1、1）燒結終點位置專家控制策略在燒結工藝中，燒結終點（Burning Though Point, BTP）是反映燒結熱狀態的重要參數，是判斷燒結過程正常與否的標志之一，與燒結過程熱能利用率密切相關。燒結終點包括燒結終點位置與燒結終點溫度，其中，實現燒結終點位置的自動控制對保證整個燒結生產的順利進行，增強燒結礦的產量和質量，提高燒結過程熱能利用率有著重要指導意義。而目前的燒結BTP位置自動控制一般都是通過曲線擬合的方法，得到燒結廢氣溫度上升點（Burn Rising Point, BRP），來預測BTP的位置，繼而調節燒結機速度，從而達到穩定BTP的目的。實際生產表明，由于BTP的控制存在很多的干

2、擾因素，僅僅依據BRP來調節操作參數，穩定BTP是遠遠不夠的，存在諸多不足：BTP溫度低，那么燒結礦整體溫度偏低，導致燒結礦強度不夠；機速過快或過慢，將導致混合料倉料位過低或過高，不利于燒結過程的穩順運行。因此，除了BRP的影響外，還必須充分考慮其他工況（混合料倉料位、風箱負壓、料層厚度、配重）的影響，設計出基于多工況識別的BTP控制，提高燒結過程的抗干擾性。為了有效提高燒結過程的抗干擾性，保證燒結過程的穩順運行，本課題以穩定燒結終點位置為目標，采用一種基于工況識別的燒結終點參數自整定專家控制方法，通過工況識別，實時修改專家控制器的控制周期、控制步長等參數，并可以根據不同的配重，靈活處理燒結機

3、速度的上下限，有效降低了操作工人的工作量，提高了整個燒結車間的工作效益。基于工況識別的燒結終點專家控制框圖如圖1所示，由工況識別、專家控制器和參數自整定模塊組成。經過識別的各種工況通過經驗組合得到的專家規則不僅用于調整控制參數，還指導專家控制器的輸出。該控制方法包括以下步驟：步驟1：數據采集和模糊化步驟：采集和計算混合料倉料位及其變化率、燒結終點位置的偏差、燒結終點溫度、17#19#風箱溫度平均值的變化率以及燒結廢氣溫度上升點位置6個過程變量并進行模糊化處理；步驟2：模糊診斷步驟：根據模糊化的6個過程變量，基于診斷規則得到當前燒結運行狀態處于何種工況；步驟3：在線控制步驟：根據模糊診斷步驟獲得

4、的工況，基于建立的專家規則，在線調整控制周期、控制步長和燒結機速度的上限值和下限值，實現燒結終點的自動控制。圖1燒結終點位置專家控制結構框圖 數據采集和模糊化由典型狀況的知識表示，通過實時采集混合料倉料位、燒結終點位置、燒結終點溫度、17#19#風箱溫度等6個過程變量的檢測值，然后，通過設定的燒結終點位置（23號風箱）和當前時刻的燒結終點位置相減，得到燒結終點位置的偏差；并分別將當前時刻和前一時刻的混合料倉料位和17#19#風箱溫度平均值相減，得到二者的變化率。將混合料倉料位及其變化率、燒結終點位置的偏差、燒結終點溫度、17#19#風箱溫度平均值的變化率以及燒結廢氣溫度上升點位置6個過程變量作

5、為模糊診斷的6個事實，各種工況和事實之間的關系如圖2所示。圖2 事實和工況關系圖 模糊診斷步驟模糊診斷是BTP控制的主體部分，主要是對獲取的知識進行識別歸類，繼而判斷出當前的燒結典型狀況，指導專家控制器的操作。模糊診斷主要包括模糊預處理、模糊推理和解模糊三個步驟。燒結過程中綜合狀況的信息一般以模糊命題的形式出現，如“BTP溫度正小”、“混合料倉料位負大”、“BRP負小”等。用于描述綜合狀況的生產數據必須經過模糊化后才使用，模糊化所用的隸屬度函數采取三角半梯形函數。該模糊診斷各過程變量采用的隸屬度函數曲線如圖3所示，是三角函數和半梯形函數的組合，中間是三角形函數，如（1）所示，兩邊是半梯形函數，

