粮食干燥过程的先进控制
李国昉1,2 毛志怀2
（1 河北科技师范学院机电系, 秦皇岛 066600 2 中国农业大学工学院, 北京 100083）
摘 要: 在分析先进控制特点的基础上, 总结了粮食干燥过程中先进控制方法的发展与现状, 指出了干燥过程控制中的存在问题，并提出了粮食干燥过程控制的发展方向。
关键词：干燥; 先进控制; 自适应控制; 模型预测控制; 专家控制; 模糊控制; 神经网络控制
Abstract : The development of advanced control in grain drying process is summarized based on the characteristics of advanced control in this paper. The kernel problems in drying process control are introduced. l is also discussed. Some advices on the development of grain drying process control is proposed.
Key words : drying;advanced control ; adaptive control; model predictive control; expert control; fuzzy control; neural network control
粮食干燥的基本目标是保持干燥过程稳定的前提下，以最低的干燥成本和能耗得到谷物最优的烘干品质。粮食干燥过程是典型的非线性、多变量、大滞后、参数关联耦合的非稳态传热传质过程，粮食本身又是一种复杂的生物化学物质，为达到上述目标，在干燥过程中必须不断地调整干燥参数，对干燥机工作过程进行控制。干燥过程的自动控制是实现干燥机优质、高效、低耗、安全作业的有效手段。实现干燥过程的自动控制，实现粮食干燥机的自动控制, 对保证出机粮食水分均匀一致、干后粮食品质、减轻操作人员劳动强度及充分发挥干燥机生产能力等具有重要意义。根据国家粮食局在《“十五”粮食行业科技发展规划》 中制定的发展目标，粮食烘干过程的在线监测和自动控制已成为提高我国粮食干燥处理工艺效率的关键问题和实现“十五”规划的重要途径。随着我国对粮库建设投入力度的加大，粮食加工业与国际日益接轨，粮食干燥的自动化将为我国的粮食加入国际流通大市场奠定基础。 [1]
1 先进控制的特点
粮食干燥过程自动控制问题的研究开始于20世纪60年代。当时使用前馈控制、反馈控制、反馈-前馈控制和自适应控制等传统控制方法。传统控制理论采用差分方程或传递函数，把干燥过程系统的知识和已有的信息表达成解析式。但是在使用和设计采用上述控制方法的谷物干燥机控制系统时会遇到很多困难，原因是:1.谷物干燥过程是复杂的、时变的和非线性的;2. 某些干燥过程变量(如谷物品质和色泽) 是不能直接测量的，有些变量(例如谷物水分含量) 的测量可能是不连续、不精确、不完整或不可靠的；3. 干燥机的过程模型是对实际过程的近似，而且需要大量的计算时间。4. 几乎
不可能用一个适当的模型来表示像干燥过程这样一个非线性、滞后、时变的复杂系统;5. 谷物干燥机的被控变量和控制变量之间存在交互效应;6. 谷物干燥机的作业条件复杂，扰动变量的范围宽，难以调控。
显然，要克服上述困难需要对谷物干燥机的传统控制方法不断改进，同时要探索新的、更有效的控制方法。20世纪70 年代, 电子行业的进步, 尤其是计算机技术的发展使得现在所谓的先进控制的思想得以广泛的传播。先进控制的目标就是为了解决那些采用常规控制效果不佳，甚至无法控制的复杂工业过程控制问题。近年来，现代控制和人工智能取得了长足的发展，为先进控制系统的实施奠定了强大的理论基础；而控制计算机是集散控制系统（DCS ）的普及，计算机网络技术的突飞猛进，则为先进控制的应用提供了强有力的硬件和软件平台。总之，工业发展的需要、控制理论和计算机及网络技术的发展强有力地推动了先进控制的发展。
