神經(jīng)網(wǎng)絡(luò)與人工智能在水泥企業(yè)的應(yīng)用

靳 威 榮紅敏

（1嵐縣金隅水泥有限公司， 山西 呂梁 035200；2陽泉冀東水泥有限責(zé)任公司， 山西 陽泉 045000）

在水泥熟料生產(chǎn)領(lǐng)域，傳統(tǒng)的PID調(diào)節(jié)方式，已經(jīng)不能適用現(xiàn)代化生產(chǎn)的需要，這點(diǎn)行業(yè)內(nèi)已經(jīng)達(dá)成了共識(shí)。在此情況下，模糊控制的機(jī)制及算法在這種情況下應(yīng)運(yùn)而生，彌補(bǔ)了PID調(diào)節(jié)的一些不足。模糊控制一般情況下會(huì)結(jié)合神經(jīng)網(wǎng)絡(luò)預(yù)測算法一起工作，以期實(shí)現(xiàn)更好的控制效果。因此，這種自動(dòng)調(diào)節(jié)控制機(jī)制在面對不精確的監(jiān)測數(shù)據(jù)，多生產(chǎn)設(shè)備狀態(tài)參數(shù)之間的復(fù)雜且不定量影響關(guān)系，預(yù)判式調(diào)節(jié)等方面都有更好的表現(xiàn)。自主學(xué)習(xí)，自動(dòng)優(yōu)化更是神經(jīng)網(wǎng)絡(luò)的重要特性之一。

模糊控制由于其預(yù)測模型針對的是相關(guān)參數(shù)之間的數(shù)值關(guān)系，因此這種模糊控制機(jī)制又存在不足之處：需要對模型進(jìn)行訓(xùn)練！訓(xùn)練就是讓機(jī)器進(jìn)行自我學(xué)習(xí)。

一方面學(xué)習(xí)周期長，特別是周圍生產(chǎn)設(shè)備環(huán)境控制參數(shù)闕值區(qū)間發(fā)生較大范圍變化時(shí)，難以短時(shí)間、及時(shí)性的進(jìn)行優(yōu)化調(diào)整。舉例說明如果工廠由于特殊情況需要更換原燃材料，或進(jìn)行較大的工藝調(diào)整時(shí)，這種控制機(jī)制就不能很快完成學(xué)習(xí)并繼續(xù)投用，其自主學(xué)習(xí)的周期可能十分漫長甚至以周或月為單位。一般情況下可能需要工程師介入并人工組織數(shù)據(jù)對控制模型進(jìn)行訓(xùn)練，即時(shí)這樣這個(gè)過程也很難在3個(gè)月內(nèi)完成。

另一方面模糊控制在機(jī)制上是通過以小步迭代跟蹤控制目標(biāo)的，它假定最優(yōu)控制值是固定的（或說是相對穩(wěn)定的），并通過不斷的小步調(diào)節(jié)去逼近這個(gè)最優(yōu)值。因此在面對突然出現(xiàn)的工況變化，需要系統(tǒng)盡快穩(wěn)定生產(chǎn)參數(shù)時(shí)，其調(diào)節(jié)手法就顯得笨拙且滯后，很容易出現(xiàn)形似“倒影波”的共振現(xiàn)象。就是說控制參數(shù)和被跟蹤參數(shù)相向波動(dòng)，總是難以控制穩(wěn)定下來的現(xiàn)象，其主要原因就是因?yàn)榭刂撇僮鳒?、單次調(diào)節(jié)量不足、而累積調(diào)節(jié)量過高造成的。

基于PID、模糊控制方式的這些缺陷，工業(yè)級(jí)的人工智能控制方式走上前臺(tái)。經(jīng)過兩年的實(shí)踐，采用基于人工智能的控制方式，幾乎解決了所有PID、模糊控制的所有缺陷與問題。

1 基于工業(yè)大數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)人工智能自動(dòng)化控制系統(tǒng)的實(shí)踐

1.1 數(shù)學(xué)控制模型

1. 穩(wěn)控模型

穩(wěn)控模型是整個(gè)控制系統(tǒng)的核心部件，以毫秒級(jí)監(jiān)測整體產(chǎn)線的運(yùn)轉(zhuǎn)狀態(tài)，及時(shí)的向產(chǎn)線DCS系統(tǒng)發(fā)送產(chǎn)線調(diào)節(jié)指令，并及時(shí)發(fā)出預(yù)警信號(hào)。

