李國昉1，2 毛誌懷2
（1 河（hé）北科技師範學院（yuàn）機（jī）電（diàn）係，秦皇島 066600 2 中國農業大學（xué）工學院（yuàn），北京 100083）
摘 要: 在分析先進控製特點的基礎上，總結了糧食幹燥過程中先進控製方法的發展與現狀，指（zhǐ）出了幹燥過程控製中的存在問題，並提出了糧（liáng）食幹燥過程控製的發展（zhǎn）方向。
關鍵詞：幹燥；先進控製；自適應控製（zhì）；模型預測控製；^控製；模糊控製；神經網（wǎng）絡控製
糧食幹燥的基本目標是保持幹（gàn）燥過程穩定的前（qián）提下，以較低的幹燥成本和能耗得到穀物理想的烘幹品質。糧食（shí）幹燥過程是典型的非線性、多變量、大滯後、參數關聯耦合的（de）非穩態傳熱傳質過程，糧食本身又（yòu）是一種複雜（zá）的生物化學物質，為達（dá）到上述目（mù）標，在幹燥過（guò）程中必須不斷地調整幹燥參數，對幹（gàn）燥機工作過程進（jìn）行控製。幹（gàn）燥過程的自動控製是實現幹（gàn）燥機優質、高效、低耗、安全作業的有效手段。實現幹（gàn）燥過程（chéng）的自動（dòng）控（kòng）製，實現（xiàn）糧（liáng）食（shí）幹燥（zào）機的自動控製，對保證出（chū）機（jī）糧食水分均勻一致、幹（gàn）後糧食品質、減輕操作人員勞動（dòng）強度及充分發揮幹燥機生產能力等具有重要意義。根據國家糧食局在《“十五”糧食行業科技發（fā）展規劃》[1] 中製定的發展目（mù）標，糧食烘幹過程的在線監測（cè）和自（zì）動（dòng）控製已成為提高我國糧食幹燥處理工藝效（xiào）率的關鍵問題和實現“十五”規（guī）劃的重要途徑。隨著我國對糧庫建設投入力度的加大，糧食（shí）加工（gōng）業與國際日（rì）益（yì）接軌，糧食（shí）幹燥的自動化將為我國的糧食加入國際流通大市場奠定基礎。
1、先進控製的特（tè）點
糧食幹燥過程自動控製問題的研究（jiū）開（kāi）始（shǐ）於20世紀60年代。當時使用前饋（kuì）控製、反饋控製、反饋-前饋控製和自適應控製等傳統控製方法。傳統控製理論采用差分方（fāng）程或（huò）傳遞函數，把幹燥過程係統的知識和已有的信息表達成解析式。但是在使用（yòng）和（hé）設計采用上述控製方（fāng）法的穀物幹燥機控製係（xì）統時會遇到很多困難，原因（yīn）是：（1）穀物幹燥過程是複雜的、時（shí）變的（de）和非線性的；（2）某些幹燥過程（chéng）變量（liàng）(如（rú）穀物品質和色澤)是不能（néng）直（zhí）接測量的，有（yǒu）些變量(例如穀物（wù）水分含（hán）量)的測量可能是不連（lián）續、不^、不完整或不可靠的；（3）幹燥機的過程模型是對實際過程的近似，而且需要大量（liàng）的計算時間；（4）幾乎（hū）不可能用一個適（shì）當的模（mó）型（xíng）來表示像幹燥過程這樣一個非線性、滯後、時變的複雜係統；（5）穀（gǔ）物幹燥機的被控變量和控製變量之間存（cún）在交互效應；（6）穀物幹燥（zào）機的（de）作業（yè）條件複雜，擾動變量的範圍寬，難以調控。
顯然，要克服上述困難需要對穀物（wù）幹燥機的傳統控製方法不斷改進，同時要探索（suǒ）新的、更有效的控製方法。20世紀70 年代（dài），電子（zǐ）行業的進步（bù），尤其是計（jì）算機（jī）技術的發展使得現（xiàn）在所謂的先進控（kòng）製的思想得以廣泛的傳播。先進控（kòng）製的目（mù）標（biāo）就是為（wéi）了解決那些采用常規控製效果不佳（jiā），甚至（zhì）無法控製的複雜工業過程控（kòng）製（zhì）問題。近年（nián）來，現（xiàn）代控製和人（rén）工智能取得了長足的發展，為先進控製係統的實施奠定了強大的（de）理論基礎；而控製計算機是集散控製係統（DCS）的普及，計算機網絡技術的突飛猛進，則為（wéi）先進控製的應用提供了（le）強有力的硬件和軟件平台。總之，工（gōng）業（yè）發（fā）展的需要、控製理論和（hé）計算機及網絡技術的（de）發展強有（yǒu）力地推動了先進控製的發展。
