粮食干燥过程的先进控制（2）

3　过程控制研究中存在问题

3.1干燥技术与控制技术未充分结合

      干燥过程是典型的多变量、大惯性、高度非线性复杂系统，建立一个理想的符合实际干燥过程的数学模型^困难；而且建立模型要花费大量精力，有时甚至是不可能。通常为便于研究要对建模条件进行简化，简化后的方程不能正确反映干燥过程，简化常常会带来误差。有的模型如热、质传递模型、干燥过程优化控制型、模糊控制及智能控制型等，都有不够^之处。同时干燥理论研究局限在扩散理论的圈子中、未找到物料自身的特性函数，这也给^模型的建立带来了难度。即使一些干燥过程能够建立起^的数学模型，其结构往往也^复杂，难以设计并实现有效的控制。目前的研究基本上停留以一维数学模型为基础的控制上，常常是只控制某一个特定的参数，控制效果不理想，更不能完成多目标的智能控制。没有一个很好的数学模型，在实施控制时不得不寻求其他间接方法，这在一定程度上影响了控制的精度和效果，干燥技术研究与控制技术研究结合得不够好，使干燥机控制对发挥干燥机^高效能、对提高产品质量的作用没有完全体现。

3.2 干燥过程控制方法及控制效果研究较少

3.2.1　过程控制中控制变量少

      干燥过程控制系统以常规单变量技术为基础，控制的目标主要局限于对某一个变量或几个变量的平稳操作，保证生产平稳和少出事故。随着粮食干燥工业日益走向大型化、集成化、连续化、复杂化，对过程控制的品质提出了更高的要求，一个良好的控制系统不但要保护系统的稳定性和整个生产的安全，满足一定的约束条件，而且应该带来一定的经济效益和社会效益。而在粮食干燥中，当某一烘干段中热风的温度和湿度一旦变化，不仅对该烘干段粮食的温度和含水率产生直接的影响，还会间接影响到下一段乃至烘干塔出口粮食的温度和含水率。若排粮电机转速放慢或者加快，不仅烘干塔出口的粮食水分会变化，每一段烘干段内粮食温度和水分都会发生相应的改变。在这一系列复杂的变化过程中，必然会伴随时滞、耦合、时变以及一系列非线性的过程。如果只是将被控变量的偏差和偏差变化率作为控制系统的输入，当系统内部或外部干扰增多时，很难保证其控制效果。经典的模糊控制系统常将研究问题简化为单输入单输出单变量模糊控制器在应用中有很大局限性，控制器的输入只有被控变量的偏差及偏差变化，实质上相当于一个可变参数的单输入PD调节器。因此，干燥过程的复杂性决定了控制量和被控制量不止一个，互相之间存在错综复杂的影响关系，各被控制量的^佳值也会存在相互制约的因素，难以寻求^优的控制方案。

3.2.2　先进控制应用少且方法集中单一

      虽然数十年来就开始探究将如何智能控制应用于干燥工艺中，但是关于粮食干燥先进控制系统的设计方法研究甚少，而且集中于某种方法的研究较多。“十五”期间国家粮食局花费了大量的资金用于解决粮食干燥过程中的水分在线测试和自动控制，结合一些粮库进行了一些项目的研究和开发工作，但多数设计单位都采用模糊控制方法。浏览国内学位论文也可以看到，较多的是利用神经网络建立烘干塔的数学模型、用模糊思想对干燥机的性能进行综合评价和对干燥机的设计进行优化；没有一份应用模型预测控制的报道。先进控制方法虽然有很多优点，但单一方法也存在着这样或那样的不足。模糊控制是建立在熟练操作才经验的基础上，需要通过系统自学习，不断修正参数才能逐步逼近目标值。而干燥时粮食水分影响因素多，不容易找到熟练操作者的经验参数，而未采用较准确反映烘干机控制量的数学模型方法进行自动控制设计，很难保证干燥后粮食品质。自适应控制虽然能在一定程度上解决不确定问题，但算法复杂、计算量大，且对过程未建模动态和扰动的适应能力差，系统鲁棒性问题尚待进一步解决，应用受到限制。开发基于友好图形界面的^系统是干燥过程控制的发展方向之一，但由于进行问题求解时搜索的时间较长，^系统用于在线控制方面的能力比较差。在神经网络建模形式中，基于BP 算法的网络具有训练时间长，且经常发生不收敛的缺点；采用径向基函数近似干燥过程虽然可大大提高收敛速度，并使网络能够收敛于全局^小值，但其中心坐标确定较困难。大部分现有的非线性模型预测控制方法只能用于较慢的过程控制，对于实时性要求较高的干燥过程控制不利。因此，单一应用某种控制策略必然不能^好地发挥过程控制的优势。

