Key words ：Fuzzy-control; Immune-PID control; Causticizer’s temperature
摘要：针对苛化工段中苛化器温度控制的特点，采用基于模糊免疫PID控制算法的控制器,，并将其成功应用于某造纸厂碱回收系统的实际应用，与其他现有控制方法相对比，此算法使系统具有了较强的鲁棒性和自适应能力。
关键词：模糊控制；免疫PID；苛化器温度；
1.前言
在造纸工业中碱回收是非常重要的一部分，而碱回收能否做到丰产丰收，苛化作为碱回收车间的成品工段其运行的好坏是非常关键的。其中苛化器内温度是非常重要的参数，它直接影响苛化反应的速度及苛化度。温度高，氢氧化钙溶解度降低，碳酸钙的溶解度增加，对苛化度是不利的；而降低温度苛化速度会下降。此外，苛化器温度控制的好坏也会对过量灰的降低、白泥的洗涤、白泥残碱及稀白液总碱的降低产生影响。本文采用以西门子CPU315-2DP为核心的DCS控制系统实现对苛化工段现场信息的采集和控制，同时采用基于WinCC的上位机对现场的数据进行监测和实时控制，提出一种新的模糊免疫PID控制器优化设计算法，并将其用于苛化工段的温度控制系统的设计中，得到了很好的控制效果。
2.工艺流程简介
由燃烧工段来的绿液经过绿液澄清器澄清后，送往绿液贮存槽，然后由绿液泵泵至绿液加热器进行加热，再进入消化器，在消化器中绿液和石灰经过大约半个小时消化反应后，乳液进入三台串联苛化器进行约120分钟的苛化反应，苛化后的反应物进入苛化液缓冲槽，苛化液被泵入白液澄清器，在这里，白液与白泥被分离，白液被送到白液贮存槽，并被泵往蒸煮工段。白泥被泵至1#真空洗渣机中提取滤液，而其余送往半沉渣搅拌槽，与绿泥混合后被泵入白泥洗涤器，从中提取得到稀白液，送往燃烧工段，而白泥则被送往沉渣搅拌槽，然后送2#真空洗渣机（预挂式过滤机）提取有用的滤液，而白泥则送出外运。碱回收苛化工艺部分流程如图1所示：
2.控制系统设计及其实现
2.1硬件系统设计
控制系统主要完成对现场测控点数据的实时显示、趋势显示、工艺报警、PID参数设置及控制等功能。该工段实现控制和检测的测控点总共包括13路温度、1路压力、10路液位和3路流量。其中需要控制的测控点有4个，分别为：进绿液加热器绿液流量、绿液加热器的出口温度、3#苛化器温度和苛化液缓冲槽液位等，因此，下位机PLC系统采用以西门子CPU315-2DP为核心的DCS控制系统，通过PROFIBUS-DP现场总线与ET200M I/O站相连。这不仅可以降低成本，还可以与其他工段的互联，实现了数据的高速传送。该硬件系统组成结构示意图如下图所示：
2.2模糊免疫PID算法
免疫PID控制器的设计原理：假设第k代的抗原数量为ε（k），由抗原刺激的TH细胞的输出为TH（k）, Ts细胞对B细胞的影响为Ts（k）,则B细胞接收的总刺激为:
S（k）=TH（k）-TS（K）
式中, TH（k）=k1ε（k），Ts（k）=k2f（S（k）,△S（k））ε（k） 。
若以抗原的数量ε（k）作为偏差e（k）,B细胞接收的总刺激S（k）作为控制输入u（k）,则△S（k）=△u（k）。
那么有如下的反馈控制规律：
K1,K2,K3为控制反应速度, η1,η2,η3为控制稳定效果, f1（·）,f2（·）,f3（·）为选定的非线性函数，它们表示细胞抑制刺激能力的大小。
本文在设计中使用三个模糊控制器，利用模糊规则可逼近非线性函数f1（·）,f2（·）,f3（·）：让每个输入变量被两个模糊集模糊化，分别是“正”（P）和“负” （N）；输出变量被三个模糊集模糊化，分别为“正”（P）、“零”（Z）和“负” （N）。以上所述的隶属度函数都定义在整个（-∞,+∞）区间，按照“细胞接受的刺激越大，则抑制能力越小”及“细胞接受的刺激越小，则抑制能力越大”的原则，对模糊控制器采用以下模糊规则：
（1）If u is P and △u is P then f（u,△u） is N（1）
（2）If u is P and △u is N then f（u,△u） is Z（1）
（3）If u is N and △u is P then f（u,△u） is Z（1）
（4）If u is N and △u is N then f（u,△u） is P（1）
……
在各规则中，使用Zadeh的模糊逻辑AND操作，并采用“centroid”反模糊化方法就可以得到每个模糊控制器的输出。
由上面的原理可以看出基于免疫反馈原理的控制器实际上就是一个非线性PID控制器，其各个系数k’p,k’i,k’d都随着控制器输出的变化而变化，其中K1,K2,K3为增益，则免疫PID控制器的输出为：
u（k）=u（k-1）+K1[1-η1f1（u（k）,△u（k））]（e（k）-e（k-1））
