第6期 肖前军，等：生活垃圾焚烧炉燃烧过程温度的仿人智能控制 ·883. “判断→操作”定量控制的信息处理过程，整个执行 制模式的负反馈可减少误差2-)。将上述半开环 过程既有定性决策又有定量控制。事实上，这里的 “保持”与比例控制模式合并，其原型算法可用数学 优秀驾驶员就是一个人体控制器，焚烧过程是瞬息 形式总结为 万变的，其优化控制也必须在线实时完成，就如驾驶 员根据行驶轨迹及其变化趋势实时驱驶车辆行驶一 em.i,(e·e>0Ue=0ne≠0) i=1 样。因此，仿人智能的控制系统只不过是人体控制 系统的另外一种“同态”变换形式。从人体控制器 (=0) i=1 结构和功能方面分析可知，基于仿人智能的控制系 式中：e、e、emu、Kp、k分别是过程误差及其变化 统具备以下基本特征：如启发式和直觉推理逻辑：在 率，控制过程中第j次过程的误差极值，仿人智能控 线的特征辨识和特征记忆：分层的信息处理与决策 制器的输出，比例系数和抑制系数。在实施控制的 机构：定性决策与定量控制以及开、闭环控制相结合 过程中，实质上采用的是双模态控制模式，下个周期 的多模态控制等。在仿人智能控制中，直觉的逻辑 的控制模式与算法是由当前控制周期的误差特征模 推理借助产生式规则予以表达（即用F-THEN语句 式决定的，借助交替地实施2种控制模式就可达到 实现)，其在线的特征辨识由系统动态特征模型予 对焚烧过程的优化控制目的。 以数学描述，基于经典控制理论，HSIC充分利用了 ) et) HS1C控制器0 被控过程 v) 交叉技术的优势，比如HSIC将控制理论、人工智能 和计算机科学有机融合，因此可将定性决策与定量 图1焚烧过程控制模型 Fig.I 控制相结合从而实施多模态的控制：基于经典反馈 Incineration process control model 控制，HSIC可将开环控制与闭环控制相结合，以计 el 算机软硬件系统为载体，从而构造出独具特色的控 制算法。智能控制中的其他控制策略如模糊逻辑、 ee>0 专家系统和神经网络等策略与仿人智能控制相比， e 其控制手段显得单一，因此仿人智能控制在协调焚 烧过程的动、静态技术指标与强鲁棒性方面有更加 ee<o 突出的优势，对垃圾焚烧过程控制应当是一种优化 的控制策略1)。 2.2控制算法 图2误差相平面 Fig.2 Error phase plane 焚烧过程控制模型如图1所示，其过程的输入 与误差，智能控制器输出以及焚烧过程的输出分别 仿真实验及结果分析 用r(t)、e(t)、u(t)与y(t)表示。值得注意的是： 假定焚烧系统为二阶的大滞后过程，为便于比较 过程误差e与过程误差变化率e等都是完全可检测 控制品质，仿真实验中选取PD控制算法为参照，以 的，图2的误差相平面指出了过程误差e与过程误 便与原型HSIC控制的过程响应进行多个方面的比 差变化率e的关系。分析误差特征可知：如e位于 较。设其数学模型为：G(s)=Ke/(Ts+ 图2平面的第Ⅱ和第N象限，则过程误差呈现出减 1)(T2s+1),其中，K为比例系数，r为过程时滞时 少趋势，即e·e<0或者e=0时，则误差逐渐趋近 间，T,T2分别为过程的时间常数。在模型BMCR锅 于为零：如其位于第I和第Ⅲ象限，则e表现出有增 炉负荷下，试验中选取K=4.134,T,=1,T2=2,垃 大趋势，即e·e>0或者e=0且e≠0时，那么e是 圾焚烧炉负荷变化仿真包括：1)主汽压力与空气量 增加的。基于上述分析，可以总结出2种不同的误 不变，燃料量增加5%扰动：2)主汽压力与空气量不 差特征模式：1)当e·e<0或者e=0时，可选取半 变，燃料量减少5%扰动：3)燃料水份增加10%扰动， 开环“保持”控制模式，因其误差会自动地逐渐趋近 主汽压力不变：4)空气量减少5%扰动，燃料量不变： 为零，该控制模式的优势之一是可直接消除积分饱 5)燃料水份减少10%扰动，主汽压力不变：6)空气 和与相位滞后而不用增加积分环节：2)当e·e>0 量增加5%扰动，燃料量不变。为保证仿真时有稳定 初始值，模型实施仿真中在第15s时开始加入外部脉 或者e=0且e≠0时，可选取比例控制模式，因该控“判断→操作”定量控制的信息处理过程，整个执行 过程既有定性决策又有定量控制。 事实上，这里的 优秀驾驶员就是一个人体控制器，焚烧过程是瞬息 万变的，其优化控制也必须在线实时完成，就如驾驶 员根据行驶轨迹及其变化趋势实时驱驶车辆行驶一 样。 