羅偉

（湖南鐵道職業(yè)技術(shù)學(xué)院，湖南株洲412001）

　　摘要：

　　針對生物質(zhì)氣化過程具有的非線性、不穩(wěn)定性、大時滯和強(qiáng)干擾等特點(diǎn)，提出了一種生物質(zhì)氣化爐的智能控制方法控制方法，包括溫度控制環(huán)和可燃?xì)怏w含氧量控制環(huán)的生物質(zhì)氣化爐雙閉環(huán)智能集成控制方法。溫度控制環(huán)采用主、副控制結(jié)構(gòu)：主控制器采用基于BP神經(jīng)網(wǎng)絡(luò)模型，建立溫度的BP神經(jīng)網(wǎng)絡(luò)模型；副控制器根據(jù)溫度預(yù)測結(jié)果實(shí)現(xiàn)跟隨控制?？扇?xì)怏w含氧量控制環(huán)引入溫度和含氧量兩個反饋，主控制器采用模糊免疫PID控制，推算最優(yōu)鼓風(fēng)機(jī)轉(zhuǎn)速；副控制器實(shí)現(xiàn)對鼓風(fēng)機(jī)速度進(jìn)行跟隨控制。仿真結(jié)果表明了該方法的有效性和優(yōu)越性。

　　0引言

　　我國生物質(zhì)能資源（如稻殼、秸稈、薪柴）十分豐富，但這些資源硅含量高，不易被細(xì)菌分解，且堆積密度小，廢棄后將破壞環(huán)境。生物質(zhì)能的綜合利用不僅能降低污染、凈化環(huán)境，而且還能回收資源和能源，創(chuàng)造經(jīng)濟(jì)效益，符合國家節(jié)能減排、廢棄物資源化利用及可持續(xù)發(fā)展的基本國策。生物質(zhì)發(fā)電不但減少了直接焚燒對環(huán)境造成的危害、減少了溫室氣體和有害氣體排放，而且對帶動新農(nóng)村建設(shè)無疑將起到重要的促進(jìn)作用。從某種意義上說，生物能源是解決地球能源危機(jī)、實(shí)現(xiàn)能源可持續(xù)發(fā)展和改善生態(tài)環(huán)境的唯一出路。在我國推廣實(shí)施生物質(zhì)燃料發(fā)電技術(shù)，將對節(jié)能減排起到重要的促進(jìn)作用。

　　生物質(zhì)氣化爐外形與傳統(tǒng)的煤球爐相比，其特別之處是多了一根長管子，原理是以茅草、秸稈、樹葉、廢菌棒等農(nóng)業(yè)生產(chǎn)和自然生長的可再生資源和農(nóng)業(yè)有機(jī)廢棄物為原料，在缺氧、高溫條件下，通過發(fā)生熱化學(xué)反應(yīng)將原料熱裂解生成可燃性混合氣體并產(chǎn)生熱量。這些能量可直接用于農(nóng)民朋友生產(chǎn)、生活之中，為農(nóng)民生活提供極大的便利。生物質(zhì)氣化爐的使用在變廢物為資源的同時，又可改善廣大農(nóng)民朋友的生活環(huán)境，特別是可在改善農(nóng)村炊事條件和降低環(huán)境污染等方面做出重大貢獻(xiàn)，價值極高。

　　20世紀(jì)70年代，Gahly等首次提出了將氣化技術(shù)用于生物質(zhì)這種含有密度的燃料，使氣化技術(shù)成為生物質(zhì)轉(zhuǎn)化過程最重要的技術(shù)之一。目前，生物質(zhì)氣化技術(shù)在發(fā)達(dá)國家已受到廣泛重視。奧地利、丹麥、芬蘭、法國、挪威、瑞典和美國等國家的生物質(zhì)能在總能源消耗中所占的比例增加相當(dāng)迅速。生物質(zhì)的熱解、氣化焚燒是強(qiáng)非線性熱力學(xué)過程，其間的化學(xué)反應(yīng)進(jìn)程與溫度等參數(shù)間呈現(xiàn)出復(fù)雜的非線性關(guān)系。因此，建立生物質(zhì)氣化過程特性模型是實(shí)現(xiàn)整個生物質(zhì)氣化發(fā)電過程優(yōu)化控制的關(guān)鍵。陰秀麗等提出了基于動力學(xué)的生物質(zhì)氣化模型；陳平建立了前饋BP神經(jīng)網(wǎng)絡(luò)模型。

