糧食干燥過程的先進控制（1）
李國昉1，2 毛志懷2
（1 河北科技師范學院機電系，秦皇島 066600 2 中國農業大學工學院，北京 100083）
摘 要: 在分析先進控制特點的基礎上，總結了糧食干燥過程中先進控制方法的發展與現狀，指出了干燥過程控制中的存在問題，并提出了糧食干燥過程控制的發展方向。
關鍵詞：干燥；先進控制；自適應控制；模型預測控制；專家控制；模糊控制；神經網絡控制
糧食干燥的基本目標是保持干燥過程穩定的前提下，以最低的干燥成本和能耗得到谷物最優的烘干品質。糧食干燥過程是典型的非線性、多變量、大滯后、參數關聯耦合的非穩態傳熱傳質過程，糧食本身又是一種復雜的生物化學物質，為達到上述目標，在干燥過程中必須不斷地調整干燥參數，對干燥機工作過程進行控制。干燥過程的自動控制是實現干燥機優質、高效、低耗、安全作業的有效手段。實現干燥過程的自動控制，實現糧食干燥機的自動控制，對保證出機糧食水分均勻一致、干后糧食品質、減輕操作人員勞動強度及充分發揮干燥機生產能力等具有重要意義。根據國家糧食局在《“十五”糧食行業科技發展規劃》[1] 中制定的發展目標，糧食烘干過程的在線監測和自動控制已成為提高我國糧食干燥處理工藝效率的關鍵問題和實現“十五”規劃的重要途徑。隨著我國對糧庫建設投入力度的加大，糧食加工業與國際日益接軌，糧食干燥的自動化將為我國的糧食加入國際流通大市場奠定基礎。
1 先進控制的特點
糧食干燥過程自動控制問題的研究開始于20世紀60年代。當時使用前饋控制、反饋控制、反饋-前饋控制和自適應控制等傳統控制方法。傳統控制理論采用差分方程或傳遞函數，把干燥過程系統的知識和已有的信息表達成解析式。但是在使用和設計采用上述控制方法的谷物干燥機控制系統時會遇到很多困難，原因是：（1）谷物干燥過程是復雜的、時變的和非線性的；（2）某些干燥過程變量(如谷物品質和色澤)是不能直接測量的，有些變量(例如谷物水分含量)的測量可能是不連續、不精確、不完整或不可靠的；（3）干燥機的過程模型是對實際過程的近似，而且需要大量的計算時間；（4）幾乎不可能用一個適當的模型來表示像干燥過程這樣一個非線性、滯后、時變的復雜系統；（5）谷物干燥機的被控變量和控制變量之間存在交互效應；（6）谷物干燥機的作業條件復雜，擾動變量的范圍寬，難以調控。
顯然，要克服上述困難需要對谷物干燥機的傳統控制方法不斷改進，同時要探索新的、更有效的控制方法。20世紀70 年代，電子行業的進步，尤其是計算機技術的發展使得現在所謂的先進控制的思想得以廣泛的傳播。先進控制的目標就是為了解決那些采用常規控制效果不佳，甚至無法控制的復雜工業過程控制問題。近年來，現代控制和人工智能取得了長足的發展，為先進控制系統的實施奠定了強大的理論基礎；而控制計算機是集散控制系統（DCS）的普及，計算機網絡技術的突飛猛進，則為先進控制的應用提供了強有力的硬件和軟件平臺。總之，工業發展的需要、控制理論和計算機及網絡技術的發展強有力地推動了先進控制的發展。
計算機技術飛速發展，人工智能控制理論開始在千燥機控制中得到應用，明顯改善了千燥機控制系統的性能。傳統控制方法由于大滯后和對糧食干燥過程的非線性聯系，不適于控制糧食干燥機。人工智能技術進步在工程領域中廣泛應用，先進控制理論和控制方法應用到谷物干燥過程的自動化控制中，控制方法不斷改進，控制效果提高。90年代后，過程控制己經開始向智能化發展，智能控制理論日益與干燥技術結合在一起，利用人工神經網絡對干燥過程進行模型模擬和控制；專家系統應用于谷物品質預測、干燥過程控制和管理咨詢等方面。