计算机技术飞速发展，人工智能控制理论开始在千燥机控制中得到应用，明显改善了千燥机控制系统的性能。传统控制方法由于大滞后和对粮食干燥过程的非线性联系，不适于控制粮食干燥机。人工智能技术进步在工程领域中广泛应用，先进控制理论和控制方法应用到谷物干燥过程的自动化控制中，控制方法不断改进，控制效果提高。90年代后，过程控制己经开始向智能化发展，智能控制理论日益与干燥技术结合在一起，利用人工神经网络对干燥过程进行模型模拟和控制；专家系统应用于谷物品质预测、干燥过程控制和管理咨询等方面。
与控制理论、仪表、计算机、计算机通信与网络等技术密切相关的先进控制系统，具有以下特点：
(1)先进控制系统的理论基础主要是基于模型的控制策略，如:模型预测控制，这些控制策略充分利用工业过程输入输出有关信息建立系统模型，而不必依赖对反应机理的深入研究。日前，基于知识的控制，如专家控制和模糊逻辑控制正成为先进控制的一个重要发展方向。
（2）先进控制系统通常用于处理复杂的多变是过程控制问题，如大时滞、多变量耦合、被控变最与控制变量存在着各种约束等。采用的先进控制策略是建立在常规单回路控制基础之上的动态协调约束控制，可使控制系统适应实际工业生产过程动态特性和操作要求。
（3）先进控制系统的实现需要较高性能的计算机作为支持平台. 由于先进控制器控制算法的复杂性和计算机硬件两方面因素的影响，复杂系统的先进控制算法通常是在上位机上实施的。随着DCS 功能的不断增强和先进控制技术的发展，部分先进控制策略可以与基本控制回路一在DCS 上实现。后一种方式可有效她增强先进控制的可靠性、可操作性和可维护性。
2 干燥过程先进控制发展现状
先进控例策路是先进控制系统的核心内容，目前先进控制策略种类繁多，干燥过程中主要的先进控制策略有:预测控制、模糊逻辑控制、神经控制、自适应控制、专家系统。
2.1 基于模型的控制
2.1.1 自适应控制
自适应控制的基本原理是根据干燥过程参数的变化和外界干扰随时调整控制参数，使干燥机处于最佳的工作状态。自适应控制具有适用多种粮食干燥机、无须任何关于干燥机自己特点的数据、
对环境条件和粮食状况无特殊要求、控制器对干扰的响应速度较快、控制模型中的参数能随外界条件的变化进行自动调节等优点。瑞典Nybrant （1985）把自校正技术应用到横流谷物干燥机控制。干燥机排气温度作为输出变量，谷物排粮速率用作被控变量，并选择自动回归移动平均（ARMA ）模型表现横流干燥机的动态特性。在实验室横流干燥机上进行了验证性试验，控制误差的标准差在后50个样本期间是0.13℃。结果表明，自适应控制器能够比较准确的控制排气温度。刘建军（2003年）对HTJ-200型烘干机进行研究，通过在线样本的采集和智能优化算法对系统进行定量分析，建立由实时检测数据所确定的过程智能模型，再通过智能优化算法调用人工智能模型，获取系统的控制规则，由控制程序给出控制量经D/A转换后输出给执行部件。李晓斌等[3]（1998）研究真空冷冻干燥设备的先进控制系统，针对不同冻干物料的工艺要求，采取DRA 算法和临界比例法两种自适应、自整定控制方法，解决了被控对象主控参数--温度的滞后问题。
2.1.2 模型预测控制
过程控制理论的最新研究领域是模型预测控制，是基于模型、滚动实施并结合反馈校正的优化控制算法，它对于控制非线性和大滞后过程尤其有效。
Forbes ，Jacobson ，Rhodes ，和Sullivan （1984) 和Eltigani 设计了基于模型的干燥控制器，其控制行为基于一个过程模型和一个所谓的假冒的入口谷物水分含量。干燥速率参数根据模型预测值和传感器出口实测的水分含量之差间歇式更新。Forbes 和Eltigani 控制器的不同在于控制算法中所用的过程模型的种类不同。密执安大学的刘强（2001）提出了横流干燥机的模型预测控制器。仿真测试在一台Zimmerman VT-1210塔式横流谷物干燥机上进行，利用Labview 建立的控制器能够成功运作，并实现出口处玉米含水率控制在设定点的0.7%以内。控制器对进入干燥机的入口谷物含水率相当大范围的变化，以及热风温度的大阶跃变化都能进行良好补偿。
