碳化塔的优化控制系统的设计与应用

基金项目：国家自然科学基金(60673132),广东省自然科学基金(07117421),广东省科技计划项目(2006B12301001)作者简介：曾莹、硕士研究生,主要研究方向为网络集成与控制。程良伦:教授/博士,博士研究生导师，主要研究方向有机器人技术、嵌入式数据库，网络与信息化控制，工业控制网络，传感器网络，RFID技术，智能与网络化系统等；朱燕飞:女、讲师/博士、主要从事系统建模、计算机智能控制方面的研究。E-mail：[e-mail]碳化塔的优化控制系统的设计与应用曾莹程良伦朱燕飞(广东工业大学自动化学院,广东广州510090)[e-mail]摘要：本文应用控制技术以及工程建模技术，结合南方制碱厂碳化工艺的生产特点，设计以提高碳化塔的操作平稳性和转化率为主要目标的效能优化控制系统。关键词：纯碱碳化建模优化控制DesigningandApplicationofSodaTower’sOptimizationandControlSystemYingZeng,Liang-lunCheng,Yan-feiZhu(FacultyofAutomation,GuangdongUniversityofTechnology,Guangdong,Guangzhou,510090)[e-mail]:Basedonthecontroltechnologyandmodelingtechnology,thepaperdesignanoptimizationandcontrolsystemwhichaimstoimprovethestabilizationofsodatower’soperationandtherateoftransformation.Keywords:SodaCarbonization,Modeling,OptimizationControl1引言纯碱（Na2CO3）是一种重要的基本化工原料，也是一种具有多年生产和使用历史的传统化工产品，它广泛地应用于化工、医药、玻璃、冶金以及造纸等诸多行业中，每年的需求量很大，在国民经济建设中占有重要的基础地位，纯碱工业的发展好坏直接关系到国民经济的发展和人民生活水平的提高。碳化工艺是制碱工艺的关键工艺，机理较为复杂。碳化塔是整个纯碱生产的核心单元，既有化学反应、传热、传质、结晶等多种过程，又有气、液、固三相物质的存在，并且每塔又分为清洗和制碱两种状态，是既有连续，又有间歇的复杂生产过程。其各项操作指标完成的好坏直接关系到产品产量和质量，从而影响产品的成本和经济效益。到现在为止，国内各碱厂碳化过程虽然大多已经采用计算机控制系统，如DCS和PLC等，但仍然停留在仅有少量的控制点采用单回路手动控制的基础上，如广州南方制碱厂的DCS系统所采用的PID控制点虽然有自动控制，但并未考虑各个控制量间的相互耦合性，且生产过程波动频繁，人工干预频繁，工人劳动强度大并且控制品质也比较差。因此，碳化过程实现控制与优化对整个纯碱工业具有重要的意义。在碳化塔内，从碳化塔上部的气流两相反应，即二氧化碳的吸收和氨的解吸，到碳化塔中下部碳酸氢钠的生成，以及碳酸氢钠结晶析出和结晶成长的过程是一个复杂的多相传质传热过程，气液固三相存着相互联系、相互制约、相互促进的复杂关系。控制碳化塔内的吸收和反应过程，直接的手段是控制碳化塔的中部温度、上部温度和出碱液的温度控制，而出碱液的温度控制，只要碳化塔下部水箱的冷却系统的冷却效果足够强，就容易做到的。因此，碳化塔的中上部温度控制的好坏，是衡量碳化过程控制品质的主要标志。然而，要想碳化塔的中上部温度能够稳定在理想值，使碳化塔运行于最佳工况，首先就要了解碳化塔的当前特性，即建立符合碳化塔目前运行特性的模型。以此模型为基础，通过一定的优化算法，在各运行参数的取值范围内，搜寻到一个变量组合，使碳化塔在此组合的作用下，性能达到最优。