CC BY
20Юдин Д.А., канд. техн. наук, Фролов С.В., студент Магергут В.З., д-р техн. наук, проф.
Белгородский государственный технологический университет им. В.Г. Шухова
ПРИМЕНЕНИЕ МЕТОДА ГРУППОВОГО УЧЕТА АРГУМЕНТОВ ДЛЯ УПРАВЛЕНИЯ ВРАЩАЮЩЕЙСЯ ЦЕМЕНТНОЙ ПЕЧЬЮ*
yuddim@yandex.ru
В статье рассмотрена задача зеленого управления энергоемким объектом на примере вращающейся цементной печи. Представлена модель системы управления на основе статистических данных о процессе обжига, получаемых с помощью традиционных датчиков и системы технического зрения. Для выявления взаимосвязи «входы-выход» рассмотрено применение метода группового учёта аргументов. В ходе тестирования метод группового учёта аргументов обеспечил хорошие результаты с точки зрения среднеквадратичного отклонения вычисленных управляющих воздействий от его истинного значения. Показана перспективность применения метода в составе советующей системы управления вращающейся печью.
Ключевые слова: статистический метод, энергоемкий объект, вращающаяся печь, «зеленое» управление, метод группового учета аргументов.
Введение. Снижение выбросов вредных веществ в окружающую среду и уменьшение потребления энергоресурсов являются одними из важнейших аспектов при проектировании и модернизации энергоемких объектов. Такими, например, являются вращающиеся печи обжига, широко применяемые в строительной отрасли, металлургии, при сжигании мусора, производстве бумаги и т.д.
Одни из первых работ рассматривали синтез оптимального регулятора с помощью метода пространства состояний на основе статистических данных [1], методы теории нелинейных систем [2] и методы иерархического и адаптивного управления [3] для управления вращающейся цементной печью.
Прогностическое управление на основе модели распространения тепла и протекания химических реакций предложено в [4]. Построение прогностической модели вращающейся печи на базе метода опорных векторов исследовано в
[5].
В [6, 7] показано получение динамической математической модели обжига клинкера с применением статистических методов и ее применение для управления вращающейся печью.
В работе [8] рассмотрено применение нейронных сетей в сочетании с нечетким контроллером и лингвистическим подходом для управления известковой печью. Однако представление модели в виде «черного» ящика и вопросы устойчивости, которые возникают при применении нейронных сетей в задачах управления, ограничивают их использование.
Применение нечёткой логики для управления технологическими процессами вполне оправдано, только в случае, когда существует формализуемая экспертами связь между вход-
ными и выходными переменными. Для вращающихся цементных печей существуют ряд подходов к построению баз нечетких правил [9, 10], которые, однако, требуют дополнения и расширения.
Активно исследуется применение комбинированных методов, например, нейро-нечётких сетей, которые объединяют возможности нейронных сетей и нечеткой логики [11, 12]. В них алгоритмы нечеткого логического вывода, сформированные экспертами, включаются в структуру нейронной сети [13].
Существующие подходы показывают, что исходными для построения системы управления, как правило, служат статистические данные с датчиков технологических величин и данные распознавания состояния зоны обжига печи с использованием системы технического зрения, которые получены в результате пассивного эксперимента. Одними из основных управляющих воздействий являются расход газа, положение шиберов дымососа, расход шлама [14,15]. Формирование зависимости между величиной управляющего воздействия и показаниями датчиков при имеющихся статистических данных сводится к задаче аппроксимации (регрессии).
В настоящей статье будет рассмотрено построение модели системы управления на базе иерархической модели на основе метода группового учета аргументов [17].
Управление вращающейся цементной печью на основе метода группового учёта аргументов. Снижение расхода
энергоносителей является «зеленым» аспектом при разработке системы управления вращающейся цементной печью, т.к., например, для некоторых печей расход природного газа на обжиг клинкера составляет около 12 000 м3/час.
Укрупненную структуру системы управления печью можно представить в виде «чёрного» ящика, показанного на рис. 1.
X -\ Система управления Г
—/ вращающеис я печью
Рис. 1. Структура системы управления в виде чёрного ящика
На рисунке X = [Тог, СсО2, Тг, Т2, 1нагр1, 1нагр2, Твт, S, Ll, и, Lз, ¿4, L5] - вектор, содержащий наиболее значимые данные о процессе обжига, получаемые с помощью традиционных датчиков: Тог - температура отходящих газов; Ссо2 -концентрация углекислого газа в отходящих газах; Т1 и Т2 - температура материала в зоне подогрева и кальцинирования; 1нагрг, 1нагр2 - нагрузка на главных приводах печи; Твт - температура вторичного воздуха; а также параметры определяемые с помощью системы технического зрения: S - оценка состояния зоны спекания, Ll -оценка угла подъема материала, L2 - оценка температуры клинкера, Lз - оценка размера гранул клинкера на выходе печи, L4 -оценка яркости факела, L5 - оценка запыленности.