对模型预测控制研究中，较多工作集中于过程模型的的建立和求解，且在模型中考虑干燥品质问题。法国的P.Dufour [31][25][24][5]等人（2003）借助偏微分方程（PDES ），将模型预测控制拓展到系统模型，从而使PDES 方程能够大规模应用。他们提出了一个全局模型，旨在减少由于基于最优化任务解决方案的PDE 模型所带来的在线计算时间。开发出与实际中大量应用的IMC 结构相结合的一个通用的MPC 框架。在IMC- MPC 结构中用到了两个反馈环，以校正过程性能和基于模型的在线优化器中所引起的模拟误差。丹麦的Helge Didriksen[29]（2002）开发了一个滚筒干燥机的描述质量、能量和动量转换的动态一次法则模型，并应用到糖厂干燥甜菜中的预测控制。结果表明，随着操作变量和干扰变化，该模型具有较好的预测能力。通过模拟比较了带有模型预测控制和传统的反馈控制，模型预测控制表现出了更优的性能。法国的I ．C ．Trelea ，G.Trystram 和 F.Courtois[27]于1997年设计了用于批式干燥过程的非线性预测优化控制算法，在中试规模的干燥机上进行了测试。实验表明，算法可处理重要的干扰和失效该控制算法可方便地用于其它批式过程，如冷冻、杀菌或发酵。有些学者将神经网络用于模型预测控制过程建模。Jay （1996）初次将神经网络模型用于干燥过程预测控制。法国的J.A. Hernandez-Perez等 [33]（2004）提出了基于人工神经网络的传质传热预测模型，该模型将产品收缩作为水分的函数，应用了带有一个隐藏层的两个独立的前馈网络，隐藏层中带有三个神经细胞，可精确预测传质传热。在数据装置校验中，模拟和实验运动学测试相一致。开发的模型可用于干燥过程的在线状态估计和控制。 [32]
粮食干燥过程的先进控制
李国昉1,2 毛志怀2
（1 河北科技师范学院机电系, 秦皇岛 066600 2 中国农业大学工学院, 北京 100083）
摘 要: 在分析先进控制特点的基础上, 总结了粮食干燥过程中先进控制方法的发展与现状, 指出了干燥过程控制中的存在问题，并提出了粮食干燥过程控制的发展方向。
关键词：干燥; 先进控制; 自适应控制; 模型预测控制; 专家控制; 模糊控制; 神经网络控制
Abstract : The development of advanced control in grain drying process is summarized based on the characteristics of advanced control in this paper. The kernel problems in drying process control are introduced. l is also discussed. Some advices on the development of grain drying process control is proposed.
Key words : drying;advanced control ; adaptive control; model predictive control; expert control; fuzzy control; neural network control
