胡亞南 寧奎偉 趙錦文

摘 要：針對傳統(tǒng)模糊PID控制器因變量論域、比例因子、量化因子等參數(shù)設(shè)置固定不能實現(xiàn)紙漿濃度精確控制的問題，本課題提出將變論域思想與模糊PID控制相結(jié)合的變論域模糊PID控制算法。首先在模糊控制器中引入論域伸縮因子使模糊控制器輸入輸出變量的論域范圍隨紙漿濃度誤差及誤差變化率進行伸縮調(diào)整，以提高模糊控制器的控制精度;然后利用變論域模糊控制器對PID的3個參數(shù)進行調(diào)整，實現(xiàn)PID控制器的實時在線整定。仿真結(jié)果表明，變論域模糊PID控制算法可以有效地克服紙漿濃度控制過程存在的時變性、多干擾、時滯性缺點，能夠?qū)崿F(xiàn)紙漿濃度控制的穩(wěn)定性和精確性?，F(xiàn)場實際應(yīng)用表明，應(yīng)用變論域模糊PID控制算法的控制系統(tǒng)可將上漿濃度誤差控制由±0.3%降為±0.025%以內(nèi)。

關(guān)鍵詞： 紙漿濃度;變論域;模糊控制;Simulink

中圖分類號：TS736+.3

文獻標(biāo)識碼：A

DOI：10.11980/j.issn.0254-508X.2019.01.008

紙漿濃度是制漿造紙生產(chǎn)過程中重要的工藝參數(shù)之一，紙漿濃度的穩(wěn)定性和精確性直接影響漿料和紙張質(zhì)量，因此精確且穩(wěn)定控制紙漿濃度是造紙工業(yè)的重要任務(wù)[1]。在實際制漿過程中，紙漿濃度受漿料流速、調(diào)濃水壓、濃度測量儀工藝安裝位置、漿管布局、打漿度等多種因素影響使紙漿濃度控制過程具有一定的時滯性和時變性。另外，濃度測量儀的測量精度及穩(wěn)定性、濃度調(diào)節(jié)閥調(diào)節(jié)精度也是影響紙漿濃度控制精度的主要因素。為提高紙漿濃度控制效果，可以從硬件和控制算法兩方面入手。目前，國內(nèi)紙漿濃度控制系統(tǒng)一般采用傳統(tǒng)PID控制器，該PID控制器結(jié)構(gòu)簡單、魯棒性強、動態(tài)響應(yīng)快，但調(diào)節(jié)過程中P、I、D參數(shù)固定，不能達到理想的控制效果[2]。隨著控制技術(shù)的發(fā)展，部分學(xué)者利用模糊控制器在線整定PID控制的3個參數(shù)，但傳統(tǒng)模糊控制器的變量論域、比例因子、量化因子等參數(shù)設(shè)置固定，若要實現(xiàn)紙漿濃度的高精確控制將出現(xiàn)模糊規(guī)則精細、語言變量繁多、控制器結(jié)構(gòu)復(fù)雜等問題[3]。本課題針對傳

統(tǒng)模糊PID控制器的局限性，引入論域伸縮因子調(diào)整模糊控制器輸入輸出變量的論域，使模糊控制器論域范圍隨紙漿濃度誤差及誤差變化率的改變進行實時調(diào)整，避免因變量論域范圍固定而造成控制偏差，解決了傳統(tǒng)模糊控制器的控制精度與控制器結(jié)構(gòu)復(fù)雜、控制規(guī)則精細之間的矛盾，提升了紙漿濃度控制系統(tǒng)的精確性和穩(wěn)定性，保證了紙張均勻成形和紙張質(zhì)量。

