谁能给个步进梁式加热炉过程检测和控制流程的原理介绍？

DCS系统在步进梁式加热炉上的应用 通过描述美国罗克韦尔自动化公司ProcessLogix Server DCS在高线步进梁加热炉控制过程中的应用，详细介绍了系统的总体结构、主要控制回路的控制方案 、系统应用软件和实际运行结果。 A-B DCS&控制系统 PLC 实时数据库 工业以太网 工控机 模糊控制 PID控制 安钢高速线材轧钢加热炉是一座性能优良的步进梁式加热炉，其有效尺寸：20700×12700 mm。额定 加热能力为：120 t/h，最大加热能力：140 t/h。坯料规格：单排布料时：150×150×12000 mm；双排布料时：150×150×5800 mm；非定尺坯料：9000-12000 mm；最大坯重量：2190 kg。燃烧 介质：高焦炉混合煤气，低发热值为 7536±210 KJ/m3。最大用量24812 m3/h。其热工控制系统是 由罗克韦尔自动化公司的ProcessLogix DCS系统完成。步进炉内炉料步进及炉料进、出由西门子 PLC控制。其中高速离散控制、过程控制和安全控制融合于一个Logix控制平台上先进的控制技术 ，使加热炉的炉温的控制精度在±5℃，升降50℃仅需12分种；编写的空燃比自动寻优器软件代替热 值仪和氧气分析仪的功能，实现了燃料流量和空气流量的优化配比，从而使燃烧达最佳状态。 高线加热炉使用罗克韦尔自动化的ProcessLogix DCS控制系统（编程软件为ControlBuilder和 DisplayBuilder）。本系统配置了操作站、服务器、控制站三个部分。其结构如图1： 2.1 为了高效利用过程参数，本系统配置了DELL服务器，系统平台为Windows NT 。配置了ProcessLogix Server 后，服务器具有了实时数据库和功能完善的功能模块。用户可以用ContorlBuilder 组态和 优化用户控制程序，用DisplayBulder制作HMI。同时，用户可方便地用C语言编写自己的特殊功能模 块。同时，服务器还完成打印报表的任务。在操作站出现特殊情况时，服务器还要兼操作站的所有 功能，服务器是通过CONTROLNET网从控制器收集数据和向控制器发送命令，通过乙太网向操作站传 送数据和接收命令。 2.2 操作站由研华工控机和基于Windows NT系统平台上的STATION软件组成，通过总貌图、控制图、报 警图、过程状态图、过程历史图这些丰富的人机界面，操作员可以设定、查看过程参数或状态，察 看故障报警明细。由于整个操作界面采用“向导式”的结构，从而大大方便了操作员的操作。 2.3 控制站采用PLX系统，用于完成对加热炉的热工控制和过程参数检测。该系统的处理器1757 PL*52A是Rockwell专用处理器，具有8MRAM，高速底板与网络融为一体，I/O模块可带电插拨，并可 以任意安排。在该系统中，控制站共设有一个主机架和二个扩展机架，完成了整个加热炉的6段温度 控制、60多点的模拟量检测及20多个开关量的输入和输出。系统模板采用如下：4个756 OF6CI/A模 块、9个1756 IB16D/A模块、2个1756OW16I模块、4个1756IF6I/A模块、5个1756IR6I/A模块、4个 1756IT6I/A模块。为提高本系统的可靠量，所有AI、DI和DO均与现场进行了隔离，AI模板还选用了 通道和通道间均有隔离的双隔离模板。按照确定的控制规则进行编程，根据加热炉的工况选择使用 。将现场信号采样﹑燃气流量模糊控制回路﹑空气流量模糊控制回路﹑温度模糊控制回路编成子程 序，模块化，在主程序中调用，以利于调试和控制功能组态。 2.4 CONTROLNET 该网络属于无源的高性能多元总线，5M的传输速度。数据传输采用确定性的传输方式，大大减少了 数据传输量，现场仪表控制阀采用耐高温的控制阀，执行机构采用气动执行机构，压力和差压变送 器采用FISHER 3051变送器。从而保证了具有苛刻时间要求的加热炉控制应用环境。 图1 加热炉控制系统结构图 加热炉控制主要包括炉膛温度控制、燃烧介质压力控制、燃烧介质流量控制及部分设备保护控制。 调整燃烧控制软件中的温度模糊控制程序和流量模糊控制程序参数：采样/控制周期，偏差模糊化因 子，偏差变化率模糊化因子，输出量化因子，同时对模糊控制参数表进行了初步优化。 