因此，仿人智能的控制系统只不过是人体控制 系统的另外一种“同态”变换形式。 从人体控制器 结构和功能方面分析可知，基于仿人智能的控制系 统具备以下基本特征：如启发式和直觉推理逻辑；在 线的特征辨识和特征记忆；分层的信息处理与决策 机构；定性决策与定量控制以及开、闭环控制相结合 的多模态控制等。 在仿人智能控制中，直觉的逻辑 推理借助产生式规则予以表达（即用 ＩＦ⁃ＴＨＥＮ 语句 实现），其在线的特征辨识由系统动态特征模型予 以数学描述，基于经典控制理论，ＨＳＩＣ 充分利用了 交叉技术的优势，比如 ＨＳＩＣ 将控制理论、人工智能 和计算机科学有机融合，因此可将定性决策与定量 控制相结合从而实施多模态的控制；基于经典反馈 控制，ＨＳＩＣ 可将开环控制与闭环控制相结合，以计 算机软硬件系统为载体，从而构造出独具特色的控 制算法。 智能控制中的其他控制策略如模糊逻辑、 专家系统和神经网络等策略与仿人智能控制相比， 其控制手段显得单一，因此仿人智能控制在协调焚 烧过程的动、静态技术指标与强鲁棒性方面有更加 突出的优势，对垃圾焚烧过程控制应当是一种优化 的控制策略［１０⁃１１］ 。 ２．２ 控制算法 焚烧过程控制模型如图 １ 所示，其过程的输入 与误差，智能控制器输出以及焚烧过程的输出分别 用 ｒ（ｔ）、ｅ （ｔ）、ｕ（ｔ） 与 ｙ（ｔ） 表示。 值得注意的是： 过程误差 ｅ 与过程误差变化率 ｅ · 等都是完全可检测 的，图 ２ 的误差相平面指出了过程误差 ｅ 与过程误 差变化率 ｅ · 的关系。 分析误差特征可知：如 ｅ 位于 图 ２ 平面的第Ⅱ和第Ⅳ象限，则过程误差呈现出减 少趋势，即 ｅ·ｅ · ＜ ０ 或者 ｅ · ＝ ０ 时，则误差逐渐趋近 于为零；如其位于第Ⅰ和第Ⅲ象限，则 ｅ 表现出有增 大趋势，即 ｅ·ｅ · ＞ ０ 或者 ｅ ＝ ０ 且 ｅ · ≠ ０ 时，那么 ｅ 是 增加的。 基于上述分析，可以总结出 ２ 种不同的误 差特征模式：１）当 ｅ·ｅ · ＜ ０ 或者 ｅ · ＝ ０ 时，可选取半 开环“保持”控制模式，因其误差会自动地逐渐趋近 为零，该控制模式的优势之一是可直接消除积分饱 和与相位滞后而不用增加积分环节；２） 当 ｅ·ｅ · ＞ ０ 或者 ｅ ＝ ０ 且 ｅ ·≠０ 时，可选取比例控制模式，因该控 制模式的负反馈可减少误差［１２－１３］ 。 将上述半开环 “保持”与比例控制模式合并，其原型算法可用数学 形式总结为 ｕ ＝ Ｋｐ ｅ ＋ ｋＫｐ∑ ｎ－１ ｉ ＝ １ ｅｍ，ｉ，（ｅ·ｅ · ＞ ０ ∪ ｅ ＝ ０ ∩ ｅ · ≠ ０） ｋＫｐ∑ ｎ ｉ ＝ １ ｅｍ，ｉ，（ｅ·ｅ · ＞ ０ ∪ ｅ · ＝ ０） ì î í ï ïï ï ï 式中：ｅ、 ｅ · 、ｅｍ，ｊ、ｕ、 ＫＰ 、ｋ 分别是过程误差及其变化 率，控制过程中第 ｊ 次过程的误差极值，仿人智能控 制器的输出，比例系数和抑制系数。 在实施控制的 过程中，实质上采用的是双模态控制模式，下个周期 的控制模式与算法是由当前控制周期的误差特征模 式决定的，借助交替地实施 ２ 种控制模式就可达到 对焚烧过程的优化控制目的。 图 １ 焚烧过程控制模型 Ｆｉｇ．１ Ｉｎｃｉｎｅｒａｔｉｏｎ ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ ｍｏｄｅｌ 图 ２ 误差相平面 Ｆｉｇ．２ Ｅｒｒｏｒ ｐｈａｓｅ ｐｌａｎｅ ３ 仿真实验及结果分析 假定焚烧系统为二阶的大滞后过程，为便于比较 控制品质，仿真实验中选取 ＰＩＤ 控制算法为参照，以 便与原型 ＨＳＩＣ 控制的过程响应进行多个方面的比 较。 设 其 数 学 模 型 为： Ｇ（ｓ） ＝ Ｋｅ －τｓ ／ （Ｔ１ ｓ ＋ １）（Ｔ２ ｓ ＋１）， 其中，Ｋ 为比例系数，τ 为过程时滞时 间，Ｔ１ ，Ｔ２ 分别为过程的时间常数。 在模型 ＢＭＣＲ 锅 炉负荷下，试验中选取Ｋ ＝ ４．１３４，Ｔ１ ＝ １，Ｔ２ ＝ ２， 垃 圾焚烧炉负荷变化仿真包括：１） 主汽压力与空气量 不变，燃料量增加 ５％扰动；２） 主汽压力与空气量不 变，燃料量减少 ５％扰动；３） 燃料水份增加 １０％扰动， 主汽压力不变；４） 空气量减少 ５％扰动，燃料量不变； ５） 燃料水份减少 １０％扰动，主汽压力不变；６） 空气 量增加 ５％扰动，燃料量不变。 为保证仿真时有稳定 初始值，模型实施仿真中在第 １５ ｓ 时开始加入外部脉 第 ６ 期 肖前军，等：生活垃圾焚烧炉燃烧过程温度的仿人智能控制 ·８８３·