基于多級前饋與周期梯度尋優的燒結混合料水分控制方法

王瑞林，李自成，熊 濤，肖高興，張先玲

（1.武漢工程大學 電氣信息學院，湖北 武漢 430205；2.南京鋼鐵股份有限公司 煉鐵事業部，江蘇 南京 210044）

燒結礦生產過程包括配料、加水混合、布料、點火燒結、破碎冷卻和篩分等工序［1］。加水混合過程是其重要步驟，適宜的混合料水分可以使混合料達到最高成球率以及最大的料層透氣性［2］，其控制精度會直接或間接影響燒結礦的成品率與質量［3］。燒結混合料水分自動控制一直是國內外相關學者研究和實現的目標，如：聶慧遠［4］通過分析自動加水控制的難點，考慮典型親水、疏水原料下料波動對水分控制的影響，固定一混加水量且僅在二次混合采用多變量融合算法控制混合料水分；譚奇兵等［5］設計了混合料水分串級控制結構，在內外環皆采用PID控制器實現物料水分自動調節；李庭貴等［6］針對傳統PID控制在固定參數下難以保證系統性能的缺陷，結合模糊控制思想采用模糊推理方式自整定PID控制參數；SINGH等［7］利用機器學習與遺傳算法得到混合料水分率等關鍵參數最優解；劉偉東［8］應用神經網絡PID控制器和神經網絡辨識器及Smith預估補償器建立燒結混合料加水自動控制模型，并運用Simulink進行仿真研究。上述燒結混合料水分控制一般采用傳統的PID控制方法或加入一些現代控制方法，但其主要基于理論與仿真分析進行研究，而如何從工業應用實現的角度，針對加水混合工藝設計出有效的控制方法是燒結行業亟須解決的問題。

因加水混合被控系統存在大滯后性、非線性、檢測精度低、多變量干擾及數據波動等控制難點，同時考慮到工況復雜程度與安全成本因素，國內大多數燒結廠仍采用遠程手動控制加水量［9］，但在實際連續生產過程中由于操作工勞動強度大和不同的操作習慣，成品燒結礦的質量參差不齊［10］。為解決上述問題，本文提出一種多級前饋聯合周期梯度尋優控制策略用于燒結混合料的水分控制，以過程控制關鍵參數為依據，應用BP神經網絡模型預測燒結混合料的最優水分值，并用來指導目標水分值的設定；在停機、開車和不同控制模式切換時預留前一狀態參數，將其作為下一運行狀態的初始控制參數，保證連續生產并實現加水混合全過程自動化控制；最后，通過Simulink仿真及實際運行效果驗證上述控制策略的有效性。

1 加水混合工藝與特點

1.1 燒結原料加水混合制粒工藝

燒結生產工藝流程如圖1所示，其加水混合工藝普遍采用兩段混合方式。由圖1可見，在配料倉出口處給料圓盤設定下料速度后，混勻礦、燃料、熔劑、除塵灰、生石灰、返礦等原料先經過小皮帶稱重后匯入大皮帶，再進行兩段加水混合，出混料機后采用水分儀檢測混合料水分率［11］。一次混合是使混合料快速潤濕混勻、生石灰消化，混合時間為2～3 min，加水量占比約為80%；二次混合除繼續混勻潤濕外，其主要目的是制粒，混合時間更長（一般需要4～5 min），加水量占比為20%左右。經兩次加水混合后，水分率與粒度都適宜的混合料進行后續的布料、燒結等工序。

圖1 燒結生產工藝流程Fig.1 Sintering production process

1.2 加水混合過程的主要特點

1.2.1 大滯后性

燒結原料在配混過程中有明顯的滯后特性，主要體現在3個方面：①原料下料滯后，因配料倉在混料機前方呈“一”字排列，各原料下料稱重后運輸至混料機內的時間不同；②水分檢測滯后，混料機的慣性特性使得在同一時刻加水混合與被水分儀檢測的混合料不是同一段物料，混合料自進入混料機加水混合到最終被水分儀檢測，整個過程耗時3～5 min；③執行機構滯后，燒結用水一般為含有雜質且溫度較高的廠內冷卻循環水，傳統加水流量采用電動調節閥控制，響應周期較長且長期使用易結垢堵塞，因此國內燒結廠陸續改用變頻控制，水量調節時間得到大幅縮短。