與控制理論、儀表、計算機、計算機通信與網絡等技術密切相關的先進控制系統，具有以下特點：
(1)先進控制系統的理論基礎主要是基于模型的控制策略，如:模型預測控制，這些控制策略充分利用工業過程輸入輸出有關信息建立系統模型，而不必依賴對反應機理的深入研究。日前，基于知識的控制，如專家控制和模糊邏輯控制正成為先進控制的一個重要發展方向。
（2）先進控制系統通常用于處理復雜的多變是過程控制問題，如大時滯、多變量耦合、被控變最與控制變量存在著各種約束等。采用的先進控制策略是建立在常規單回路控制基礎之上的動態協調約束控制，可使控制系統適應實際工業生產過程動態特性和操作要求。
（3）先進控制系統的實現需要較高性能的計算機作為支持平臺.由于先進控制器控制算法的復雜性和計算機硬件兩方面因素的影響，復雜系統的先進控制算法通常是在上位機上實施的。隨著DCS功能的不斷增強和先進控制技術的發展，部分先進控制策略可以與基本控制回路一在DCS上實現。后一種方式可有效她增強先進控制的可靠性、可操作性和可維護性。
2 干燥過程先進控制發展現狀
先進控例策路是先進控制系統的核心內容，目前先進控制策略種類繁多，干燥過程中主要的先進控制策略有:預測控制、模糊邏輯控制、神經控制、自適應控制、專家系統。
2.1 基于模型的控制
2.1.1 自適應控制
自適應控制的基本原理是根據干燥過程參數的變化和外界干擾隨時調整控制參數，使干燥機處于最佳的工作狀態。自適應控制具有適用多種糧食干燥機、無須任何關于干燥機自己特點的數據、對環境條件和糧食狀況無特殊要求、控制器對干擾的響應速度較快、控制模型中的參數能隨外界條件的變化進行自動調節等優點。瑞典Nybrant（1985）把自校正技術應用到橫流谷物干燥機控制。干燥機排氣溫度作為輸出變量，谷物排糧速率用作被控變量，并選擇自動回歸移動平均（ARMA）模型表現橫流干燥機的動態特性。在實驗室橫流干燥機上進行了驗證性試驗，控制誤差的標準差在后50個樣本期間是0.13℃。結果表明，自適應控制器能夠比較準確的控制排氣溫度。劉建軍[5]（2003年）對HTJ-200型烘干機進行研究，通過在線樣本的采集和智能優化算法對系統進行定量分析，建立由實時檢測數據所確定的過程智能模型，再通過智能優化算法調用人工智能模型，獲取系統的控制規則，由控制程序給出控制量經D/A轉換后輸出給執行部件。李曉斌等[3]（1998）研究真空冷凍干燥設備的先進控制系統，針對不同凍干物料的工藝要求，采取DRA算法和臨界比例法兩種自適應、自整定控制方法，解決了被控對象主控參數--溫度的滯后問題。
2.1.2 模型預測控制
過程控制理論的最新研究領域是模型預測控制，是基于模型、滾動實施并結合反饋校正的優化控制算法，它對于控制非線性和大滯后過程尤其有效。
Forbes，Jacobson，Rhodes，和Sullivan[24]（1984)和Eltigani設計了基于模型的干燥控制器，其控制行為基于一個過程模型和一個所謂的假冒的入口谷物水分含量。干燥速率參數根據模型預測值和傳感器出口實測的水分含量之差間歇式更新。Forbes和Eltigani控制器的不同在于控制算法中所用的過程模型的種類不同。密執安大學的劉強[25]（2001）提出了橫流干燥機的模型預測控制器。仿真測試在一臺Zimmerman VT-1210塔式橫流谷物干燥機上進行，利用Labview建立的控制器能夠成功運作，并實現出口處玉米含水率控制在設定點的0.7%以內。控制器對進入干燥機的入口谷物含水率相當大范圍的變化，以及熱風溫度的大階躍變化都能進行良好補償。