3.1 炉温控制是加热炉的核心控制部分，其目的是通过控制燃料——煤气和助燃剂——热空气的流量 ，使炉温的动态性能指标和静态性能指标满足工艺要求。 6段炉温检测、控制(含残氧分析)，6段煤气、空气流量比例调节，6段煤气流量/累计及空气流量记 录。 加热炉每段设二支热电偶测量炉温，经断偶检测器检定后送DCS系统的温度控制器，温度控制器的设 定值由操作员设定。在炉子烟道内设有氧分析仪，对烟气的含氧量进行在线分析，信号送DCS系统中 ，自动参与空燃比修正。温度控制器送出的信号经过双交叉限幅控制、氧量反馈校正等环节后分别 送给空气和燃气流量控制器，构成温度流量串级回路，调节空气和燃气的流量，以达到控制炉温的 目的。为此我们采用条件判断语句模式，根据温度误差大小及其变化趋势对交叉限幅模式进行优化 ，从而使流量控制器的设定值准确。大大改善了温度控制效果。 为了克服双交叉限幅控制升降温时间较慢的缺点，控制中采用二自主度型前馈调节器技术以达到快 速升(降)温的目的。采用这些先进的控制策略的目的是达到充分的燃烧和提高加热质量，以及作为 轧机延迟时温度控制，并确保燃烧自动控制的稳定性。由于系统软件上存在的干扰问题，曾造成多 次计算机死机、画面参数刷新缓慢等问题。经过优化，完全解决了存在的隐患，同时对空燃比自动 寻优器进行了进一步的优化，调整了控制表中的一些具体控制参数，提高了控制精度，节约了燃料 ，满足了生产的要求，炉温控制精度在±5℃，升降50℃仅需12分钟。煤气压力扰动时温度曲线见图 2。 3.2 炉压控制对保护炉膛炉壁和炉门，控制炉内合理的气氛有重要的意义。炉压控制采用单回路控制策 略，它是通过调整烟道百叶窗的开度，从而调节烟囱的吸力，进而控制炉膛压力。因为炉压检测点 位于出料端，出料炉门的开闭对炉压的测量有一定的干扰，编制控制应用软件对其进行修正是必要 的。 3.3 煤气和空气的压力是否稳定，对于其流量控制十分重要，进而影响到炉温的控制。煤气和空气的压 力控制采用单回路控制策略，它是通过煤气总管调节阀和助燃风机进风中的调节阀进行控制的。 图2 温度曲线 (煤气压力扰动时) 3.4 由于加热炉温度高，燃料是易燃易爆的高焦炉混合煤气，因此采取必要的保护措施是必须的。本系 统的保护措施包括换热器的保护、冷却水管保护及安全联锁控制保护。 3.4.1 换热器的保护是通过烟道掺冷风、放散预热空气进行的。烟道废气温度过高会烧坏换热器。通过测 量换热器前的废气温度，当其超过报警预定值时，控制系统自动打开稀释风机。混入稀释冷风，达 到降低烟气温度、保护换热器的目的。稀释风量根据烟气温度，由设在稀释风机出风口的自动控制 阀进行控制。预热空气温度过高时，控制系统自动放散热空气，达到保护换热器的目的。 3.4.2 炉内每个冷却水回路上均配有温度检测开关和流量检测开关，温度开关可在超温时报警，流量开关 可在流量低限时报警，从而可对炉内每个水管进行间接监视，达到了保护的目的。 3.4.3 本加热炉设有完善的安全联锁装置。在空气或煤气在低压或断电事故发生时，控制系统可报警并安 全地切断煤气供应，同时对煤气总管和各段煤气实行氮气隔断保护。 该DCS是目前先进的仪表过程控制系统，不但能完成自动化要求的各种过程监视、回路控制、顺序 控制、逻辑控制、而且还具有运算、分析，统计、管理、专用燃烧控制算法等多种功能。DCS软件主 要包括控制组态软件和监控组态软件两部分，根据工艺要求及设备编制加热炉实时控制应用软件 ，主要有：6个炉段的燃烧控制程序，每个炉段的燃烧控制程序包括：1个主程序，温度/空气流量 /煤气流量控制子程序各1个；每个温度/空气流量/煤气流量控制子程序又各包括4个自寻优子程序 ；画面包括：①运转准备监视，②参数修改画面，③运转状态与故障状态监视，④报警画面，⑤操 作指导画面，⑥控制流程画面，⑦仪表回路画面，⑧实时趋势画面﹑历史趋势画面记录画面。 由于该系统及现场仪表设计合理，控制策略及软件实施科学，致使加热炉的升温和降温都比常规控 制策略和PID算法快，一般每升降50℃大节约需要18分钟；炉温控制精度大大提高，一般控制在 ±8℃范围内。钢坯断面温差在10～20℃，沿长度方向上，坯两端与坯中心温度差为20～30℃，满足 了美国Morgan公司引进的高速轧机的要求。本系统的不足是根据氧化锆的测试结果修正空燃比，效 果不太理想。我们将探索和实验在没有热值仪的情况下真正能在现场运行良好的寻优算法去实现空 燃比在线寻优。