現場實測國內某鋼鐵廠5號燒結機實際生產中各原料稱重后到達一混入口處、混合料加水混合后水分檢測和現場執行機構的滯后時間如表1所示。

表1 加水混合工藝各部分實測滯后時間Table 1 Themeasured lag time of each part of water m ixing process s

1.2.2 多參數的動態變化與強關聯性

實際生產過程中，存在原料質地分布、檢測儀器靈敏度、水壓、外界環境干擾等因素，在人為調度調整階段或工況穩定階段，各過程參數如原料下料量、水分率、加水量處于幅度大小不一的動態變化中，因配料系統同時參與下料的料倉多達十幾臺甚至二十多臺，進入混料機總進料量的波動不可忽視，而下料量的波動會引起加水量以及混合后物料含水率的變化。

國內某鋼鐵廠5號燒結機某日24 h實際生產中總下料量的變化情況如圖2所示，數據采樣周期為3 min。由圖2可見：在連續生產過程中，總下料量一直處于動態變化中，在人為調度階段，波動明顯，其范圍約為20 t/h；在工況穩定階段，波動幅度為目標值上下6 t/h以內，且不定期出現停機停料現象。上述兩類特點也是實現燒結混合料水分自動控制的主要難點，本文對此有針對性地提出一種自動優化控制策略。

圖2 不同運行階段下總下料量的波動情況Fig.2 Fluctuation of total feed quantity at different running stages

2 燒結混合料水分優化控制策略

2.1 多級前饋控制

前饋控制主要解決配料系統下料波動、下料滯后以及一混水分偏離問題，根據一、二次加水混合運行條件，采用不同前饋控制方法，當下料量變化與水分值偏離時對加水量進行快速粗調整。

2.1.1 一混下料延時跟蹤與波動處理

同一生產線上每一段料的稱重與加水混合時間不一致，需對各料倉下的皮帶秤稱重值（wti，t/h）做延時對正處理［12］，延時時間為各原料經皮帶秤稱重后運輸至一次混料機入口處的時間（Ti，s），根據各料種對水的吸收特性與人工長期工作經驗得到各原料加水系數（φi），得到n臺料倉出料時一混當前時刻加水量：

式中：h1（t）為一混當前時刻加水量，t/h；t表示當前時間，s；i為料倉編號。

考慮到各原料下料量動態變化，若將h1（t）直接作為一混前饋加水量，則調整次數過于頻繁，這不僅增加誤調整概率使系統震蕩，還會縮短硬件使用壽命。理想調整狀態是當工況穩定且下料波動幅度較小時不做調整；當生產調度人工主動干預時及時調整。設下一時刻一混前饋加水量：

參考工況穩定時下料波動最大幅值，并利用式（1）計算出對應的加水量閾值（hω），當加水量變化值Δh＝h1（t＋1）－h1（t）超過閾值時，即當｜Δh｜＞hω時，則將hω累加并作為一混前饋加水量h1。計算流程如圖3所示。

圖3 一混前饋加水量波動處理流程Fig.3 Flow chart of wave treatment of first m ixed feedforward water

2.1.2 二混補償式調節

若原料經一次加水混合后的水分值偏離目標水分值，則在二次混合時對加水量進行補償式調整。因此，可根據一次混合后混合料重量與水分偏離程度計算二混加水量：

式中：mb1為一混目標水分，%；mTm1為延時處理的一混后物料水分，%，延時時間為物料從水分儀檢測點運輸至二混入口處的時間Tm，s；wTwb為延時處理的一混后料重，t/h。

同理，因實測水分值的波動，需對二混前饋加水量進行超閾值處理得到二混加水前饋加水量h2。除以上兩種前饋調整外，當目標水分更改時，可以根據經驗對加水量做預處理，以達到提前調整的目的，那么多級前饋控制模型可用下式表示。

