水泥行業面臨的挑戰

　　國家對水泥行業節能降耗和環保的要求越來越嚴格

　　很多國外水泥生產線把優化系統作為建廠的標配

　　優化控制系統應用

　　傳統PID控制系統

　　模糊邏輯控制系統

　　專家控制系統

　　神經網絡控系統

　　仿真控制

　　優化控制系統介紹

　　模糊控制

　　模糊控制基于模糊集理論，模擬人的近似推理和決策過程。自1974年Mamdani成功地將模糊控制技術應用于高爐和蒸汽機的控制以來獲得了迅猛發展，它在工業生產，特別是在工業窯爐、石油化工等復雜工業生產中的應用成果顯著。1978年，丹麥學者Larsen首次為一條濕法水泥回轉窯設計的一套模糊控制器取得了成功，由此開辟了應用模糊控制實現水泥回轉窯自動控制的新途徑，而1981年Holmblad等人研制的濕法水泥回轉窯模糊控制器，使窯的運轉率達到80～85%，燃料消耗減少4～5%，產品質量也有明顯提高。目前國際上不少儀表制造公司已把模糊控制技術應用在DCS系統中。1995年，Fisher Rosemount公司設計了可在PROVOX和RS3分布式過程控制系統上運行的智能模糊邏輯控制器。

　　專家控制

　　對于任何一個有效的工業控制系統的設計，都不能由控制理論單獨解決，它都隱含著人的重要啟發式邏輯推理。基于此，專家控制將專家系統技術和控制理論相結合，吸收了專家的經驗知識，將專家對被控對象的真知灼見、控制技巧和直覺邏輯推理融入了控制策略中。在這方面，日本、美國和歐洲走在了世界的前列。從70年代開始，日本率先將專家系統技術應用于冶金工業生產過程。到80年代，日本鋼管公司福山廠建立起了高爐控制專家系統，產生了巨大的經濟和社會效益，引發了把人工智能技術應用于工業生產過程控制特別是冶金工業的熱潮。在英國，LINKman系統對水泥窯生產過程的控制和管理作用顯著，既提高了經濟效率，減少了環境污染，同時又實現商品化。可以說它是專家控制在工業上成功應用的典范。再如，美國的Foxboro公司在1987年時就已把PID專家自校正控制方法應用于分布式計算機控制系統中。

　　神經網絡控制

　　神經網絡試圖模擬人的形象思維以及學習和獲取知識的能力。它在工業生產過程控制領域中的應用，不像前兩者那樣發展迅猛，這主要是因為神經網絡控制高度依賴于生產現場所提供的大量訓練樣本，而這些樣本的有效性、可靠性直接影響到神經網絡控制器的性能，而且訓練算法的可實現性也是影響其實用化的重要因素。但盡管如此，神經網絡控制在工業生產過程中的應用還是獲得了巨大成功。美國NEURAL公司1991年開發成功的"智能電弧爐"（IAF）就是一種利用神經網絡控制電爐的新方法，已取得美國的專利。IAF將傳統控制方法與改善功率因素合并起來，使電能消耗減少8%，使電極消耗減少75%，而生產能力增加12%，到降低鋼鐵廠的生產成本。它只需10分鐘的時間去學習電爐的運作情況，監視電爐，觀察舊控制器的控制行動，并評價這些控制行動的效果。該系統具有自適應、自學習的功能，解決了長期困惑電爐控制系統的技術難題，在技術上取得重大突破。

　　APC優化控制系統

　　APC(Advanced Process Control)

　　PAVILION-ROCKWELL

　　平臺軟件：PAVILION8

　　商用的、通用的動態、非線性、多變量模型預測控制器（MPC）

　　已經在化工聚合物等方面有很多成功案例

　　APC優化控制原理-神經元網絡

　　APC水泥優化系統應用

　　控制回路：APC優化共投入了5個輸出控制回路

　　1.分解爐喂煤

　　2.窯頭喂煤

　　3.高溫風機風量調節

　　4.入窯喂料量的調節

　　5.窯轉速的調節

　　受控變量包括

　　分解爐出口溫度、預熱器氧氣含量、燒成帶溫度、窯NOx化物濃度、窯電流、窯喂料與窯電流比例、熟料游離鈣

　　APC 功能設計

　　TAYNINH 項目工作計劃

　　TAYNINH 項目工作內容

　　oOff Site

　　-Function Design Specification and review

　　-Create steady-state models

　　-Create dynamic models

　　-Use simulator to tune controller off-line

　　-Remote controller tuning and trouble shooting

　　-As-build documents

　　oOn Site

　　-Install on-line Pavilion8 Controller components and Data collection

　　-Kick-off / Plant test

　　-DCS Configuration

　　-Commission Controller

　　-Controller tuning on-line

　　-Evaluate and results audit

　　模型建立過程

　　oComplete flexibility to develop offline and online datasets

　　oRealtime setpoint control and optimization

      模型處理過程

　　RAE Overview

　　化驗室非實時數據的處理VOA

　　What is a VOA or Soft Sensor^® ?

　　A computer program that accurately predicts Lab analysis values as a function of the plant variables

[Page]

　　原始采集數據處理

　　數據預處理

　　建立模型

　　模型分析

　　模型分析處理

　　Can remove outliers with Cut Box tool

　　Evaluate First!

　　動態模型調整

[Page]

　　DCS 組態及人機界面

　　系統投入運行結果

　　1.分解爐溫度自動控制

　　2. 窯頭喂煤自動化控制與喂料比的最大化

　　當窯喂料達到自動控制控制后，我們同時也可以使窯轉速做相應的自動控制，以使窯轉速與窯喂料之比保持穩定。按照這種控制策略進行的窯轉速和窯喂料控制曲線如下圖

　　優化控制系統的現場實施

　　控制系統對儀表的要求

　　高溫氣體分析儀

　　比色高溫計

　　游離鈣測定（熒光分析儀）

　　特點與效益總結

　　1.實現了窯系統的全自動控制（配合篦冷機的18個PID控制回路）

　　2.穩定生產過程如分解爐溫度、燃燒帶溫度

　　3.提高產品質量，降低游離氧化鈣波動，提高其合格率

　　4.降低能耗

　　5.降低操作工勞動強度

　　6.提高設備運轉率和壽命