(寶武集團上海梅山鋼鐵股份有限公司煉鐵廠，江蘇南京210039)

燒結工序是高爐進料前的一個重要環(huán)節(jié)，在鋼鐵生產中有著舉足輕重的地位[1]。我國90%以上生產精料是通過燒結的方式產生，燒結質量是影響高爐安全平穩(wěn)生產的主要因素。而燒結質量是通過準確的終點控制來保證的。燒結終點一方面是權衡產量以及質量的關鍵標準，另一方面可用于判斷燒結過程是否正常。合理控制燒結終點位置，不僅能提高燒結臺車有效使用面積，提高燒結礦質量并增加產量，同時可節(jié)能減耗。燒結過程是一個具有多變量、大滯后、非線性、強耦合等特點的復雜過程，難以建立精確的數(shù)學模型對燒結終點進行準確控制，常規(guī)的控制策略難以達到好的控制效果。周翠霞等[2]建立了燒結終點(burning through point，BTP)模型，但BTP模型需使用理想燒結終點附近的數(shù)據(jù)進行擬合，并基于此設計模糊控制器；丁園等[3]建立了基于二維區(qū)間自回歸預測模型，僅考慮了配碳量對燒結終點的影響，且模型較為復雜，實際應用難度大；荊鍇等[4]建立了基于自適應神經模糊系統(tǒng)(adaptive network-based fuzzy inference system，ANFIS)神經網絡的預測器，但影響燒結的因素較多，網絡輸入較難選擇。因此，對燒結過程開展研究，尤其是對燒結終點的預測控制開展研究具有理論價值和應用價值[5]。

寶武集團梅山鋼鐵公司5#燒結機終點控制采用的是基于BTP預報模型的PID控制方式，難以滿足實際生產需要。BTP模型滯后且精度較低，ANFIS等神經網絡預測器模型過于復雜。而volume預測模型能較準確預測出終點位置，進而可對終點位置提前控制，可靠性高，滯后較??；同時，模糊控制因其優(yōu)良的控制性能被逐漸應用于生產實際中。鑒于此，筆者以寶武集團梅山鋼鐵公司5#燒結機為研究對象，建立燒結volume預測模型，并設計燒結終點位置自適應模糊控制器，以期解決燒結終點預測和控制問題。

1 燒結工藝流程

通常的煉鐵燒結生產工藝流程如圖1。分析圖1可知：燒結開始前將燒結原料如鐵礦粉、熔劑以及燃料等按合理配比混合，并添加一定比例的返礦量以改善透氣性[6]；此后，將配料與水按照一定比例進行一次和二次混合，混和均勻、制粒后將其送至料槽，經布料器將配料均勻鋪在燒結機臺車平面；燒結機起始端配有點火裝置，點火后燒結料隨臺車不斷向排料口行駛，在臺車行駛的過程中，設在下部的風箱不斷地向外強制抽風，使燒結過程從點火位置開始由上而下不斷進行?；旌狭显谌剂先紵a生的大量熱量作用下，不斷地發(fā)生物理化學變化，被慢慢燒透，最終得到需要的燒結礦[7]。其中，燒透點就是通常所說的燒結終點[8]。

圖1 燒結生產工藝流程圖Fig.1 Flow chart of sintering process

2 燒結終點volume預測模型

2.1 Volume模型預報機理

實際燒結生產中，理想的燒結終點是倒數(shù)第二個風箱的位置，此時的廢氣溫度最高。對于梅山鋼鐵公司5#燒結機，理想燒結終點位置在22號風箱。對于相同排序的風箱，燒結機兩側的溫度存在差別，致使基于溫度最高點及溫度上升點建立的傳統(tǒng)燒結終點預測模型會丟失部分信息[9]。文中實時采集燒結機兩側第12～23號風箱間的多組溫度，且分別對其進行擬合，得到風箱兩側的溫度曲線。根據(jù)這側溫度曲線建立基于體積的燒結終點預測模型。將兩條溫度曲線在三維坐標系中繪制出，如圖2。圖中，兩條曲線分別是兩側風箱溫度曲線，由于兩側溫度存在差別，兩側曲線不同，兩側最高溫度點也不同，即B1和B2；同時溫度上升點也不同，即S1和S2；陰影部分的體積為volume，包含兩側風箱溫度更多的信息。