　　生物質(zhì)氣化過程是一類具有非線性、時變及強(qiáng)耦合的復(fù)雜工業(yè)過程，如果僅僅采用經(jīng)典控制理論和現(xiàn)代控制理論，難以達(dá)到理想的控制效果。隨著工業(yè)技術(shù)和過程控制技術(shù)的不斷發(fā)展，工業(yè)過程越加復(fù)雜，控制的目標(biāo)越來越多樣化，控制精度的需求也越來越高，智能優(yōu)化的控制思想的提出極大地滿足了這些需求，并在很多工業(yè)過程控制中實(shí)施應(yīng)用，產(chǎn)生了很好的效果。如果將這一思想應(yīng)用于生物質(zhì)氣化過程，利用智能集成控制方法可以綜合多種智能控制策略的優(yōu)點(diǎn)，較好地把握生物質(zhì)氣化爐氣化過程的本質(zhì)規(guī)律，提高控制精度，實(shí)現(xiàn)多目標(biāo)優(yōu)化控制。

　　1工藝分析及控制結(jié)構(gòu)

　　生物質(zhì)氣化過程的本質(zhì)是生物質(zhì)碳與氣體之間的非均相反應(yīng)和氣體之間的均相反應(yīng)。該過程十分復(fù)雜，隨著氣化設(shè)備的不同、氣化工藝過程的差異及反應(yīng)條件（如氣化反應(yīng)劑的種類、氣化反應(yīng)溫度、反應(yīng)時間、有無催化劑的添加、氣化原料種類、原料的含水率等）的不同，其反應(yīng)過程也大不相同；但一般會經(jīng)歷干燥、

　　熱解、氧化、還原4個過程。在上述反應(yīng)過程中，只有氧化反應(yīng)是放熱反應(yīng)，釋放出的熱量為生物質(zhì)干燥、熱解和還原階段提供熱量。在實(shí)際氣化過程中，上述4個過程并沒有明確的邊界，是相互滲透和交錯的。

　　氣化爐是進(jìn)行生物質(zhì)氣化過程的技術(shù)設(shè)備。在氣化爐中，生物質(zhì)完成了氣化反應(yīng)過程并轉(zhuǎn)化為生物質(zhì)燃?xì)?。氣化爐能量轉(zhuǎn)化效率的高低是整個氣化系統(tǒng)的關(guān)鍵所在，故氣化爐型式的選擇及其控制運(yùn)行參數(shù)是氣化系統(tǒng)非常重要的制約條件。針對其運(yùn)行方式的不同，可將氣化爐分為固定床式和流化床式兩大類型。其中，固定床式氣化爐主要有上吸式、下吸式、橫吸式及開心式4種；流化床式氣化爐主要有鼓泡床式、循環(huán)流化式、雙床式及攜帶床式4種。據(jù)統(tǒng)計(jì)，目前商業(yè)運(yùn)行的生物質(zhì)氣化設(shè)備中，75%采用下吸式固定床，20%采用流化床，2.5%采用上吸式氣化爐，另外2.5%采用其他形式氣化系統(tǒng)。

　　本文以使用最為廣泛的下吸式固定床作為研究對象，分析生物質(zhì)氣化爐的結(jié)構(gòu)和工作過程，如圖1所示。

　　下吸式固定床氣化爐的工作過程為：首先，粉碎處理后的生物質(zhì)物料由爐子頂部混合空氣后，經(jīng)由上料口投入下吸式固定床氣化爐；其次，氣化爐底部燃?xì)獬隹谔幵O(shè)置有引風(fēng)機(jī)，正常工作時，引風(fēng)機(jī)輸出抽力，在爐內(nèi)形成負(fù)壓，使反應(yīng)產(chǎn)生的氣體在爐內(nèi)流動；同時設(shè)置在喉管區(qū)的鼓風(fēng)機(jī)，負(fù)責(zé)向氧化層輸入一次風(fēng)，為氣化過程提供充分的氧氣，實(shí)現(xiàn)對生物質(zhì)物料的充分氧化；最后經(jīng)過還原反應(yīng)區(qū)，生成可燃?xì)怏w。物料和空氣在爐內(nèi)由上至下、隨著溫度的變化按照干燥、熱解、氧化、還原4個反應(yīng)層依次地進(jìn)行氣化反應(yīng)，形成有少量雜質(zhì)的可燃?xì)怏w，該氣體經(jīng)過凈化工藝處理，最終形成可以直接使用的可燃?xì)怏w。

