馬文明

（西京學(xué)院，陜西西安，710123）

在堿法制漿過程中會產(chǎn)生大量的黑液，對其進(jìn)行堿回收不僅能夠有效降低污染，而且可以實現(xiàn)資源的回收利用。將蒸煮過程中提取的黑液進(jìn)行蒸發(fā)濃縮是堿回收工藝的第一步，然后將濃縮后的黑液置于燃燒爐燃燒。傳統(tǒng)PID控制是工業(yè)控制常選擇的控制方法，但在實際應(yīng)用中，傳統(tǒng)PID控制在生產(chǎn)過程中并不能得到理想的效果。黑液蒸發(fā)濃縮控制對象存在不確定性因素多、非線性、大時滯等特點，采用傳統(tǒng)PID控制將顯著降低控制系統(tǒng)的控制質(zhì)量，甚至無法正常運(yùn)行。神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)能力強(qiáng)、容錯性好、可并行處理等特點，能較好地處理大時滯、非線性、耦合性強(qiáng)、不確定性因素多的控制問題[1]。本課題以黑液堿回收的蒸發(fā)工段為對象，對黑液液位和濃度進(jìn)行控制。將神經(jīng)網(wǎng)絡(luò)和PID相結(jié)合構(gòu)成PIDNN控制器，該控制器對黑液液位進(jìn)行控制，解決了傳統(tǒng)PID對非線性時變系統(tǒng)難以精確控制的問題。黑液濃度是個復(fù)雜的控制對象，黑液濃度主要受自身濃度和流量影響，將神經(jīng)網(wǎng)絡(luò)算法與PID算法進(jìn)行結(jié)合構(gòu)成基于徑向基函數(shù)（RBF）的神經(jīng)網(wǎng)絡(luò)控制，對黑液濃度和流量進(jìn)行解耦在線辨識，對控制器參數(shù)在線實時調(diào)節(jié)。

1 堿回收蒸發(fā)工藝過程及控制分析

1.1 堿回收工藝過程概述

堿回收工藝分為提取、蒸發(fā)、燃燒和苛化4個工段：①提取工段是將紙漿原漿中的糖類、木質(zhì)素等物質(zhì)和化學(xué)藥物與紙漿進(jìn)行分離，獲得濃度和溫度高的黑液；②蒸發(fā)工段是將提取工段獲得的黑液蒸發(fā)水分后，使得黑液濃度達(dá)到50%以上進(jìn)入燃燒工段；③燃燒工段是將蒸發(fā)工段獲得的高濃度黑液摻入芒硝送進(jìn)燃燒爐中燃燒有機(jī)物，回收剩余的無機(jī)物和燃燒產(chǎn)生的熱能；④苛化工段：燃燒后得到的是熔融狀態(tài)下的無機(jī)物，經(jīng)過溶解形成主要成分是碳酸鈉的綠液，向綠液中加入石灰乳即Ca(OH)2，碳酸鈉與石灰乳反應(yīng)生成氫氧化鈉和碳酸鈣沉淀，對碳酸鈣沉淀進(jìn)行回收，將氫氧化鈉溶液再送給蒸煮工段進(jìn)行循環(huán)使用。堿回收工藝流程如圖1所示[2]。

圖1 堿回收工藝流程圖Fig.1 Alkali recovery process flow chart

1.2 蒸發(fā)工藝過程分析

制漿工段提取的黑液濃度比較低，不能直接送入燃燒爐，必須經(jīng)過蒸發(fā)濃縮使黑液含水量降低到一定程度。對黑液進(jìn)行蒸發(fā)濃縮是在多效蒸發(fā)器中進(jìn)行，它包含黑液流動方向、蒸汽加熱過程和冷凝水收集等。