由圖2可看出，volume的大小隨燒結終點位置的變化而不斷發(fā)生變化，所以可通過計算volume的大小實現(xiàn)燒結終點位置的預測，從而進行參數(shù)調整實現(xiàn)燒結終點位置的提前控制[10]。為了確保燒結礦的品質，需保證燒結終點位置的準確預測和控制，使燒結礦在終點處剛好燒熟且不過燒。基于volume預測模型的控制方式是實時連續(xù)調整燒結機機速，使燒結機機速波動在允許范圍內。因此，該控制方法能夠讓燒結過程更加平穩(wěn)進行，從而提高燒結產量以及產物品質[11]。

圖2 Volume模型預報機理示意圖Fig.2 Schematic diagram of prediction mechanism of volume model

2.2 預報值的確定

對于梅山鋼鐵公司5#燒結機，南北兩側各23個風箱，實際燒結過程中，1～11號風箱兩側各1個溫度檢測點，12～23號風箱兩側各3個溫度檢測點。12～23號風箱的熱電偶分布如圖3。

圖3 風箱廢氣溫度采集點分布Fig.3 Distribution of exhaust temperature collection points in bellows

采集燒結機兩側風箱廢氣溫度，采用最小二乘法[12]對其進行擬合，擬合公式如式(1)。

其中：a0，a1，a2為需擬合參數(shù)；xk為風箱位置；yk為廢氣溫度。

得到的燒結機兩側風箱溫度曲線方程如式(2)。

梅山鋼鐵公司5#燒結機上升點溫度約250℃，燒結終點溫度約420℃。根據(jù)擬合方程(2)，分別對其進行求導，即：2aix+bi=0，便可求出上升點位置。

假定理想狀態(tài)下兩側風箱溫度曲線相同，則有S1＝S2，B1＝B2。則理想volume值可由式(3)求得。

式中：L為臺車寬度；B為倒數(shù)第二個風箱位置；S為溫度上升點位置；y為廢氣溫度；VP為理想volume值。擬合圖2中的上曲面，得到近似的曲面方程，如式(4)。

則體積計算如式(5)。

式中：A為曲面投影到x-y坐標平面的面積；z為曲面方程。

3 燒結終點自適應模糊控制系統(tǒng)的設計

在volume預報模型建立完成的基礎上，設計燒結終點自適應模糊控制器。

3.1 控制器基本結構

對于5#燒結機，理想的燒結終點應在22號風箱?？刂破鬏斎霝闊Y工藝要求的終點值與實際終點預報值之間的誤差e及誤差變化率ec；通過模糊化得到模糊變量E與EC；經過模糊推理得到模糊控制增量ΔU，解模糊得出實際控制增量Δu；輸出為臺車機速?；趘olume終點位置的模糊控制器基本結構如圖4。實際燒結生產過程中，應避免燒結機臺車速度頻繁改變或出現(xiàn)大的波動。因此，控制系統(tǒng)應根據(jù)模糊決策表來判斷速度有無調節(jié)的必要，若需改變，速度在基準值基礎上作相應調整[13-14]。

圖4 燒結終點模糊控制器基本結構Fig.4 Basic structure of sintering end point fuzzy controller

3.2 模糊控制規(guī)則設計

模糊控制器的控制規(guī)則是基于手動控制策略，將燒結過程中操作者在終點控制時遇到的情況及相應策略通過模糊語句的形式進行描述，這些語句便構成了燒結終點控制的模糊模型。將模糊控制器的輸入輸出分為7個模糊集：{負大、負中、負小、零、正小、正中、正大}，即 {NB，NM，NS，ZO，PS，PM，PB}，得到燒結終點模糊控制的控制規(guī)則，如表1。

表1 模糊控制規(guī)則表Tab.1 Fuzzy control rule table

3.3 自適應模糊控制器的設計

對于上文采用的燒結終點模糊控制，若系統(tǒng)誤差較大，則首要任務為消除誤差，應加大控制系統(tǒng)中誤差控制的加權；若系統(tǒng)誤差較小，則首要任務為促使系統(tǒng)盡快達到穩(wěn)定狀態(tài)，應加大控制系統(tǒng)中誤差變化的加權。根據(jù)實際需要，采用引入加權因子的方法對模糊規(guī)則實現(xiàn)自調整。