由于氨盐水的碳酸化过程是一个具有气、液、固三相参与的，包括吸收、反应、结晶、流动等物理化学过程的复杂过程，具有多输入输出、非线性、强藕合、时变性等，用机理性建模的方法建立符合碳化塔当前特性的模型存在很大的困难，本文采用了工程上较为简单的响应曲线辨识法来确定过程的数学模型，该法简单实用，运算速度快，能在线的修正模型的参数。建立碳化塔模型的目的是为了指导碳化过程的控制量的优化。通过优化算法得到一组最优控制参数，再将这组参数作为控制系统的基本设定参数，指导控制系统，达到运行目标最优。本文是以广州南方制碱厂的碳化系统为背景，该厂目前采用的是杭州和利时的SmartProDCS控制系统来进行生产过程的控制与管理，本文基于此控制系统之上，用上位机实现优化控制，即应用其上位机软件facview进行编程实现软件的优化控制。2基于碳化塔内温度分布稳定的建模2.1基于响应曲线辨识法建模X(t)tOX0Y(t)t2TTT/2OA()y0.87()y0.63()y(0)y图1一阶无时延阶跃响应曲线若过程的阶跃响应曲线如图1所示，t＝0时，曲线斜率最大，之后斜率逐渐减小，逐渐上升到稳态值()y，则该曲线可用一阶无时延环节来近似。式（1）表示一阶无时延过程，只需确定T0和K0两个参数，其确定方法常用直角坐标图解法。000()1KWsTs(1)直角坐标图解法设阶跃输入量为X0，可求得一阶无时延环节的阶跃响应为：000()(1)tTytKxe(2)由于实验测定阶跃响应曲线在过程稳定在某一值时进行的，只是在原来输入量的基础上叠加了X0的阶跃变化量，因此，式（2）所示的输出表达式是对应原来输出值基础上的增量表达式。用输出测量数据作阶跃响应曲线时，应减去原来的稳态值。也就是说，图1所示阶跃响应曲线是以原来的稳态工作点为坐标原点的增量变化曲线。对式（2），当t时，得00()|()tytyKx(3)则000()()(0)yyyKxx(4)式中，y（0）为t＝0时刻过程输出的稳态值。当t＝0时，曲线的斜率为0000tKxdydtT(5)此时切线的斜率为最大，切线方程为000KxtT，当t＝0T时，有000000()tTKxtKxyT(6)由以上可得直角坐标图解法确定T0和K0的步骤为：1）由阶跃响应曲线定出()y，再由式（4）确定K0值。2）过t＝0点作曲线的切线，该切线与()y线交于A点，则OA在时间轴线上的投影即为时间常数T0，见图1。T0也可以由测试数据直接求得。根据式（2）和（3）可有0()()(1)tTytye(7)由上式可求得，t1＝T0/2时，y(T0/2)=0.39*()y;t2=T0时，y(T0)=0.63*()y;t3=2*T0时，y(2)=0.87*()y;见图1。因此，不难计算出时间常数T0。2.2应用响应曲线辨识法对纵向温度建模碳化过程整个反应为一放热反应，因此，从化学反应的角度，控制塔内温度分布的稳定是保证碳化稳定反应的首要条件。根据工人经验，塔内温度的高低主要受中段气流量和下段气流量大小的影响。而根据生产实际，塔化塔可测的温度有5圈温度、12圈温度、17圈温度、23圈温度，即要建立的数学模型为12圈温度T12、17圈温度T17、23圈温度T23分别与中段气流量Q1、下段气流量Q2之间的线性关联模型(5图温度较低且相对稳定，不予考虑)，由下列式子表示：12231200K[23]K[23]T[23]1T[23]1TQQss12171200K[17]K[17]T[17]1T[17]1TQQss12121200K[12]K[12]T[12]1T[12]1TQQss式中，K1[12]、K1[17]、K1[23]、K1[12]、K1[17]、K1[23]为放大系数，T0[12]、T0[17]、T0[23]为时间常数。应用facview软件和响应曲线辨识法对纵向温度进行建模的算法步骤如下：a)从趋势服务器中导出历史数据，在本算法中导出的数据应为从碳化塔开塔到塔稳定运行的过渡阶段，时间范围为一天。