　　氣化過程是一個復(fù)雜的物理化學(xué)過程，其處理的植物燃料來源眾多，物理、化學(xué)特性差異較大；同時，氣化過程中爐溫受到一次風(fēng)量、物料含水量等諸多因素的共同影響。這些因素對于氣化過程的影響相對較小，氣化過程主要受到空氣當(dāng)量比和氣化反應(yīng)溫度的影響。

　　生物質(zhì)氣化爐的控制目標(biāo)是將生物質(zhì)能的轉(zhuǎn)換效率最大化，提高并保證可燃?xì)怏w的質(zhì)量。影響氣化爐轉(zhuǎn)換效率的因素有很多，但主要取決于氣化爐4個處理過程的溫度區(qū)間；氣化爐生成的可燃?xì)怏w質(zhì)量主要反映在其含氧量高低。因此，生物質(zhì)氣化爐系統(tǒng)控制所要解決的問題主要在于如何將爐內(nèi)溫度穩(wěn)定在最佳區(qū)間及怎樣降低最終可燃?xì)怏w的含氧量。

　　為穩(wěn)定氣化爐爐頂溫度和降低出口處可燃?xì)怏w的含氧量，本文選取雙閉環(huán)控制結(jié)構(gòu)，對生物質(zhì)燃料與一次風(fēng)的投放量分別進(jìn)行控制，如圖2所示。

　　1.1溫度控制環(huán)

　　溫度控制環(huán)采用主、副控制結(jié)構(gòu)。根據(jù)工藝分析，生物質(zhì)氣化爐爐溫主要雖然受到多種因素影響，但主要取決于物料物理、化學(xué)反應(yīng)的放熱和吸熱。由于該過程的非線性、大滯后特性，無法用準(zhǔn)確的數(shù)學(xué)模型來描述，因此采用BP預(yù)測方法建立物料和溫度的BP神經(jīng)網(wǎng)絡(luò)模型。主控制器根據(jù)當(dāng)前溫度和溫度設(shè)定值，預(yù)測最優(yōu)的生物質(zhì)物料添加量；副控制PID根據(jù)該添加量，對上料機(jī)構(gòu)的送料速度進(jìn)行跟隨控制，達(dá)到精確上料和穩(wěn)定爐溫的目的。

　　1.2含氧量控制環(huán)

　　為達(dá)到穩(wěn)定爐頂溫度、降低可燃?xì)怏w含氧量的目的，本文以一次風(fēng)進(jìn)風(fēng)量作為主要調(diào)節(jié)手段。因?yàn)橐淮物L(fēng)不僅影響著可燃?xì)怏w含氧量，還影響著氣化爐溫度，所以本文引入溫度和含氧量兩個反饋。主控制器采用免疫PID控制，它能根據(jù)爐內(nèi)含氧量偏差和爐溫偏差推算出鼓風(fēng)機(jī)的最優(yōu)轉(zhuǎn)速；副控制PID則根據(jù)推算出的最優(yōu)轉(zhuǎn)速對鼓風(fēng)機(jī)速度進(jìn)行跟隨控制，確保鼓風(fēng)機(jī)轉(zhuǎn)速。