2. 量差斜率模型

量差斜率模型以毫秒級(jí)動(dòng)態(tài)計(jì)算監(jiān)測點(diǎn)數(shù)據(jù)的變化特性、變化斜率，為計(jì)算調(diào)節(jié)量準(zhǔn)備基礎(chǔ)數(shù)據(jù)。

3. 積分模型

積分模型，根據(jù)產(chǎn)線監(jiān)測點(diǎn)的狀態(tài)波動(dòng)，以毫秒級(jí)動(dòng)態(tài)計(jì)算出變化的最大面積、最小面積，為計(jì)算調(diào)節(jié)量準(zhǔn)備基礎(chǔ)數(shù)據(jù)。

4. 預(yù)動(dòng)模型

預(yù)動(dòng)模型以毫秒級(jí)自動(dòng)計(jì)算下一步可能向產(chǎn)線發(fā)出調(diào)節(jié)量，是否發(fā)出，穩(wěn)控模型做出判斷，預(yù)動(dòng)模型只是動(dòng)態(tài)計(jì)算。

5. 補(bǔ)償模型

補(bǔ)償模型解決的目標(biāo)是過量調(diào)節(jié)后的補(bǔ)償行為，補(bǔ)償過大、過小都可能讓產(chǎn)線生產(chǎn)不精準(zhǔn)。及時(shí)性的補(bǔ)償措施，彌補(bǔ)了產(chǎn)線瞬間的指令不當(dāng)。

1.2 數(shù)據(jù)清洗

生產(chǎn)產(chǎn)線每個(gè)毫秒都在產(chǎn)生著狀態(tài)數(shù)據(jù)，這些數(shù)據(jù)的狀態(tài)決定了智能化控制系統(tǒng)的控制方向、控制效果。

從實(shí)踐來看，產(chǎn)線的生產(chǎn)數(shù)據(jù)會(huì)經(jīng)常發(fā)生莫名其妙的抖動(dòng)現(xiàn)象，造成這些抖動(dòng)原因很多，這些瞬間抖動(dòng)的數(shù)據(jù)若參與智能化控制計(jì)算，將會(huì)給產(chǎn)線造成控制不精準(zhǔn)、控制效果不良等不利因素。

所以，智能化控制系統(tǒng)必須要對這些“臟數(shù)據(jù)”進(jìn)行清洗，確保有價(jià)值的數(shù)據(jù)進(jìn)入智能化系統(tǒng)，以達(dá)到優(yōu)良的控制效果。

從實(shí)踐來看，這個(gè)數(shù)據(jù)清洗的工作，效果非常優(yōu)越。

1.3 產(chǎn)線投產(chǎn)有效率、優(yōu)秀率

水泥行業(yè)一直用運(yùn)轉(zhuǎn)率來衡量一個(gè)企業(yè)生產(chǎn)的基本狀態(tài)。實(shí)踐證明，投運(yùn)率這個(gè)概念已經(jīng)滿足不了實(shí)際的生產(chǎn)考核要求。應(yīng)該使用產(chǎn)線生產(chǎn)有效率、優(yōu)秀率來衡量一個(gè)水泥熟料生產(chǎn)線的生產(chǎn)狀態(tài)。

有效率是指產(chǎn)線在工藝指標(biāo)要求的狀態(tài)區(qū)間內(nèi)保持的時(shí)間與總生產(chǎn)時(shí)間相比。很可能投運(yùn)率100%，而有效率卻是60%。所以，有效率才是真正反映水泥熟料產(chǎn)線運(yùn)轉(zhuǎn)的最好概念。

在有效率基礎(chǔ)之上，又可以劃分出更高的工藝目標(biāo)。更高的工藝目標(biāo)的要求會(huì)更加苛刻。在確保有效率達(dá)到95%以上的情況下，再計(jì)算出產(chǎn)線運(yùn)轉(zhuǎn)的優(yōu)秀率。這樣，可以通過優(yōu)秀率的提升，看出工藝的不斷改進(jìn)指標(biāo)是否落地。

