一种转炉烟气净化回收智能控制系统和控制方法
技术领域
本发明属于节能环保废气利用
技术领域
，具体涉及一种转炉烟气净化回收智能控制系统和控制方法。背景技术
公开该
背景技术
部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。氧气转炉煤气回收法(Oxygen Converter Gas Recovery，简称OG)回收转炉烟气是转炉炼钢工艺中的关键技术，它对于实现负能炼钢、降低生产成本、节约能源和保护环境、提高企业经济效益具有重要作用。
目前转炉烟气净化回收系统大多采用PID控制算法,根据炉口压差信号，经液压伺服放大去控制电液阀，通过液压执行机构控制RD阀的开度，进而调整炉口烟罩差压。
由于转炉烟气净化回收控制系统是大惯性、大滞后、非线性的复杂系统，参数多变，对其进行准确快速的控制难度较大，经过几年的运行后，由于系统参数变化和工况的不确定性，使得原来设计的控制参数不再适应实际系统，控制效果不能满足实际要求，调节效果不理想，响应速度较慢，造成炉口烟气压力波动较大，炉口出现大量火焰外冒现象。这不仅会损伤裙罩，还会使烟气净化效果变差，烟气的大量外溢也污染了环境，严重影响了转炉烟气净化和除尘效果，降低了转炉煤气的回收率和发热量，难以达到生产过程的优化控制目的和提高煤气回收过程节能减排的效果。随着控制技术的不断进步，各种自适应控制、参数自整定控制、神经网络等智能控制技术逐渐成熟并越来越多的应用到实际控制系统中。同时，随着社会的发展，对节能环保、增效降耗的要求也越来越高。
发明内容
针对上述现有技术中存在的问题，本发明的目的是提供一种转炉烟气净化回收智能控制系统和控制方法。结合了多模态变结构智能控制方法，能够较好地解决文喉口RD阀智能调节算法；炉口烟气控制稳定性及响应速度的提高解决RD阀响应的滞后性和不稳定性问题。
为了解决以上技术问题，本发明的技术方案为：
第一方面，本发明提出了一种转炉烟气净化回收智能控制方法，具体步骤为：
1)建立基于滑模变结构控制的RD阀控制系统模型；
2)对炉口烟气参数进行在线辨识，得到输入值，输入值传递给PLC控制器，PLC控制器将输入值转换为实际差压值，实际差压值经过RD阀控制系统模型得到RD阀开度设定值；
3)将RD阀开度设定值传递给执行机构，进行差压控制回路的自动调节。
基于滑模变结构建立的系统模型，提高系统的响应速度，避免炉口烟气压力波动较大，炉口出现大量火焰外冒现象。
通过炉口差压的系统模型的建立，采用非线性PID神经网络进行辨识炉口差压。能够掌握炉口差压的变化的动态特性，相比于常规PID控制方法(即常规的比例-积分-微分控制方法)获得的输出值具有更好的稳定性。
第二方面，本发明提出了一种转炉烟气净化回收智能控制系统，包括，
差压调节装置，包括调节器和非线性补偿器，调节器通过计算得到设定值，并传递给非线性补偿器；
烟气流量调节单元，包括执行机构、RD阀，非线性补偿器的电信号与RD阀位置反馈信号进行差值比较后，输入到执行机构，执行结构调节RD阀开度；
控制器，将测量值转换为实际差压值；
差压变送器，差压变送器将测量值的气压电信号输送到控制器，控制器将实际差压值输送给调节器。
通过控制器得到差压值，通过调节器的计算得到设定值，然后通过信号转换和执行机构等的配合实现烟气开口的RD阀的开度。进而实现炉口烟气的精确控制。
本发明一个或多个技术方案具有以下有益效果：
