糧食干燥過程的先進控制（2）

3　過程控制研究中存在問題

3.1干燥技術與控制技術未充分結合

      干燥過程是典型的多變量、大慣性、高度非線性復雜系統，建立一個理想的符合實際干燥過程的數學模型^困難；而且建立模型要花費大量精力，有時甚至是不可能。通常為便于研究要對建模條件進行簡化，簡化后的方程不能正確反映干燥過程，簡化常常會帶來誤差。有的模型如熱、質傳遞模型、干燥過程優化控制型、模糊控制及智能控制型等，都有不夠^之處。同時干燥理論研究局限在擴散理論的圈子中、未找到物料自身的特性函數，這也給^模型的建立帶來了難度。即使一些干燥過程能夠建立起^的數學模型，其結構往往也^復雜，難以設計并實現有效的控制。目前的研究基本上停留以一維數學模型為基礎的控制上，常常是只控制某一個特定的參數，控制效果不理想，更不能完成多目標的智能控制。沒有一個很好的數學模型，在實施控制時不得不尋求其他間接方法，這在一定程度上影響了控制的精度和效果，干燥技術研究與控制技術研究結合得不夠好，使干燥機控制對發揮干燥機^高效能、對提高產品質量的作用沒有完全體現。

3.2 干燥過程控制方法及控制效果研究較少

3.2.1　過程控制中控制變量少

      干燥過程控制系統以常規單變量技術為基礎，控制的目標主要局限于對某一個變量或幾個變量的平穩操作，保證生產平穩和少出事故。隨著糧食干燥工業日益走向大型化、集成化、連續化、復雜化，對過程控制的品質提出了更高的要求，一個良好的控制系統不但要保護系統的穩定性和整個生產的安全，滿足一定的約束條件，而且應該帶來一定的經濟效益和社會效益。而在糧食干燥中，當某一烘干段中熱風的溫度和濕度一旦變化，不僅對該烘干段糧食的溫度和含水率產生直接的影響，還會間接影響到下一段乃至烘干塔出口糧食的溫度和含水率。若排糧電機轉速放慢或者加快，不僅烘干塔出口的糧食水分會變化，每一段烘干段內糧食溫度和水分都會發生相應的改變。在這一系列復雜的變化過程中，必然會伴隨時滯、耦合、時變以及一系列非線性的過程。如果只是將被控變量的偏差和偏差變化率作為控制系統的輸入，當系統內部或外部干擾增多時，很難保證其控制效果。經典的模糊控制系統常將研究問題簡化為單輸入單輸出單變量模糊控制器在應用中有很大局限性，控制器的輸入只有被控變量的偏差及偏差變化，實質上相當于一個可變參數的單輸入PD調節器。因此，干燥過程的復雜性決定了控制量和被控制量不止一個，互相之間存在錯綜復雜的影響關系，各被控制量的^佳值也會存在相互制約的因素，難以尋求^優的控制方案。

3.2.2　先進控制應用少且方法集中單一

      雖然數十年來就開始探究將如何智能控制應用于干燥工藝中，但是關于糧食干燥先進控制系統的設計方法研究甚少，而且集中于某種方法的研究較多。“十五”期間國家糧食局花費了大量的資金用于解決糧食干燥過程中的水分在線測試和自動控制，結合一些糧庫進行了一些項目的研究和開發工作，但多數設計單位都采用模糊控制方法。瀏覽國內學位論文也可以看到，較多的是利用神經網絡建立烘干塔的數學模型、用模糊思想對干燥機的性能進行綜合評價和對干燥機的設計進行優化；沒有一份應用模型預測控制的報道。先進控制方法雖然有很多優點，但單一方法也存在著這樣或那樣的不足。模糊控制是建立在熟練操作才經驗的基礎上，需要通過系統自學習，不斷修正參數才能逐步逼近目標值。而干燥時糧食水分影響因素多，不容易找到熟練操作者的經驗參數，而未采用較準確反映烘干機控制量的數學模型方法進行自動控制設計，很難保證干燥后糧食品質。自適應控制雖然能在一定程度上解決不確定問題，但算法復雜、計算量大，且對過程未建模動態和擾動的適應能力差，系統魯棒性問題尚待進一步解決，應用受到限制。開發基于友好圖形界面的^系統是干燥過程控制的發展方向之一，但由于進行問題求解時搜索的時間較長，^系統用于在線控制方面的能力比較差。在神經網絡建模形式中，基于BP 算法的網絡具有訓練時間長，且經常發生不收斂的缺點；采用徑向基函數近似干燥過程雖然可大大提高收斂速度，并使網絡能夠收斂于全局^小值，但其中心坐標確定較困難。大部分現有的非線性模型預測控制方法只能用于較慢的過程控制，對于實時性要求較高的干燥過程控制不利。因此，單一應用某種控制策略必然不能^好地發揮過程控制的優勢。