計（jì）算機（jī）技術飛速發展，人工智（zhì）能控製理論開始在千燥機控製中得到應（yīng）用，明顯改善了千燥機控製係統的性能。傳統控製方法由於大滯後（hòu）和對糧食幹燥過程的非（fēi）線性聯係，不適於控製糧食（shí）幹燥機。人工智能技（jì）術進步在工程領域中廣泛應用，先（xiān）進控製理論和控製方（fāng）法應用到穀物幹燥過程的自動化控製中，控製方法不斷改進，控製效果提高（gāo）。90年（nián）代後，過程控製己經開始向智能（néng）化發展，智能控（kòng）製理（lǐ）論日益（yì）與幹（gàn）燥技術結合在一起，利用人工神經網絡對幹燥過程（chéng）進行模型模擬（nǐ）和控製；^係統應用於穀物（wù）品質預測、幹燥過程控（kòng）製和管理谘詢等方麵。
與控製理論、儀表、計算機、計算機通信與網絡等技術密切相關的先進控製係統（tǒng），具有以下特點：
(1)先進控製係（xì）統的理論基礎主要（yào）是基於模（mó）型的控製策略，如:模型預測控製，這些控製策略充分利（lì）用工業過程輸入輸出（chū）有（yǒu）關信息建立係統模（mó）型，而不必依賴對反應（yīng）機理的深入研究。日前，基於知（zhī）識的控製，如（rú）^控製和模（mó）糊（hú）邏輯控製正成為先進控製的一個重要發展方向。
（2）先進控製（zhì）係統通（tōng）常用（yòng）於處理複雜的多（duō）變是過程控製問題，如大時滯、多（duō）變量耦合、被控變與控製變量存在著各種約束（shù）等。采用的先進控製（zhì）策略是建立在常規單回路控製（zhì）基礎之上的動態協調約束控製，可使控製係（xì）統（tǒng）適應實際工業生產過程動態特性和操作要求。
（3）先（xiān）進控製係統的實現（xiàn）需要較高性能的（de）計算機作為支持平台.由於先（xiān）進控製器控製算法的複雜（zá）性和計算（suàn）機硬件兩方麵（miàn）因（yīn）素的影響，複雜係統的先進控製（zhì）算法通常是在上位機上實施的。隨著DCS功能的不（bú）斷增強和先進控製技術的發展，部分先進控製策略可以（yǐ）與基本控（kòng）製回路一（yī）在DCS上實（shí）現。後一（yī）種方式可（kě）有（yǒu）效她增強先進控製的可靠性、可（kě）操作性和可維護性。
2、幹燥過程先進控製發展現狀
先進控（kòng）例策路是先進控製（zhì）係統的核（hé）心內容，目前先進控製策略種類繁多，幹燥過程中主（zhǔ）要的先進控製（zhì）策略有:預（yù）測控製、模糊邏輯控製、神經控製、自適應控製、^係統（tǒng）。
2.1 基於模型的控製
2.1.1 自適應控製
自適應控製的基本原（yuán）理是根（gēn）據幹燥過程參數的變化和外界幹擾隨時調整控製參數，使幹燥機處於（yú）理想的工作狀態。自適應控製（zhì）具有適用多種（zhǒng）糧食幹燥機、無須任何關於幹（gàn）燥機（jī）自己特點的數據、對環境條件和糧食狀況無特殊要求、控製器對（duì）幹擾的響應速度較快、控製模型中的參（cān）數能隨外界條件的變化進行自動調節等優點。瑞典Nybrant（1985）把（bǎ）自校正技術應用到橫流穀物幹燥機控製。幹燥機排氣溫度作為輸出變量，穀物排糧（liáng）速率用作被控變量，並選擇自動回歸移動平均（ARMA）模型表現橫流幹燥機（jī）的動態特性。在（zài）實驗（yàn）室（shì）橫流幹燥機上進行了驗證性試驗，控製誤差的標（biāo）準差在後50個樣本期（qī）間是（shì）0.13℃。