王云峰,李戰(zhàn)明,袁占亭,萬維漢

(1.蘭州理工大學(xué) 電氣工程和信息工程學(xué)院,甘肅 蘭州 730000;2.甘肅政法學(xué)院 計(jì)算機(jī)科學(xué)學(xué)院,甘肅 蘭州 730070; 3.金川集團(tuán) 自動化工程有限公司,甘肅 金昌 737104)

磨礦分級工業(yè)過程中，模型失配、時(shí)變、干擾等引起的不確定性是不可避免的，預(yù)測控制采用被控對象的動態(tài)模型通過在每個(gè)采樣時(shí)刻求解約束在線優(yōu)化問題來設(shè)計(jì)最優(yōu)過程輸入[1-2].過程模型一般通過對過程的開環(huán)辨識得到[3-4].預(yù)測控制綜合利用歷史信息和模型信息，對目標(biāo)函數(shù)不斷進(jìn)行滾動優(yōu)化，并根據(jù)實(shí)際測得的對象輸出修正或補(bǔ)償預(yù)測模型[5].而對于具有大滯后的磨礦分級系統(tǒng)來說，時(shí)滯過程的主要控制困難是不能及時(shí)得到控制作用的反饋信息[6].到當(dāng)控制效果能通過輸出測量體現(xiàn)時(shí)，此時(shí)的控制作用強(qiáng)度往往已過了頭.直接運(yùn)用傳統(tǒng)的Smith 預(yù)估、模型預(yù)測等方法難以取得滿意的控制效果[7]，雖然在模糊控制下通過引入自適應(yīng)算法及參數(shù)反饋可以對非線性時(shí)變對象取得較好的控制效果[8]，但是仿真表明：當(dāng)對象滯后較大時(shí)，模糊控制的效果會急劇變差，直至產(chǎn)生振蕩或發(fā)散.理論上認(rèn)為，這是由于系統(tǒng)時(shí)滯造成了模糊輸出的控制量與系統(tǒng)實(shí)時(shí)所需控制量嚴(yán)重不符，時(shí)滯越大，被控對象輸入輸出之間的相關(guān)性越小，造成閉環(huán)控制的信息混亂[9-10].針對以上問題，在本文中提出動態(tài)分支預(yù)測轉(zhuǎn)移控制技術(shù)，此技術(shù)能夠有效地克服磨礦效率和旋流器入口壓力等波動引起的擾動，使磨礦濃度和溢流粒度的波動減小，為下一步浮選過程產(chǎn)品品位的改善和提高創(chuàng)造有利條件；和原有常規(guī)控制相比，控制系統(tǒng)的控制質(zhì)量明顯提高，大大改善磨礦分級的分級效果.

1 磨礦分級自動控制系統(tǒng)

圖1 磨礦過程系統(tǒng)的串級控制系統(tǒng)框圖

閉路磨礦分級過程由磨機(jī)、砂泵池和水力旋流器3部分組成.磨礦過程系統(tǒng)的串級控制系統(tǒng)框圖如圖1所示.礦石經(jīng)破碎后由皮帶輸送到磨機(jī)內(nèi)粉碎，磨機(jī)的出口礦漿首先進(jìn)入砂泵池，然后再由泵抽入到水力旋流器進(jìn)行分離.水力旋流器將細(xì)礦粒和粗礦粒分離，細(xì)礦粒從旋流器的溢流口流出進(jìn)入浮選過程，粗礦粒從旋流器底流口流出返回球磨機(jī)中再磨，構(gòu)成“返砂”回路.這里設(shè)置的儀表監(jiān)測點(diǎn)是：球磨機(jī)：(1)入口參數(shù)：原礦給礦量，磨礦前給水.加球量；(2)出口參數(shù)：排礦量，排礦給水量(磨礦后給水).渣漿池：(1)入口參數(shù)：排礦量，排礦給水量(磨礦后給水)，液位；(2)出口參數(shù)：泵速(流量)，濃度.旋流器：(1)入口參數(shù)：壓力(流量)，濃度；(2)出口參數(shù)：粒度，濃度.

2 動態(tài)分支預(yù)測轉(zhuǎn)移控制結(jié)構(gòu)及實(shí)現(xiàn)

圖2 動態(tài)分支程序控制結(jié)構(gòu)圖

2.1動態(tài)分支程序控制結(jié)構(gòu)以動態(tài)分支程序控制為監(jiān)督層，常規(guī)PID為控制層的動態(tài)分支預(yù)測轉(zhuǎn)移控制結(jié)構(gòu)系統(tǒng)如圖2所示.圖中所示的是一個(gè)分為上下兩層的控制結(jié)構(gòu)，下面一層是常規(guī)的PID控制，上面一層是以下一層PID閉環(huán)回路為控制對象的監(jiān)督控制，其控制輸出用來修正PID閉環(huán)回路的設(shè)定值.工藝設(shè)定曲線是由工藝工程師根據(jù)工藝要求而給定的一條工藝優(yōu)化曲線，可在線任意修改.