(1)本发明中系统针对转炉烟气净化控制过程存在的问题，分析转炉烟气净化与煤气回收的工艺过程，创新性地将具有强鲁棒性的滑模变结构智能控制技术应用于烟气净化回收系统，设计开发了炉口压力控制模型，研发相应的控制算法，设计实现了基于趋近率和干扰观测补偿的控制系统。与常规PID控制相比，滑模控制炉口差压波动明显减小，尤其在吹炼期炉内反应剧烈，产气量陡增时，由于及时控制了烟气流量，炉口差压波动变化不大，有利于稳定煤气回收过程，提高回收量。
(2)本发明中.创建了基于最小二乘法的参数估计模型,辨识炉口差压控制系统数学模型,使控制精度提高近3倍,炉口煤气燃烧率控制在10％以内。
(3)本发明中利用模糊RBF神经网络在线辨识出炉口压差与CO浓度之间的数学模型，根据辨识模型实时调整压差控制回路的设定值，并通过控制系统进行跟踪，将炉口压差控制在该设定值附近，从而达到显著提高CO浓度和煤气回收质量的效果，提高了回收煤气CO的浓度和回收煤气的热值，投入实际应用，两项指标分别由原来的1450kCal/m3、47％左右提高到目前的1680kCal/m3、55％左右。
(4)本发明中在实现微差压控制，提高回收过程稳定性的基础上，提出了一种基于CO浓度提高的智能优化控制方法,由此避免大量的CO复燃和冶炼过程的涌浪，稳定钢水冶炼过程，从而在吹炼终点时尽可能达到目标钢水的碳含量和温度，提高吹炼命中率，缩短冶炼周期，降低消耗；从而使CO浓度提高了10％以上。
附图说明
构成本发明的一部分的说明书附图用来提供对本申请的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明的转炉烟气净化回收微差压智能控制装置结构示意图；
图2是滑模控制炉口压差趋势对比；
图3是神经网络PID控制炉口压差趋势对比图；
图4是提高CO浓度的优化控制方案；
图5是OG系统总体监控画面；
其中，1、差压调节装置，2、烟气流量调节单元，3、差压变送器，4、调节器，5、非线性补偿器，6、执行机构，7、RD阀，8、烟气传输管道，9、风机，10、第一角位移传感器，11、第二角位移传感器，12、显示仪表。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
第一方面，本发明提出了一种转炉烟气净化回收智能控制方法，具体步骤为：
1)建立基于滑模变结构控制的RD阀控制系统模型；
2)对炉口烟气参数进行在线辨识，得到输入值，输入值传递给PLC控制器，PLC控制器将输入值转换为实际差压值，实际差压值经过RD阀控制系统模型得到RD阀开度设定值；
3)将RD阀开度设定值传递给执行机构，进行差压控制回路的自动调节。
基于滑模变结构建立的系统模型，提高系统的响应速度，避免炉口烟气压力波动较大，炉口出现大量火焰外冒现象。
通过炉口差压的系统模型的建立，能够掌握炉口差压的变化的动态特性，相比于常规PID控制方法(即常规的比例-积分-微分控制方法)获得的输出值具有更好的稳定性。
在本发明的一些实施方式中，步骤1)中利用脉冲响应法辨识实验，建立了基于最小二乘法的参数估计模型，得到对象传递函数模型。
测取脉冲响应曲线的方法是：在转炉吹炼期间，通过上位机发送指令把P-A设定到某一位置。使微差压变送器测得的炉口微差压在-20～20Pa压力范围内，待系统进入稳定状态后，再通过上位机发送指令将设定值人为的增大一个范围，然后立刻回到原设定点，这样就完成了对系统的一个干扰。在这个过程中数据采集系统已同时记录下阀门开度和炉口压力的变化数据。
得到脉冲响应曲线后可以通过线性系统叠加原理转换为系统的阶跃响应曲线，利用阶跃响应曲线可分析系统的动态特性，利用最小二乘法求得系统传递函数中的参数。
脉冲响应法，即利用时间函数表示差压的变化特性。
在本发明的一些实施方式中，步骤1)中RD阀控制系统模型为对象传递函数模型，具体为：