3.3　檢測多于控制，水分傳感器精度和穩定性不高

      糧食干燥參數的檢測與控制儀表直接關系到干燥的質量和經濟效益。國產糧食干燥機自動控制應用不多，有些干燥機裝有風溫數字顯示和超溫報警以及排糧速度顯示裝置，但不能自動控制。國內糧食水分檢測儀對糧食水分的單純測量和顯示，沒有形成與糧食干燥設備配套的實時、在線控制系統，無法實現糧食干燥過程的自動控制。糧食水分測試難以實現在線快速測量，目前國內使用的干燥設備由于沒有一種定型的動態過程水分檢測的方法，無法實現糧食干燥過程的自動控制。在線水分測試傳感器測試精度和穩定性問題一起沒有得到很好得解決，沒有真正成熟到真正可靠檢測的階段，影響了過程方法的精度。

4 發展方向

4.1　干燥過程模型的完善

      繼續深入研究干燥過程中物料內部熱質傳遞規律；建立起能夠^反映干燥過程狀態的數學模型有助于完善干燥過程的自動控制。同時，可以建立干燥過程的智能模型，用智能模型來替代數學模型，智能控制系統就能逼近真實系統和對其進行有效的控制。如用用人工神經網絡技術來建立數學模型，人工神經網絡技術則能將多個自變量映射到多個因變量，因此特別適合于復雜的糧食干燥過程。

4.2　多種控制方法的結合滲透

      單一采用某種先進控制技術難以充分發揮優勢，一種必然的趨勢是各種控制策略互相滲透，取長補短，互濟優勢，結合成復合的控制策略。多種控制策略相結合的復合控制策略克服了單獨策略的不足，更具有優良特性，能更好地滿足不同應用的要求，是今后的發展方向。研究表明，用神經網絡代替模糊數學的推理方法，將使^系統的在線控制能力大大提高；將人工神經網絡與^系統結合起來的神經網絡^系統對于問題求解是一種有益的嘗試；神經網絡與傳統控制理論的結合使控制系統具有相當程度的智能。因此，復合控制策略將促使停留于數學仿真和實驗室研究階段的神經網絡控制的研究用于實際系統控制。模糊PID顯合控制、模糊變結構控制、自適應模糊控制，模糊預測控制、模糊神經網絡控制、^模糊控制等復合控制正在興起，相信會有更大發展和廣泛應用。

4.3　控制策略的深入研究

      干燥過程系統的設計已不能采用單一的基于定量的數學模型的傳統控制理論和控制技術，必須進一步開發高級的過程控制系統，研究先進的過程控制規律，以及將現有的控制理論和方法向過程控制領域移植和改造等，這些方面也越來越受到控制界的關注。進一步加強控制理論研究，如在預測控制的三大機理： 預測模型、反饋校正方法、求解優化的策略上下功夫，全方位地去加以研究和突破；干燥過程控制中迫切要求開發出實時性好的模型預測控制方法，在保證干燥質量的前提下使在線計算時間減少；注重學科的交叉研究，借鑒其他有效的控制方法，解決過程控制現有難題，不斷完善、發展和創新現有干燥過程控制算法；進一步提高干燥品質自動控制系統的可靠性，建立具有自適應能力的控制算法。