基于趨勢預測和分區反饋的梗絲氣流干燥出口含水率精準控制策略

劉穎，劉穗君，馮凱迪，李超，楊光露，王海宇

1.河南中煙工業有限責任公司 南陽卷煙廠，河南 南陽 473007；2.河南中心線電子科技有限公司，河南 鄭州 450004；3.鄭州大學 商學院，河南 鄭州 450001

0 引言

煙梗是卷煙生產的重要原料之一，鑒于其理化特性與煙葉存在明顯的區別，須采用單獨工藝進行加工處理[1]。梗絲膨脹干燥是控制成品梗絲含水率的關鍵工序，目前該工序廣泛采用的設備類型主要是氣流式干燥機[2]，相較于滾筒式加工模式，氣流式干燥具有更好的加工效果[3]。在生產實踐中，常使用梗絲低速氣流干燥機進行梗絲干燥[4]，其中含水率的波動通過PID進行反饋控制，但存在響應速度較慢、控制不及時、過程能力偏低等問題，梗絲質量穩定性得不到保障[5-6]。近年來，關于梗絲氣流干燥在實際應用過程中出現的出口含水率穩定性不足問題，其相關研究主要集中在設備改造和控制模式優化兩個方面[7-8]。對于設備，研究者們分別對進料管、勻風裝置、干燥管道等相關干燥設備進行改造以提升控制效果[9-11]；而在控制模式方面，楊艷陽等[12]通過調整出口水分儀檢測點位置、在風送工序出口的落料器上安裝計量管、優化PID控制程序等方式，對出口含水率的控制模式進行了優化；任志軍等[13]針對烘梗絲過程的不確定性、非線性及存在大滯后等特點，提出了一種基于模糊控制和 PID控制相結合的控制策略。上述研究中設備改造對于出口含水率穩性的提升非常有限，控制模式優化則大多都是對原有PID控制模式進行的改進，能夠在一定程度上改善梗絲干燥工序出口含水率控制的響應速度和穩定性，但依舊無法解決PID控制模式單一，且存在超調、振蕩、控制滯后等不足的問題。業界也有不少新的控制策略研究，如劉穗君等[14]在松散回潮工序采用統計回歸的方法構建了基于來料含水率變化趨勢的預測分析模型；石東寶[15]在物流路徑優化中采用分區段反饋控制的方法提高控制系統的響應速度和準確性等，但在梗絲氣流式干燥工序還未見相關應用研究?；诖?，本文采用分區反饋控制的方式進一步提高對干燥機出口含水率偏差的響應能力，同時結合對來料含水率變化趨勢的預測分析，在原有的PID反饋控制的基礎上構建前、后反饋相結合的控制模型，以提高梗絲氣流干燥出口含水率穩定性的控制能力。

1 問題的提出

卷煙廠梗絲干燥工序普遍使用的SH23A型梗絲低速氣流干燥機主要以蒸汽為熱源，通過熱風為梗絲提供水分蒸發的熱量并帶走梗絲蒸發產生的水蒸氣，熱風風門的風量大小主要由風門氣動薄膜閥的開度值決定，因此可將其作為氣流干燥出口含水率的控制量。生產過程中出口含水率的實時數據由出口水分儀傳輸給PID控制程序，根據出口含水率實際值與目標值的偏差計算實時控制量，自動調整熱風風量，以實現對出口含水率的調節。在實際應用中，梗絲干燥工序的控制精度往往不高，出口含水率波動頻繁，合格率偏低，究其原因，主要來自兩個方面：一是PID控制本身調整較為緩慢，容易出現滯后和振蕩；二是來料含水率波動較大，僅根據出口含水率的偏差進行調整不夠準確。因此，有必要對原有的控制模式進行優化設計。

2 控制模型的優化設計

本文采用趨勢預測的方法對出口含水率進行預先調整；而針對PID控制調整緩慢的問題，則采用分區精準反饋控制加以改進。

2.1 分區精準反饋控制

出口含水率實際值與出口含水率設定值的偏差可以表示為

E(k)=y(k)-T

其中，y(k)為k時刻出口含水率實際值，T為k時刻出口含水率設定值。

分區精準反饋控制的基本思想是對偏差E(k)的取值進行分區，在不同分區內，采用不同程度的調整方式來快速響應出口含水率的偏差。以出口含水率的設定值T為中心，±0.1為中間區A區，在此區間時干燥機出口含水率控制量保持不變；0.1～0.3區域為B區，-0.1～-0.3區域為-B區；0.3～0.5區域為C區，-0.3～-0.5區域為-C區；超出0.5區域為D區，超出-0.5區域為-D區(見圖1)。