创建了基于最小二乘法的参数估计模型辨识。将机理建模和实验建模方法结合使用，得到系统的混杂模型。利用实验建模方法估计模型结构参数。辨识得到的对象传递函数。
本发明利用滑模变结构控制方法，对炉口差压进行动态的数据采集和分析辨识，以克服系统的不确定性和增强抗干扰能力。优化了控制率参数，提高了控制精度，改善了控制系统的动态响应品质。使系统沿规定的状态轨迹作小幅度、高频率的上下运动,达到良好的动态品质。
在本发明的一些实施方式中，将对象传递函数转换为状态空间，表达式为：
C＝[1 0]；式中，X为输入状态量，Y为输出状态量。
采用具有强鲁棒性的滑模变结构控制策略，以克服系统的不确定性和增强抗干扰能力。对滑模控制应用中所产生的“抖振”问题，探讨了准滑动模态控制器、基于趋近律的滑模控制器和基于干扰观测补偿的滑模控制器的设计解决方案，并通过仿真研究证明了方法的有效性。
将干扰观测补偿滑模变结构控制技术应用到转炉炉口微差压控制系统中，优化了控制率参数，提高了控制精度，改善了控制系统的动态响应品质。使系统沿规定的状态轨迹作小幅度、高频率的上下运动，达到良好的动态品质。以炉口差压为控制目标，实施变结构滑模控制方案，并投入生产应用。
在本发明的一些实施方式中，步骤2)中输入值为炉口处气压。
在本发明的一些实施方式中，采用非线性PID神经网络辨识器进行炉口差压的在线辨识。
采用非线性PID神经网络辨识器对被控对象进行在线辨识的基础上，通过对神经网络控制器的权值进行实时调整，使系统具有自适应性，从而达到有效的微差压控制效果。
利用神经网络的自学习能力，通过实时跟踪和辨识控制对象，从而确定不同阶段对象的最佳控制参数，依此作为依据来调整PID控制器的控制参数，从而在整个控制阶段实现控制参数的最优和控制性能的最佳。
弥补了常规PID控制方法难以适应系统参数多变以及抑制扰动能力差的不足。利用神经网络的自学习能力，通过实时跟踪和辨识控制对象，从而确定不同阶段对象的最佳控制参数，依此作为依据来调整PID控制器的控制参数，从而在整个控制阶段实现控制参数的最优和控制性能的最佳，达到更好的控制效果。
在本发明的一些实施方式中，采用模糊RBF神经网络在线辨识炉口差压与CO浓度的数学模型。采用模糊RBF神经网络，在线辨识出转炉冶炼过程中差压与CO浓度的数学模型，TDL代表具有抽头的延时线。在线优化部分利用得到的模型在线寻找差压控制回路的最佳设定值，以达到使CO浓度(即热值)为最高的工艺指标。控制系统根据在线调整的设定值进行差压控制回路的自动调节，从而达到提高CO浓度的效果,从而使CO浓度提高了10％以上。
第二方面，本发明提出了一种转炉烟气净化回收智能控制系统，包括，
差压调节装置，包括调节器和非线性补偿器，调节器通过计算得到设定值，并传递给非线性补偿器；
烟气流量调节单元，包括执行机构、RD阀，非线性补偿器的电信号与RD阀位置反馈信号进行差值比较后，输入到执行机构，执行结构调节RD阀开度；
控制器，将测量值转换为实际差压值；
差压变送器，差压变送器将测量值的气压电信号输送到控制器，控制器将实际差压值输送给调节器。
在本发明的一些实施方式中，还包括第一角位移传感器，得到RD阀开度值，并传递给控制器。
在本发明的一些实施方式中，还包括烟气传输管道，烟气传输管道与差压变送器通过导压管连接。
在本发明的一些实施方式中，还包括风机，调节器与风机连接，风机设置在烟气传输管道的炉口处。
下面结合实施例对本发明进一步说明
实施例1
如图1所示，一种转炉烟气净化回收智能控制系统，包括，
差压调节装置1，包括调节器4和非线性补偿器5，调节器4通过计算得到设定值，并传递给非线性补偿器5；
烟气流量调节单元2，包括执行机构6、RD阀7，非线性补偿器5的电信号与RD阀位置反馈信号进行差值比较后，输入到执行机构6，执行结构6调节RD阀开度；
