李國（guó）昉1，2 毛誌懷2
（1 河北科技師範學院機電係（xì），秦皇島 066600 2 中國農業大學（xué）工學院，北京 100083）
摘 要（yào）: 在分（fèn）析先進控製特點的基礎上，總結了糧（liáng）食幹燥過程中先進控製方法的（de）發展與現狀，指出了幹燥過程控（kòng）製中的存在問題，並提出了糧食幹燥（zào）過程控製的發展方向。
關鍵詞（cí）：幹燥；先進控製；自適（shì）應控（kòng）製；模型預測控（kòng）製；^控製；模糊控製；神經網絡控製
糧食幹燥的基本目標是保持幹燥過程穩定的前提下，以較（jiào）低的幹燥成本和能耗得到穀物理想的烘幹品質。糧食幹燥過（guò）程是典型的非（fēi）線性、多（duō）變量、大滯後、參數關聯耦合的非穩態傳熱傳質過程，糧（liáng）食本身又是一種複雜的生物化學物（wù）質，為達到上述目標，在幹燥（zào）過程中必須不斷地調整幹燥（zào）參數，對幹燥機工作過（guò）程進行控製。幹燥過程的自動控製是實現幹燥機優質、高效、低耗、安全（quán）作業的有效手段。實現幹燥過程的自動控製，實現糧食幹燥機的自動控製，對保證出機糧食水分均勻一致、幹後糧食品質、減輕操作人員勞動強度及充（chōng）分發揮（huī）幹燥（zào）機生產能力等具有重要意義。根據國家糧食局在（zài）《“十五”糧食行業科技發（fā）展規劃》[1] 中製定的發展目標，糧食烘幹過程的在線監測和自動控製已成為提高我國（guó）糧食幹燥處（chù）理（lǐ）工藝效率的關鍵問題和實現“十五”規（guī）劃的重要途徑（jìng）。隨著我國對糧庫建設投入力度的加大，糧（liáng）食（shí）加工業與國際日益接軌（guǐ），糧食幹燥的自動（dòng）化將為我（wǒ）國的糧食（shí）加入國際流通大市場（chǎng）奠定基礎。
1、先進控製的特點
糧食（shí）幹燥過程自動控製問題的研究開始於20世紀60年代。當時使用前饋控製、反饋控製（zhì）、反饋-前饋控製和自（zì）適應控製（zhì）等傳統控製方法。傳統控製理（lǐ）論采用差分方程或傳遞函數，把（bǎ）幹燥過程（chéng）係統的知識和已有的信息表達成解析式。但是在使用和設計采用上述（shù）控製方法的穀物幹燥機控（kòng）製係統時會（huì）遇到很多困難，原因是：（1）穀物幹燥過程是複雜（zá）的、時變的（de）和（hé）非線性的；（2）某些（xiē）幹燥過程變量(如（rú）穀物品質和色澤)是不能直接測量的，有些變量(例（lì）如穀（gǔ）物水分含量)的測（cè）量可能（néng）是（shì）不連續、不^、不完整或不（bú）可靠的；（3）幹燥機的過程模型是對（duì）實際過程的近（jìn）似，而且需要大（dà）量（liàng）的計算時間；（4）幾乎不（bú）可能（néng）用一個適當（dāng）的（de）模型（xíng）來表示像幹燥過程這樣一個（gè）非線性、滯（zhì）後、時變的複雜係統；（5）穀物幹燥機的被控變量和控製變量之間存在交互效（xiào）應；（6）穀物幹燥機的作業條（tiáo）件複雜，擾動變量的（de）範（fàn）圍寬，難以調控。
顯然，要克服上述困難需要對穀物幹燥機的傳統控製方（fāng）法不斷（duàn）改進，同時要探索新的、更有效的控製方法（fǎ）。20世紀70 年（nián）代，電子行業的（de）進步（bù），尤其是計算機技術的發展使得（dé）現在所謂的先進控製的思想得以廣泛的傳播。先進控製（zhì）的目標（biāo）就是為了（le）解決那些采用常（cháng）規控製效果不佳，甚至無法控製的（de）複雜工業過程控製問題。近年來，現代控製和人工智能取得了長足的（de）發展，為先進控製係統的實施奠定了強大（dà）的理論（lùn）基礎；而控製計算機是（shì）集散控製係統（DCS）的普及，計算機網絡技術（shù）的突飛猛進，則為先進控製的應用提供了強有力的硬件和軟件平台。總之，工業（yè）發展的需要、控製（zhì）理論和計（jì）算機及網（wǎng）絡技術的發展強有力地推動了先（xiān）進控製的發展。