粮食干燥的基本目标是保持干燥过程稳定的前提下，以最低的干燥成本和能耗得到谷物最优的烘干品质。粮食干燥过程是典型的非线性、多变量、大滞后、参数关联耦合的非稳态传热传质过程，粮食本身又是一种复杂的生物化学物质，为达到上述目标，在干燥过程中必须不断地调整干燥参数，对干燥机工作过程进行控制。干燥过程的自动控制是实现干燥机优质、高效、低耗、安全作业的有效手段。实现干燥过程的自动控制，实现粮食干燥机的自动控制, 对保证出机粮食水分均匀一致、干后粮食品质、减轻操作人员劳动强度及充分发挥干燥机生产能力等具有重要意义。根据国家粮食局在《“十五”粮食行业科技发展规划》 中制定的发展目标，粮食烘干过程的在线监测和自动控制已成为提高我国粮食干燥处理工艺效率的关键问题和实现“十五”规划的重要途径。随着我国对粮库建设投入力度的加大，粮食加工业与国际日益接轨，粮食干燥的自动化将为我国的粮食加入国际流通大市场奠定基础。 [1]
1 先进控制的特点
粮食干燥过程自动控制问题的研究开始于20世纪60年代。当时使用前馈控制、反馈控制、反馈-前馈控制和自适应控制等传统控制方法。传统控制理论采用差分方程或传递函数，把干燥过程系统的知识和已有的信息表达成解析式。但是在使用和设计采用上述控制方法的谷物干燥机控制系统时会遇到很多困难，原因是:1.谷物干燥过程是复杂的、时变的和非线性的;2. 某些干燥过程变量(如谷物品质和色泽) 是不能直接测量的，有些变量(例如谷物水分含量) 的测量可能是不连续、不精确、不完整或不可靠的；3. 干燥机的过程模型是对实际过程的近似，而且需要大量的计算时间。4. 几乎
不可能用一个适当的模型来表示像干燥过程这样一个非线性、滞后、时变的复杂系统;5. 谷物干燥机的被控变量和控制变量之间存在交互效应;6. 谷物干燥机的作业条件复杂，扰动变量的范围宽，难以调控。
显然，要克服上述困难需要对谷物干燥机的传统控制方法不断改进，同时要探索新的、更有效的控制方法。20世纪70 年代, 电子行业的进步, 尤其是计算机技术的发展使得现在所谓的先进控制的思想得以广泛的传播。先进控制的目标就是为了解决那些采用常规控制效果不佳，甚至无法控制的复杂工业过程控制问题。近年来，现代控制和人工智能取得了长足的发展，为先进控制系统的实施奠定了强大的理论基础；而控制计算机是集散控制系统（DCS ）的普及，计算机网络技术的突飞猛进，则为先进控制的应用提供了强有力的硬件和软件平台。总之，工业发展的需要、控制理论和计算机及网络技术的发展强有力地推动了先进控制的发展。
计算机技术飞速发展，人工智能控制理论开始在千燥机控制中得到应用，明显改善了千燥机控制系统的性能。传统控制方法由于大滞后和对粮食干燥过程的非线性联系，不适于控制粮食干燥机。人工智能技术进步在工程领域中广泛应用，先进控制理论和控制方法应用到谷物干燥过程的自动化控制中，控制方法不断改进，控制效果提高。90年代后，过程控制己经开始向智能化发展，智能控制理论日益与干燥技术结合在一起，利用人工神经网络对干燥过程进行模型模拟和控制；专家系统应用于谷物品质预测、干燥过程控制和管理咨询等方面。
与控制理论、仪表、计算机、计算机通信与网络等技术密切相关的先进控制系统，具有以下特点：
(1)先进控制系统的理论基础主要是基于模型的控制策略，如:模型预测控制，这些控制策略充分利用工业过程输入输出有关信息建立系统模型，而不必依赖对反应机理的深入研究。日前，基于知识的控制，如专家控制和模糊逻辑控制正成为先进控制的一个重要发展方向。
（2）先进控制系统通常用于处理复杂的多变是过程控制问题，如大时滞、多变量耦合、被控变最与控制变量存在着各种约束等。采用的先进控制策略是建立在常规单回路控制基础之上的动态协调约束控制，可使控制系统适应实际工业生产过程动态特性和操作要求。
（3）先进控制系统的实现需要较高性能的计算机作为支持平台. 由于先进控制器控制算法的复杂性和计算机硬件两方面因素的影响，复杂系统的先进控制算法通常是在上位机上实施的。随着DCS 功能的不断增强和先进控制技术的发展，部分先进控制策略可以与基本控制回路一在DCS 上实现。后一种方式可有效她增强先进控制的可靠性、可操作性和可维护性。
2 干燥过程先进控制发展现状
先进控例策路是先进控制系统的核心内容，目前先进控制策略种类繁多，干燥过程中主要的先进控制策略有:预测控制、模糊逻辑控制、神经控制、自适应控制、专家系统。
2.1 基于模型的控制
2.1.1 自适应控制