1 紙漿濃度控制工藝及數(shù)學(xué)模型

紙漿濃度控制工藝如圖1所示。由圖1可知，來自漿塔的高濃紙漿（長纖紙漿、短纖紙漿、廢紙回收漿）在漿池內(nèi)混合均勻，由上漿泵送往高位箱，然后再由高位箱送往配漿箱[4]。安裝在上漿泵后面的BTG內(nèi)旋濃度測量儀CT-101檢測紙漿濃度信號并轉(zhuǎn)換為4～20 mA電流信號，然后將電流信號傳輸?shù)娇刂破鰿IC-101?？刂破鰿IC-101依據(jù)紙漿濃度設(shè)定值和檢測值的差值進行邏輯運算并輸出控制信號;安裝在稀釋水管道上的濃度調(diào)節(jié)閥依據(jù)控制器CIC-101控制信號自動調(diào)節(jié)閥門開度，改變進入漿管內(nèi)稀釋水流量，進而調(diào)整紙漿濃度，不斷重復(fù)調(diào)整過程，直到紙漿濃度到達設(shè)定值。為提高紙漿濃度控制精度，本課題在硬件方面做了兩點改進：①紙漿濃度測量儀由美卓刀式濃度計換為測量精度更高的BTG內(nèi)旋濃度計;②濃度調(diào)節(jié)閥由氣動調(diào)節(jié)閥換為調(diào)節(jié)精度更高的電動調(diào)節(jié)閥。紙漿濃度調(diào)節(jié)示意圖如圖2所示。

在紙漿濃度調(diào)節(jié)過程中，濃度調(diào)節(jié)閥動態(tài)特性、濃度傳感器動態(tài)特性及紙漿稀釋過程變化的傳遞函數(shù)均由一階慣性環(huán)節(jié)表示[5];另外，濃度調(diào)節(jié)閥到濃度測量儀之間存在一定距離，引起濃度檢測時間延遲，所以紙漿濃度控制系統(tǒng)的數(shù)學(xué)模型表示見公式（1）。

G（s）=K（1+T1s）（1+T2s）（1+T3s）e-τs（1）

式中，T1、T2、T3分別為濃度調(diào)節(jié)閥動態(tài)特性

時間常數(shù)、濃度傳感器動態(tài)特性時間常數(shù)和紙漿稀釋過程變化傳遞函數(shù)的動態(tài)特性時間常數(shù);K為過程增益;τ為滯后時間，s是拉氏變換算子。

在實際紙漿濃度控制過程中，T1、T2、T3不易準確獲取且T1、T2遠小于T3，因此可將紙漿濃度控制系統(tǒng)的數(shù)學(xué)模型簡化為公式（2）。

G（s）=K1+Tse-τs（2）

式中，T為紙漿濃度控制系統(tǒng)數(shù)學(xué)模型的時間常數(shù)，可利用階躍響應(yīng)曲線法獲取。

2 變論域模糊PID紙漿濃度控制器

2.1 變論域思想

在紙漿濃度調(diào)節(jié)過程中，紙漿濃度誤差及誤差變化率在控制器調(diào)節(jié)和紙漿濃度動態(tài)特性的綜合作用下進行實時變化，固定論域的模糊控制器將因輸入輸出論域不精確而引起控制誤差，所以在模糊控制器的論域中添加伸縮因子，使控制器的輸入輸出論域能夠準確地跟隨紙漿濃度變化進行精確伸縮，從而消除因論域固定而產(chǎn)生的控制誤差，提高控制系統(tǒng)調(diào)節(jié)精度[6]。

圖3為論域的伸縮與伸張。由圖3可知，以模糊控制輸入變量濃度誤差e的論域伸縮為例，假設(shè)e的初始論域為[-E，E]，引入e的函數(shù)α（e）為伸縮

2.3 基于變論域模糊PID控制算法的紙漿濃度控制應(yīng)用

紙漿濃度控制系統(tǒng)受漿料流速、調(diào)濃水壓、漿泵頻率、濃度測量儀安裝位置及漿管布局等因素影響，使紙漿濃度控制存在非線性、時滯性等問題。為獲得更好的控制效果，本課題對傳統(tǒng)模糊PID控制器進行優(yōu)化改進，引入模糊控制輸入輸出變量論域伸縮因子，設(shè)計一種變論域模糊PID控制算法，改善紙漿濃度控制系統(tǒng)的穩(wěn)定性和控制精度?；谧冋撚蚰：齈ID控制算法的紙漿濃度控制圖如圖4所示。