Выходной вектор разрабатываемой системы Y = [<2газ, Ндг, Нд2, Qшл], где Qгаз - расход газа, Ндг и Нд2 - положения шиберов дымососов, Qшл- расход шлама, которые необходимо установить в текущий момент времени t.
Такой набор данных был выбран на основе опроса операторов на заводе ЗАО «Осколце-мент», анализа трудов [14, 15] и работ по оценке состояния зоны спекания [19...21].
Для получения первой оценки S применен метод экстремального обучения нейронной сети, обеспечивший среднюю точность свыше 94 %, а для оценок Ll... L5 использован метод построения нечетких функций принадлежности, формирующий их с точностью свыше 80 % [19, 21].
п п п
У, С^..^ хп ) = а0 + ^ аХ
7=1 7=1 j=\
Сложность модели в таком случае определяется количеством коэффициентов а^ .
2. Используя опорные функции строятся различные варианты моделей ¥ для некоторых или всех аргументов. В нашем случае строятся для двух аргументов (рис. 2). Для каждой модели определяются её коэффициенты а^ к методом наименьших квадратов.
В соответствии с предлагаемым в [4.6] подходом оценка состояния зоны спекания вращающейся печи S имеет несколько целых значений, соответствующих категориям: «сильно ослаблена (брак)» ^ = 0), «ослаблена» ^ = 1), «несколько ослаблена» ^ = 2), «в норме» ^ = 3), «перегрета» ^ = 4). Оценка угла подъема материала L\ выбирается из четырех значений Ll={0,1,2,3}: «существенно меньше нормы» (¿1 = 0), «меньше нормы» (¿1 = 1), «норма» (¿1 = 2), «больше нормы» (¿1 = 3). Оценка температуры клинкера ¿2 осуществляется с помощью четырех чисел ¿2 = {0,1,2,3}: «существенно меньше нормы (брак)» (¿2 = 0), «меньше нормы (клинкер слабо подготовлен)» (¿2 = 1), «норма» (¿2 = 2), «больше нормы (клинкер перегрет)» (¿2 = 3). Для оценки размера гранул клинкера на выходе печи ¿3 имеется возможность выбора трех целых значений ¿3 ={0,1,2}: «меньше нормы (средний диаметр гранул <15мм)» (¿3 =0), «норма (15 мм < средний диаметр гранул < 50 мм)» (¿3=1), «больше нормы (средний диаметр гранул >50мм)»^3 =2). Для оценки яркости факела ¿4 используются три значения ¿4={0,1,2}: «темный факел» (¿4 = 0), «норма» (¿4=1), «яркий факел» (¿4 = 2). Оценка запыленности ¿5 могла быть установлена в одно из двух значений ¿5 ={0,1}: «нормальный режим» (¿5= 0), «печь пылит» (¿5=1).
Для моделирования работы системы управления вращающейся печью ранее не исследовалось применение метода группового учета аргументов [17], который подробно рассматривается в этой статье.
В соответствии с МГУА на основе показаний п датчиков (в том числе системы технического зрения) необходимо построить модель для каждого из 7-х управляющих воздействий ^(х1, ., Хп) за 4 шага следующего алгоритма:
1. Выбирается общий вид перебираемых моделей, так называемые опорные функции. В данном случае используется полином Колмого-рова-Габора (1):
ппп
ауХ7Х] №№ + ...
(1)
7=1 ;=1 к=1
3. Среди всех моделей выбираются 8 наилучших по среднеквадратичному отклонению (СКО).
4. Если найдена достаточно "хорошая" модель или достигнута максимально допустимая сложность моделей, то алгоритм заканчивается. Иначе, найденные модели используются как аргументы (Х1,..., Хп) для опорных функций следующей итерации. То есть уже найденные моде-
ли участвуют в формировании более сложных, то есть осуществляется переход на пункт 2.
Для тестирования метода использовались статистические данные о работе печи за январь
месяц 2015 года (5989 точек), обучение (определение коэффициентов модели) производилось на 75 % данных.
У,
Ширина выбора аппроксиматора
Входные переменные
Ряды элементарных аппроксиматоров
Рис. 2. Структура системы управления на основе метода группового учёта аргументов
В табл. 1 приведено относительное средне-квадратическое отклонения между реальным управлением оператора и выходом системы
управления при одних и тех же входных данных. Реализация метода осуществлена в среде МайаЬ.