6、分別如式（2）和（3）所示。圖3 隸屬度函數曲線 （1） （2） （3）其中，(x)表示x屬于該模糊命題的隸屬度，即模糊命題成立的確信度。在沒有實現自動控制之前，由于燒結過程中出現的典型現象都是依賴于熟練的操作工人的經驗判斷的，在長期的燒結操作實踐積累大量切合實際的燒結狀況的知識，可以作為專家知識庫的主要來源。除此之外，還要進行大量的數據分析，結合相應的燒結理論知識，得出燒結終點典型狀況與反映典型狀況的事實之間的對應關系如圖2所示，燒結終點的典型工況15種，分別對應燒結過程的6個事實。一種典型狀況可能對應多個事實，每種事實中又包含多個事實項，事實和典型狀況之間必須建立合理的對應關系，這里采用一

7、種模糊診斷的策略。將燒結過程的典型工況（Abnormal Condition，簡稱AC）及相關事實項（Fact，簡稱F）描述如下： （4） （5） （6）其中，式（4）表示15種典型工況，n=15；式（5）表示每個典型工況ACi與對應的28個事實項的關系，m =28。為了更形象描述典型工況和事實項之間的關系，引入式（6），Ni表示第i個事實項的名稱，表示對應的權重。式（4）和式（5）合起來就可以表示出不同的典型工況對應的事實項序列。以“BTP大滯后”為例，該典型工況的事實項序列描述如下：-（7）其它典型工況的事實項序列對應的權重如表1和表2所示表1 BTP工況對應的事實項序列權重表事實工況BT

8、P位置的偏差BTP溫度負大負小零正小正大負零正10.1 0.050000.100200.10.05000.100300.050.10000.104000.050.10000.150000.050.1000.1續表2事實工況17#19#風箱溫度平均值的變化率BRP負大負小零正小正大負大負小零正小正大10.250.10.05000.20.10.050020.10.250.1000.10.150.0500300.150.250.15000.050.10.0504000.10.250.1000.050.150.15000.050.10.25000.050.10.2表中1、2、3、4、5分別表示大滯后、

9、小滯后、正常、小提前、大提前，表中沒有列出的其它事實項的權重全部為零。表2 混合料倉料位及其變化率工況對應的事實項序列權重表事實工況混合料倉料位混合料倉料位變化率負大負小零正小正大負大負小零正小正大60.70.30000000070.30.40.30000000800.30.50.20000009000.30.40.300000100000.30.70000011000000.70.300012000000.30.40.300130000000.30.50.201400000000.30.40.315000000000.30.7表中615分別表示混合料倉料位過低、低、適中、高、過高以及混合料倉

10、料位變化率負大、負小、零、正大、正小，表中沒有列出的其它事實項的權重全部為零。根據獲取的經驗知識，定出15種典型工況和28個事實項對應得權重矩陣，即兩者的模糊關系表示如下： （8）其中表示事實項i在典型工況j表現出來的重要程度，且。可以為0，如式（9）中反映“BTP大滯后”的事實項只有6個存在權重，其余的22個全部為零。當時，表示該事實項在反映典型工況時不起作用。28個事實項在典型工況的知識獲取中經模糊化后，可以得到如下的隸屬度向量： （9）設15中典型工況的隸屬度向量為： （10）模糊診斷的過程就是進行模糊關系的運算，如下所示： （11）其中符號表示取大，表示取小，理解為典型工況發生的可能性

11、，當然越大，發生的可能性越大。如當前時刻的BTP位置的變化率、BTP溫度、17#19#風箱溫度平均值的變化率、BRP、混合料倉料位及其變化率6個事實分別為-0.2個、400、7/(5s)、17號風箱、75t、0.6t/(5s)，經模糊化后得到的隸屬度向量=（0，0.667，0.333，0，0，0.364，0.636，0，0，0，0，0.6，0.4，0，0，1，0，0，0，0，0.5，0.5，0，0，0，0，0.8，0.2）T，由于每種工況對應的事實項序列的權重疊加起來為1，隸屬度向量要經過歸一化處理，得到=（0，0.167，0.083，0，0，0.91，0.159，0，0，0，0，0.15，0

12、.1，0，0，25，0，0，0，0，0.5，0.5，0，0，0，0，0.8，0.2）T依據式（11）的運算得到15中典型工況的隸屬度向量=（0.091，0.1，0.15，0.1，0.1，0，0.3，0.5，0.4，0.3，0，0，0.2，0.4，0.3）。如工況BTP大滯后的隸屬度是這樣得到的：采用隸屬度最大的原則進行解模糊，通過比較各典型工況的隸屬度，最大者即為當前典型工況。由于模糊診斷得到的是燒結過程的三個典型工況，分別是BTP工況、混合料倉料位及其變化率的工況，通過比較前5種典型工況的隸屬度值，最大者為BTP當前工況；通過比較中間5種典型工況的隸屬度值，最大者為混合料倉料位當前工況；通過