圖4中基于變論域模糊PID控制器為3層結(jié)構(gòu)：①上層結(jié)構(gòu)為論域伸縮因子調(diào)整單元層，由BTG內(nèi)旋濃度測量儀檢測上漿管道內(nèi)紙漿濃度，將紙漿濃度轉(zhuǎn)變?yōu)?～20 mA電流信號傳送給控制器，然后進行邏輯運算后獲得當(dāng)前紙漿濃度e和ec并送入論域伸縮因子調(diào)整單元，依據(jù)論域伸縮函數(shù)計算出論域伸縮因子，實現(xiàn)模糊控制器輸入輸出變量論域自動伸縮[9-10];②中層結(jié)構(gòu)為模糊推理單元，模糊控制器依據(jù)當(dāng)前紙漿濃度e、ec及當(dāng)前論域[-α（e）E，α（e）E]、[-ψ（ec）EC，ψ（ec）EC]、[-β（PID） K（P，I，D），β（PID） K（P，I，D）]進行模糊推理獲得模糊校正參數(shù)ΔKP、ΔKI、ΔKD，然后PID校正參數(shù)ΔKP、ΔKI、ΔKD與初始參數(shù)KP1、KI1、KD1做相應(yīng)的和運算，并將結(jié)果導(dǎo)入PID控制器[11];③底層結(jié)構(gòu)為紙漿濃度調(diào)節(jié)層，PID控制器依據(jù)紙漿濃度設(shè)定值和檢測值間的誤差進行控制運算，然后輸出控制信號調(diào)節(jié)濃度調(diào)節(jié)閥的開度，改變進入漿管的稀釋水流量，實現(xiàn)紙漿濃度的精確、穩(wěn)定調(diào)整。紙漿濃度變論域模糊PID控制器參數(shù)如表2所示。

3 紙漿濃度控制系統(tǒng)仿真

為驗證基于變論域模糊PID紙漿濃度控制算法的可行性和有效性，進行仿真分析。利用階躍響應(yīng)曲線法獲得過程增益K=3、滯后時間τ=3、時間常數(shù)T=2，則τ/T=1.5>1，紙漿濃度控制系統(tǒng)為大滯后過程，紙漿濃度控制系統(tǒng)數(shù)學(xué)模型見公式（7）[12]。

G（s）=32s+1e-3s（7）

在Simulink仿真器內(nèi)建立傳統(tǒng)PID、模糊PID和變論域模糊PID紙漿濃度控制系統(tǒng)仿真模型，傳統(tǒng)PID參數(shù)設(shè)置為：P=1.257、I=0.127、D=0.023;變論域模糊PID控制器參數(shù)見表2;模糊PID控制器參數(shù)設(shè)置與變論域模糊PID控制器參數(shù)初始參數(shù)相同。

3.1 控制器性能比較

圖5為3種PID控制器性能的比較。圖5中變論域模糊PID、模糊PID和傳統(tǒng)PID紙漿濃度控制系統(tǒng)的超調(diào)量分別約為0.2%、4%和10%;系統(tǒng)到達穩(wěn)定狀態(tài)所需時間分別約為16、22和45 s;系統(tǒng)響應(yīng)速度分別約為13、11和16 s。通過對3個控制系統(tǒng)的動態(tài)響應(yīng)速度、超調(diào)量、達到穩(wěn)定所需時間等指標(biāo)進行對比，雖然模糊PID的動態(tài)響應(yīng)能力略強于變論域模糊PID，但其超調(diào)量較大，所以變論域模糊PID控制器性能最優(yōu)。

3.2 抗干擾魯棒性比較

由于紙漿濃度控制過程受調(diào)濃水壓、打漿質(zhì)量、漿管布局等多種干擾因素的影響，使得紙漿濃度控制系統(tǒng)具有時變性和非線性，在時間60 s時添加20%的階躍干擾量，對3個系統(tǒng)進行仿真分析，仿真結(jié)果曲線見圖6。由圖6可知，在系統(tǒng)添加20%干擾量后變論域模糊PID、模糊PID和傳統(tǒng)PID控制器的超調(diào)量分別約為1%、4%和18%;系統(tǒng)重新達穩(wěn)定狀態(tài)時間分別約為4、14和22 s;對比分析可得：變論域模糊PID系統(tǒng)曲線超調(diào)量最小，干擾后再次回到穩(wěn)定狀態(tài)時間最短，表明該控制器具有較好的抗干擾能力。

