水泥回轉(zhuǎn)窯的智能控制

Birk Liedmann，F(xiàn)rank Steege，Laszlo Küppers，Volker Stephan，Georg H?ndel

（STEAG能源服務(wù)有限公司,上海萬澄環(huán)?？萍加邢薰荆虾?200120）

1 水泥生產(chǎn)工藝

如今水泥熟料大多采用回轉(zhuǎn)窯進(jìn)行生產(chǎn)，在此過程中，會使用大量熱能對原材料進(jìn)行煅燒。圖1是帶分解爐的現(xiàn)代回轉(zhuǎn)窯工廠的主要設(shè)備組成。

圖1 帶分解爐和篦冷機(jī)的回轉(zhuǎn)窯設(shè)備示意圖[1]

研磨后的原料通常是石灰石和黏土的混合物，在多級旋風(fēng)分離器中與窯內(nèi)熱風(fēng)逆流加熱，然后在分解爐中于約850～890℃分解。在下一步中，將分解的原料在回轉(zhuǎn)窯中加熱至超過1400℃的燒結(jié)溫度，達(dá)到水泥硬化所需熟料的燒成溫度階段。由于窯的傾斜和旋轉(zhuǎn)運(yùn)動，物料向窯爐出口的方向傳送。隨后從那里排出物料進(jìn)入篦冷機(jī)。進(jìn)料爐排下方安裝的風(fēng)扇將燒成的熟料冷卻至100℃左右。引入篦冷機(jī)的冷卻空氣會回收熟料的熱量，然后作為預(yù)熱的燃燒空氣（二次風(fēng)和三次風(fēng)）進(jìn)入回轉(zhuǎn)窯或直接進(jìn)入分解爐[2]。

2 回轉(zhuǎn)窯設(shè)備的控制要求

水泥廠運(yùn)營者追求穩(wěn)定與平穩(wěn)地運(yùn)行窯爐，同時降低能耗。但是，在常規(guī)窯爐操作中，操作參數(shù)通常會發(fā)生變化（例如，由于燃料和原料質(zhì)量的波動，結(jié)塊的形成和突然終止等），這可能導(dǎo)致整個系統(tǒng)的行為不穩(wěn)定。另外，逆流過程以及材料的長時間停留（40～60min），通過反饋也進(jìn)一步增加不穩(wěn)定性。

這對重要設(shè)備部件的控制提出了很高的要求，必須對這些不斷變化的條件盡早以正確的程度做出反應(yīng)?；剞D(zhuǎn)窯和熟料冷卻器的自動化控制系統(tǒng)（先進(jìn)過程控制）通常會影響以下控制變量：

（1）原料量；

（2）預(yù)熱器高溫風(fēng)機(jī)轉(zhuǎn)數(shù)和篦冷機(jī)排氣；

（3）主燃燒器和分解爐內(nèi)二次燃燒的燃料量；

（4）窯速；

（5）熟料冷卻器進(jìn)料爐篦速；

（6）冷風(fēng)機(jī)轉(zhuǎn)數(shù)。

原則上，通過首先確定當(dāng)前實際值和當(dāng)前設(shè)定值之間的差來執(zhí)行變量的控制，以便隨后通過更改操作變量來影響過程，以使該系統(tǒng)偏差最小。圖2是工廠操作員控制分解爐中煤量的一個示例，該操作員通常試圖將分解爐上部的溫度保持在恒定水平（此處Tsoll=900℃），在手動模式下，通過校正分解爐煤量來控制分解爐溫度。

圖2 工廠操作員控制分解爐中煤量的一個示例

該示例還說明，在這種情況下，調(diào)節(jié)變量以一定的延遲（死區(qū)時間）對受控變量的變化做出反應(yīng)。一方面，這可能是由基礎(chǔ)過程引起的；另一方面，這也可能是信號傳感器造成的。在水泥廠設(shè)備中，通過爐壁耐火材料中的熱電偶來測量氣體溫度并不少見，而爐壁材料及其上的沉積物的熱阻造成了傳感器的延遲時間，所以難以及時響應(yīng)相應(yīng)的調(diào)節(jié)變量。在某些測量點（例如溫度），也可能引起長期的液位漂移和由此導(dǎo)致的設(shè)定值偏移，因為在測量點處的沉積或結(jié)塊會隨時間變化。除了變化的操作參數(shù)外，這還對自動化控制提出了很高的要求。因此，STEAG能源服務(wù)公司的PIT Navigator使用自學(xué)習(xí)和自適應(yīng)控制組件來調(diào)節(jié)和優(yōu)化隨時間變化的水泥生產(chǎn)過程?；A(chǔ)工具箱還包含了使用神經(jīng)網(wǎng)絡(luò)創(chuàng)建預(yù)測和學(xué)習(xí)控制器（NFQ），連續(xù)計算和調(diào)整優(yōu)化設(shè)定值（過程優(yōu)化），基于主成分分析（PCA）的圖像分析，自動特征選擇（互信息）和自動過程識別（用于自適應(yīng)噴槍選擇的高效SNCR控制）。