對模型預測控制研究中，較多工作集中于過程模型的的建立和求解，且在模型中考慮干燥品質問題。法國的P.Dufour [31]等人（2003）借助偏微分方程（PDES），將模型預測控制拓展到系統模型，從而使PDES方程能夠大規模應用。他們提出了一個全局模型，旨在減少由于基于最優化任務解決方案的PDE模型所帶來的在線計算時間。開發出與實際中大量應用的IMC結構相結合的一個通用的MPC框架。在IMC- MPC結構中用到了兩個反饋環，以校正過程性能和基于模型的在線優化器中所引起的模擬誤差。丹麥的Helge Didriksen[29]（2002）開發了一個滾筒干燥機的描述質量、能量和動量轉換的動態一次法則模型，并應用到糖廠干燥甜菜中的預測控制。結果表明，隨著操作變量和干擾變化，該模型具有較好的預測能力。通過模擬比較了帶有模型預測控制和傳統的反饋控制，模型預測控制表現出了更優的性能。法國的I．C．Trelea，G.Trystram 和 F.Courtois[27]于1997年設計了用于批式干燥過程的非線性預測優化控制算法，在中試規模的干燥機上進行了測試。實驗表明，算法可處理重要的干擾和失效該控制算法可方便地用于其它批式過程，如冷凍、殺菌或發酵。有些學者將神經網絡用于模型預測控制過程建模。Jay[32]（1996）初次將神經網絡模型用于干燥過程預測控制。法國的J.A. Hernandez-Perez等 [33]（2004）提出了基于人工神經網絡的傳質傳熱預測模型，該模型將產品收縮作為水分的函數，應用了帶有一個隱藏層的兩個獨立的前饋網絡，隱藏層中帶有三個神經細胞，可精確預測傳質傳熱。在數據裝置校驗中，模擬和實驗運動學測試相一致。開發的模型可用于干燥過程的在線狀態估計和控制。
2.2 智能控制
智能控制是一門新興的理論和技術，它是傳統控制發展的高級階段。這是以無模型為特征的更接近于人腦思維方式的一種控制理論，主要用來解決那些用傳統方法難以解決的復雜系統的控制，其控制器的設計擺脫了系統模型的束縛，算法簡單、魯棒性強。目前，專家控制、神經控制和模糊控制等智能控制技術正成為先進控制的一個重要發展方向。
2.2.1 專家控制
專家系統技術能把數學算法和控制工程師的操作經驗融合到一起，最大限度的利用已有知識，達到傳統控制方式難以取得的控制效果。專家控制系統運行在連續的實時環境中，利用實時信息處理的方式來監控系統的動態特性， 并給出適當的控制作用。將專家系統技術與糧食干燥過程控制相結合，用于糧食的生產、管理和監控，可提高糧食的生產效率及生產效益。劉明山[12]（2001）研制了一種糧食干燥模糊控制專家系統，將仿真結果與實測數據進行對照，兩者基本一致。劉淑榮[13]（2001）將專家系統技術與干燥過程控制相結合，設計了一個高水分糧烘干過程控制的模糊專家系統。何玉春[14]（2001）通過專家智能控制在干燥過程中把烘干參數優化，在烘干設備的設計和干燥過程中求出能耗、效率、品質的共利點，使干燥機沿著共利線對谷物進行烘干，使設備在干燥過程中始終處于最佳操作；同時，將溫度測控技術與網絡技術互聯，建立一套簡單而有效的基于溫度的網絡測控系統。
2.2.2 神經網絡控制
神經網絡可為復雜非線性過程的建模提供有效的方法，進而可用于過程軟測量和控制系統的設計上。神經網絡在干燥過程中的應用主要有兩個：干燥過程建模和控制。