Таблица 1
Относительные среднеквадратические отклонения управляющих воздействий
№ пп Относительное СКО,%
Управляющее воздействие МГУА
Обучающие данные Тестовые данные
1 Расход газа ^газ) 1,2 1,7
2 Положение шибера 1-го дымососа (Нд1) 3,7 4,4
3 Положение шибера 2-го дымососа (Нд2) 2,0 3,2
4 Расход шлама ^шл) 3,1 4,2
Для сравнения работы методов используется относительное среднеквадратическое отклонение (СКО) о/ /-го управляющего воздействия
У™ от показаний оператора У/оа на тестовых
данных для различных методов аппроксимации. Формула для вычисления 01 для п исходных данных для каждого из четырех управляющих воздействий представлена ниже (2).
(
О =
^(уоа _ ух )2
/=1
100% (2)
Таким образом, с точки зрения точности работы наиболее подходящим для использования в разрабатываемой системе управления является метод группового учёта аргументов.
Временные тренды управляющих воздействий для лучшего метода в графическом виде показаны на рис. 3...6: короткая штриховая линия (зелёный) - управляющее воздействие, задаваемое оператором, сплошная линия (синий цвет) - управляющее воздействие, полученное в результате работы выбранного метода. Представлены последние 1000 значений с интервалом 1 минута.
100 200 300 400 500 600 700 800
t,MMH
900 1000
Рис. 3. Результат работы системы управления по формированию расхода газа (Qza3)
200 300
500 ^мин
800 900
Рис. 4. Работа системы управления по формированию позиций шибера дымососа НД1
iiii
Сигнал СУ Сигнал оператора
0 100 200 300 400 500 600 700 800 900 1000
t,мин
Рис. 5. Работа системы управления по формированию позиций шибера дымососа НД2
x 10
1.26
1.25
1.24
1.23
1.22
1.21
1.2
1.19
1.18
1.17
25.5
24.5
23.5
22.5
21.5
0
35.5
Рис. 6. Результат работы системы управления по формированию расхода шлама ^1)
Выводы и перспективы. В ходе выполнения данной работы был проведен анализ применения статистических методов для построения системы управления энергоемкими объектом - вращающейся цементной печью. При этом осуществлено формирование величин управляющих сигналов расхода газа Qgas , положения шиберов дымососов Hei и He2, расхода шлама Qsi на основе состояния зоны спекания печи и других технологических величин. Необходимо отметить, что набор входных и выходных переменных требуется расширить, чтобы охватить все возможные режимы работы печи.
Разработан программный модуль, реализующий функции рассмотренных аппроксимато-ров, который может быть использован при разработке приложения системы управления под платформу .NET Framework.
В дальнейшем на основе выбранного метода планируется разработка советующей системы управления всей вращающейся цементной печью, которая должна быть дополнена данными о положении шибера вентилятора общего дутья, разрежении отходящих газов в пылеосадитель-ной камере, режиме вращения печи и др. Кроме того, рассмотренный подход к анализу статистических данных может быть применен и на других энергоемких объектах, имеющих большое количество входных и выходных параметров, связь между которыми очень сложно установить аналитически.
*Работа выполнена в рамках проекта РФФИ № 14-41-08016 рофим «Разработка интеллектуальных систем управления сложными технологическими процессами на основе советующих систем с техническим зрением» и Программы стратегического развития БГТУ
им. В.Г. Шухова на 2012-2016 г.г. (№ 2011-ПР-146).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. T. Otomo, T. Nakagawa, H. Akaike.Statistical approach to computer control of cement rotary kilns. Automatica. Volume 8, Issue 1, January 1972, Pages 35-48 (doi:10.1016/0005-1098(72)90008-8)
2. E.A. Dekkiche, A. En-Naamani, P. Prevot, J.P. Barbier. Experimental analysis and modelling of a rotary cement kiln. Digital Computer Applications to Process Control. Proceedings of the 6th IFAC/IFIP Conference, Düsseldorf, F. R. Germany, 1980, Pages 175-182 (doi:10.1016/B978-0-08-026749-4.50023-0)
3. J.-D. Marcuard, A. Meister. Application of modern numerical control to an industrial rotary cement kiln. Microcomputer Application in Process Control. Selected Papers from the IFAC Symposium, Istanbul, Turkey, 22-25 July 1986. A volume in IFAC Symposia Series. 1987, Pages 107112 (doi:10.1016/B978-0-08-034340-2.50022-4)
4. Konrad S. Stadler, Jan Poland, Eduardo Gal-lestey. Model predictive control of a rotary cement kiln. Control Engineering Practice. Volume 19, Issue 1, January 2011, Pages 1-9. (doi :10.1016/j. conengprac .2010.08.004)
5. X. Zhang, J. Zhao. Prediction Model for Rotary Kiln Coal Feed Based on Hybrid SVM. Procedia Engineering. CEIS 2011. Volume 15, 2011, Pages 681-687. (doi:10.1016/j.proeng.2011.08.127)
6. Порхало В.А., Рубанов В.Г., Шаптала В.Г. Автоматизация печи обжига клинкера на основе каскадной и многосвязной систем управления // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. 2013. № 2. С. 69-72.