3 基于神經(jīng)網(wǎng)絡(luò)的過程建模

實現(xiàn)自適應(yīng)控制器的一種途徑是通過該測量值的自適應(yīng)預(yù)測來代替測量的死區(qū)時間的實際值?？刂破鳙@得的不是實際的控制變量x（t），而是經(jīng)過適當(dāng)預(yù)處理的控制變量x'（t），如圖3所示，用模型預(yù)測值替換實際值x（t）。然后，由模型x'（t）的輸出和設(shè)定值w（t）得出控制誤差e（t），控制器將其用于計算控制輸出u（t）[4]。使用這種預(yù)測模型，可以估算受控變量x（t），k個時間步長之后的未來值x'（t+k）。 然后控制器顯示的不是實際測量值x（t），而是預(yù)測值x'（t+k）。如果預(yù)測值正確，則控制器可以隨著時間的推移對受控變量的偏差做出更快的反應(yīng)，并且所產(chǎn)生的控制偏差會變小。這種控制器和過程模型的組合是模型預(yù)測控制（MPC）的變體[3]。

圖3 模型預(yù)測

MPC的另一種方法是用軟傳感器代替測量值[5]。在這種情況下，從過程的其他測量值x2（t）計算出控制變量x1（t）的替代值x'1（t），并使用軟傳感器所得的替代值進(jìn)行調(diào)節(jié)。軟傳感器主要用于傳感器測量不可靠、必須經(jīng)常維護(hù)，或只能通過高技術(shù)和高經(jīng)濟(jì)支出來實現(xiàn)測量的情況。

通過預(yù)測模型或軟傳感器來近似測量點，使用了所謂的監(jiān)督學(xué)習(xí)[6]。學(xué)習(xí)過程的任務(wù)是從基于實際傳感器或?qū)嶒炇覕?shù)據(jù)而來的數(shù)據(jù)示例中得到一個映射?；A(chǔ)模型基于人工神經(jīng)網(wǎng)絡(luò)?？梢詫⑸窠?jīng)網(wǎng)絡(luò)視為許多簡單神經(jīng)元的適當(dāng)互連（網(wǎng)絡(luò)），其基本概念是在1950年代后期提出的。神經(jīng)網(wǎng)絡(luò)的基本元素是對真實神經(jīng)細(xì)胞（神經(jīng)元）的數(shù)學(xué)模擬，它是每個神經(jīng)系統(tǒng)以及人腦的基本組成部分。模擬的神經(jīng)元從其輸入的線性組合計算其結(jié)果，之后再通過一個非線性輸出函數(shù)。如果將足夠數(shù)量的此類人工神經(jīng)元組合成合適的結(jié)構(gòu)，則這些非常簡單的基本元素網(wǎng)絡(luò)就可以實現(xiàn)非常復(fù)雜的映射。如果現(xiàn)在通過生物學(xué)模型已知的學(xué)習(xí)能力擴(kuò)展人工神經(jīng)元，那么將可以開發(fā)出一個非常強(qiáng)大的工具，用于在現(xiàn)有數(shù)據(jù)集的基礎(chǔ)上從多個輸入值（測量值）到輸出值（測量值）的學(xué)習(xí)映射（近似值）。為了逼近MPC和軟傳感器所要求的目標(biāo)值，通常使用所謂的多層感知器（MLP）。MLP屬于多層全網(wǎng)狀前饋網(wǎng)絡(luò)，圖4顯示了一種這樣的MLP。輸入x通過輸入層分布到第一隱藏層的神經(jīng)元。在隱藏層中，對信號進(jìn)行處理和轉(zhuǎn)發(fā)，直到最終從輸出層輸出當(dāng)前輸入的MLP結(jié)果y。神經(jīng)元通過權(quán)重相互連接，這些權(quán)重決定了信號的傳輸量。在示例中，權(quán)重wij標(biāo)記為由神經(jīng)元j到神經(jīng)元i的權(quán)重。

