統控製方法不斷（duàn）改進，同時要探索新的、更有效的控製方法。20世（shì）紀70 年代，電子行業的進步，尤其是計（jì）算機技術的（de）發展使得現在所（suǒ）謂的先進控製的思想得以廣泛的傳播。先進控（kòng）製的目標就是為了解決那些采用（yòng）常規控製效果不（bú）佳，甚至無法控製（zhì）的複（fù）雜工業過程控製（zhì）問題。近年（nián）來，現代控製和人工智能取得了長足的發展，為（wéi）先進控製係統的實施奠（diàn）定（dìng）了強大的理論基礎；而控製計算機是集散控製係統（DCS）的普（pǔ）及，計算機網絡技（jì）術的突飛猛進，則為先進控製的應用提供了（le）強有力的硬件和軟件平台。總之，工業發展的需要、控製理論和計（jì）算機及網絡技術的發展強有力地推動了先進控製的發展。

      計算機（jī）技術（shù）飛速發展，人工智能控製理論開始在千燥機控製中得到應用，明（míng）顯改善了千燥機控製係統的性能。傳統控製方（fāng）法由於大滯後和對糧食幹燥過程的非線性（xìng）聯係，不適於控製糧食幹燥機。人工智能技術進步在工程（chéng）領域中廣泛應用，先（xiān）進控製理論和控製方法應用到穀物幹燥過程的自動化控製中，控製方法不斷改進，控製效果提高。90年代後，過程控製己經開始向智能化發展，智能控（kòng）製理論日益與幹燥技術結合在一（yī）起，利（lì）用人工神經網絡對幹燥過程進行模（mó）型模擬和控製；^係統應用於穀物（wù）品質預測、幹燥過程控製和管理谘（zī）詢等（děng）方麵。

      與控（kòng）製（zhì）理論、儀表、計（jì）算機、計（jì）算機通信與網絡（luò）等技術密切（qiē）相關的先進控製係統，具有以下特點：

      (1)先進控製係統的理論基礎主要是（shì）基於模（mó）型的控製策略，如:模型預測控製，這（zhè）些控（kòng）製策略充分利用工業過程（chéng）輸入輸出有關信息建立係統（tǒng）模型，而不必依賴對反應機理（lǐ）的深入研究。日前，基於知（zhī）識的控（kòng）製，如^控製和模糊邏輯控製正成（chéng）為（wéi）先進控製的一個重要發展方（fāng）向。

     （2）先進控製係統通常用於（yú）處理複雜的（de）多變是過程控製問題，如大時滯、多變量耦合、被控變^與控製變（biàn）量（liàng）存在著各種約束等。采用（yòng）的（de）先進控製策略是建立在常規單回路控製基礎之上的動態協調約束控製（zhì），可使控製係統適應實際工業生產過程動態特性和操（cāo）作（zuò）要求（qiú）。

     （3）先進控製係統的實現需要較高（gāo）性（xìng）能的計算機（jī）作為支持（chí）平台.由於先進控製器控（kòng）製算法的複雜性和計算機硬件兩方麵因素的影（yǐng）響（xiǎng），複雜係統（tǒng）的先進控製算法通常是（shì）在上位機上實（shí）施的。隨著DCS功能的不斷增強和先進控製技術的發展，部分先進控製策略可以與基本控製回路一在DCS上實現。後（hòu）一種方式可有效她增強先進控製的可靠性、可操作性和（hé）可維護性。

2　幹（gàn）燥過程先進控（kòng）製發展現狀

      先進控例策路是先進控製（zhì）係統的核心內容，目前先進控製策略種類繁多，幹燥（zào）過程中主要的先（xiān）進控製（zhì）策略有:預測控製、模糊邏輯控製、神（shén）經控製、自適應控製、^係統。