若定義ΔU的生成規(guī)則為

引入加權因子，則系統(tǒng)的模糊控制規(guī)則變?yōu)?/p>

式中：?=1/3（μb-μa）||E+μa，0≤μa≤μb≤1,μ∈[μa,μb]。

若E，EC，ΔU論域選為：{E}={EC}={ΔU}={-N,…，-2，-1，0，1，2，…，N}，N為論域長度半數(shù)。則有

帶有自調整因子的控制規(guī)則較易在計算機上實現(xiàn)實時控制，不僅消除了由經驗獲取控制規(guī)則的缺點，而且避免了跳變現(xiàn)象。

3.4 Volume值的求解

Volume求值程序流程如圖5。首先判斷是否需要計算volume值，若需要，則從PLC中讀取風箱廢氣溫度數(shù)據(jù)，剔除其中的異常值。根據(jù)式(1)擬合出燒結機兩側風箱溫度曲線方程，進而求取各上升點，再依據(jù)式(4)，(5)求出volume值。

圖5 Volume求值流程圖Fig.5 Volume evaluation program diagram

3.4 仿真研究

采集5#燒結機100組歷史風箱位置及廢氣溫度數(shù)據(jù)，利用最小二乘進行離線辨識[12]，得到系統(tǒng)近似的差分方程，如

采用Matlab對設計的控制器進行仿真實驗，搭建燒結控制系統(tǒng)模型，將辨識出來的差分方程作為系統(tǒng)傳遞函數(shù)[13]。仿真的目標為跟蹤設定值。分別采用PID控制與自適應模糊控制進行仿真實驗，為模擬實際工況變化，對控制系統(tǒng)加入20%的擾動，如式(10)。仿真結果如圖6。

其中u(t)為控制量。

由圖6可以看出：當控制量未加擾動，即0＜t＜1 100 s時，本文設計的自適應模糊控制器響應速度很快，且基本無超調，在t≈200 s時已達穩(wěn)定，而傳統(tǒng)PID控制調節(jié)時間很長，而且超調量很大，在t≈800 s時系統(tǒng)才能達到穩(wěn)定狀態(tài)；當控制量加入擾動，即t＞1 100 s時，自適應模糊控制器相比于PID控制，能夠更快地恢復穩(wěn)定。由此可知，自適應模糊控制器不僅在快速性以及超調量等方面表現(xiàn)更優(yōu)，且具更強的魯棒性。

圖6 控制效果Fig.6 Control effect

4 實際應用結果與分析

根據(jù)梅鋼5#燒結系統(tǒng)的實際應用情況，需維持臺車速度波動小。設定基于volume預測模型的自適應模糊控制系統(tǒng)的臺車速度調節(jié)范圍為1～2 m/min，輸出范圍為-0.5～+0.5 m/min，采樣周期為1 min，控制周期為7 min。實際運行過程中，系統(tǒng)在2個燒結周期內就可穩(wěn)定燒結終點在設定范圍內。系統(tǒng)投入運行后，煉鐵燒結的一級品率、終點波動率等指標皆有改進，具體指標如表2。

表2 指標對比Tab.2 Comparison of indicators

由表2可看出：基于volume預測模型的自適應模糊控制系統(tǒng)運行前后，燒結礦一級品率提高了7.37%，燒結礦產量也得以提高，意味著相同進料情況下，廢料數(shù)量減少，相應地燒結系統(tǒng)能耗降低；燒結終點波動率降低3.6%，表明燒結終點滯后情況減少，臺車使用壽命得到延長；轉鼓指數(shù)提高了5.06%，降低了高爐中燒結礦的粉塵，提高了高爐的透氣性，可為冶煉提供更好的條件；篩分指數(shù)降低了6.39%，即系統(tǒng)的揚塵減少，環(huán)境改善；此外看火智能化不僅可降低勞動強度，也可方便生產管理。由此可知，系統(tǒng)運行后，不僅提高了燒結礦的質量和產量，且降低了燒結能耗。

5 結 論

基于燒結過程的滯后和時變性，針對傳統(tǒng)燒結終點預測模型會丟失燒結過程部分有效信息，難以達到滿意的控制效果，設計基于volume的燒結終點自適應模糊控制器，仿真驗證與實際應用結果表明：

1)通過燒結機臺車兩側風箱廢氣溫度擬合出的兩條曲線圍成的體積包含整個燒結過程的熱狀態(tài)，從而得到燒結終點較為準確的volume預報模型，和以往其他方法建立的模型相比，該模型不丟失有用信息，能更準確地預測出真實的終點位置；

2)在傳統(tǒng)模糊控制中引入加權因子實現(xiàn)對模糊規(guī)則自調整，對燒結終點的控制效果改善明顯，系統(tǒng)具更好的魯棒性；

3)運行基于volume預測模型建立的模糊控制系統(tǒng)，不僅提高了燒結礦的質量和產量，而且降低了燒結系統(tǒng)能耗。