式中：Qi為前饋加水控制量，t/h；Δmbi為目標水分變化量，%；ηi為經驗折算系數；i為1、2。

2.2 周期梯度尋優

加水混合過程存在水分檢測滯后與執行機構響應滯后問題，而常規串級PID控制無法解決此類難題。因此，本文在前饋粗調整的基礎上，提出一種周期梯度尋優控制策略，對加水量進行微調，以滿足控制精度要求，控制結構如圖4所示。

圖4 周期梯度尋優控制策略的控制結構Fig.4 Control structure of periodic gradient optim ization control strategy

圖5 最優水分率神經網絡預測模型Fig.5 Neural network prediction model of optimalmoisture rate

燒結混合料水分控制系統采用多級前饋與雙閉環復合控制策略，其在閉環結構中內環使用PID控制器消除流量波動與執行機構時滯問題，外環主控制器采用周期梯度尋優控制算法，其主要控制思想用數學表示如下。

式中：Ψ為實測水分偏離目標水分所對應梯度區間的加水修正量，t/h；為實測水分平均值，%；mb為目標水分值，%；T為周期調節時間，s。

此算法以目標水分為中心設置多個等幅度梯度區間并以其相對中心點的距離固定一個加水修正量，將水分檢測滯后時間T作為實測水分平均值的采樣周期，周期累加偏離目標中心點梯度對應的加水修正量Ψ作為閉環調整量Y，直至實測水分率達到控制精度要求則得到最優加水量。

2.3 最優目標水分預測

不同的配礦結構條件下，適宜燒結過程的混合料水分各不相同，增加粗顆粒鐵料配比會使適宜的水分降低；增加粉狀鐵料配比會使適宜的水分增高［13］。而水分率的高低直接影響透氣性的好壞，目標水分率的設定一般由人工憑經驗設定，具有一定盲目性。因此考慮結合料層透氣性等過程參數應用BP神經網絡模型預測當前最優燒結混合料水分，指導目標水分率設定。

網絡的輸入端由點火溫度、根據各風箱氣體流量得到的綜合透氣性指數、粉狀礦以及顆粒礦的配比4個參數組成。選取大量工況穩定且透氣性良好時的過程參數作為網絡訓練樣本，預測當前運行狀態適合燒結的最優水分率。

2.4 全過程自動控制處理

實際燒結生產時會因故障檢修等出現短暫的緊急停機現象，而整個生產線高度連鎖、渾然一體，有著嚴格的開、停機順序。因此開、停機過程也是人工最忙的階段，不同階段下配合其他工序實現全過程自動加水是急需解決的問題。

開、停車階段主要有兩個特點：①滯、空料現象，因順停逆啟的開車順序導致傳輸帶上出現一段空料，皮帶上與混合機內等設備上滯留有未處理的原料；②前后參數一致性，短時間開、停機過程可以認為原料性質不變，并且空料段的位置與長短是一定的?；谝陨咸攸c，以混料機與相鄰其后皮帶機運行信號為開、停機信號，在急停時刻保留上一狀態時加水量等控制參數，并實測現場滯留料段與空料段距離以及運輸至混料機的時間；停機階段停止各控制算法，使變頻泵頻率賦零停止加水；開機后先以保留參數作為控制參數進行加水、停水、再加水三段式加水處理，最后納入算法控制，解決滯、空料問題，簡化人工操作并實現全過程自動化。

3 Simulink仿真與實際應用分析

為驗證本文控制算法可行性，結合實際生產過程在Simulink上搭建水分控制仿真模型，對比不同控制器的控制效果，并將該算法應用于某鋼鐵廠4＃、5＃燒結機的混合料水分控制，分析驗證實際應用成效。