2.2動態(tài)分支程序控制策略動態(tài)分支程序是根據(jù)跟蹤滾動優(yōu)化策略，在基本預(yù)測控制算法的基礎(chǔ)上再增加一個(gè)預(yù)測控制變量協(xié)調(diào)決策層.動態(tài)分支程序預(yù)測的依據(jù)是從被控對象輸入輸出相關(guān)性過去的行為來預(yù)測它將來的行為，即根據(jù)近期控制轉(zhuǎn)移是否成功的歷史記錄，來預(yù)測下一次控制轉(zhuǎn)移的方向，比如根據(jù)檢測到的磨礦濃度改變，在轉(zhuǎn)移控制指令到達(dá)之前就轉(zhuǎn)移到調(diào)整原礦量增減或前水量的增減.為此需要解決兩個(gè)關(guān)鍵問題：一是如何記錄控制轉(zhuǎn)移歷史信息，二是如何根據(jù)所記錄的控制轉(zhuǎn)移歷史信息來預(yù)測下一次控制轉(zhuǎn)移的方向.

當(dāng)執(zhí)行控制程序中轉(zhuǎn)移指令時(shí)，轉(zhuǎn)移成功或轉(zhuǎn)移失敗的信息可記錄在一個(gè)所謂的“控制策略轉(zhuǎn)移歷史表”中.這里用2位計(jì)數(shù)器來記錄最近二次控制策略轉(zhuǎn)移是否成功的狀態(tài)信息.圖3示出了控制策略轉(zhuǎn)移預(yù)測的狀態(tài)轉(zhuǎn)換圖：每一個(gè)圓圈表示一種狀態(tài)，分別用二進(jìn)制10、11、01、00來表示；圓圈中的漢字表示在該狀態(tài)下執(zhí)行一條控制轉(zhuǎn)移指令時(shí)將預(yù)測“轉(zhuǎn)移取”控制指令或是“順序取”控制指令；圓圈外的有向線段表示控制轉(zhuǎn)移指令實(shí)際執(zhí)行后狀態(tài)位的變化方向.從這個(gè)狀態(tài)轉(zhuǎn)換圖我們看到：在改變一次預(yù)測方向后，如果連續(xù)兩次預(yù)測錯誤，則必定會改變預(yù)測方向.

圖3 預(yù)測轉(zhuǎn)移的狀態(tài)轉(zhuǎn)移圖

圖4 動態(tài)分支轉(zhuǎn)移歷史表的邏輯結(jié)構(gòu)圖

圖4示出了控制策略轉(zhuǎn)移歷史表的邏輯結(jié)構(gòu)，它根據(jù)近期控制策略轉(zhuǎn)移是否成功的歷史記錄，來預(yù)測下一次控制轉(zhuǎn)移的方向.硬件上由表格、選擇器、控制邏輯3部分組成.控制程序中已使用過的每種轉(zhuǎn)移控制策略在表格中有一個(gè)表項(xiàng)，表項(xiàng)分3個(gè)字段：預(yù)測轉(zhuǎn)移、歷史狀態(tài)位、控制策略.被控對象輸入輸出相關(guān)性控制邏輯實(shí)現(xiàn)預(yù)測轉(zhuǎn)移的選擇、修改、新建表項(xiàng)等功能.

2.3動態(tài)分支預(yù)測轉(zhuǎn)移控制的實(shí)現(xiàn)具體算法如下.

①算法初始化，包括工藝設(shè)定曲線的給定，通過PID參數(shù)的整定使PID控制回路成為一階加純滯后的廣義對象，同時(shí)測定動態(tài)分支程序控制結(jié)構(gòu)模型的參數(shù)放大系數(shù)Km，時(shí)間常數(shù)Tm，純滯后時(shí)間Tmd，選擇基函數(shù)的設(shè)定值變化量的閥值θ，以及動態(tài)分支程序的相關(guān)參數(shù)，如參考軌跡時(shí)間常數(shù)Tr，采樣周期T5和預(yù)測長度H等等，并計(jì)算相關(guān)參數(shù).

②讀入k時(shí)刻的過程輸出值y(k)，及k時(shí)刻和k+H時(shí)刻已計(jì)算出并記錄在動態(tài)分支預(yù)測轉(zhuǎn)移控制表中的工藝設(shè)定值c(k)及c(k+H).

③如果|c(k+H)-c(k)|≤θ，那么轉(zhuǎn)④，否則轉(zhuǎn)⑤.