4 智能控制組件示例

PIT窯和篦冷機(jī)Navigator使用上述方法，還有關(guān)于水泥熟料的游離鈣值和帶有死區(qū)時間的溫度測量值（例如二次風(fēng)溫）兩方面的預(yù)測。

訓(xùn)練模型的先決條件是過程的代表性數(shù)據(jù)記錄，通常需要記錄幾個星期的數(shù)據(jù)。模型的輸入變量是來自工廠控制（DCS）和實驗室值的過程信號。在預(yù)測游離鈣值和二次風(fēng)溫時，來自RGB熱成像系統(tǒng)（PIT多傳感器）的數(shù)字視覺信息信號也安裝在主燃燒器旁的爐頭中，并連續(xù)提供有關(guān)回轉(zhuǎn)窯火焰特性的信息（見圖5）。

圖4 多層感知器（MLP）的構(gòu)造示例[4]

圖5 回轉(zhuǎn)窯火焰特性信息

使用適當(dāng)?shù)膱D像處理軟件（PCA）從光學(xué)圖像中提取燃燒過程中的信息，以便將其用作創(chuàng)建預(yù)測模型的輸入。

4.1 水泥熟料中的游離鈣預(yù)測

在回轉(zhuǎn)窯中燒制水泥熟料時——即所謂的熟料階段時，由廢棄的原料形成了某些硅酸鈣和鋁酸鈣化合物。如果由于工藝條件不足（例如，燒結(jié)區(qū)溫度太低）而不能完全達(dá)到熟料階段，則一定比例的未結(jié)合的CaO（氧化鈣）作為“游離鈣”保留在熟料中。游離鈣的含量被用作煅燒水泥熟料的基本質(zhì)量標(biāo)準(zhǔn)，通常通過耗時的實驗室分析來確定。由于分析的持續(xù)時間和成本，通常每天每隔1～40h分析一次來自工廠生產(chǎn)的熟料樣品。在不利的情況下，要經(jīng)過幾個小時直到游離鈣值突然變化，才能觀察到水泥的質(zhì)量。為了防止這種質(zhì)量波動，使用了軟傳感器，該軟傳感器根據(jù)其他連續(xù)的測量值估算當(dāng)前的游離鈣值。然后，該估算值可用于檢測水泥質(zhì)量的早期變化，并能夠及時調(diào)整過程控制。

預(yù)測模型的確切輸入信號取決于不同系統(tǒng)之間的測量點和質(zhì)量。在此示例中，以下通道用于預(yù)測游離鈣值：（1）燒結(jié)區(qū)和火焰溫度（由攝像機(jī)信號生成）；（2）分解爐內(nèi)的溫度；（3）原料數(shù)量和成分。

目標(biāo)值是游離鈣值的實驗室測量值，該值可追溯到散熱器出口處的采樣時間。該模型總共包含10個輸入神經(jīng)元（因為總共有10個輸入信號）和5個其他神經(jīng)元的隱藏層。輸出層為神經(jīng)元提供預(yù)測的目標(biāo)值。

對于模型訓(xùn)練，數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集。在訓(xùn)練過程中，使用來自訓(xùn)練數(shù)據(jù)的相應(yīng)輸入值和神經(jīng)元之間隨機(jī)初始化的權(quán)重來計算相應(yīng)的輸出值，然后確定計算出的輸出值與實際測量的目標(biāo)變量之間的偏差。該誤差在訓(xùn)練期間用于權(quán)重的連續(xù)調(diào)整，從而使預(yù)測誤差最小，并獲得更好的映射質(zhì)量。為了評估模型，最終根據(jù)測試數(shù)據(jù)記錄計算預(yù)測誤差。將訓(xùn)練數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)可防止過度擬合訓(xùn)練數(shù)據(jù)（記憶學(xué)習(xí)），并使模型即使在未知數(shù)據(jù)上也能很好地適用。

圖6顯示了預(yù)測游離鈣的變化過程，該變化是實驗室分析的結(jié)果，可能的誤差為±0.3%。從預(yù)測的進(jìn)展中可以得出與測量值的良好一致性。僅在非常高的游離鈣值下，預(yù)測的準(zhǔn)確性才會降低。但是，該模型也很好地代表了趨勢。平均預(yù)測誤差僅為0.2%。所以，通過當(dāng)前預(yù)測得到的實時的游離鈣值可作為調(diào)節(jié)的附加信息。那么，在低值時，可以在早期減少系統(tǒng)的熱量水平并因此減少熱能消耗。