計（jì）算機技術飛速發展，人工智能控製理（lǐ）論開始在（zài）千（qiān）燥機控製中得到應用，明顯改善了千燥機控製係統（tǒng）的性能。傳（chuán）統控製方（fāng）法由於大滯後和對糧食幹燥過（guò）程的非線性聯係，不適於控（kòng）製（zhì）糧（liáng）食幹燥機。人工智能技術進步在工（gōng）程領域中廣泛應用，先進控製理論和控製方法應用到穀物幹燥過程的自動化控製中，控製方（fāng）法不斷改進，控製（zhì）效果提高。90年代（dài）後，過程控製己經開始（shǐ）向智能化發展，智能控製（zhì）理論日益與幹燥技術結合在一起，利（lì）用人工神經網絡對幹燥（zào）過程進行模型模擬和控製；^係統應用於穀物品質（zhì）預測、幹燥過程控（kòng）製和管理谘詢等方麵（miàn）。
與控製理論（lùn）、儀表、計算機（jī）、計算機通信與網絡等技術密切相關的先進控製（zhì）係統，具有以下特點：
(1)先進（jìn）控製係統的（de）理論基礎主要是基於模型的控製策略（luè），如:模型預測控製，這些控製策略充分利用工業過程輸入輸（shū）出有關信息建立係統模型，而不必（bì）依（yī）賴對反應機理的深入研究。日前，基於知識的控（kòng）製（zhì），如（rú）^控製和模糊邏輯控製正成為先進控製的一（yī）個（gè）重要發展方向。
（2）先進控製係統通常用於（yú）處理複雜（zá）的多變是過程控製問題，如（rú）大時滯、多變量耦合、被控變與控製變量存在著各種（zhǒng）約束（shù）等。采用的先進控製（zhì）策略是建立在常（cháng）規單回路控製基礎之上的動態（tài）協調約束控（kòng）製，可使控製係統適應實際工業生產過程動態特性和操作要求。
（3）先（xiān）進（jìn）控製係統的實現需要（yào）較高性能的計算機作為支持平（píng）台.由於先進控製器控（kòng）製算（suàn）法（fǎ）的複雜性和計算機硬件兩方麵因素的影響，複雜係統的先進控製算法通常是在上位機上實施（shī）的。隨著DCS功能的不斷增強和先進控製技術的發展，部分先進控製策略可以與基本控製回路一在DCS上實現（xiàn）。後一種方式可有效她增強先進控製的可靠性、可操作性和（hé）可（kě）維護性。
2、幹燥過程先進控製發展現狀
先進控例策路是先進控製係統的核心內容，目（mù）前先進控製策略種類繁（fán）多，幹燥過程中主要的先進（jìn）控（kòng）製策略（luè）有:預測控製、模糊邏輯控製、神經控製、自（zì）適應控製、^係統。
2.1 基於模型的控製
2.1.1 自適應控製
自適應控製的基（jī）本原理是根據幹燥過程參數（shù）的變化和外界幹擾隨（suí）時調整控製（zhì）參數，使幹燥機處於理想的（de）工作狀態。自（zì）適應控製具有適用多種糧食幹燥機、無須任何關於幹（gàn）燥機自己特點的數據、對環境條件和糧食狀況無特（tè）殊要求、控製器對幹擾的（de）響應速度較（jiào）快、控製模型中的參（cān）數能隨外（wài）界條件的變化進行自動調節等優點。瑞典Nybrant（1985）把自校正技術應（yīng）用到橫流穀物幹燥機控製。幹燥機排氣溫度作為輸出變量，穀物排糧速（sù）率用作被控變量，並選（xuǎn）擇自動回歸移動平均（ARMA）模型表現橫流幹燥機的動態特性。在實（shí）驗室橫流幹燥機上進行了驗證性試驗，控製誤差的標準差在後50個樣本期間是0.13℃。結果表明，自適應控製器能夠比較準確的控製排氣（qì）溫度。劉建軍[5]（2003年）對HTJ-200型烘幹機進行研究，通過在（zài）線樣本的采集和智能優化算法對（duì）係統進行定量（liàng）分析，建立由實時檢測數據所（suǒ）確定的過程智能模型，再（zài）通過智（zhì）能優化算法調用人工（gōng）智能模型，獲取係統的控製規則，由控製程序給（gěi）出控製量經D/A轉換後輸出給執行部件。李曉斌等[3]（1998）研究真空冷凍幹燥設備（bèi）的先進控（kòng）製係統，針對不同凍幹物料的工（gōng）藝要求，采取DRA算法和臨界比例法兩種自適應、自整（zhěng）定控製方法（fǎ），解決了被控對象主控參數--溫度的滯後問題。
2.1.2 模（mó）型預測控製
過程控製理論的研究領域是模型預測（cè）控製，是基於模型、滾動實（shí）施（shī）並結合反饋校正的優化控（kòng）製算法（fǎ），它對於控製非線性和大滯後過程尤其有效。