結果（guǒ）表明，自適應控製器能夠比較（jiào）準確的控製排氣溫（wēn）度。劉建軍[5]（2003年）對HTJ-200型烘幹（gàn）機進行研究，通過在線樣本的采集和智能優化算法對（duì）係（xì）統進行定量分析（xī），建立由實時（shí）檢測數據所確定的過程智能模型，再通過智能優化（huà）算法調用人工智能模型，獲取（qǔ）係（xì）統的控（kòng）製規則（zé），由控製程序給出控製量經D/A轉換（huàn）後輸（shū）出（chū）給執（zhí）行部件。李（lǐ）曉斌等[3]（1998）研（yán）究（jiū）真空冷凍（dòng）幹燥設備的先進（jìn）控製係統，針對不同凍幹物料的工藝要求，采取DRA算法和臨界比例法（fǎ）兩種自適應、自整定（dìng）控製方法，解（jiě）決了（le）被控對象主控（kòng）參數--溫度的滯後問題。
2.1.2 模型預測控製
過程控製理（lǐ）論的研究（jiū）領域是模型預測控製，是基於模型、滾動實施並結合反饋校正的優化控製算法，它對於控製非線（xiàn）性和大滯後過程尤其（qí）有效。
Forbes，Jacobson，Rhodes，和Sullivan[24]（1984)和（hé）Eltigani設計了基於模型的幹燥控製器，其控（kòng）製行為基於一個過程模型（xíng）和一個所謂的假冒的入（rù）口穀物水分含量。幹燥速率參數根據模型預測值和傳感器出口實測的水分含量之（zhī）差間歇式更（gèng）新。Forbes和Eltigani控製器的不同在於控製算法中所用的過程模型的種類不同。密執安大學的劉強[25]（2001）提出了橫流幹燥機的模型預測（cè）控製器。仿（fǎng）真測（cè）試在一台Zimmerman VT-1210塔式橫流穀物幹燥機上進（jìn）行（háng），利用Labview建立的控製器能夠成（chéng）功運作，並實現出口處玉米含水率控製在設定點的0.7%以內。控製器對進入幹燥機（jī）的入口穀物（wù）含水率相當（dāng）大範圍的變化，以及熱風溫度（dù）的大階躍變化都能進行良（liáng）好補償。
對模型預測控製研究中，較多工作集中於過程模型的的建立和求解，且在模（mó）型中考慮幹燥品質問題。法國的P.Dufour [31]等人（2003）借助偏微分方程（PDES），將模型預測控製拓展到係統模型，從（cóng）而使（shǐ）PDES方程（chéng）能夠大規模（mó）應用。他們提（tí）出了一個全局模型，旨在減少由於（yú）基於優化（huà）任務解決方案的PDE模型所帶（dài）來（lái）的在線計算時間。開發出與實際中大量應用的IMC結構相結合的一（yī）個通用的MPC框架。在IMC- MPC結構中用到了兩個（gè）反饋環，以（yǐ）校正過（guò）程性能和基於（yú）模型的（de）在線優化器中所引（yǐn）起的模擬誤差。丹麥的Helge Didriksen[29]（2002）開發了一（yī）個滾筒幹燥機（jī）的描述（shù）質量、能量和動量轉換的動態一次法則模型，並（bìng）應用到糖廠幹燥甜（tián）菜中的預測控（kòng）製。結果（guǒ）表明（míng），隨著操（cāo）作變量（liàng）和（hé）幹擾變化，該模型具有較好的預測能（néng）力。通過模擬比較了帶有模型預測（cè）控製和（hé）傳統（tǒng）的反饋控製，模（mó）型預測控製表現（xiàn）出了更優的性能。法國的I．C．Trelea，G.Trystram 和 F.Courtois[27]於1997年設計了用於（yú）批式幹燥（zào）過程的非線性預測優化控製算法，在（zài）中試規模的幹燥機上進行了測試。實驗表明，算法可處理重要的幹擾和（hé）失效該控製算法（fǎ）可方便地用於（yú）其它批式過程，如冷凍、殺（shā）菌或發酵。