控制器，将测量值转换为实际差压值；
差压变送器3，差压变送器3将测量值的气压电信号输送到控制器，控制器将实际差压值输送给调节器4。
还包括第一角位移传感器10，得到RD阀开度值，并传递给控制器。还包括第二角位移传感器11，第二角位移传感器11将信号传递给显示仪表12，在差压控制柜远程显示R-D阀板的反馈开度值。为了便于集中操作和数据管理，该系统所有控制参数及运行状态均由PLC传输到上位机中。这样，该系统不但可独立进行自动控制和操作R-D阀及相关设备，而且可以在控制室内的监控画面上进行设备状态显示和手动操作。
还包括烟气传输管道8，烟气传输管道与差压变送器通过导压管连接。RD阀开度直接影响烟气传输管道炉口处的烟气情况。
还包括风机，调节器与风机连接，风机9设置在烟气传输管道的炉口处。
为了使执行器不至于频繁动作，减轻执行器的负担，在吹炼期以外的时间内，由于不产生烟气，R-D阀开度固定在一个值而不进行自动调节，风机9保持低速运转状态。
在吹炼期由于R-D阀调节需要时间，故每隔6秒计算一次开度控制信号，作用于执行器，以减轻执行器负担。
实施例2
利用如图1所示的控制系统，进行转炉烟气净化回收智能控制方法：
(1)利用Matlab仿真工具，预处理现场测试数据，并根据预处理后的数据，建立控制系统对象传递函数模型：
将对象传递函数模型转换为状态空间：
C＝[1 0]。
(2)将炉口差压经导压管输送到差压变送器，然后差压值与现场大气压信号作比较并转换为4～20mA标准差压电信号DV，该测量值送入电气室内控制柜的PLC中，在PLC内转换为实际差压值，并与差压设定值比较后产生偏差信号△E，输入到调节器。
(3)采用模糊RBF神经网络，在线辨识出转炉冶炼过程中差压与CO浓度的数学模型；
(4)调节器根据偏差信号，经过状态空间模型的计算，寻找差压控制回路的最佳设定值，并转换成4～20mA电信号MV；
(5)调压器将炉口差压的最佳设定值传递给非线性补偿器，非线性补偿器的电信号和角位移传感器1的位置信号传递给控制器，经过差值比较后，输入到执行机构，执行机构调节R-D阀的开度，从而调节炉口差压。
角位移传感器1用于反馈RD阀位置信号。
实施例1中调节器利用状态空间模型，得到炉口差压的设定值，基于滑模变结构的控制模型的计算得到精确的炉口差压设定值，使控制精度提高近3倍，炉口煤气燃烧率控制在10％以内。
如图2所示，可以看到通过控制系统模型与常规PID控制方法，相比于得到的炉口差压值更加的稳定，随着时间的推移的过程中，波动变化较小，常规PID控制方法在300-500之间波动幅度较大，在其它时间也是出现了上下不稳定的波动。
如图3所示，实施例1的非线性PID神经网络控制方法相比于常规的PID控制方法，炉口差压波动明显减小。
如图4所示，TDL代表具有抽头的延时线。差压设置值输入到模糊RBF神经网络辨识的炉口压差与CO浓度之间的数学模型，得到的差压设定值。差压设定值输送到RD阀，操控炉口烟气量，得到CO浓度。然后模糊RBF神经网络在线识别差压值，然后与CO浓度值进行比较，进一步更新数学模型。
进一步，以PLC为开发平台，实现炉口微差压控制系统的网络控制功能：用组态软件中的工具可以完成监控界面设计、调试等。根据OG系统的工艺需求，设计多幅监控画面，包括：OG系统总体监控画面(如图5所示)、煤气冷却收集系统、OG风机气路系统、OG风机油路系统和煤气回收系统等画面，还包括各种监控变量的实时趋势图及报警显示画面等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