圖1 出口含水率分區控制圖Fig.1 Partition control chart of outlet moisture content

為了獲得準確的調整幅度，采用統計回歸分析的方法進行優化設計。以B區為例，選取實際生產過程中出口含水率處于B區和-B區且對控制量進行了調整的數據，分別確定每次控制量的變化值與對應的控制結果(用控制量變化時刻點1 min后連續10次的采樣值與出口含水率設定值的差來計算)，共收集50組進行控制量變化值與控制結果的回歸分析，見圖2。

圖2 控制量變化值與控制結果的回歸分析Fig.2 Regression analysis of control quantity change value and control result

由圖2可知，當控制量變化值為2時，控制結果的值最小，大約為0.03～0.07?？刂平Y果越小，說明出口含水率實際值與設定值越接近，因此在B區時，控制量的變化值選擇2是最優的。按照同樣的方式可以得到其他分區的控制量變化程度的最優取值，并由此得出以下分區反饋控制策略。

B區規則：若E(k)、E(k+1)和E(k+2)連續3個點都在B區，則干燥機出口含水率控制量減少2；若E(k)、E(k+1)和E(k+2)連續3個點都在-B區，則干燥機出口含水率控制量增大2。

C區規則：若E(k)、E(k+1)和E(k+2)連續3個點都在C區，則干燥機出口含水率控制量減少4；若E(k)、E(k+1)和E(k+2)連續3個點都在-C區，則干燥機出口含水率控制量增大4。

D區規則：若E(k)、E(k+1)和E(k+2)連續3個點都在D區，則干燥機出口含水率控制量減少7；若E(k)、E(k+1)和E(k+2)連續3個點都在-D區，則干燥機出口含水率控制量增大7。

由于存在調整延遲，因此在根據上述規則進行調整后1 min內,若出現滿足同一規則的情況，不進行調整；若出現滿足更高規則(D高于C，C高于B)的情況，則按高規則進行調整并重新計時；1 min后不再計時，滿足任意規則都需要進行調整。

2.2 趨勢預測控制

梗絲氣流干燥來料含水率的變化也是影響出口含水率穩定性的一個重要影響因素，來料含水率若出現較大程度的波動將不可避免地造成出口含水率的變化。圖3為來料含水率與出口含水率的時間序列圖。

圖3 來料含水率與出口含水率的時間序列圖Fig.3 Time series plots of inlet and outlet moisture content

從圖3可以看出，來料含水率的連續增大或減小會造成出口含水率的整體升高或降低，比如來料含水率從第71個時刻點開始出現連續下降的趨勢，來料含水率從32.10%快速下降到31.50%，導致對應的出口含水率從第73個時刻點的14.5%下降到121個時刻點的13.6%，并在13.8%左右持續振蕩；來料含水率在第164個時刻點的30.78%連續上升至第280個時刻點的32.33%，導致對應的出口含水率從第168個時刻點的13.7%上升到第303個時刻點的15.2%。雖然通過PID控制器的調整一定程度上降低了來料含水率的變化帶來的出口含水率的波動，但整體影響趨勢仍未消除。因此，有必要根據來料含水率的趨勢性變化及時地對出口含水率的控制參數進行更快速地調整，而當來料含水率僅出現一些偶然性或緩慢性的隨機波動時則不需要進行調整。

為了識別來料含水率的趨勢性變化，可令d(t)為每個采樣時刻的來料含水率x(t)與前一個采樣時刻的來料含水率x(t-1)的差，即

d(t)=x(t)-x(t-1)