黑液蒸發(fā)使用的多效蒸發(fā)器有順流式、逆流式以及混流式3種形式，其中混流式是將順流式和逆流式的優(yōu)點相結(jié)合，是生產(chǎn)中使用最多的一種。四效混流式蒸發(fā)器工藝流程圖如圖2所示。低壓蒸汽首先經(jīng)過Ⅰ效蒸發(fā)器，Ⅰ效蒸發(fā)器所產(chǎn)生的二次蒸汽經(jīng)過閃蒸罐閃急蒸發(fā)后，再引入Ⅱ效，為Ⅱ效提供熱能，后面各效依此類推。Ⅲ、Ⅳ效加入稀黑液生產(chǎn)半濃液，Ⅰ、Ⅱ效加入半濃液生產(chǎn)濃黑液。黑液流向與蒸汽相反，采用逆流供液方式，稀黑液從Ⅲ效進(jìn)入，從Ⅳ效出來后經(jīng)過預(yù)熱器后進(jìn)入Ⅱ效，濃黑液從Ⅰ效出效[3]。本課題設(shè)計的控制系統(tǒng)即是對Ⅰ效蒸發(fā)器的出效濃黑液的濃度與液位進(jìn)行測控。

圖2 四效混流式蒸發(fā)器示意圖Fig.2 Schematic diagram of four-effect evaporator

1.3 蒸發(fā)工段重要參量的控制要求

1.3.1 黑液液位的控制

蒸發(fā)過程中，如果蒸發(fā)罐的液位發(fā)生變化，將會對蒸發(fā)罐中的壓力造成較大影響，黑液的黏度變大，粘在蒸發(fā)板上使得蒸發(fā)板結(jié)垢，黑液得不到很好的蒸發(fā)，從而蒸發(fā)失敗，所以蒸發(fā)罐液位的穩(wěn)定控制很重要。

1.3.2 黑液濃度的控制

堿回收蒸發(fā)工段的目的是對黑液進(jìn)行濃縮，使其濃度達(dá)到燃燒工段的要求，所以黑液濃度的控制是蒸發(fā)工段一個至關(guān)重要的過程。黑液濃度受很多因素的影響，黑液初始濃度、流量、各效蒸發(fā)器的壓力等。多效蒸發(fā)器是個時變、干擾多、大時滯系統(tǒng)，常規(guī)控制很難達(dá)到控制系統(tǒng)要求，所以本課題采取神經(jīng)網(wǎng)絡(luò)算法與PID算法進(jìn)行結(jié)合構(gòu)成基于RBF神經(jīng)網(wǎng)絡(luò)控制，對黑液濃度和流量進(jìn)行解耦在線辨識，對控制器參數(shù)在線實時調(diào)節(jié)[4]。

2 黑液液位和濃度的控制設(shè)計

2.1 黑液液位的控制設(shè)計

針對堿回收黑液液位具有非線性、時變、大時滯的特點，常規(guī)PID不能滿足其控制要求，而神經(jīng)網(wǎng)絡(luò)在處理非線性、時變、大時滯的控制系統(tǒng)表現(xiàn)出很好的優(yōu)越性，所以本文設(shè)計以神經(jīng)網(wǎng)絡(luò)和PID控制相結(jié)合的新型控制方法PIDNN，它能將傳統(tǒng)PID和神經(jīng)網(wǎng)絡(luò)的優(yōu)點進(jìn)行巧妙地結(jié)合，不僅結(jié)構(gòu)簡單，而且具有自適應(yīng)學(xué)習(xí)能力，可以很好地改善黑液液位的控制。PIDNN控制器的結(jié)構(gòu)如圖3所示[6]，它由兩部分構(gòu)成，一部分是傳統(tǒng)PID控制器，將被控對象形成閉環(huán)控制，對Kp、Ki、Kd3個參數(shù)進(jìn)行在線實時調(diào)整；另一部分是神經(jīng)網(wǎng)絡(luò)，它根據(jù)控制系統(tǒng)的運(yùn)行情況，對權(quán)系數(shù)做出調(diào)整，將輸出層神經(jīng)元的輸出與PID控制器的參數(shù)進(jìn)行對應(yīng)，使得PID控制器的參數(shù)得以整定。

