新聞中心

糧食幹燥（zào）過程的先進控製（1）

信息來源： | 發布（bù）日期： 2025-10-21 23:06:34 | 瀏覽量：762555

摘要（yào）：

李（lǐ）國昉1，2　毛（máo）誌懷2
     （1 河（hé）北科（kē）技（jì）師範學（xué）院機（jī）電係，秦皇島 066600　　2 中國農業大學工學院，北（běi）京 100083）
     摘要: 在分析先進（jìn）控製特（tè）點的基礎（chǔ）上，總結了糧食幹燥過程中先進控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（le）糧食幹燥過程控（kòng）製的（de）發展方向。
      關鍵詞：幹燥；先進控（kòng）製；自適（shì）應控製；模型預（yù）測控製；^控製；模糊控製；神（shén）經網絡控製
    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
      糧食幹燥的（de）基本目標是保持幹燥過程穩定（dìng）的前提下，以^低的幹燥成本和能耗得到穀物^優的烘幹品（pǐn）質。糧食幹燥過程是典型的非線性、多變量、大滯（zhì）後（hòu）、參（cān）數關聯（lián）耦合的非穩（wěn）態傳熱傳質（zhì）過程，糧食本身（shēn）又是一種複雜的生物化學物質，為達到上述目標，在幹燥過程中（zhōng）必須不斷地調（diào）整幹燥參數，對幹燥機工作過程進行控製（zhì）。幹（gàn）燥過（guò）程的自動控製是實（shí）現幹燥機優質、高效、低耗（hào）、安全作（zuò）業（yè）的有效（xiào）手段。實現幹燥過程的自動控製，實（shí）現糧食幹燥機的自動控（kòng）製，對保證出機糧食水分均勻一致、幹後糧食品質、減輕操作人員勞動強度及充分發（fā）揮幹燥機生產能力（lì）等具（jù）有重要意義。根據國家糧食局（jú）在《“十五”糧（liáng）食行業科技發（fā）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（dòng）控製已成為（wéi）提高我國糧食幹燥處理工藝效（xiào）率的關鍵問題和實現“十五（wǔ）”規劃的重要途徑。隨著我國對糧庫（kù）建設（shè）投入（rù）力度的加（jiā）大，糧食加工業與國際日益接軌，糧食（shí）幹燥的自動化（huà）將（jiāng）為我（wǒ）國的糧食加入國際流通大市場奠定基礎。
1　先進（jìn）控製的特點
    糧食幹燥過程自動控（kòng）製問（wèn）題的研究開始於20世紀60年代。當時使用（yòng）前（qián）饋控製、反饋控製、反饋-前饋控製和自適應控製等傳統控製（zhì）方法（fǎ）。傳統控製理論采用差分方程或傳遞函（hán）數，把幹燥過程係統的知識（shí）和已有的信息表達成解析式。但是在使用和設計采用上述控製方法（fǎ）的穀物（wù）幹（gàn）燥（zào）機控製係統時會遇（yù）到很多困難，原因是：（1）穀（gǔ）物幹燥過程是複雜（zá）的、時變的和（hé）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，有些變量(例如（rú）穀物水分含量)的測（cè）量可（kě）能是不（bú）連續、不^、不（bú）完整（zhěng）或（huò）不可靠的（de）；（3）幹燥機的過（guò）程模型是對（duì）實際過程的近似，而且需要大量的計算時間；（4）幾乎不（bú）可能用一個適當的模型來表示像幹燥過程這樣一個非線（xiàn）性、滯後、時變的複（fù）雜係統；（5）穀物幹燥機的（de）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（zuò）業條件複雜（zá），擾（rǎo）動變量的範圍寬，難以調控。