3.3 模型失配魯棒性比較

紙漿濃度控制過程受多種干擾因素影響，所以其數(shù)學(xué)模型也是實時進行變化，為驗證變論域模糊PID控制器適應(yīng)控制現(xiàn)場時變性特征，將紙漿濃度控制系統(tǒng)模型的時間常數(shù)T和過程增益K分別增大20%進行仿真實驗。圖7為3種過程控制器模型失配響應(yīng)曲線。

由圖7可知，當(dāng)紙漿濃度控制模型失配時，變論域模糊PID、模糊PID和傳統(tǒng)PID控制器的超調(diào)量分別增加了0.2%、1%、8%;同時添加抗干擾量后超調(diào)量都有所增加，但傳統(tǒng)PID控制超調(diào)最多。綜合分析，傳統(tǒng)PID控制的模型失配魯棒性較差，模糊PID和變論域模糊PID控制器較好，但變論域模糊PID控制器仍具有明顯的優(yōu)越性。

4 應(yīng)用與測試

本課題所述的變論域模糊PID紙漿濃度控制系統(tǒng)和硬件升級已應(yīng)用于河北省保定市某紙廠的高速衛(wèi)生紙生產(chǎn)改造項目，濃度測量儀采用BTG內(nèi)旋濃度計、濃度調(diào)節(jié)閥采用力諾電動調(diào)節(jié)閥，生產(chǎn)定量為12.7 g/m2衛(wèi)生紙，紙漿濃度控制在2.6%。在該廠項目改造前，紙廠的上漿濃度誤差約為±0.3%，濃度歷史曲線波動頻繁（見圖8）。筆者所設(shè)計的變論域模糊PID控制系統(tǒng)投入運行后，上漿濃度的誤差約為±0.025%，表明變論域模糊PID紙漿濃度控制器具有較好的動靜態(tài)性能和魯棒性。

5 結(jié) 語

通過對紙漿濃度控制工藝和控制難點的分析，建立紙漿濃度控制系統(tǒng)數(shù)學(xué)模型，將變論域思想和模糊PID控制算法的優(yōu)點相結(jié)合，設(shè)計模糊控制輸入輸出論域伸縮因子，提出一種能夠適應(yīng)時變性、非線性和時滯性特征的變論域模糊PID紙漿濃度控制系統(tǒng)。在Simulink仿真實驗中，變論域模糊PID控制器在階躍響應(yīng)、模型失配魯棒性、抗干擾能力方面均表現(xiàn)出顯著的優(yōu)越性，表明利用模糊論域伸縮因子實時調(diào)整模糊控制器輸入輸出變量，能簡化模糊控制設(shè)計，提高控制系統(tǒng)的穩(wěn)定性和精確度。該系統(tǒng)應(yīng)用于河北保定某造紙廠，使上漿濃度誤差由±0.3%降為±0.025%。

參 考 文 獻

[1] HUANG Yanan， ZHANG Aijuan， HU Muyi. Pulp Consistency Control Based on Immune-single Neuron Algorithm[J]. Transactions of China Pulp & Paper， 2016， 31（3）： 30.

黃亞南， 張愛娟， 胡慕伊. 基于免疫-單神經(jīng)元PID算法的紙漿濃度控制[J]. 中國造紙學(xué)報， 2016， 31（3）： 30.

[2] CHEN Yinhuan. Adaptive Control of Pulp Concentration Based on BP Neural Network PID[J]. Packaging Engineering， 2018， 39（1）： 146.

陳銀環(huán). 基于BP神經(jīng)網(wǎng)絡(luò)PID的紙漿濃度自適應(yīng)控制[J]. 包裝工程， 2018， 39（1）： 146.