圖6 游離鈣預(yù)測值與實驗室分析的比較

4.2 二次風(fēng)溫預(yù)測

使用預(yù)測模型的另一個優(yōu)點是能夠消除測量中的死區(qū)時間。如果將預(yù)測的過程變量用作實際值而不是實際信號來控制操作變量，則可以補(bǔ)償測量值的延遲時間或過程的反應(yīng)時間。這種“預(yù)測性”控制使過程參數(shù)偏差最小化，從而使過程更加穩(wěn)定。

本節(jié)中的示例顯示了窯頭二次風(fēng)溫的預(yù)測。二次風(fēng)溫一方面是由于燒成熟料的熱量進(jìn)入篦冷機(jī)，另一方面是由于進(jìn)料爐篦的控制。在降低篦速的情況下，篦冷機(jī)中熟料的料層高度增加，因此流經(jīng)多孔固定層的冷卻空氣和熱熟料之間交換的熱量也在增加。節(jié)能散熱器控制的目的是將熟料的熱量和二次風(fēng)溫保持在恒定的高水平。在本系統(tǒng)中，由于不能總是足夠早地基于測量信號進(jìn)行控制，因此在手動控制過程中，二次風(fēng)溫通常存在強(qiáng)烈的振蕩行為。在此示例中，PIT Navigator基于預(yù)測的二次風(fēng)溫調(diào)節(jié)篦速。使用基于聚類的優(yōu)化方法連續(xù)確定各個溫度設(shè)定點。預(yù)測模型獲取并返回測量燒結(jié)區(qū)和火焰溫度（由攝像機(jī)信號生成）和篦板下方的冷卻空氣壓力信號。

在14個輸入神經(jīng)元的模型配置中，兩個隱藏層選用8個或4個神經(jīng)元。再次，執(zhí)行訓(xùn)練（數(shù)據(jù)集：8d）和隨后的具有未知測試數(shù)據(jù)的模型測試（記錄：30 h）。圖7顯示了用于訓(xùn)練的一部分?jǐn)?shù)據(jù)比較。如所預(yù)期的，訓(xùn)練階段的數(shù)據(jù)非常擬合。而且測試階段（最終對于未知數(shù)據(jù)的預(yù)測質(zhì)量至關(guān)重要），也可以很好地再現(xiàn)溫度變化過程。

圖7 二次風(fēng)溫預(yù)測結(jié)果與訓(xùn)練和測試數(shù)據(jù)比較

圖8顯示了預(yù)測溫度和測得溫度以及篦速的趨勢圖，該過程根據(jù)預(yù)測進(jìn)行調(diào)整。從圖8中可以清楚地看到，所得模型能夠提前約5 min計算二次風(fēng)溫，這足以使篦速盡早適應(yīng)溫度變化。

圖8 二次風(fēng)溫趨勢

圖9顯示了示例的8天時間內(nèi)二次風(fēng)溫標(biāo)準(zhǔn)偏差的相對頻率（在4h內(nèi)計算）。根據(jù)在線和離線值的比較，不難發(fā)現(xiàn)PiT Navigator的基于預(yù)測的控制具有較低的溫度偏差，過程顯然更穩(wěn)定。

圖9 二次風(fēng)溫的標(biāo)準(zhǔn)偏差比較

5 結(jié)論

本文介紹了使用STEAG能源服務(wù)有限公司的PIT Navigator對水泥熟料生產(chǎn)自動化控制的見解。PIT Navigator可與基于神經(jīng)網(wǎng)絡(luò)的智能和自適應(yīng)控制組件一起使用。由此可以實現(xiàn)過程自動化，能夠連續(xù)地確定最佳系統(tǒng)狀態(tài)并且可以連續(xù)地適應(yīng)過程變化。隨著智能控制組件，還有使用模型預(yù)測控制（MPC）方法的應(yīng)用，例如預(yù)測或軟傳感器。文中還給出了用于預(yù)測游離鈣值和二次風(fēng)溫的示例。這些預(yù)測可以對工藝參數(shù)和產(chǎn)品質(zhì)量的變化做出早期響應(yīng)。這些控制元件的使用可以減少特定的熱能需求并提高過程穩(wěn)定性。由于底層工具箱的靈活適用性，PIT Navigator也已成功用于控制水泥行業(yè)的工廠（原料磨，水泥廠，磨煤）以及全球范圍內(nèi)的高效SNCR控制。