     顯然，要克服上述困難需要對穀物幹（gàn）燥機的傳統控製方法不斷改進，同時要探索（suǒ）新的、更有效的控製（zhì）方法。20世紀70 年代，電子行業的進步，尤其是（shì）計算（suàn）機技術的發展使得現在所謂的先進控製的思想得以廣泛的傳播。先進控製的目標就是為了解決那些采用（yòng）常規控製效果不佳，甚至無法控製的複雜工業過程控製（zhì）問題。近年來，現代控（kòng）製和人工智能取得了長足的發展，為先進控製係統的實施奠定了強大的理（lǐ）論基（jī）礎；而（ér）控製計算機（jī）是集（jí）散控製係（xì）統（DCS）的普及，計算機網絡技術的突飛猛進，則（zé）為先進控製的應用提供了（le）強有力的（de）硬件和軟（ruǎn）件（jiàn）平台。總之，工業發展的（de）需要、控製理（lǐ）論和計算機及網絡技術的發展強有力地推動了先進控製的發展。
     計算機技術飛速發展，人工智能控製理論開始在千燥機控製（zhì）中得到應用，明顯改善了千燥（zào）機控製係統的性能。傳統控製方法由於大滯後和（hé）對糧食幹燥過程的非線性聯係，不適於控製糧食幹燥（zào）機。人工智能技術進步在工程領（lǐng）域中廣泛應用，先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（fāng）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，智能控製理論（lùn）日益與幹燥技術結合在一起，利用人工神（shén）經網絡對幹（gàn）燥過程進行（háng）模型模擬和控製；^係統應用於穀物品質（zhì）預測（cè）、幹燥過程控（kòng）製和管理谘詢等方麵（miàn）。
      與控製理論、儀表、計算（suàn）機、計算機通信（xìn）與網絡等（děng）技術密切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）基於模型的控製策略（luè），如:模型預測控製，這些控製策略充分利用工（gōng）業過程輸入輸出有關信息建（jiàn）立係統模型，而不必依賴對反（fǎn）應（yīng）機理的深入研（yán）究。日前，基於知識的控製（zhì），如^控製和模糊邏輯控製（zhì）正成為先進控製的一個重要發展方向。
   （2）先進控製係統通常用於處理複雜的多變是過程控製問題，如大時滯、多變量耦合、被控變^與控製變量存在著各種約束等。采用的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（kòng）製，可使控製係（xì）統適應實際工業生產過程動態特性和操作要求。
   （3）先進控製係統的實現需要較高性能的（de）計算機作為支持平台.由於（yú）先進控製器控製算法的複（fù）雜性（xìng）和（hé）計算機硬件兩方麵因素的影響，複雜係（xì）統的先進控製算（suàn）法通常是在上位機上實施的。隨（suí）著DCS功能的不斷增強和（hé）先進控製技術的發展，部分先進（jìn）控製策（cè）略可（kě）以（yǐ）與基本控（kòng）製回路一（yī）在DCS上實（shí）現。後一種方式可有效她增強先進控製的可靠性、可操作性和可（kě）維護性。
2　幹（gàn）燥過程先進控製發展現狀（zhuàng）
      先進控例策路是先進控製係統的核心內容，目前先進控製（zhì）策略種類（lèi）繁多，幹燥過程中主要的先進控製策略（luè）有:預測控製、模糊邏輯控製、神經控製、自適應控製、^係統。
2.1 基於模型的控（kòng）製
2.1.1　自適應控製