[3] ZHANG Peng， FENG Xianying， HUO Rui. Research on Temperature Control System of Injection Molding Machine Based on Variable Nniverse Adaptive Fuzzy PID[J]. Modular Machine Tool & Automatic Manufacturing Technique， 2017， 41（7）： 107.

張 鵬， 馮顯英， 霍 睿. 基于變論域自適應(yīng)模糊PID的注塑機溫度控制系統(tǒng)研究[J]. 組合機床與自動化加工技術(shù)， 2017， 41（7）： 107.

[4] SHAN Wenjuan， TANG Wei， WANG Mengxiao. Application of Fractional Order PID Controller Based on Neural Network to Pulp Consistency Control System[J]. Transactions of China Pulp & Paper， 2016， 31（4）： 44.

單文娟， 湯 偉， 王孟效. 神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控制器現(xiàn)在紙漿濃度控制中的應(yīng)用[J]. 中國造紙學(xué)報， 2016， 31（4）： 44.

[5] ZHAO Qianmei， CHEN Shuaishuai， HU Muyi. The Expert-fuzzy PID Control System of Pulp Concentration[J]. China Pulp & Paper， 2015， 34（12）： 53.

趙倩梅， 陳帥帥， 胡慕伊， 等. 紙漿濃度的專家-模糊PID控制系統(tǒng)[J]. 中國造紙， 2015， 34（12）： 53.

[6] LI Xin， ZHANG Yuxing， GAO Bo. Research on temperature control system of beerfermentation based on S7-1200PLC[J]. Food & Machinery， 2018， 34（4）： 166.

李 鑫， 張煜星， 高 博. 基于S7-1200PLC的啤酒發(fā)酵溫度控制系統(tǒng)的研究[J]. 食品與機械， 2018， 34（4）： 116.

[7] HU Yanan， QI Guangli， HUO Jiaofei. Temperature Control System of FDM Type 3D Printer Nozzle Based on Fuzzy PID[J]. Packaging Engineering， 2017， 38（19）： 173.

胡亞南， 祈廣利， 霍蛟飛. 基于模糊PID的FDM型3D打印機噴頭溫度控制系統(tǒng)[J]. 包裝工程， 2017， 38（19）： 173.

[8] LIU Wenhua. The Aanlysis and Application of Decoupling Control for Aircushion Head Box[J]. China Pulp & Paper， 2016， 35（6）： 60.

劉文華. 氣墊式流漿箱解耦控制的分析及應(yīng)用[J]. 中國造紙， 2016， 35（6）： 60.

[9] Zhang J， Zhou J G， Li W X. PID neural network for decoupling control of multi-input and multi-output system[J]. Journal of Harbin Engineering University， 2000， 21（5）： 6.

[10] HUANG Yanan， ZHANG Aijuan， HU Muyi. Pulp Consistency Control Algorithm Based on Single Neuron Adaptive PSD[J]. China Pulp & Paper， 2016， 35（5）： 46.

黃亞南， 張愛娟， 胡慕伊. 基于單神經(jīng)元PSD的紙漿濃度控制算法研究[J]. 中國造紙， 2016， 35（5）： 46.

[11] WANG Conghui， ZHANG Genbao， ZHANG Ying. Design and Application of Neural-internal Model Based Optimal Controllor for Furnish Preparation Based on S7-400PLC[J]. China Pulp & Paper， 2009， 28（10）： 56.

王聰慧， 張根寶， 張 瑩. 基于S7-400PLC的配漿過程神經(jīng)內(nèi)模優(yōu)化控制器的設(shè)計和應(yīng)用[J]. 中國造紙， 2009， 28（10）： 56.

[12] TANG Wei， HU Xiangman， SUN Xiaole. The Control System of Pulp Concentration Based on the Hybrid Algorithm of Simulated Annealed Particle Swarm Optimization[J]. Packaging Engineering， 2017， 38（7）： 15.

湯 偉， 胡祥滿， 孫小樂. 基于模擬退火粒子群混合算法的紙漿濃度控制系統(tǒng)[J]. 包裝工程， 2017， 38（7）： 15. CPP

（責(zé)任編輯：董鳳霞）