2.1 基於模型的控製

2.1.1　自適應控製

      自適應（yīng）控製（zhì）的基本原理（lǐ）是根據幹（gàn）燥過程參數的變化和外界幹（gàn）擾隨時調整控製（zhì）參數（shù），使幹燥機（jī）處於^佳的工作（zuò）狀態。自適應控製具有（yǒu）適用多種糧食幹燥機、無須任何關於（yú）幹燥機自己特點的數據、對環境條件（jiàn）和糧食狀況無特殊要（yào）求、控（kòng）製器對幹擾的響應（yīng）速度較快、控製模（mó）型中的參數能隨（suí）外界條件的變化進行自動調節等優點。瑞典（diǎn）Nybrant（1985）把自（zì）校正技術應用（yòng）到橫（héng）流穀物幹燥機控製（zhì）。幹燥機排氣溫度作為輸出變量，穀物排糧速率用作被控變量，並選擇自動回（huí）歸移動平均（ARMA）模型表現橫流（liú）幹燥機的動態特性（xìng）。在實驗室橫流幹（gàn）燥機（jī）上進（jìn）行了驗證性（xìng）試驗，控製（zhì）誤差的標準差在後50個樣本期間是0.13℃。結果表明，自適應控製器能夠比較準確的控製（zhì）排氣溫度。劉建軍[5]（2003年）對HTJ-200型（xíng）烘幹機進行研究，通過在線樣本（běn）的采集和智能優化算法對係統（tǒng）進（jìn）行定量分析（xī），建立由實時檢測數據（jù）所確定的（de）過程智（zhì）能模（mó）型，再通過智能優化算法調用人工智能模型，獲取（qǔ）係統的控製規則，由控製程序給出控（kòng）製量經D/A轉換後輸出給執行部件。李曉斌（bīn）等[3]（1998）研究真空冷凍（dòng）幹燥設備的先進控製係統，針（zhēn）對不同凍幹物料的工藝要求，采取DRA算法和臨界（jiè）比例法兩種自適應、自整（zhěng）定控製（zhì）方法，解決了被控對象主控參數--溫度的滯後問題。

2.1.2　模型預（yù）測控製

      過程控製理論的^新研究（jiū）領域是模型預測控製，是基於模型、滾動實（shí）施（shī）並結合反饋校正的優化控製算法，它對於控製（zhì）非線性和大滯後過程尤（yóu）其有效（xiào）。

      Forbes，Jacobson，Rhodes，和Sullivan[24]（1984)和Eltigani設（shè）計了基於模型的幹燥控製（zhì）器（qì），其控製行為基於一個過程模型和一個所謂的假冒的入口穀物水分含量。幹燥速率參數根據模（mó）型預測值（zhí）和傳感器出口實測（cè）的水分含量之差間歇式更新。Forbes和Eltigani控製器的不同在於（yú）控製算法中所用的過程模型（xíng）的種類不同。密執安大學的劉強[25]（2001）提出了橫流幹燥機的模（mó）型預測控製器。仿真測試在一台Zimmerman VT-1210塔式橫流穀物幹燥機上進（jìn）行，利用Labview建立的控製器能夠成功（gōng）運作，並實（shí）現出口處玉米含水率控製在設定點的0.7%以內。控製器對進入幹（gàn）燥機的（de）入口穀（gǔ）物含水率相當大範圍的變化，以及熱風溫度的大階躍變化都能進行良好補償。

      對模型預測控製研究（jiū）中（zhōng），較多工作集中於過程模型的的建立（lì）和求解，且在模（mó）型中考慮（lǜ）幹燥品（pǐn）質問題。法國的P.Dufour [31]等人（2003）借助偏微（wēi）分方程（PDES），將模型預測控製拓（tuò）展到係統模型，從而使PDES方（fāng）程能夠大規模應用。他們提出了一個全（quán）局模型，旨在減少由於基於^優化任務解決方案的PDE模型所帶來的在線計算時間。開發出（chū）與實際中大量應用的IMC結構相結合的一個通用的MPC框架。在IMC- MPC結構中用到了兩個反饋環（huán），以校正過（guò）程性能和基於（yú）模型的在線優化器中所引（yǐn）起的模擬誤差（chà）。丹麥（mài）的Helge Didriksen[29]（2002）開發了一個滾筒幹燥（zào）機的描述質量、能量和（hé）動量轉換的動態一次法則模型，並應用到（dào）糖廠幹燥甜菜中的預測控製。結（jié）果表明，隨著操作（zuò）變量和幹擾變化，該模型具有較（jiào）好的預測（cè）能力。通過模擬比較了帶有模型預測控製和傳統的反（fǎn）饋控製，模型預測控製表現出（chū）了更優的性能。法國的I．C．Trelea，G.Trystram 和 F.Courtois[27]於1997年設計了用於批式幹燥過程的非線性預測優化控（kòng）製算法，在（zài）中試規模的幹燥機上進行了測試。實驗表明，算法可處理重要的幹擾和（hé）失效該控製算法可方便地用於其它批式過程（chéng），如冷（lěng）凍、殺菌或發酵。有些（xiē）學者將神（shén）經網絡用於模型預測控製過程建模。Jay[32]（1996）初次將神經網絡模（mó）型用於（yú）幹燥過程預測控製。法國的J.A. Hernandez-Perez等 [33]（2004）提出了基（jī）於人工神經網絡的傳質傳熱預測模型，該模型將產（chǎn）品收縮作為水分的函數，應用了帶有一（yī）個隱藏層的兩個獨立的前饋網絡，隱藏層中帶有三個神經（jīng）細胞，可^預測傳質傳（chuán）熱。在數據裝置校驗中，模擬和實驗運動學測試相一致。開發的模型可用於幹燥過程的在線狀態估計和控製（zhì）。

