[发明专利]一种水泥烧成分解炉全工况自适应温度优化控制方法

权利要求书

1.一种水泥烧成分解炉全工况自适应温度优化控制方法，其特征在于，包括如下步骤：

步骤a：基于输入输出参数化模型的预测控制算法，在上位机建立GPC控制器；其中输入变量包括窑尾喂煤量、窑喂料量、三次风温和烟室温度，输出变量包括：分解炉出口温度；

步骤b：设定控制模型参数，对所述GPC控制器初始化设置后运行；

步骤c：实时采集所述输入变量和所述输出变量信号，并进行数据预处理后反馈至所述GPC控制器中；

步骤d：所述GPC控制器，根据分解炉出口温度的实际值和预测值，自校正控制模型参数，并采用最优化算法，计算出输入变量的控制量，并输出相应的控制指令至执行装置；

步骤e：所述执行装置执行所述GPC控制器指令，控制窑尾喂煤量，同时根据分解炉出口温度状况自适应调节窑喂料量的供给量；

步骤f：返回步骤c，直至工艺过程结束。

2.根据权利要求1所述的水泥烧成分解炉全工况自适应温度优化控制方法，其特征在于，所述步骤a中，建立GPC控制器的具体步骤如下：

步骤a-1：在稳态工况下，分别建立分解炉出口温度对窑尾喂煤量、分解炉出口温度对窑喂料量、分解炉出口温度对三次风温、分解炉出口温度对烟室温度的阶跃响应数学模型，并进一步离散化；

设T_s为系统的采样时间，得到每个阶跃响应模型所对应的离散方程：

y(k)-e-TsTy(k-1)=K(1-e-TsT)r(k-τTs-1),---(1)]]>

式(1)中，K是系统的比例系数，T是时间常数，τ是时滞，T_s为系统的采样时间；y(k)为对象输出变量；r(k)为控制输入变量；

步骤a-2：采用CARIMA模型建立分解炉出口温度控制系统的控制模型，其表达式为：

A(z^-1)Y(k)＝B(z^-1)R(k-1)+ζ(k)/Δ     （2）

A(z-1)=1+a1z-1+a2z-2+...+anaz-na]]>

B(z-1)=b0+b1z-1+b2z-2+...+bnbz-nb]]>

其中，Y(k)为控制对象输出向量，R(k)为控制对象输入向量，ζ(k)是互不相关的零均值噪声序列；A(z^-1)、B(z^-1)分别表示算子z^-1的多项式；Δ=1-z^-1为差分算子；则A(z^-1)、B(z^-1)、R(k-1)对应输入变量：窑尾喂煤量、窑喂料量、三次风温和烟室温度的相应矩阵为：

A(z-1)=[A1(z-1)*AV1(z-1)*AV2(z-1)*AV3(z-1)]---(3)]]>

B(z-1)=B1(z-1)*AV1(z-1)*AV2(z-1)*AV3(z-1)A1(z-1)*BV1(z-1)*AV2(z-1)*AV3(z-1)A1(z-1)*AV1(z-1)*BV2(z-1)*AV3(z-1)A1(z-1)*AV1(z-1)*AV2(z-1)*BV3(z-1)T]]>

R(k-1)=u(k-1)v1(k-1)v2(k-1)v3(k-1)]]>

其中，

Ai(z-1)=1-e-TsTiz-1i=1,v1,v2,v3]]>

Bi(z-1)=Ki(1-e-TsTi)z-τiTsi=1,v1,v2,v3]]>

由上可知A(z^-1)的阶次为n_a=4，B(z^-1)的阶次为

式（3）中，i为对应不同输入变量的编号：i=1对应窑尾喂煤量输入变量；i＝v₁对应窑喂料量输入变量；i＝v₂对应三次风温输入变量；i＝v₃对应烟室温度输入变量；u(k-1)为k-1时刻窑尾喂煤量输入变量值；v₁(k-1)为k-1时刻窑喂料量输入变量值；v₂(k-1)为k-1时刻三次风温输入变量值；v₃(k-1)为k-1时刻烟室温度输入变量值；A_i、B_i是对应不同输入变量的算子z^-1多项式：τ_i是对应不同输入变量的时滞：K_i是对应不同输入变量的比例系数：T_i是对应不同输入变量的时间常数：T_s为系统的采样时间；

步骤a-3：定义E(z^-1)和F(z^-1)为式（4）所述形式,由所述步骤a-2得到A(z^-1)，计算出进而求出中间变量E(z^-1)和F(z^-1),其中E(z^-1)和F(z^-1)的表达式如下：

E(z^-1)＝[E₁(z^-1),…E_P(z^-1)]^T          （4）

F(z^-1)＝[F₁(z^-1),…F_P(z^-1)]^T

E_f(z^-1)=e₀+e₁z^-1+e₂z^-1+…+e_j-1z^-j+1

F_j(z^-1)=f_j,0+f_j,1z^-1+f_j,2z^-2+f_j,3z^-3+f_j,4z^-4

fj+1,i=fj,i+1-a~i+1eji=1,2,3]]>

fj+1,4=-a~5ej=-a~5fj,0i=4]]>

E_j+1(z^-1)=E_j(z^-1)+e_jz^-j；

当初始值j=1时，E₁(z^-1)=1，e₀＝1，F1(z-1)=z[1-A~(z-1)]=z[1-A(z-1)Δ];]]>其中,e_i,f_i,0,f_i,1,f_i,2,f_i,3,f_i,4是1×1维的向量，P是预测时域，有如下形式：

A~(z-1)=A(z-1)Δ=1+a~1z-1+...+a~na+1z-na+1;]]>

步骤a-4：由所述步骤a-2和所述步骤a-3，求出B(z^-1)、E(z^-1)和F(z^-1)，得到系统阶跃响应矩阵G(z^-1)和历史响应矩阵H(z^-1)，G(z^-1)和H(z^-1)表达式如下:

Gj(z-1)=g0+g1z-1+g2z-2+...+gnb+j-1z-nb-j+1j=1,2,...,P]]>

G=g00...0g0g0...0.........gP-2gP-3...gP-M-1gP-1gP-2...gP-MP×M]]>

H(z-1)=[H1(z-1),...HP(z-1)]T=[G1(z-1)-g0]z[G2(z-1)-g0-g1z-1]z2...[GN(z-1)-g0-g1z-1-...-gP-1z-P+1]zP]]]>

g_j＝e_jb₀+h_j,0

h_j+1,i-1＝e_jb₀+h_j,i  1≤i≤n_b

hj+1,nb-1=ejbnb]]>

当初始值j=1时：

G₁(z^-1)=g₀＝e₀b₀，

H1(z-1)=z[e0B(z-1)-e0b0]=b1+b2z-1+b3z-2+...+bnbz1-nb]]>

其中g_i,h_j,i是1×4维的向量；P是预测时域，M是控制时域；

步骤a-5：根据所述步骤a-3和所述步骤a-4,求出中间变量F(z^-1)和H(z^-1)，得出系统过去的响应f(k)为如下形式：

f(k)＝[f₁(k) f₂(k) … f_P(k)]^T

fj(k)=Fjy(k)+Hj(z-1)ΔR(k-1)=fj,0y(k)+fj,1y(k-1)+...+fj,nay(k-na)+hj,0ΔR(k-1)+hj,1ΔR(k-2)+...+hj,nb-1ΔR(k-nb)]]>

其中f_j是1×1维的向量，P是预测时域，M是控制时域。