　　2基于BP算法的溫度控制

　　氣化過程的溫度變化具有大滯后的特點(diǎn)，給控制帶來了很大的困難。通過對溫度變化的預(yù)估，能夠有效地抑制滯后，提升控制效果。生物質(zhì)氣化過程是一個復(fù)雜的、非線性工業(yè)生產(chǎn)過程。由于氣化爐溫度受到一次風(fēng)量、物料分布及物料含水量等因素的影響，氣化爐溫度變化毫無規(guī)律而言。神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元縱橫交錯而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。它能以實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，經(jīng)過有限次迭帶計(jì)算，獲得實(shí)驗(yàn)數(shù)據(jù)的內(nèi)在規(guī)律，并且無需預(yù)先給定公式，非常適合于研究非線性系統(tǒng)。因此，氣化爐的溫度可以采用BP人工神經(jīng)網(wǎng)絡(luò)對其進(jìn)行預(yù)測。

　　BP網(wǎng)絡(luò)是一種多層網(wǎng)絡(luò)，其基本理念是將W－H學(xué)習(xí)規(guī)則一般化，對非線性的可微分函數(shù)訓(xùn)練權(quán)值。目前，BP網(wǎng)絡(luò)主要用在函數(shù)逼近、模式識別、分類和數(shù)據(jù)壓縮方面。BP算法由兩部分構(gòu)成：信息的正向傳遞和偏差的反向傳播。在其正向傳播過程中，輸入的數(shù)據(jù)信息會被逐步運(yùn)算，從輸入層經(jīng)隱含層直到傳給輸出層；輸出的信息又會影響下一層神經(jīng)元。如果在輸出層沒有獲得期望的輸出，則會在計(jì)算輸出層的偏差變化值后進(jìn)行轉(zhuǎn)向傳播，通過網(wǎng)絡(luò)將偏差信號沿原來的連接通路進(jìn)行反向傳回，之后各層神經(jīng)元的權(quán)值會被修改直至達(dá)到期望目標(biāo)。

　　2.1樣本的批處理

　　對于一般的BP算法，各連接權(quán)的調(diào)整量分別正比于各個學(xué)習(xí)樣本的代價函數(shù)E，而全局偏差意義上的梯度算法就是調(diào)整全局偏差函數(shù)E的連接權(quán)。在逐個訓(xùn)練樣本時對權(quán)值的修正可能會出現(xiàn)振蕩，為了避免這一問題，應(yīng)該在m個學(xué)習(xí)模式全部提供給網(wǎng)絡(luò)之后對它統(tǒng)一進(jìn)行調(diào)整；而成批訓(xùn)練的方法就是將一批樣本生成的修正值累計(jì)后統(tǒng)一進(jìn)行一次批處理。因此，修改權(quán)值的增量為

　　批處理即累積偏差法，能使E向減小的方向變化。BP算法之所以能被改進(jìn)的關(guān)鍵在于采用批處理可以減少每個連接權(quán)及閾值的校正次數(shù)，從而改進(jìn)了學(xué)習(xí)速度。應(yīng)用該方法時，穩(wěn)定網(wǎng)絡(luò)的訓(xùn)練過程及限制每次迭代網(wǎng)絡(luò)偏差增量是學(xué)習(xí)率增長的前提。

　　2.2基于變學(xué)習(xí)率的BP算法

　　在基本的BP算法中，學(xué)習(xí)率必須是一個固定的常數(shù)。通過分析基本的BP算法的偏差曲面得知：在其平坦區(qū)域，學(xué)習(xí)率太小會造成迭代次數(shù)增加；而在變化劇烈區(qū)域，學(xué)習(xí)率太大又可能修正過頭，引起振蕩及發(fā)散，進(jìn)一步影響學(xué)習(xí)收斂的速度。所以，合理調(diào)節(jié)學(xué)習(xí)率從而加快收斂速度是基本BP算法的常用改進(jìn)方法之一。

　　基于自適應(yīng)變學(xué)習(xí)率的BP算法表示為

　　2.3氣化爐溫度的BP神經(jīng)網(wǎng)絡(luò)預(yù)測

　　基于生物質(zhì)氣化過程的機(jī)理分析及實(shí)際經(jīng)驗(yàn)，為降低神經(jīng)網(wǎng)絡(luò)的輸入，影響焦?fàn)t集氣管壓力的可測量因素初步確定為一次風(fēng)量、物料分布及物料含水量，將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入，氣化爐溫度的預(yù)測值為輸出，此時BP神經(jīng)網(wǎng)絡(luò)就變成為一個4輸入單輸出的模型。其中，啟停次數(shù)為BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)，特征參數(shù)值為輸出節(jié)點(diǎn)，建立一個隱含層有5個神經(jīng)元的3層神經(jīng)網(wǎng)絡(luò)。理論上已經(jīng)證明：如果一個網(wǎng)絡(luò)具有偏差和至少一個S型隱含層加上一個線性輸出層，那它就能夠逼近任意有理函數(shù)。訓(xùn)練算法采用梯度下降法，學(xué)習(xí)速率為0.15，網(wǎng)絡(luò)的初始權(quán)值為0～1中的隨機(jī)數(shù)。