3.3　检测多于控制，水分传感器精度和稳定性不高

      粮食干燥参数的检测与控制仪表直接关系到干燥的质量和经济效益。国产粮食干燥机自动控制应用不多，有些干燥机装有风温数字显示和超温报警以及排粮速度显示装置，但不能自动控制。国内粮食水分检测仪对粮食水分的单纯测量和显示，没有形成与粮食干燥设备配套的实时、在线控制系统，无法实现粮食干燥过程的自动控制。粮食水分测试难以实现在线快速测量，目前国内使用的干燥设备由于没有一种定型的动态过程水分检测的方法，无法实现粮食干燥过程的自动控制。在线水分测试传感器测试精度和稳定性问题一起没有得到很好得解决，没有真正成熟到真正可靠检测的阶段，影响了过程方法的精度。

4 发展方向

4.1　干燥过程模型的完善

      继续深入研究干燥过程中物料内部热质传递规律；建立起能够^反映干燥过程状态的数学模型有助于完善干燥过程的自动控制。同时，可以建立干燥过程的智能模型，用智能模型来替代数学模型，智能控制系统就能逼近真实系统和对其进行有效的控制。如用用人工神经网络技术来建立数学模型，人工神经网络技术则能将多个自变量映射到多个因变量，因此特别适合于复杂的粮食干燥过程。

4.2　多种控制方法的结合渗透

      单一采用某种先进控制技术难以充分发挥优势，一种必然的趋势是各种控制策略互相渗透，取长补短，互济优势，结合成复合的控制策略。多种控制策略相结合的复合控制策略克服了单独策略的不足，更具有优良特性，能更好地满足不同应用的要求，是今后的发展方向。研究表明，用神经网络代替模糊数学的推理方法，将使^系统的在线控制能力大大提高；将人工神经网络与^系统结合起来的神经网络^系统对于问题求解是一种有益的尝试；神经网络与传统控制理论的结合使控制系统具有相当程度的智能。因此，复合控制策略将促使停留于数学仿真和实验室研究阶段的神经网络控制的研究用于实际系统控制。模糊PID显合控制、模糊变结构控制、自适应模糊控制，模糊预测控制、模糊神经网络控制、^模糊控制等复合控制正在兴起，相信会有更大发展和广泛应用。

4.3　控制策略的深入研究

      干燥过程系统的设计已不能采用单一的基于定量的数学模型的传统控制理论和控制技术，必须进一步开发高级的过程控制系统，研究先进的过程控制规律，以及将现有的控制理论和方法向过程控制领域移植和改造等，这些方面也越来越受到控制界的关注。进一步加强控制理论研究，如在预测控制的三大机理： 预测模型、反馈校正方法、求解优化的策略上下功夫，全方位地去加以研究和突破；干燥过程控制中迫切要求开发出实时性好的模型预测控制方法，在保证干燥质量的前提下使在线计算时间减少；注重学科的交叉研究，借鉴其他有效的控制方法，解决过程控制现有难题，不断完善、发展和创新现有干燥过程控制算法；进一步提高干燥品质自动控制系统的可靠性，建立具有自适应能力的控制算法。