有些學者將神經網絡用於模型預測控製（zhì）過程建模。Jay[32]（1996）初次將神經網絡模型用於幹燥過程預測控製。法國的J.A. Hernandez-Perez等 [33]（2004）提出了基於人工神經網絡的傳質傳熱（rè）預測模型，該模型將產品收縮作（zuò）為水分的函數（shù），應用了（le）帶有一個隱藏層（céng）的兩個獨立的前饋網絡，隱藏層中帶有（yǒu）三個神經細胞，可^預測傳質傳熱。在數據裝置校驗中，模擬和實驗運動學測試相一致。開發的模型可用於幹燥過程（chéng）的在線狀（zhuàng）態估計和控製。
2.2 智能控製
智能控（kòng）製是一門（mén）新興的理論和技術，它是傳（chuán）統控製發展的高級階段。這是以無模型為特征的更接近於人腦思維方式的一種控製理論，主要用來（lái）解決那些用傳統方法難以解決的複雜係統的控製，其控（kòng）製器的設計擺脫了係統模型的束縛，算法簡單、魯棒（bàng）性強。目前，^控製、神經控製和模糊控製等智能控製技（jì）術正成為先進控（kòng）製的一個（gè）重要發展方向。
2.2.1 ^控製
^係統技（jì）術能（néng）把（bǎ）數學算（suàn）法和控（kòng）製工程師的操作經驗融合到（dào）一（yī）起，理大限度的利用已（yǐ）有知識，達到傳統控製（zhì）方式難（nán）以取得的控製效果。^控製係統運行在連續的實時環境中，利用（yòng）實時信息處理的方式（shì）來監控係統的動態特性， 並給出（chū）適當的（de）控製作用。將^係統技術（shù）與糧食幹燥過程控製相結合，用（yòng）於糧食的生產、管理和監控，可提高糧食的生產效率及生產（chǎn）效（xiào）益。劉明山[12]（2001）研製了一種糧食幹燥模糊控製^係統，將仿真結果與實（shí）測數據進行對照，兩者基本一（yī）致。劉淑榮[13]（2001）將^係統技（jì）術與幹燥過程控製相結合，設計了（le）一個（gè）高水分糧烘幹過程（chéng）控製（zhì）的模糊^係統（tǒng）。何（hé）玉春[14]（2001）通過^智能控（kòng）製在幹燥過程中把烘幹參數優化，在烘幹設備（bèi）的設計和幹燥（zào）過（guò）程中求出能耗（hào）、效率、品質的共利點，使幹燥機沿著共利線對穀（gǔ）物進行烘（hōng）幹，使設備在幹燥過程（chéng）中始終（zhōng）處於理想操作；同時，將溫度測控技（jì）術與網絡技術（shù）互（hù）聯，建立一套簡單而有效的基於溫度的網絡測控係統（tǒng）。
2.2.2 神經網絡控製
神經網絡可為複雜非線性過程的建模提（tí）供有效的方法，進而可（kě）用於過程軟測量和（hé）控（kòng）製係統的設計上。神經（jīng）網絡在幹燥過（guò）程中的應用主要有（yǒu）兩個（gè）：幹燥過程建（jiàn）模和控製。
法國的J.-L.Dirion（1996）[6]等人開發（fā）了一個神經控製器，用於調整半批式實驗反應（yīng）器的溫度，基本實驗形成了神經網絡的學習數據庫，該神（shén）經（jīng）控製器可以（yǐ）提供非（fēi）常好的設定點跟蹤（zōng）和幹擾排除。劉亞秋[9]（2000）開（kāi）發（fā）了基（jī）於單神經元的自適應PID控製器，設計了木材幹燥（zào）窯神經網（wǎng）絡（luò）模型，用BP算法對（duì）幹燥窯的輸入輸出特性進行描述並對模型（xíng）學習與訓練，通過試驗與仿真證（zhèng）明所得的結論滿足誤差指標的要求。張吉禮[10]（2003）將模（mó）糊控製技術與神（shén）經網絡技術相（xiàng）結合，設計（jì）出了穀物幹（gàn）燥過程參數在線檢測與智能預測控（kòng）製（zhì）係統。智能控製下的幹燥機出口糧食含水量（liàng）變（biàn）化範圍比手（shǒu）動控製（zhì）的小，前者為（wéi）13.6%～14.4%，後者為12.4%～14.2%；智能控製下的出口糧（liáng）食含水量波動頻率比手動控（kòng）製的小，前者波動周期約為20h，後者周期約為8h。王品[11]（2003）用改進的BP網絡算法建立烘幹塔的神經網絡模型，通過神經網絡模型建（jiàn）立了神經網絡控製器，實現了拱幹塔係統糧食水分烘幹的智能（néng）控製，提（tí）高了糧食烘幹的質量和效率。