　　3基于模糊免疫PID的含氧量控制

　　可燃?xì)怏w含氧量是生物質(zhì)氣化爐生產(chǎn)質(zhì)量的重要指標(biāo)之一，也關(guān)系到氣化產(chǎn)物的安全使用問題。在本文設(shè)計(jì)的生物質(zhì)氣化爐控制系統(tǒng)中，采用溫度和可燃?xì)怏w含氧量雙閉環(huán)結(jié)構(gòu)，對氣化過程進(jìn)行自動控制?？扇?xì)怏w含氧量控制需要利用對一次風(fēng)的控制，解決含氧量控制和爐溫控制之間的矛盾，在穩(wěn)定爐溫的同時降低可燃?xì)怏w含氧。

　　3.1生物免疫機(jī)理

　　生物免疫機(jī)理是抗擊病源入侵的首要防御系統(tǒng)，它通過對病原物質(zhì)的特殊提取、識別、刺激響應(yīng)、自適應(yīng)調(diào)節(jié)、學(xué)習(xí)和記憶等功能殺死抗原。B細(xì)胞和T細(xì)胞是生物免疫機(jī)理主要構(gòu)成部分；而在免疫系統(tǒng)中，除了淋巴細(xì)胞外，還有一些其它種類的免疫細(xì)胞擁有著不可忽視的作用。T細(xì)胞和B細(xì)胞從不活躍、未成熟經(jīng)自體耐受發(fā)展為成熟的免疫細(xì)胞，一旦人體受到有關(guān)攻擊時，迅速產(chǎn)生免疫應(yīng)答。所謂的免疫應(yīng)答就是一個識別、效應(yīng)和記憶的過程。

　　抗原是一類能被胸腺中的T細(xì)胞及骨髓中的B細(xì)胞識別并刺激T細(xì)胞及B細(xì)胞進(jìn)行特異性應(yīng)答的病原體。巨噬細(xì)胞等將特異抗原遞呈細(xì)胞吸取消化病原體，分解后展示在細(xì)胞表面，形成MHC分子。成熟的T細(xì)胞會被MHC分子激活，然后接受并識別病原體抗原。T細(xì)胞識別特異抗原后會復(fù)制并激活殺傷T細(xì)胞，令其殺死任何受到特異抗原感染的細(xì)胞，并通

　　過輔助T細(xì)胞將B細(xì)胞激活，使其識別特異抗原，并進(jìn)一步擴(kuò)增分化產(chǎn)生抗體。這些抗體會與抗原結(jié)合，通過與補(bǔ)體系統(tǒng)形成復(fù)合物或直接被吞噬細(xì)胞吞噬來殺死抗原。B細(xì)胞、T細(xì)胞在走向成熟過程中會經(jīng)歷自體耐受，在接受、識別、殺死抗原后會形成免疫記憶，產(chǎn)生免疫反饋。免疫反饋原理為：抗原進(jìn)入機(jī)體后，將信息傳遞給TH細(xì)胞和抑制TH細(xì)胞產(chǎn)生的TS細(xì)胞，接受到信息的TH、TS細(xì)胞會共同刺激B細(xì)胞使其增殖分化產(chǎn)生抗體消除抗原。為使免疫反饋系統(tǒng)趨于平衡，當(dāng)抗原較多時，機(jī)體中TH細(xì)胞會較多于TS細(xì)胞，產(chǎn)生較多B細(xì)胞；反之，抗原被消滅減少后，TS細(xì)胞又會增多并抑制TH細(xì)胞的產(chǎn)生，從而導(dǎo)致B細(xì)胞也隨之減少。