      自適應控製的基本原理是根據（jù）幹燥過程參數的變化和（hé）外界幹擾隨（suí）時調整控製參數（shù），使幹燥機處於^佳的工作狀態。自適應控製（zhì）具有適用多種糧食幹燥機、無須任何關於幹燥機自己特（tè）點的（de）數據、對環境條件和糧食狀況無特殊要求、控製器對幹擾的響應速度較快、控製（zhì）模型中的參數能（néng）隨外界條件的變（biàn）化進行自動調節等優點。瑞典Nybrant（1985）把自校正技術應用（yòng）到橫流穀物幹燥機（jī）控製。幹燥（zào）機排氣溫度作為輸出變量，穀物排糧速率用作被控（kòng）變量，並選擇自動回歸移動平均（ARMA）模型表現橫流（liú）幹燥機的（de）動態特性。在實驗室橫流幹燥機上進行了驗證性試驗，控製誤差的標準差（chà）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（de）控製排（pái）氣（qì）溫度。劉建軍[5]（2003年）對HTJ-200型烘幹（gàn）機進行研（yán）究，通過在線樣本的采集和智能優化算法對係統進行定量分析，建立由實時檢測（cè）數據所確定的過程智能模型，再通（tōng）過智能優化算法（fǎ）調用人工智能模型，獲取係統（tǒng）的控製規則，由控製程序給出控製量經D/A轉換後輸出給執行部件。李曉斌等（děng）[3]（1998）研究（jiū）真空冷（lěng）凍（dòng）幹燥（zào）設備的先進控製係統，針對不（bú）同凍幹物料的工藝要求，采取DRA算法和臨界比例法兩種（zhǒng）自適應、自（zì）整定控製方法（fǎ），解決了被控對象主控（kòng）參數--溫度的滯後（hòu）問題。
2.1.2　模型預測控製
      過程控製（zhì）理論的^新研究領（lǐng）域（yù）是（shì）模型預測控製，是基於模型（xíng）、滾動實施並結合反饋校正（zhèng）的優化控製算法，它對於控製非線性和大滯後過程尤其有效。
      Forbes，Jacobson，Rhodes，和Sullivan[24]（1984)和Eltigani設計了（le）基於模型的幹燥控製器，其控製（zhì）行為基（jī）於一個過程模型和一個所謂的假冒的入口穀（gǔ）物水（shuǐ）分含（hán）量（liàng）。幹燥速率參數根據模型預測值和傳（chuán）感器出口實測的水分含量（liàng）之差間歇式更新。Forbes和Eltigani控製器的不同在（zài）於控製算法中所用的過程模型的種類不同。密執安大學（xué）的劉強（qiáng）[25]（2001）提出了橫流幹燥（zào）機的模型預測控製器。仿真測試在一台Zimmerman VT-1210塔式橫流穀（gǔ）物幹燥機上進行，利用Labview建立的控（kòng）製（zhì）器能夠成功運（yùn）作，並實現出口處玉米含水率控製在設定點的0.7%以內。控製器對進入幹燥機的入口穀物含水率相當大範圍的變化，以（yǐ）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中，較多（duō）工作集中（zhōng）於過程（chéng）模型的的建立和求解（jiě），且在模型中考（kǎo）慮幹燥品質問題。法國的P.Dufour [31]等人（2003）借助偏微分方程（PDES），將模型預測控製拓展到係統模型，從而使PDES方程能夠大規模應用。他們提出了一個全局模型，旨在減少（shǎo）由（yóu）於基於^優化任務解決方案的PDE模（mó）型所帶來的在線計算時間。開發出與實際（jì）中大量應用的IMC結構相結合的一個通（tōng）用的MPC框架。在IMC- MPC結構中用到了兩個反饋環，以校正過程性能和基於模型的在線優化器中所引起的模擬誤差。丹（dān）麥的Helge Didriksen[29]（2002）開發了一個滾筒幹燥機的描述（shù）質量、能量（liàng）和動量轉換（huàn）的動態一次（cì）法則模型，並應用到（dào）糖廠幹燥甜菜中的預測控製。結果表明，隨著操作變量和幹擾（rǎo）變化（huà），該模型具有較好的預測能（néng）力。通過模擬比較了帶有模型預測控製和傳（chuán）統的反饋控製，模型預測控製表現出了更優的性能（néng）。法（fǎ）國的I．C．