+K2[1-η2f2（u（k）,△u（k））]e（k）+K3[1-η3f3（u（k）,△u（k））]（e（k）-2e（k-1）+e（k-2））
=u（k-1）+k′p（e（k）-e（k-1））+k′ie（k）+k′d（e（k）-2e（k-1）+e（k-2）
2.3算法实现
在算法实现方面，对于绿液加热器绿液流量、绿液加热器的出口温度和苛化液缓冲槽液位的控制，由于其工艺要求不是很高，我们采用标准的PID控制模块（FB41）,利用该功能块实时采集现场数据，在WINCC界面上只要正确设定接口参数，就能达到满意的控制效果。对于苛化器温度的控制我们则利用上述讨论的模糊免疫PID控制算法独立编写一个功能块，利用免疫PID控制器的输出u（k）来控制气动阀，实现对苛化器温度的控制。
2.4系统仿真
设上述控制系统对象的数学模型为：
，式中k为模型增益系数，T为时间常数，τ为时间滞后常数。
下面针对某纸厂苛化器温度进行仿真研究，该对象各个参数为:k=3.45,T=18s,τ=30s。用MATLAB工具箱中M函数编程进行仿真，采样时间为20s，K1K2K3分别为0.6,0.3,0.1。η1η2η3分别为0.80,0.60,0.10。系统在单位阶跃信号下外加大干扰的仿真曲线如图3所示
图3 模糊免疫PID、神经网络PID及常规PID控制比较曲线
由上图可以：本文提出的模糊免疫PID算法不但鲁棒性强，而且控制效果很好，而神经网络PID算法【6】虽然响应速度快，但是超调量大，震荡严重，而且其在鲁棒性方面也略逊色于本文提出的模糊免疫PID算法。仿真过程中控制器各系数k’p,k’i,k’d自整定变化曲线如下
图4 模糊免疫PID控制 自整定曲线
图5 模糊疫PID控制 自整定曲线
图6 模糊免疫PID控制 自整定曲线
2.5系统应用
下图所示的是从生产现场采回的苛化器温度的WinCC在线的信号历史趋势图，从图中我们可以看出，苛化器的温度稳定在100℃±1℃左右，达到了很好的控制效果。
图7苛化器温度WinCC在线历史趋势图
3.结论
本文提出的模糊免疫PID控制器具有结构简单，适应性强，易于实时控制的特点，且充分利用了人工免疫算法的自适应能力，不需要对被控对象进行精确的辨识，很大程度上克服了传统的模糊控制器设计方法过于依赖专家经验、有很大主观性的缺点。针对碱回收苛化温度控制对象进行了仿真研究，结果表明该控制器不仅可以有效地控制大纯滞后对象，而且具有很好的抗干扰能力和自适应能力，具有较强的鲁棒性,在生产实际中取得了很好的效果。
参考文献
[1] 刘金琨.先进PID控制及其MATLAB仿真 [M].北京：电子工业出版社，2003,129_134.
[2] 彭道刚，杨平，王志萍，杨艳华，刘玉玲.模糊免疫PID控制在主气温控制系统中的应用 [J]. 计算机测量与控制，2005，13（3）:250_251.
[3] 刑小军，张洪才，闫建国.基于免疫原理的模糊控制器优化设计与仿真 [J]计算机应用，2006，26（5）:1113_1115.
[4] 郑恩让,聂诗良.控制系统仿真 [M].北京：北京大学出版社,2006,256_261.
[5] 金以慧.过程控制 [M].北京：清华大学出版社,1999.
[6] 李艳，李明辉，王孟效.基于BP网络的自整定PID控制算法及其在苛化工段的应用 [J].中国造纸,2005,24（4）:42_44.
[7] 覃瑜萍,丁永奎,刘善桂.碱回收车间苛化工段的技改 [J].造纸科学与术,2002,21（5）:60_61.
[8] 谢克明,郭红波,谢刚等.人工免疫算法及其应用 [J].计算机科学与工程，2005（18）：77_80.
[9] 焦李成,杜海峰.人工免疫系统进展与展望[J].电子学报,2003,31（10） :1 540_1 548.
[10] Takahashi K, Yamada T. Application of an immune feedback mechanism to control systemsc [J].JSME Int J Seraesc,1998 :41（2）:184_191.
作者简介：
李国栋，男，1982年9月生。原籍山东泰安，现为陕西科技大学控制理论与控制工程专业2005级研究生，研究方向为工业自动化与智能控制。
王孟效先生，教授，博士生导师，访日学者，国家有突出贡献专家，中国造纸学会副主任委员。主要从事制浆造纸过程自动化方面的纵、横向科研工作。主要研究领域：过程优化控制、企业资源管理ERP、制浆造纸过程计算机集成作业系统CIPS等。出版专著4部，发表学术论文40余篇。
本文受陕西省教育厅基金项目资助（基金号：07JK192）
联系方式：
电话：（0）13571005729
电子邮箱：Liguodongjesse @yahoo.com.cn