圖3 神經(jīng)網(wǎng)絡(luò)的PIDNN控制結(jié)構(gòu)Fig.3 PIDNN control structure of neural network

為了完善PIDNN控制系統(tǒng)的控制功能，對其做了如下一些改進(jìn)[5]。

2.1.1 輸出函數(shù)的改進(jìn)

為了加快控制系統(tǒng)的數(shù)據(jù)處理能力，使它更快的收斂，將PIDNN控制系統(tǒng)的輸出范圍限制在[-1，1]，PIDNN通常使用比例閾值函數(shù)，有時會產(chǎn)生數(shù)據(jù)收斂速度慢、陷進(jìn)極小值點。在此采用正切函數(shù)來替代比例閾值函數(shù)，使得神經(jīng)網(wǎng)絡(luò)避免進(jìn)入局部極小值點。

2.1.2 附加動量項

給每一個加權(quán)調(diào)節(jié)量加上一個與上次加權(quán)變化量成正比的值，就是附加動量項，引進(jìn)動量項會使對權(quán)值的調(diào)節(jié)向平均方向進(jìn)行，能夠使得神經(jīng)網(wǎng)絡(luò)不進(jìn)入局部最小值。

2.1.3 PIDNN控制流程

PIDNN控制流程如圖4所示，先將控制對象傳遞函數(shù)轉(zhuǎn)化成差分方程，使得連續(xù)系統(tǒng)變成采樣系統(tǒng)，對PIDNN參數(shù)進(jìn)行初始化設(shè)置，設(shè)定采樣步數(shù)，先對輸入液位信號進(jìn)行前向計算得出輸出液位，然后在進(jìn)行反傳計算，對PIDNN參數(shù)在線實時調(diào)整。

圖4 PIDNN控制流程Fig.4 PIDNN control process

將黑液液位在PID、BP-PID和PIDNN控制下進(jìn)行仿真對比，結(jié)果如圖5所示。從圖5可以看出，與PID控制相比，PIDNN的調(diào)節(jié)時間減少18 s，超調(diào)量降低約20%；與BP-PID相比，PIDNN的調(diào)節(jié)時間降低14 s，超調(diào)量降低明顯，并且PIDNN到達(dá)峰值的時間也相對減少，說明PIDNN控制在響應(yīng)速度和性能上均有所提升。

圖5 不同控制模式下黑液液位的階躍響應(yīng)曲線Fig.5 Step response curves of black liquor level in different control modes

2.2 黑液濃度的控制設(shè)計

黑液濃度控制是個大時滯、時變、耦合控制系統(tǒng)，采取常規(guī)PID控制方法得不到滿意的效果。本課題對黑液濃度設(shè)計1個基于徑向基函數(shù)（RBF）的神經(jīng)網(wǎng)絡(luò)控制，將RBF神經(jīng)網(wǎng)絡(luò)辨識與傳統(tǒng)PID進(jìn)行結(jié)合，如圖6所示[7]，C g、F g分別代表出效黑液濃度和流量的期望值，P0為進(jìn)Ⅰ效蒸發(fā)器加熱蒸汽壓力，F(xiàn)0為進(jìn)Ⅲ效蒸發(fā)器稀黑液的流量。在該控制系統(tǒng)中，濃度和流量2個控制結(jié)構(gòu)一樣，RBF神經(jīng)網(wǎng)絡(luò)對控制對象進(jìn)行在線辨識，對自身權(quán)系數(shù)進(jìn)行實時調(diào)整，輸出量作為PID控制器Kp、Ki、Kd3個參數(shù)，從而使得PID控制器的參數(shù)得以實時調(diào)整，大大改善了PID控制器的控制功能，提高了學(xué)習(xí)速度，增強(qiáng)了抗干擾能力，使得黑液濃度控制精度得到提高。

圖6 基于RBF神經(jīng)網(wǎng)絡(luò)的黑液濃度與流量的PID控制結(jié)構(gòu)Fig.6 PID control structure of black liquor concentration and flow based on RBF neural network