　　3.2模糊免疫PID算法

　　4仿真

　　在保證生物質(zhì)氣化爐運(yùn)行狀況基本相同的條件下，采用基于灰色遺傳的組合預(yù)測算法，對從某廠氣化爐現(xiàn)場采集到的2000組干燥層溫度數(shù)據(jù)中選取的連續(xù)1500組訓(xùn)練樣本數(shù)據(jù)，以及剩余500組與樣本數(shù)據(jù)時間相近的實(shí)驗(yàn)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，建立預(yù)測模型，對試驗(yàn)樣本進(jìn)行擬合。

　　為了驗(yàn)證基于BP神經(jīng)網(wǎng)絡(luò)的生物質(zhì)氣化爐溫度組合預(yù)測算法方法的有效性，采用神經(jīng)網(wǎng)絡(luò)算法對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行學(xué)習(xí)和擬合，結(jié)果如圖3所示。

　　從仿真結(jié)果可以看出：采用BP神經(jīng)網(wǎng)絡(luò)可以較好地預(yù)測氣化爐溫度實(shí)時值，平均誤差為4.3%，且能良好地跟蹤實(shí)際溫度的相位變化，為氣化爐溫度控制和可燃?xì)怏w含氧量控制奠定良好了基礎(chǔ)。

　　5應(yīng)用

　　針對某生物能源公司以生物質(zhì)氣化爐生產(chǎn)過程具有高度非線性、時變特性、強(qiáng)耦合性、擾動變化激烈且幅度大的特點(diǎn)，結(jié)合氣化爐現(xiàn)場工藝狀況，設(shè)計(jì)了一種新的控制系統(tǒng)應(yīng)用于該公司生物質(zhì)氣化爐生產(chǎn)過程。該系統(tǒng)基于Honeywell集散控制系統(tǒng)運(yùn)行環(huán)境和操作平臺，可用于采集過程數(shù)據(jù)、實(shí)時監(jiān)視及分析歷史數(shù)據(jù)等；采用高級編程語言VisualC++6.0編寫智能解耦與優(yōu)化控制應(yīng)用軟件，通過OPC通信技術(shù)將應(yīng)用軟件和集散系統(tǒng)進(jìn)行無縫連接，以確保所編寫的應(yīng)用軟件能夠通過集散系統(tǒng)對現(xiàn)場的執(zhí)行設(shè)備進(jìn)行控制，從而保證了多座氣化爐生產(chǎn)過程的實(shí)時穩(wěn)定優(yōu)化控制。

　　本文所研究的生物質(zhì)氣化爐生產(chǎn)過程控制系統(tǒng)在某生物能源公司入生產(chǎn)后，得到了有效應(yīng)用，起到了穩(wěn)定氣化爐溫度、降低可燃?xì)怏w含氧量的作用，滿足了生產(chǎn)過程的需要。

　　將本文提出的控制方法應(yīng)用于現(xiàn)場實(shí)際后，運(yùn)行情況表明：生物質(zhì)氣化爐生產(chǎn)過程控制系統(tǒng)保證了化爐干燥層溫度穩(wěn)定在優(yōu)化設(shè)定值±45℃范圍內(nèi)；當(dāng)壓力變化、投放物料、氣溫變化造成系統(tǒng)擾動時，該系統(tǒng)能在短時間內(nèi)通過調(diào)節(jié)上料速度和一次風(fēng)機(jī)轉(zhuǎn)速，將爐溫和可燃?xì)怏w含氧量動態(tài)調(diào)整到正常波動范圍內(nèi)，滿足了生產(chǎn)的要求。

　　6結(jié)論

　　針對生物質(zhì)氣化過程的復(fù)雜非線性特性，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)和模糊免疫PID的生物質(zhì)氣化爐的智能控制算法。實(shí)踐表明：該算法能較好地精確控制生物質(zhì)氣化爐的爐溫及含氧量。仿真試驗(yàn)證明：該系統(tǒng)不僅能適應(yīng)對象參數(shù)的變化、表現(xiàn)出良好的控制品質(zhì)，而且有調(diào)節(jié)時間短、魯棒性強(qiáng)和抗干擾能力強(qiáng)的優(yōu)點(diǎn)。