@[toc]

摘要：平衡优化器（equilibrium optimizer, EO）是于2020年提出的一种全新的基于控制容积质量平衡物理现象启发的优化算法。具有寻优能力强，收敛速度快的特点。

平衡优化器(equilibrium optimizer, EO) 主要是受控制容积强混合型动态质量平衡的物理启发式优化算法。质量平衡方程体现了控制容积内质量进入、离开及生成的物理过程，一般采用一阶微分方程来描述，如下：

式中为控制容积；为控制容积内的浓度； 为流进或流出控制容积的容量流率； 表示控制容积内部在无质量生成(即平衡状态下)时的浓度；为控制容积内部的质量生成速率。

通过求解式(1)描述的微分方程，可求得:

式中 为指数项系数；为流动率； 为控制容积在时间 的初始浓度。

平衡优化器主要基于式(2)展开迭代寻优。对于一个优化问题，等式左边的浓度代表新产生的当前解； 代表上一次迭代得到的解； 代表算法当前找到的最好的解。类似经典 PSO 算法速度更新方程，这里的浓度即代表个体的解，解的更新包括了当前最优解附近的局部搜索和寻优空间内的全局随机搜索，如图 1所示。为满足不同问题的优化需求，算法对具体的操作过程及参数设计如下：

2)平衡状态池：为提高算法的全局搜索能力，避免陷入低质量的局部最优解，式(2)中的平衡状态(即最优个体)将从 5 个当前最优的候选解里面选择(见图 1)，这些候选解构成的平衡状态池如下：

式中 分别为截止当前迭代找到的最好的四个解； 代表这四个解的平均状态。值得注意的是，这 5 个候选解被选择的概率是一样的，均为 0.2。

式中 为生成速率控制参数向量； 为随机数向量，其维度跟优化空间维度一致，每个元素值均为 0 至 1 的随机数； 为 0 至 1 范围内的随机数。

算法流程：

Step1.初始化算法参数

Step2.计算适应度值

Step3.根据式（5）确定当前平衡池状态。

Step4.根据式（6）更新指数项系数。

Step5.根据式（7）（8）更新质量生成系数

Step6.根据式（9）更新个体当前解

step7.判断是否满足停止条件，如果满足则输出最终结果，否则重复Step2-Step6。

[1]杨蕾,李胜男,黄伟,张丹,杨博,张孝顺.基于平衡优化器的含高比例风光新能源电网无功优化[J/OL].电力系统及其自动化学报:1-9[2020-12-18]. https://doi.org/10.19635/j.cnki.csu-epsa.000555 .

[1]Afshin Faramarzi,Mohammad Heidarinejad,Brent Stephens,Seyedali Mirjalili. Equilibrium optimizer: A novel optimization algorithm[J]. Knowledge-Based Systems,2020,191.

https://mianbaoduo.com/o/bread/YZWYmZlu

https://mianbaoduo.com/o/bread/YZaYmJZu

IA优化算法指的是免疫算法是模仿生物免疫机制，结合基因的进化机理，人工构造出的一种新型智能优化算法。它具有一般免疫系统的特征，采用群体搜索策略，通过迭代计算，最终以较大的概率得到问题的最优解。

相比较于其他算法，免疫算法利用自身产生多样性和维持机制的特点，保证了种群的多样性，克服了一般寻优过程（特别是多峰值的寻优过程）中不可避免的“早熟”问题，可以求得全局最优解。免疫算法具有自适应性、随机性、并行性、全局收敛性、种群多样性等优点。

免疫算法主要模块：

抗原识别与初始抗体产生。根据待优化问题的特点设计合适的抗体编码规则，并在此编码规则下利用问题的先验知识产生初始抗体种群。

抗体评价。对抗体的质量进行评价，评价准则主要为抗体亲和度和个体浓度，评价得出的优质抗体将进行进化免疫操作，劣质抗体将会被更新。

免疫操作。利用免疫选择、克隆、变异、克隆抑制、种群刷新等算子模拟生物免疫应答中的各种免疫操作，形成基于生物免疫系统克隆选择原理的进化规则和方法，实现对各种最优化问题的寻优搜索。

---