7. Рубанов В.Г., Порхало В.А. Получение математической модели обжига клинкера с применением статистических методов. Научные ведомости Белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. 2010. Т. 7. № 14-1-1. С. 80-87
8. M Jarvensivu, K Saari,S.-L Jamsa-Jounela. Intelligent control system of an industrial lime kiln process. Control Engineering Practice. Volume 9, Issue 6, June 2001, Pages 589-606 (doi:10.1016/S0967-0661(01)00017-X)
9. D. Yudin, V. Magergut and V. Rubanov. "Fuzzy control of rotary cement kiln using sintering zone image recognition" 10th International Conference on Digital Technologies (DT), pp. 365-370, 2014 (D0I:10.1109/DT.2014.6868741).
10. V.Z. Magergut, AG. Bazhanov, R.A. Vashchenko. Algorithmic approaches to synthesis fuzzy control systems for objects with continuous technology // World Applied Sciences Journal. 2013. Т. 24.№ 10. С. 1291-1295.
11. Ротштейн А.П., Штовба С.Д. Проектирование нечетких баз знаний: лабораторный практикум и курсовое проектирование. Винница: Винницкий государственный технический университет, 1999. - 165с.
12. Тэрано Т., Асаи К., Сугэно М. Прикладные нечеткие системы / Изд-во: Мир, Москва. 1993. 368 с.
13. M. Sadeghiana, A. Fatehi. Identification, prediction and detection of the process fault in a cement rotary kiln by locally linear neuro-fuzzy technique. Journal of Process Control. Volume 21,
Issue 2, February 2011, Pages 302-308. (doi :10.1016/j .jprocont.2010.10.009)
14. Классен В.К. Основные принципы и способы управления цементной вращающейся печью // Цемент и его применение. 2004. №2. С.39-42.
15. Классен В.К. Технология и оптимизация производства цемента: краткий курс лекций. Белгород: Изд-во БГТУ, 2012. 308 с.
16. Шашков В.Б. Прикладной регрессионный анализ (многофакторная регрессия). Оренбург, ГОУ ВПО ОГУ, 2003. 363 с.
17. Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах/ Информатика. Прикладное обеспечение. Изд-во: Слово, Киев. 2008. 344 с.
18. Горбань, А. Н. Обобщенная аппрокси-мационная теорема и вычислительные возможности нейронных сетей //Сибирский журнал вычислительной математики. 1998. Т. 1. №1. С.12-24.
19. Юдин Д.А. Автоматизированная система управления вращающимися печами с применением технического зрения : дис. ... канд. техн. наук : 05.13.06; защищена 22.05.14; утв. 05.11.2014 / Юдин Дмитрий Александрович. -Белгород, 2014. 203 с.
20. Yudin D.A., Magergut V.Z., Dobrinskiy E.P. Machine vision system for assessment of firing process parameters in rotary kiln/ // World Applied Sciences Journal. Т. 24. №11. 2013. С. 1460-1466.
21. Д. А. Юдин, В. З. Магергут. Системы технического зрения для мониторинга процесса обжига во вращающихся печах: монография. Белгород: Изд-во БГТУ, 2014. 108 с.
Yudin D.A., Frolov S.V., Magergut V.Z.
USAGE OF GROUP METHOD OF DATA HANDLING FOR CONROL OF ROTARY CEMENT KILN
The article describes the task of control of the energy-intensive object on the example of the rotary cement kiln. It is represented the control system model on basis of firing process statistical data, obtained by conventional sensors and vision system. To determine the "input-output" correlation group method of data handling is applied. During testing this method has provided the good results in terms of the standard deviation of found control signals from their true values. The article shows method application prospects for development of rotary kiln advising control system.
Key words: statistical method, energy-intensive object, rotary kiln, control, group method of data handling, regression model, neuro-fuzzy network.