Trelea，G.Trystram 和 F.Courtois[27]於1997年設（shè）計了用於（yú）批式幹燥過程的非（fēi）線性預測優化控製算法，在中試規模的幹燥機上進行了（le）測試。實驗表（biǎo）明，算法可處理重要的（de）幹擾和失效該控製算法可方便（biàn）地用（yòng）於其它批式（shì）過程，如（rú）冷凍、殺菌或發酵。有些學者將神經網（wǎng）絡用於模型預測控製過程建模。Jay[32]（1996）初（chū）次將神經網絡模型用於幹燥過程預測（cè）控製。法國的J.A. Hernandez-Perez等 [33]（2004）提出了基於人工神經網絡（luò）的傳質傳熱預測模型，該模型將產品（pǐn）收縮作（zuò）為水分的函數，應用了帶有一個隱藏層的兩（liǎng）個獨（dú）立的前饋網絡，隱藏層中帶有三個神經細胞，可^預測傳（chuán）質傳（chuán）熱。在數據裝置校驗中，模擬和實驗運（yùn）動學測試相一致。開發的模型可用於幹燥過程的（de）在線狀態估計和控製。
2.2 智能控製
　   智能（néng）控製是一門新興的（de）理論和技（jì）術，它（tā）是傳統控製發展的高級階段。這是以無模型為特征的更（gèng）接近於人腦思維方式的一種控製理論，主要用來解決那些用傳統方法難以解決的複雜係統的控製（zhì），其控製器的設計擺（bǎi）脫（tuō）了係統模型的束縛，算（suàn）法簡單、魯棒性強。目前，^控製、神經控製和模糊控製等智能控製（zhì）技術正成為先進控（kòng）製的一個重要發展方向。
2.2.1　^控製
      ^係統技術能把數學（xué）算法和控製工程師的操作經驗融合到一起，^大限度的利用已有知識，達到傳統控製方式（shì）難以（yǐ）取得的控製效（xiào）果。^控製係統運行在連（lián）續的實時環境中，利用實時信息處理的方式來監（jiān）控係（xì）統的動態特性，並給出適當的控製作用。將^係統技術與糧食幹燥過程控製相結合，用於糧食的生產、管理（lǐ）和監控，可提高（gāo）糧食的生產效率及生（shēng）產（chǎn）效（xiào）益。劉明山[12]（2001）研製了一種糧食（shí）幹燥模糊（hú）控製^係（xì）統，將（jiāng）仿真結果與實測數據進行對照，兩者基本一致。劉淑榮[13]（2001）將^係統（tǒng）技術（shù）與幹燥過程控製相結合，設計了一（yī）個高水分糧烘幹過程控製的模糊^係統。何玉春[14]（2001）通過（guò）^智能控製在幹燥過程中把（bǎ）烘（hōng）幹參數優化，在烘幹（gàn）設備的設計和幹燥過程中（zhōng）求出能耗、效率、品（pǐn）質的共利（lì）點，使幹（gàn）燥機沿著共利線（xiàn）對穀物進（jìn）行烘幹，使設備（bèi）在幹燥過程中始終處於^佳操（cāo）作（zuò）；同時，將溫度測控技術與網絡技術互聯，建立一套簡單而有效的基於溫（wēn）度的網絡測（cè）控係統。
2.2.2　神經網（wǎng）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，進而可用於過程軟（ruǎn）測量和控製係統的設計上（shàng）。神經網絡在幹燥過程中的應（yīng）用主要（yào）有兩個：幹燥過程建模和控製。
      法國的J.-L.Dirion（1996）[6]等人開發了一個神經控製器，用於（yú）調整半批式實驗反應器的（de）溫度，基本實驗形成（chéng）了神經網絡的學習數（shù）據庫（kù），該神經控製器可以提供非常好的設定點跟蹤和幹擾排除。劉亞（yà）秋[9]（2000）開發了基於（yú）單神經元的自適應PID控製器，設計了木材幹燥窯神經網絡模型，用BP算法對幹燥（zào）窯的輸入輸出特性進行描述並對（duì）模型（xíng）學習與訓練，通過試驗與仿真證明（míng）所得的結論滿足誤差指標的要求。張吉（jí）禮[10]（2003）將模糊控製技術與神（shén）經網絡技術相結合，設計出了穀物幹（gàn）燥過程參數在線檢測與（yǔ）智能預測控製係統。智能控製下的幹燥機出口糧食含水量變化範圍比手動控製的小，前者為（wéi）13.6%～14.4%，後者為12.4%～14.2%；智能控製（zhì）下的出口糧食含水量波動頻率（lǜ）比手動控製的小（xiǎo），前者波動周期約為20h，後者周期約為8h。王品[11]（2003）用改進的BP網絡算法建立烘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（zhì）器，實現了拱幹塔係統糧食水分烘幹的智能控製，提高了糧食烘幹的質量和效（xiào）率。