優(yōu)秀率不是固定的值，是工藝路線按照階段不斷深化的結(jié)果。

1.4 促進(jìn)與互動(dòng)

人工智能工程、設(shè)備工程、工藝工程，三者相互融合、相互促進(jìn)，形成了螺旋式、以加速度上升的過程。人工智能工程非常明確的告知管理者什么設(shè)備需要進(jìn)行技改，確保了設(shè)備改造的投入花在了刀刃上。由于人工智能工程的使用，讓產(chǎn)線更加平穩(wěn)，工藝給工藝的改進(jìn)提供了較大的空間。而工藝的改進(jìn)，又讓人工智能工程的控制參數(shù)更加精細(xì)化。形成了等腰三角形的對稱、穩(wěn)定關(guān)系，三者缺一不可。

從實(shí)踐來看，比如對氨水噴槍的技改，再加上智能化系統(tǒng)的跟進(jìn)，氨水使用量最大化減少，節(jié)約氨水達(dá)到40%。對篦冷機(jī)的改造，再加上智能化系統(tǒng)的跟進(jìn)，讓熱效率的再利用、熟料質(zhì)量的提升，都表現(xiàn)出卓越的效果。

2 生產(chǎn)神經(jīng)網(wǎng)絡(luò)下的人工智能控制系統(tǒng)的技術(shù)優(yōu)勢

經(jīng)過實(shí)踐，積累了5大控制模型：動(dòng)態(tài)穩(wěn)控模型、量差斜率計(jì)算模型、預(yù)動(dòng)控制模型、補(bǔ)償對沖模型、積分計(jì)算模型。

這五大模型的應(yīng)用，以及模型之間相互組合、相互嵌套的應(yīng)用，滿足了水泥熟料生產(chǎn)產(chǎn)線的所有控制思路，讓產(chǎn)線一直處于平穩(wěn)的狀態(tài)！

同時(shí)，還有一些輔助的模型。如數(shù)據(jù)清洗、震蕩等。這些模型的組合或者嵌套組合，構(gòu)成了產(chǎn)線的工業(yè)大腦，隨時(shí)應(yīng)對產(chǎn)線發(fā)生的各種狀態(tài)，并及時(shí)的按照最合理的方式發(fā)送執(zhí)行指令。

我們提出的“有效率”概念是指使被控目標(biāo)穩(wěn)定在最優(yōu)狀態(tài)的時(shí)間百分比。產(chǎn)線運(yùn)轉(zhuǎn)有效率確保95%以上。傳統(tǒng)的概念：即使投運(yùn)率100%，可能有效率才60%。產(chǎn)線有效率的大小決定著產(chǎn)線的綜合收益。做到穩(wěn)產(chǎn)、高產(chǎn)、高質(zhì)、節(jié)能的極致，是讓生產(chǎn)設(shè)備配合最優(yōu)秀的工藝以及最穩(wěn)定的控制。才可以完成。所以，有效率不僅反映綜合收益情況，也是反映生產(chǎn)工藝是否不斷深化、提升的要點(diǎn)。

人工智能的核心就是如何開展、利用機(jī)器學(xué)習(xí)，讓產(chǎn)線的生產(chǎn)工藝參數(shù)不斷優(yōu)化，不斷給工業(yè)大腦提供更加逼近最優(yōu)的控制策略、控制方向，以達(dá)到更優(yōu)的控制效果。

3 結(jié)語

采用基于工業(yè)大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)，構(gòu)造更符合人性理解、人性操作、人性感知的應(yīng)用系統(tǒng)環(huán)境。系統(tǒng)平臺(tái)啟用之時(shí)，首先一步到位的模擬優(yōu)秀中控室操作員的操作習(xí)慣，然后再在這個(gè)基礎(chǔ)之上進(jìn)行自我完善優(yōu)化。最大程度的節(jié)省了機(jī)器自我學(xué)習(xí)自我完善的漫長過程，讓企業(yè)的生產(chǎn)線的生產(chǎn)控制更加符合人性習(xí)慣，調(diào)整更加高效，設(shè)備運(yùn)轉(zhuǎn)更加有效、更加安全。