b)应用搜索算法搜索中、下段气流量值从0变至大于3000的时刻t(0)，并以此时刻t(0)作为阶跃响应的初始时刻。c)计算12圈温度、17圈温度、23圈温度、中段气流量、下段气流量的初始阶跃值：T12(0)、T17(0)、T23(0)、Q1(0)、Q2(0)。d)计算12圈温度、17圈温度、23圈温度、中段气流量、下段气流量的阶跃稳态值：T12(∞)、T17(∞)、T23(∞)、Q1(∞)、Q2(∞)。e)根据公式（4）可计算各模型的参数K0值，在本算法中的计算公式为：K1[12]＝(T12(∞)-T12(0))/(Q1(∞)-Q1(0))K2[12]＝(T12(∞)-T12(0))/(Q2(∞)-Q2(0))K1[17]＝(T17(∞)-T17(0))/(Q1(∞)-Q1(0))K2[17]＝(T17(∞)-T17(0))/(Q2(∞)-Q2(0))K1[23]＝(T23(∞)-T23(0))/(Q1(∞)-Q1(0))K2[23]＝(T23(∞)-T23(0))/(Q2(∞)-Q2(0))f)计算各圈温度在过渡阶段的响应值，即计算y(T0)=0.63*()y的y(T0)值，在本算法中的计算公式为：T12(T0[12])＝0.63*(T12(∞)-T12(0))+T12(0)T17(T0[17])＝0.63*(T17(∞)-T17(0))+T17(0)T23(T0[23])＝0.63*(T23(∞)-T23(0))+T23(0)g)利用搜索算法搜索出温度值分别等于T12(T0[12])、T17(T0[17])、T23(T0[23])的时刻T0[12]、T0[17]、T0[23]，即得到了模型的时间常数。至此建模结束。3效能优化控制器的设计与实现在原有PID控制规律的前提下，考虑变量间相互影响的耦合特性，建立塔内温度分布与中、下段气流量的线性关联模型，并以此模型作为控制参数优化的整定依据，添加到原控制系统中，以提高塔内温度分布的稳定性。控制方案的总体框架如图2所示：图2优化控制方案总体框图(1)回归分析为寻求塔内温度分布与中段气流量、下段气流量间的关系，对过程运行数据进行关联分析。为保证结果的一致性，选取多个时段相对较能体现模型特性的数据，分别分析12圈温度T12、17圈温度T17、23圈温度T23与中段气流量Q1、下段气流量Q2之间的线性相关特性(5图温度较低且相对稳定，不予考虑)。以时间段为2007年10月19日5:00—6:00的历史数据进行回归分析，其线性关联系数如下表如示：关联系数12圈温度17圈温度23圈温度中段气流量-0.594358810.6470501080.749034845下段气流量-0.555888550.7960156070.852663312从上述关联系数来看，中段气量Q1对23圈温度T23影响较大，而对12圈温度T12、17圈温度T17影响相对较小；下段气流量Q2对T12、T17影响较大，对T23也有较强的影响，为保证塔内温度分布的稳定性，应采用Q1控制T23，Q2控制T17的方案，并同时考虑Q2对T23影响的耦合特性。而T17的大小在优化状态下基本与T12成一比例关系，因此，保持T12与T17有一定的关系比即可，注意T12＜T17。其他时段，从相关特性结果和数据变化趋势分析，结论相类似。(2)线性关联模型的建立提取某个时段相对较体现模型特性的数据，分别通过上节所叙的算法建立稳定工况下T12、T17、T23随Q1、Q2变化的线性关联模型，模型结构以一阶线性模型即可，即为：1Tsb.模型具有在线修正参数的能力，根据化学反应工况及工人经验，确立修正参数的间隔时间。(3)PID控制器参数及整定依据关联模型，设计PID控制器，以Q1控制T23为例(Q1控制T17类似)，如下图，并通过仿真整定其控制参数。塔化过程建模计算优化参数建立优化控制模型效能优化控制软件DCS控制回路在线学习模