參考符號(Sign)控制圖的構造方法[16-17],根據d(t)的取值，構造采樣時刻t的示性函數SN(t)：

按照控制圖判異準則中趨勢性偏移的判別方式[18]，可以通過分析連續多個采樣點的總體情況來識別來料含水率的波動，令Z(t)為t時刻及前6個時刻的SN值之和：

由此可以得出以下趨勢預測控制策略：

1)若Z(t)>3，說明來料含水率有增大的趨勢，可將干燥機出口含水率控制量減少1；

2)若Z(t)<-3，說明來料含水率有減小的趨勢，可將干燥機出口含水率控制量增大1；

3)若-3≤Z(t)≤3，說明來料含水率沒有趨勢性變化，出口含水率控制量不做調整。

2.3 整合控制模型

在原有PID控制模型基礎上，結合分區精準反饋控制與趨勢預測控制策略，形成了圖4所示梗絲氣流干燥的整合控制模型。

圖4 梗絲氣流干燥的整合控制模型Fig.4 Control model of tobacco cut stem airflow drying

首先，以梗絲氣流干燥工序的來料含水率作為過程輸入，通過對來料含水率變化趨勢的預測進行含水率的前饋控制；而后，在工序生產過程中，以梗絲氣流干燥工序的出口含水率作為過程輸出，根據出口含水率的變化進行PID反饋控制，以確保出口含水率的穩定性；最后，根據出口含水率實際值的偏移程度，通過分區控制的方法來減小其與目標值的偏差。這3種控制方式同步運行，通過來料含水率的趨勢性分析實現對干燥機內物料含水率的預先控制，通過PID控制實現出口含水率控制的連續性和穩定性，通過分區精準控制有效降低出口含水率的誤差。

3 實際應用效果

為了驗證整合控制模型的有效性，以南陽卷煙廠在產梗絲為驗證對象，在該廠的氣流式梗絲干燥設備上，對整合控制模型應用前后的出口含水率數據進行比較分析。設定物料流量2000 kg/h，閃蒸蒸汽流量650 kg/h，混合風溫200 ℃，出口含水率的檢測采用TM710e在線煙草水分儀，數據采集間隔為6 s。從第350個時刻點開始應用整合控制模型，控制模型應用前后的數據趨勢分析結果如圖5所示。

圖5 控制模型應用前后的數據趨勢分析Fig.5 Data trend analysis before and after application of control model

由圖5可以看出，模型應用前，出口含水率的實際值存在較大幅度的連續性變化，這是由于僅采用PID控制難以對生產過程中的變化情況及時做出響應，這種響應延遲造成了出口含水率持續向一個方向變化(連續增大或減小)，進而形成了連續的過程振蕩；而模型應用后，通過分區精準控制和對來料含水率的趨勢預測，實現了對過程變化的快速響應和準確調控，過程波動顯著減小，過程質量穩定性得到明顯的提高。選取該控制模型應用前后各10個批次梗絲氣流干燥工序的出口含水率數據，分別計算20個批次出口含水率的均值、方差、極差、短期過程能力指數CPK等過程質量指標，進一步比較分析多個批次的出口含水率變化情況，結果如表1所示。

表1 模型應用前后梗絲氣流干燥出口含水率比較分析Table 1 Comparative analysis of outlet moisture content in tobacco cut stem airflow drying before and after application of the model

由表1可以看出，梗絲氣流干燥出口含水率的平均偏移量從模型應用前的0.15%降低到模型應用后的0.10%，降低了33.3%；含水率標準偏差從模型應用前的0.290%降低到應用后的0.209%，降低了27.9%；極差從模型應用前的1.98%減少到應用后的1.71%，降低了13.6%；CPK從模型應用前的0.99提高到應用后的1.44，提高了45.4%。對多個批次整體控制效果的比對分析結果表明，分區反饋和趨勢預測的引入有效提高了梗絲氣流干燥工序對出口含水率的控制能力，可有效提高梗絲氣流干燥工序的控制精度。同時，在生產實踐過程中，整合控制模型的應用還減少了操作人員憑經驗實施的人為主觀干擾可能造成的質量隱患。

4 結論

本文在已有工業自動控制的基礎上，運用統計分析和智能控制技術，采用分區反饋控制的方式進一步提高了對干燥機出口含水率偏差的響應能力，同時結合對來料含水率變化趨勢的預測分析，在原有的PID反饋控制的基礎上構建了前、后反饋相結合的整合控制模型。以南陽卷煙廠在產梗絲為對象，對整合控制模型應用前后的出口含水率控制效果進行比對驗證，出口含水率的平均偏移量、標準偏差和極差等指標都顯著下降，過程能力指數明顯提升。

本文研究梗絲氣流干燥出口含水率精準控制策略過程中形成的技術路線，同樣可為其他類似控制模式的工序提供借鑒，在煙草制絲線智能質量控制中具有較好的推廣應用前景。