劉（liú）永忠[8]（1999）應用人工神經網絡係統理論預（yù）測冷凍幹燥（zào）過程特（tè）性，以幹燥時間、升（shēng）華幹燥時間的（de）份額、幹燥製品生產率和升華界麵（miàn）溫（wēn）度等（děng）幹燥過程特性參數作（zuò）為網絡模（mó）型的輸出參數，將網絡的預測結果與數學模（mó）型的計算進行（háng）比較，預測結果與計算結果符合較好。鄭文利[7]（2000）采用人工神經網絡對冷凍幹燥過程中的凍幹物料重量變化進行智能模擬：對凍幹工藝條（tiáo）件正交實驗結果進行學習，利用學習後的網絡對工藝條件進行預測及優（yōu）化。
2.2.3 模糊控製
模糊控製（zhì）是一種基（jī）於規則的控製，直接采用語言型控製規則，其依據是（shì）現場操作人員的控製經驗或相關^的知識，在設計中不需要建立被控對象的^數（shù）學（xué）模型，所以控製機理和策略易於接受和理解。
目前，國內外幹燥（zào）過程控（kòng）製主要應用的（de）是模糊控（kòng）製方法。Zhang Qin[15]等（1994）對連續式橫流（liú）穀物幹燥機進行了模糊控（kòng）製的研究，通過調整加熱器（qì）的功率和卸糧攪龍（lóng）的轉速來控製幹燥機的操作，驗證試（shì）驗控製成功率達86.4%。李俊明[16]等(1996)以幹燥塔熱風溫度為依據，將玉（yù）米（mǐ）幹燥生產中一名熟練的操作者通過感官（guān）係統的觀察和（hé）經驗製定了模糊控（kòng）製規則，利用模糊（hú）控製實現了排量（liàng）電機的轉速調（diào）節，並提出橫流玉米（mǐ）幹燥機的自組織模糊控製器應（yīng）采（cǎi）用開環式（shì）模糊控製（zhì）係統（tǒng），以解決玉米幹（gàn）燥過程中的（de）大滯後（hòu）問題。李業德、李業剛[17](2001)設計了一種以89c51單片機為核心（xīn）的模（mó）糊（hú）智能控製器，在順流式烘幹機（jī）上通過對（duì）小麥的在線烘幹試驗，證明該係統響應時間短、超調量小、控製精度高（gāo），但入口穀物水分波動會對幹燥（zào）過程產生（shēng）影響。
國內許多研究生從（cóng）事糧食幹燥機模糊控製的（de）研（yán）究工作。東北大學的孟憲沛[18]（2003）在糧（liáng）食幹燥塔的（de）智能建模與智能控製（zhì）中（zhōng），利用模糊集合理（lǐ）論和優化算法，建立（lì）糧食烘幹係統的智能模型和模糊控（kòng）製係統的模糊規則，設計出係統的模（mó）糊控製器。哈爾濱工業大學的唐曉健[20]（2003）研究基於TS模型的混流（liú）式糧食烘幹塔多變（biàn）量模（mó）糊控製方法，對該（gāi）係統進行控（kòng）製仿真，並與手（shǒu）動控製方法和傳統的模糊控製方法進行比較。華南農大的曹豔明[21]（2000）針對（duì）高濕稻穀循環式緩蘇幹燥工藝特點，利（lì）用模糊控製（zhì）模擬人類思維方式的設計方法，開（kāi）發（fā）稻穀循環幹（gàn）燥（zào）機自動控製係統。西（xī）北（běi）輕工業學院的蘇宇（yǔ）鋒[23]（2002）采用基於工人實際操（cāo）作經驗的模糊算法，利用單片機對冷凍幹燥係統進行控製，提高了設備的（de）自（zì）動化程度。