基于RBF解耦控制的黑液流量階躍仿真曲線如圖7所示，黑液流量實際值可以很好地跟隨給定值。黑液濃度的仿真曲線如圖8所示，黑液濃度的給定值發(fā)生變化時，對黑液濃度實際值產(chǎn)生的影響很小，同時黑液濃度的變化對黑液流量的影響也很小。

圖7 基于RBF解耦控制的黑液流量仿真曲線圖Fig.7 Black liquor flow simulation curve based on RBF decoupling control

圖8 基于RBF解耦控制的黑液濃度仿真曲線Fig.8 Black liquor concentration simulation curve based on RBF decoupling control

3 黑液蒸發(fā)濃縮工段的實現(xiàn)

根據(jù)黑液蒸發(fā)濃縮過程的特點，選用SIMATIC PCS7過程控制系統(tǒng)，可實現(xiàn)模塊化編程、組態(tài)容易、調(diào)試方便等，對項目實施有一定的優(yōu)勢。主控站選用SIEMENSPLC315-2DP控制器，ET200為從站對黑液液位和濃度進(jìn)行控制，控制器負(fù)責(zé)數(shù)據(jù)的采集、處理、變換與上位機(jī)通信等工作，可獨立運(yùn)行，保證了系統(tǒng)的可靠性，控制系統(tǒng)硬件組態(tài)如圖9所示[8]?，F(xiàn)場溫度、液位、壓力、流量等參數(shù)使用標(biāo)準(zhǔn)的4-200 mA模擬量現(xiàn)場儀表進(jìn)行數(shù)據(jù)采集，然后經(jīng)電纜將控制程序執(zhí)行的結(jié)果輸送給現(xiàn)場執(zhí)行器。溫度采用鉑熱電阻進(jìn)行參數(shù)檢測，Ⅰ效、Ⅱ效蒸發(fā)器采用壓力變送器進(jìn)行參數(shù)采集，Ⅲ效和Ⅳ效采用絕對壓力變送器進(jìn)行參數(shù)采集，液位采用法蘭式差壓變送器進(jìn)行參數(shù)采集。閉環(huán)控制回路使用氣動調(diào)節(jié)閥作為執(zhí)行器，控制精度要求不高的開環(huán)控制回路使用電磁閥作為執(zhí)行器。

圖9 控制系統(tǒng)硬件組態(tài)Fig.9 Control system hardware configuration

將軟件程序以及硬件組態(tài)下載到PLC控制器中，設(shè)置初始液位為155 mm，然后切換為自動運(yùn)行狀態(tài)，等運(yùn)行穩(wěn)定后加入階躍響應(yīng)，將液位設(shè)定值更改為100 mm，等運(yùn)行穩(wěn)定后，再次將液位設(shè)定值恢復(fù)到155 mm，系統(tǒng)的響應(yīng)曲線如圖10所示，該控制系統(tǒng)對黑液液位起到很好的控制效果，基本沒有超調(diào)，并且調(diào)節(jié)速度快。

圖10 黑液液位控制效果圖Fig.10 Black liquor level control effect diagram

4 結(jié) 論

以黑液堿回收的蒸發(fā)工段為控制對象，將神經(jīng)網(wǎng)絡(luò)和PID進(jìn)行結(jié)合，構(gòu)成PIDNN控制器，對黑液液位進(jìn)行控制。與傳統(tǒng)PID控制相比，PIDNN的調(diào)節(jié)時間減少約18 s，超調(diào)量降低約20%；與BP-PID相比，PIDNN的調(diào)節(jié)時間降低約14 s。將神經(jīng)網(wǎng)絡(luò)算法與PID算法進(jìn)行結(jié)合構(gòu)成基于徑向基函數(shù)（RBF）的神經(jīng)網(wǎng)絡(luò)控制，對黑液濃度和流量進(jìn)行解耦在線辨識，對控制器參數(shù)在線實時調(diào)節(jié)，黑液濃度的實際值可以快速跟隨給定信號，有效黑液流量的變化對其干擾很小。