Forbes，Jacobson，Rhodes，和（hé）Sullivan[24]（1984)和Eltigani設計了基於（yú）模型的幹燥控製器（qì），其控（kòng）製行為基於一個過程模型和一（yī）個所（suǒ）謂的（de）假冒的（de）入口穀（gǔ）物水分含量（liàng）。幹燥速率（lǜ）參數根據（jù）模型預測值和傳感器出口實測的水分（fèn）含量之差間歇式更新。Forbes和Eltigani控製器的不同在於控製算法中（zhōng）所用的過程模型的種類不同。密執安大（dà）學的劉強[25]（2001）提（tí）出了橫流幹燥機的模（mó）型預測控製器。仿真（zhēn）測試（shì）在一台Zimmerman VT-1210塔式（shì）橫流穀物幹燥機上進行，利用Labview建立的控製器能夠成功運作，並實現出口處玉米（mǐ）含水率控製（zhì）在設（shè）定（dìng）點的0.7%以內。控（kòng）製器（qì）對進入幹燥機的入口（kǒu）穀物含水率相當大範圍的變化，以及熱（rè）風溫（wēn）度的大（dà）階躍變化都能進行良好補償。
對模型預測控製研究中，較（jiào）多工作集中於過程模型的的建立和求解，且在模型中考慮幹燥品質問題。法國（guó）的（de）P.Dufour [31]等人（2003）借助偏微分方程（PDES），將模型（xíng）預測控製拓展到係（xì）統模型，從而使PDES方程能夠大規模應用。他們提出了一個全局模型，旨在減少（shǎo）由於基（jī）於優化任務解決（jué）方案的PDE模型所帶來的在線（xiàn）計算時間。開發出與實際中大量應用的IMC結構相結合的一個通用的MPC框架。在IMC- MPC結構中用到了兩（liǎng）個反饋環，以校正過程性能和基於模型的在線優化器中所引起的模擬誤差。丹麥的Helge Didriksen[29]（2002）開發了一（yī）個滾筒幹燥機的描述質量、能量和動量（liàng）轉換的動態一（yī）次法則模型，並應用到糖廠幹燥甜菜中（zhōng）的預測控製。結（jié）果表明，隨著操作變量和幹擾變（biàn）化，該模型具有較好的預測能力。通過模（mó）擬比較了帶有（yǒu）模（mó）型預測（cè）控製和傳統（tǒng）的反饋控製，模型預（yù）測控製表現出了更優（yōu）的性能。法國的（de）I．C．Trelea，G.Trystram 和 F.Courtois[27]於1997年設計了用於批式幹燥過程的非線性預測優化控製算（suàn）法，在中試規模的幹燥（zào）機上進行了測試。實驗表明，算法（fǎ）可處理重要（yào）的幹擾和失效該控製算法（fǎ）可方便地用於其它批式過程，如冷凍、殺（shā）菌或（huò）發酵。有些學者將神經網絡用於模型預測控製過程建模（mó）。Jay[32]（1996）初次將（jiāng）神（shén）經網絡模型用於（yú）幹燥過程預測控製。法國的J.A. Hernandez-Perez等 [33]（2004）提出了基於（yú）人工神經網絡的傳質傳熱預（yù）測模型，該模型將產品收（shōu）縮作為水分的函數，應用了帶有一（yī）個隱藏層的兩（liǎng）個獨立（lì）的前饋網絡，隱藏（cáng）層中帶有三個神經細胞，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（yòng）於幹燥過程的在（zài）線狀態估計和控製。
2.2 智（zhì）能控製
智能控製是一門新興的理論和技術，它是傳統控製發展的高級階段。這是（shì）以無模型為特征的更接近於人腦（nǎo）思維方式的一種控製理論，主要用來解決那些用傳統方（fāng）法難以解決的複雜係統的控製，其（qí）控製器的設計擺脫了係統模型的束縛，算法簡單、魯棒性強。目前，^控製、神經控製和模糊控製等智能控製技術正（zhèng）成為先進控製的一個重要發展方向。
2.2.1 ^控製