2.2 智能控製

　   智能控製是一門新興的理論和技（jì）術，它是傳統控（kòng）製發展的（de）高級階段。這是以無模型（xíng）為（wéi）特（tè）征的更接近於人腦思（sī）維方式的一種控製理論（lùn），主要用來解決那些用傳（chuán）統方法難以解決的複雜係統的（de）控製，其控製器的設（shè）計擺脫了（le）係統模型的束縛，算法簡單、魯棒性強。目前，^控製、神（shén）經控製和模糊控製等智能控製技術正成為先進控製的一個重要發展方向。

2.2.1　^控製

      ^係統技術能把數學算法和控製工程師的操作（zuò）經驗融合到一起（qǐ），^大限度的利用已有知識，達到傳統控製方式（shì）難（nán）以取得的控製效果。^控（kòng）製係統運行在連續的實時環境（jìng）中，利用實時信息處（chù）理的方式來監控係統的（de）動態特性， 並給出適當的控製作用。將^係統技術與糧（liáng）食幹燥（zào）過程控製相結合，用於糧食（shí）的生產、管（guǎn）理和（hé）監控（kòng），可提高糧食（shí）的生產效率及生（shēng）產（chǎn）效益。劉明山[12]（2001）研製（zhì）了一種糧食幹燥（zào）模糊控製^係統，將仿真結果與實測數據進行對照，兩者（zhě）基本一致。劉淑榮[13]（2001）將（jiāng）^係統技術（shù）與幹燥（zào）過程控製相（xiàng）結合，設計了一個高水（shuǐ）分糧烘（hōng）幹過程控製的模（mó）糊^係統。何玉春（chūn）[14]（2001）通過^智能控製在（zài）幹燥過程中把烘幹參（cān）數優（yōu）化，在烘幹設備的設計和幹燥過程中求出能耗、效率、品質的共利點，使幹燥機沿著共利線對穀物進行（háng）烘（hōng）幹，使設備在幹燥（zào）過程中始終處於^佳操作；同時，將溫度測（cè）控技術與網絡技術互聯，建立一套簡單而有（yǒu）效的基於（yú）溫度的網絡（luò）測（cè）控係統。

2.2.2　神經網絡控製

      神經網絡可為複雜非線性過程的建模提供有效的方法，進而可用於過程（chéng）軟測量和控製係統的設計上。神（shén）經網絡在幹燥過程（chéng）中的應用主要有兩個：幹燥過程建模和控製。