3.1 Simulink仿真對比分析

混合料水分控制過程中的影響因素眾多。為保證仿真分析與設計的可靠性和準確性，在搭建仿真模型時需考慮被控對象的主要特征［14］?；炝蠙C與現場執行機構存在明顯的慣性與滯后特性，鑒于FOPDT（一階慣性加時滯模型）對高階時滯對象有著很強的逼近能力，因此采用FOPDT對內、外環的被控對象進行擬合，該模型簡化為

式中：G（s）為被控對象的傳遞函數；s為被控系統模型由時間域通過拉普拉斯變換得到復數域的復數自變量；K為比例系數；T為慣性時間，s；τ為滯后時間，s。

設定目標水分率為7.2%，并在運行過程中添加適當的擾動以模擬水壓及原料變化帶來的干擾，本文所搭建的燒結混合料水分控制仿真模型如圖6所示。

圖6 燒結混合料水分控制仿真對比Fig.6 Simulation comparison diagram of sintering m ixturemoisture control

在小滯后與大滯后兩種環境下，對比PID＋PID控制器與周期梯度尋優＋PID控制器的控制效果。仿真環境參數配置如表2所示。仿真運行結果如圖7所示。

表2 不同仿真環境下參數配置Table 2 Parameter configuration in different simulation environments

圖7 小滯后和大滯后環境下不同控制器的控制效果Fig.7 Control effects of different controllers in small and big lag environment

由圖7可知：小滯后環境下兩種控制器都能達到穩態，而周期梯度尋優控制比PID控制具有更小的超調量，能更快消除水壓等擾動因素；大滯后環境下周期梯度尋優算法依然能達到控制精度要求，PID控制則處于發散狀態，且在穩定控制的情況下，本文控制器的調節時間（400 s）優于文獻［2］中模糊PID控制器的調節時間（500 s），而大滯后仿真環境更符合實際生產運行條件。

本文采用Matlab軟件編寫搭建混合料適宜水分的BP神經網絡預測模型，設定網絡訓練樣本為某鋼鐵廠5＃燒結機2021年12月23日—2022年1月10日的實際生產數據，選取工況良好時的1 000組數據作為網絡的訓練集，并各選取150組數據作為驗證集與測試集。模型預測結果如圖8所示。由圖8可知，訓練后，該模型線性回歸的擬合度在80%以上，其預測結果對目標水分設定有一定指導意義。

圖8 燒結混合料適宜水分率神經網絡預測的線性回歸Fig.8 Linear regression diagram of suitablemoisture rate of sinter m ixture predicted by neural network

3.2 實際應用驗證

基于本文所述優化控制方法的燒結混合料水分控制系統已應用于某鋼鐵廠4＃、5＃燒結機，系統投運后，二混后水分穩定性以及燒結自動化水平顯著提高。由于加水混合工序中二混后實測水分為最終控制的水分，且實際生產時常以二混后水分控制的好壞為評判依據，本文截取系統應用后某開、停機時間段以及長時間自動控制模式下二混后混合料水分控制的運行數據，該時期內二混目標水分設定值為7.2%，其控制效果分別如圖9所示。由圖9可知，在不同工況切換以及長時間生產運行的情況下，控制系統能識別開、停車狀態及時調整加水量，并能在目標水分設定值0.3%的誤差內自動控制混合料水分，滿足生產需求。

圖9 系統開停車階段和長時間自動運行效果Fig.9 Effect of system startup and shutdown phase and long-term automatic operation

4 結 論

通過分析燒結混合料加水混合過程特點與實際生產需求，針對性地設計出一系列水分優化控制策略，所述方法在仿真實驗中有良好的性能，由此方法所搭建的控制系統成功應用于實踐。并得出如下主要結論：①針對加水混合工藝與特點，采用多級前饋控制能在過程參數變化時對加水量進行粗調整，且相比較于傳統閉環控制，周期梯度尋優算法在大滯后大慣性的環境下有著更顯著的控制性能；②應用BP神經網絡模型預測當前最優水分率以及開、停車階段全自動控制能大幅度降低人工勞動強度。通過仿真與工業應用驗證了本文控制策略的優越性，系統投入實際生產后，顯著提升了燒結自動化水平。