自适应控制的基本原理是根据干燥过程参数的变化和外界干扰随时调整控制参数，使干燥机处于最佳的工作状态。自适应控制具有适用多种粮食干燥机、无须任何关于干燥机自己特点的数据、
对环境条件和粮食状况无特殊要求、控制器对干扰的响应速度较快、控制模型中的参数能随外界条件的变化进行自动调节等优点。瑞典Nybrant （1985）把自校正技术应用到横流谷物干燥机控制。干燥机排气温度作为输出变量，谷物排粮速率用作被控变量，并选择自动回归移动平均（ARMA ）模型表现横流干燥机的动态特性。在实验室横流干燥机上进行了验证性试验，控制误差的标准差在后50个样本期间是0.13℃。结果表明，自适应控制器能够比较准确的控制排气温度。刘建军（2003年）对HTJ-200型烘干机进行研究，通过在线样本的采集和智能优化算法对系统进行定量分析，建立由实时检测数据所确定的过程智能模型，再通过智能优化算法调用人工智能模型，获取系统的控制规则，由控制程序给出控制量经D/A转换后输出给执行部件。李晓斌等[3]（1998）研究真空冷冻干燥设备的先进控制系统，针对不同冻干物料的工艺要求，采取DRA 算法和临界比例法两种自适应、自整定控制方法，解决了被控对象主控参数--温度的滞后问题。
2.1.2 模型预测控制
过程控制理论的最新研究领域是模型预测控制，是基于模型、滚动实施并结合反馈校正的优化控制算法，它对于控制非线性和大滞后过程尤其有效。
Forbes ，Jacobson ，Rhodes ，和Sullivan （1984) 和Eltigani 设计了基于模型的干燥控制器，其控制行为基于一个过程模型和一个所谓的假冒的入口谷物水分含量。干燥速率参数根据模型预测值和传感器出口实测的水分含量之差间歇式更新。Forbes 和Eltigani 控制器的不同在于控制算法中所用的过程模型的种类不同。密执安大学的刘强（2001）提出了横流干燥机的模型预测控制器。仿真测试在一台Zimmerman VT-1210塔式横流谷物干燥机上进行，利用Labview 建立的控制器能够成功运作，并实现出口处玉米含水率控制在设定点的0.7%以内。控制器对进入干燥机的入口谷物含水率相当大范围的变化，以及热风温度的大阶跃变化都能进行良好补偿。
对模型预测控制研究中，较多工作集中于过程模型的的建立和求解，且在模型中考虑干燥品质问题。法国的P.Dufour [31][25][24][5]等人（2003）借助偏微分方程（PDES ），将模型预测控制拓展到系统模型，从而使PDES 方程能够大规模应用。他们提出了一个全局模型，旨在减少由于基于最优化任务解决方案的PDE 模型所带来的在线计算时间。开发出与实际中大量应用的IMC 结构相结合的一个通用的MPC 框架。在IMC- MPC 结构中用到了两个反馈环，以校正过程性能和基于模型的在线优化器中所引起的模拟误差。丹麦的Helge Didriksen[29]（2002）开发了一个滚筒干燥机的描述质量、能量和动量转换的动态一次法则模型，并应用到糖厂干燥甜菜中的预测控制。结果表明，随着操作变量和干扰变化，该模型具有较好的预测能力。通过模拟比较了带有模型预测控制和传统的反馈控制，模型预测控制表现出了更优的性能。法国的I ．C ．Trelea ，G.Trystram 和 F.Courtois[27]于1997年设计了用于批式干燥过程的非线性预测优化控制算法，在中试规模的干燥机上进行了测试。实验表明，算法可处理重要的干扰和失效该控制算法可方便地用于其它批式过程，如冷冻、杀菌或发酵。有些学者将神经网络用于模型预测控制过程建模。Jay （1996）初次将神经网络模型用于干燥过程预测控制。法国的J.A. Hernandez-Perez等 [33]（2004）提出了基于人工神经网络的传质传热预测模型，该模型将产品收缩作为水分的函数，应用了带有一个隐藏层的两个独立的前馈网络，隐藏层中带有三个神经细胞，可精确预测传质传热。在数据装置校验中，模拟和实验运动学测试相一致。开发的模型可用于干燥过程的在线状态估计和控制。 [32]