(1)

其中,α=exp(-Ts/Tm)，β=exp(-Ts/Tr).

⑤按式(2)計(jì)算k時(shí)刻的控制量u(k)，轉(zhuǎn)⑥.

(2)

⑥計(jì)算ym(k+1)并執(zhí)行u(k).

⑦令k=k+1同時(shí)修改歷史位狀態(tài)轉(zhuǎn)②.

3 仿真研究

仿真的有關(guān)參數(shù)給出.采樣時(shí)間=0.5 s，參考軌跡時(shí)間常數(shù)Tr=2 s，預(yù)測步長H1=25，H2=20.通過對磨礦濃度和溢流粒度質(zhì)量指標(biāo)的跟蹤對比，從圖5、圖6可以看出運(yùn)用動態(tài)分支預(yù)測轉(zhuǎn)移控制技術(shù)后，控制效果得到了明顯的改善.

圖5 旋流器溢流粒度控制效果跟蹤對比

圖6 磨礦濃度控制效果跟蹤對比

4 結(jié)論

動態(tài)分支預(yù)測轉(zhuǎn)移控制技術(shù)能夠有效地克服磨礦效率和旋流器入口壓力等波動引起的擾動，使磨礦濃度和溢流粒度的波動減小；提出在磨礦分級系統(tǒng)中采用動態(tài)分支預(yù)測轉(zhuǎn)移控制技術(shù)，由于該技術(shù)在控制軟件中增加了對被控對象輸入輸出之間相關(guān)性的跟蹤及處理，在基本預(yù)測控制算法的基礎(chǔ)上再增加一個(gè)預(yù)測控制變量協(xié)調(diào)決策層，可在線任意擬合；對在反饋校正基礎(chǔ)上的滾動優(yōu)化策略進(jìn)行記錄及優(yōu)化，形成了一張被控對象輸入輸出之間相關(guān)性及相應(yīng)控制策略的動態(tài)分支預(yù)測轉(zhuǎn)移控制表格；在現(xiàn)場實(shí)際操作的過程中，結(jié)合設(shè)定值附近區(qū)間控制和約束保護(hù)等措施，該技術(shù)在暫態(tài)響應(yīng)和穩(wěn)態(tài)性能之間取得了折衷，控制效果明顯地改善；該技術(shù)不但增強(qiáng)輸入控制量的規(guī)律性，而且提高響應(yīng)的快速性和準(zhǔn)確性，對被控對象的不確定性等也有較強(qiáng)的魯棒性；和原有的常規(guī)控制相比，控制系統(tǒng)的控制質(zhì)量明顯提高，大大改善了磨礦分級的分級效果，為浮選過程產(chǎn)品品位改善及產(chǎn)量提高創(chuàng)造了有利條件.

參考文獻(xiàn)：

[1] Volk U, Kniese D W, Hahn R,et al.Optimized multivariable predictive control of an industrial distillation column considering hard and soft constraints[J].Control Engineering Practice,2005,13(7): 913-927.

[2] Brian Froisy J.Model predictive control:building a bridge between theory and practice[J].Computers and Chemical Engineering,2006,30(10):1426-1435.

[3] Paisan Kittisupakorn,Piyanuch Thitiyasook, Hussain M A,et al.Neural network based model predictive control for a steel pickling process[J].Journal of Process Control,2009,19(4): 579-590.

[4] Stuart R Borrett,Will Bridewell,Pat Langley,et al.A method for representing and developing process models[J].Ecological Complexity,2007,4(1):1-12.

[5] 高越,高振海,李向瑜.基于自適應(yīng)Kalman濾波的汽車橫擺角速度軟測量算法[J].江蘇大學(xué)學(xué)報(bào):自然科學(xué)版,2005,26(1):24-27.

[6] 汪若塵,陳龍,江浩斌,等.半主動懸架模糊動態(tài)建模與神經(jīng)網(wǎng)絡(luò)控制[J].江蘇大學(xué)學(xué)報(bào):自然科學(xué)版,2009,30(1):23-26.

[7] 王會清,張守元.預(yù)測模糊控制在磨礦分級過程的應(yīng)用研究[J].礦冶工程,2002(3):60-62.

[8] 馮冬青,馬書磊,陳鐵軍,等.一類時(shí)變非線性系統(tǒng)的參數(shù)反饋模糊控制器分析與設(shè)計(jì)[J].信息與控制,2002, 31(4) :310-314.

[9] Antonio Sala,Carlos Ario.Asymptotically necessary and sufficient conditions for stability and performance in fuzzy control: applications of Polya's theorem[J].Fuzzy Sets and Systems,2007,158(24):2671-2686.

[10] Libor Běhounek.On the difference between traditional and deductive fuzzy logic[J].Fuzzy Sets and Systems,2008,159(10):1153-1164.