法國的J.-L.Dirion（1996）[6]等人開發了一個神經控制器，用于調整半批式實驗反應器的溫度，基本實驗形成了神經網絡的學習數據庫，該神經控制器可以提供非常好的設定點跟蹤和干擾排除。劉亞秋[9]（2000）開發了基于單神經元的自適應PID控制器，設計了木材干燥窯神經網絡模型，用BP算法對干燥窯的輸入輸出特性進行描述并對模型學習與訓練，通過試驗與仿真證明所得的結論滿足誤差指標的要求。張吉禮[10]（2003）將模糊控制技術與神經網絡技術相結合，設計出了谷物干燥過程參數在線檢測與智能預測控制系統。智能控制下的干燥機出口糧食含水量變化范圍比手動控制的小，前者為13.6%～14.4%，后者為12.4%～14.2%；智能控制下的出口糧食含水量波動頻率比手動控制的小，前者波動周期約為20h，后者周期約為8h。王品[11]（2003）用改進的BP網絡算法建立烘干塔的神經網絡模型，通過神經網絡模型建立了神經網絡控制器，實現了拱干塔系統糧食水分烘干的智能控制，提高了糧食烘干的質量和效率。
劉永忠[8]（1999）應用人工神經網絡系統理論預測冷凍干燥過程特性，以干燥時間、升華干燥時間的份額、干燥制品生產率和升華界面溫度等干燥過程特性參數作為網絡模型的輸出參數，將網絡的預測結果與數學模型的計算進行比較，預測結果與計算結果符合較好。鄭文利[7]（2000）采用人工神經網絡對冷凍干燥過程中的凍干物料重量變化進行智能模擬：對凍干工藝條件正交實驗結果進行學習，利用學習后的網絡對工藝條件進行預測及優化。
2.2.3 模糊控制
模糊控制是一種基于規則的控制，直接采用語言型控制規則，其依據是現場操作人員的控制經驗或相關專家的知識，在設計中不需要建立被控對象的精確數學模型，所以控制機理和策略易于接受和理解。
目前，國內外干燥過程控制主要應用的是模糊控制方法。Zhang Qin[15]等（1994）對連續式橫流谷物干燥機進行了模糊控制的研究，通過調整加熱器的功率和卸糧攪龍的轉速來控制干燥機的操作，驗證試驗控制成功率達86.4%。李俊明[16]等(1996)以干燥塔熱風溫度為依據，將玉米干燥生產中一名熟練的操作者通過感官系統的觀察和經驗制定了模糊控制規則，利用模糊控制實現了排量電機的轉速調節，并提出橫流玉米干燥機的自組織模糊控制器應采用開環式模糊控制系統，以解決玉米干燥過程中的大滯后問題。李業德、李業剛[17](2001)設計了一種以89c51單片機為核心的模糊智能控制器，在順流式烘干機上通過對小麥的在線烘干試驗，證明該系統響應時間短、超調量小、控制精度高，但入口谷物水分波動會對干燥過程產生影響。
國內許多研究生從事糧食干燥機模糊控制的研究工作。東北大學的孟憲沛[18]（2003）在糧食干燥塔的智能建模與智能控制中，利用模糊集合理論和優化算法，建立糧食烘干系統的智能模型和模糊控制系統的模糊規則，設計出系統的模糊控制器。哈爾濱工業大學的唐曉健[20]（2003）研究基于TS模型的混流式糧食烘干塔多變量模糊控制方法，對該系統進行控制仿真，并與手動控制方法和傳統的模糊控制方法進行比較。華南農大的曹艷明[21]（2000）針對高濕稻谷循環式緩蘇干燥工藝特點，利用模糊控制模擬人類思維方式的設計方法，開發稻谷循環干燥機自動控制系統。西北輕工業學院的蘇宇鋒[23]（2002）采用基于工人實際操作經驗的模糊算法，利用單片機對冷凍干燥系統進行控制，提高了設備的自動化程度。