      劉永忠[8]（1999）應用人工神經網（wǎng）絡係統理論預測冷凍幹（gàn）燥過程特性，以幹燥時間、升華幹燥時間的份額、幹燥製（zhì）品生產（chǎn）率和升華界麵溫度等幹燥過程特性參數作為網絡（luò）模型的（de）輸出參數（shù），將網（wǎng）絡的預測結果與數學模型的計算進行比較，預（yù）測結果與計算結果符合（hé）較好。鄭文利[7]（2000）采用人工神經網絡對（duì）冷凍幹燥過程中的凍幹（gàn）物料重量變化進行智能模擬：對凍幹工（gōng）藝條件正交實驗（yàn）結果進行（háng）學習，利用學習後的（de）網絡對工藝（yì）條件進行預測及優化。
2.2.3 模糊控製
      模糊控製是一種基於規則（zé）的控製，直接采用語言型控製規則，其依據是現場操作（zuò）人員（yuán）的控製經驗或相關^的知（zhī）識，在設計中不需要建立被控對象的^數學模型，所以控製機理和（hé）策略易於接受和理解。
     目前，國內外幹燥過程控製主（zhǔ）要（yào）應用的（de）是模糊控製方（fāng）法。Zhang Qin[15]等（1994）對（duì）連（lián）續式橫流穀物幹（gàn）燥機進行了（le）模糊控（kòng）製的（de）研究，通過調整加熱器的功率和卸糧攪龍的轉速來控製幹燥機（jī）的操作，驗證試驗控（kòng）製成功率（lǜ）達86.4%。李俊明[16]等(1996)以幹燥（zào）塔熱風溫度為依據，將玉米幹燥生產中（zhōng）一名熟練的操作者通過感官係統的觀察和經驗製定了模糊控製規則，利用模（mó）糊控製實現了排量電機的轉速調節，並提出橫流玉米幹燥（zào）機（jī）的自組織（zhī）模糊控製器（qì）應采用開環式模糊（hú）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單片機為核心的模糊智能控製器（qì），在順流式烘幹機上（shàng）通過（guò）對小麥的在線烘幹試驗，證明（míng）該係統響應時間短（duǎn）、超調量小、控製精（jīng）度高，但入口穀物水分（fèn）波動會（huì）對幹燥過程產生影響。
      國內許多（duō）研究生從事糧食幹燥機模糊控製的研究工作。東（dōng）北大學的孟憲沛[18]（2003）在糧食幹燥塔的智能建（jiàn）模與智能控製（zhì）中，利用模糊集合理（lǐ）論（lùn）和優化算法，建立糧食烘幹係統的智能模型和模（mó）糊控製係統的（de）模糊規則，設計出（chū）係統的模糊控（kòng）製器。哈爾濱工業大學的唐曉健[20]（2003）研究基於TS模型的混流式糧食烘幹塔多變量模糊控製方法，對該係統進行控製仿真，並與手動控製方法和傳統的模（mó）糊（hú）控製方法進（jìn）行比較。華南農大的曹豔明[21]（2000）針（zhēn）對高濕稻（dào）穀循（xún）環（huán）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計方法，開發稻穀循環幹燥機自動控製係統。西北輕工業學院的蘇宇鋒[23]（2002）采用基於工人實際操作經驗的模糊算法，利用單片機對冷凍幹燥（zào）係統進行控製（zhì），提高了設備的自動化程度。

泵業市場十（shí）年（nián）後前景達到490億（yì）美元

化工機械向良性發展轉變需求潛力巨大

相關資訊