      法國的J.-L.Dirion（1996）[6]等人（rén）開發了一個神（shén）經控製器，用於調（diào）整半批式實驗反應器的溫度，基本實驗形成了神經網絡的學習數據庫，該神經控製器可以提供非常好的設（shè）定點跟蹤和幹擾排除。劉亞秋[9]（2000）開發了基（jī）於單神經元的自適應PID控製器，設計（jì）了木材幹燥窯神經網絡模型，用BP算法對幹燥窯的輸入輸出特性進行描（miáo）述並對（duì）模型（xíng）學習與訓（xùn）練，通過（guò）試驗與（yǔ）仿真證明所得的結論滿足誤差指標的要求。張吉禮[10]（2003）將（jiāng）模糊控製技術與神經網絡技術相結合，設計出了穀物幹燥過程參數在（zài）線檢（jiǎn）測與智能預測控製係統。智能控製下的幹燥機（jī）出口糧（liáng）食含水量變化範圍比手動（dòng）控製的小，前者為13.6%～14.4%，後者為12.4%～14.2%；智能控製下的出口糧（liáng）食含水量波動頻率比手動控製的小，前者（zhě）波動周期約為20h，後者周期約為8h。王（wáng）品[11]（2003）用改進的BP網絡算法建立烘（hōng）幹塔的神經網絡模型，通過神經網絡模型建立了神經網絡控製器（qì），實現了拱幹塔係（xì）統糧食水分烘幹的智（zhì）能控製，提高了糧食烘幹的（de）質量和效率。
      劉永忠[8]（1999）應用人工神經網絡係統理論預測冷凍幹燥過程特性，以幹燥時間、升華幹燥時間的份額、幹燥製品生產率和升（shēng）華（huá）界麵溫度等幹燥過程（chéng）特性參數作為網絡模型的輸出（chū）參數，將網絡的預測結果與數學模型的（de）計算進（jìn）行比較，預測結果與計算結果符合較好。鄭文（wén）利[7]（2000）采用人工神經網絡對冷凍幹燥過（guò）程中的凍幹物料重量變化進行智能模擬：對凍（dòng）幹工藝條件正交實驗結果進行學習（xí），利用學習後的網絡對工藝條件進行預測及優（yōu）化。

2.2.3 模糊控（kòng）製

      模（mó）糊控製是一種基於規則的控製，直接采用語言型控製規則，其（qí）依據是現場（chǎng）操作人員（yuán）的控製經（jīng）驗或相關^的知識，在設計中不需要建立被控對象的^數學（xué）模（mó）型（xíng），所以控製機理和策略易於（yú）接受和理解。

      目前，國內外幹燥過程控製主（zhǔ）要應用的是模糊（hú）控製方（fāng）法。Zhang Qin[15]等（1994）對連續式橫流穀物幹燥機（jī）進行（háng）了模糊控製的研究，通過調整（zhěng）加熱器的功率和卸（xiè）糧（liáng）攪龍的（de）轉速來控製幹燥機的操作，驗證試驗控製（zhì）成功率達86.4%。李俊明[16]等(1996)以幹燥塔熱風溫度（dù）為依據，將玉米幹燥生產中一名熟練的操（cāo）作者通過（guò）感官係統的（de）觀察和經驗製定了模糊控製規則，利用（yòng）模糊控製實現了排量電機的轉速調節（jiē），並提出橫流玉米（mǐ）幹燥（zào）機的自組織模糊控製器應采用（yòng）開環式模糊控製係統，以解決玉米幹燥過程中的大滯後問題。李（lǐ）業德、李業剛[17](2001)設計了一種以89c51單片機為（wéi）核心的模糊智（zhì）能（néng）控製器，在順流式烘（hōng）幹機上通過（guò）對小麥的在線烘幹試驗，證明該係統響（xiǎng）應時間短（duǎn）、超調量小、控製精度高，但入口穀物水分波（bō）動會對（duì）幹燥過程產生影響。

      國內許多研究生（shēng）從事糧食幹燥機模糊控製的研究工作。東北大學的孟憲沛[18]（2003）在糧食幹燥塔（tǎ）的智能建模與智能控製（zhì）中，利用模糊集合理論和優化算法，建（jiàn）立（lì）糧食烘幹係統的智能模型和模糊（hú）控製係統（tǒng）的模糊規則，設計出係統的模糊控製器。哈爾濱工業大學的唐曉健[20]（2003）研（yán）究基於TS模型的混流式糧食烘（hōng）幹塔多變量模糊控製方法，對該係統進行控製（zhì）仿真，並與手動控製方法和傳統的模糊控製方法進行比較。華南農大的曹豔明[21]（2000）針對高濕（shī）稻穀循環式緩蘇（sū）幹燥工藝特點，利用模糊控製模擬人類思維方式的設（shè）計方法，開發稻穀循環幹燥（zào）機（jī）自動控製係統。西北輕工業學院的蘇宇鋒（fēng）[23]（2002）采用基於（yú）工人實際操作經驗的模糊算法，利用單片機對冷凍幹燥係統進行（háng）控製，提高了設備的自動化程度。