13、比較后5種典型工況的隸屬度值，最大者為混合料倉料位變化率當前工況。如前面提到的例子，依據隸屬度向量，通過隸屬度最大的原則進行解模糊，得到當前的燒結工況為BTP正常，混合料倉料位適中，混合料倉料位的變化率正小。得到BTP的工況后，再結合混合料倉料位及其變化率兩者的工況進行經驗組合，建立專家規則。專家規則采用了基于規則的表達形式，規則表由若干的經驗規則組成，采用“IF 條件1 AND 條件2 AND條件3 THEN 結論”的形式，每條規則的輸入條件由上述三類典型工況的與關系構成，結論是控制策略。總共建立125條規則，8套控制策略，在線調整各控制參數，指導專家控制器的執行，控制策略具體描述如下：（1

14、）最大限度減慢機速；控制周期=1.0 min，控制步長=-0.02 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（2）中等限度減慢機速；控制周期= 5.0 min，控制步長=-0.02 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（3）最小限度減慢機速；控制周期=10.0 min，控制步長=-0.02 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（4）保持當前速度；控制周期=10.0 min，控制步長=0 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（5）最小限度加快機速；控

15、制周期=1.0 min，控制步長=0.02 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（6）中等限度加快機速；控制周期=5.0 min，控制步長=0.02 m/min，機速上限=3.28 m/min，機速下限=2.7 m/min；（7）最大限度加快機速；控制周期=10.0 min，控制步長=0.02 m/min，機速上限=3.28 m/min，機速下限=2.7m/min；（8）維持正常速度；根據經驗，將正常的理想燒結機速度（IdealSv）設為2.98 m/min，控制周期=1.0 min，若當前機速大于IdealSv，控制步長=-0.05 m/min，機速上限

16、=3.28 m/min，機速下限=2.98 m/min；若當前機速小于IdealSv，則控制步長=0.05 m/min，機速上限=2.98 m/min，機速下限=2.7 m/min；若兩者相等，則保持機速為2.98 m/min。 專家控制規則表如下表所示：表3專家規則表混合料倉料位混合料倉料位變化率BTP大提前小提前正常小滯后大滯后過高正大（7）（7）（7）（7）（7）過高正小（7）（7）（7）（7）（7）過高零（7）（7）（7）（7）（7）過高負小（6）（5）（8）（8）（8）過高負大（8）（8）（8）（3）（2）高正大（7）（7）（7）（7）（7）高正小（7）（6）（5）（5）（5）高零（

17、7）（6）（5）（3）（2）高負小（6）（5）（8）（2）（1）高負大（6）（5）（8）（2）（1）適中正大（7）（6）（6）（3）（2）適中正小（7）（6）（8）（3）（2）適中零（6）（8）（8）（8）（2）適中負小（5）（5）（8）（2）（1）適中負大（1）（1）（1）（1）（1）低正大（6）（5）（8）（2）（1）低正小（6）（5）（8）（2）（1）低零（2）（2）（2）（2）（1）低負小（2）（2）（2）（1）（1）低負大（1）（1）（1）（1）（1）過低正大（8）（8）（8）（2）（1）過低正小（8）（8）（8）（3）（1）過低零（1）（1）（1）（1）（1）過低負小（1）（1）（

18、1）（1）（1）過低負大（1）（1）（1）（1）（1）表中，（1）（8）如控制策略所示。 專家控制將整定完后的參數送給燒結機機速自調整模塊，由該模塊完成機速的在線下發。為了防止由于燒結機機速劇烈突變造成的燒結過程不穩順的現象，實時采集燒結機當前的機速，在該機速的基礎上，依據整定完后的參數，進行合理的調節，實現變周期變步長的燒結終點自動控制。機速自調整方式具體如式（12）所示。 （12）其中，SV表示下一控制周期機速下發值，PV表示當前控制周期機速檢測值，CS表示控制步長，SVUpLimit表示機速上限，SVLowLimit表示機速下限。 如前面提到的例子，得到各典型工況后，通過查表4，可以得到當前工況下采用控制策略（8），并按照式（12）下發燒結機機速。由圖4和圖5得知，本發明使得燒結終點基本穩定在22.5-23.5之間，偏差控制在±0.5個風箱之內，波動率為13%，降低了12%。表5選用利用系數、轉鼓指數和篩分指數這幾個關