^係統技術（shù）能把數學算法和控（kòng）製工程師的操（cāo）作經驗融合到一起，理大限度的利用已（yǐ）有（yǒu）知識，達到傳（chuán）統控製方式難以取得的控製效果。^控製係統運行在連續的實時環境中，利用實時信息處理的方式來監控係統的動態特性， 並給出適當的控（kòng）製作用。將^係統技術與糧食幹（gàn）燥過程控製相結合，用於糧食的生產、管理和監控，可提高糧食的生（shēng）產效率及生產（chǎn）效益。劉明山[12]（2001）研製了一種糧食幹燥模糊控製^係統，將（jiāng）仿真結果與實測（cè）數據進行對照，兩者基本一致。劉淑榮[13]（2001）將^係統（tǒng）技術（shù）與幹燥過程控製相結合，設計了一個高水分糧烘幹過程控製的模糊^係統。何（hé）玉春[14]（2001）通過^智能（néng）控（kòng）製在幹燥過程中把烘（hōng）幹參數優化，在烘幹設備的設計（jì）和幹（gàn）燥過程中求出能耗、效（xiào）率、品質的共利點，使幹燥機（jī）沿（yán）著共利線對穀物進行烘幹，使設備在（zài）幹燥過程中始終處於理想操作；同時，將溫（wēn）度測控技術與網絡技術互聯，建（jiàn）立一套簡單而有效的（de）基（jī）於溫度的網絡測控係統。
2.2.2 神經網絡控製
神經（jīng）網（wǎng）絡可為複（fù）雜非線性過程的建模提供有效的方法，進而可用於過程（chéng）軟測量和控製係統的設計上。神經網絡在幹燥過程中的應用主要有兩個：幹燥過程（chéng）建模和控製。
法國的J.-L.Dirion（1996）[6]等人開發了一個神經控製器，用（yòng）於調整（zhěng）半批（pī）式實驗反應器的溫度，基本（běn）實驗形成了（le）神經網絡（luò）的學習數據（jù）庫，該神經控製器可以（yǐ）提（tí）供非常好的設（shè）定點跟蹤和幹擾排（pái）除。劉亞秋[9]（2000）開發了基於單神經元的自適應PID控製器，設計了（le）木材幹（gàn）燥窯神經網絡模型，用BP算法（fǎ）對幹燥窯的輸（shū）入輸（shū）出特性進行描述並對模（mó）型學習與訓練，通過（guò）試驗與（yǔ）仿真證明所得的結論（lùn）滿足誤差（chà）指標的要求。張吉禮[10]（2003）將模糊控製技術與神經網絡技術相結合，設計出了穀物幹燥（zào）過（guò）程參數在線檢測與智（zhì）能預測（cè）控製係統。智（zhì）能控製下的幹燥機出口糧食含水量變化範圍比手動控製的小，前者為13.6%～14.4%，後者為12.4%～14.2%；智能控製下的出口糧食含水（shuǐ）量（liàng）波動頻率比手動控製的小，前者波動周期約為20h，後者周期約為8h。王（wáng）品[11]（2003）用改進的BP網絡算法建立烘幹塔的（de）神經（jīng）網絡模型（xíng），通過神經網絡模型建立了神經網絡控製器（qì），實現了拱幹塔係統糧食水分烘幹的智能控製，提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測冷凍幹燥過程（chéng）特性（xìng），以幹燥時間、升華幹（gàn）燥時間（jiān）的份額、幹燥製品生（shēng）產率和升華界麵（miàn）溫度（dù）等幹燥（zào）過（guò）程特性參數作為網絡模型的輸出參數（shù），將網絡的預測結果與數學模（mó）型的計算進（jìn）行比較，預（yù）測結果與計算（suàn）結果符合較好。鄭文利[7]（2000）采用人工神經網（wǎng）絡對冷凍幹燥過程中的（de）凍幹（gàn）物料重量變化進行智能模擬（nǐ）：對凍幹工藝條（tiáo）件正（zhèng）交實驗結（jié）果進行學習，利用學（xué）習後的網絡對工藝條（tiáo）件進（jìn）行預測及優化。
2.2.3 模糊控製
模糊控製是一種基於規則的控製，直接采用語言型控製規則，其（qí）依據是現場（chǎng）操作人員的控製經驗或相關^的知識，在設（shè）計中不需要（yào）建立被控對象的（de）^數學模（mó）型，所以控製機理（lǐ）和策略易於接受和理解。
目前，國內外幹燥過程控製主（zhǔ）要應用的是模糊控製方法。Zhang Qin[15]等（1994）對連續式橫流穀物（wù）幹燥機進行了模糊控製的研（yán）究，通過調整加熱器的功率（lǜ）和卸糧攪龍的（de）轉速來控（kòng）製（zhì）幹燥機的操作，驗（yàn）證試驗控製成功率達86.4%。李俊明[16]等(1996)以幹燥塔熱（rè）風溫度（dù）為依據，將玉米（mǐ）幹（gàn）燥生產中一名（míng）熟練（liàn）的操作者通過感官係統的觀察和經驗（yàn）製定了模糊控製規則（zé），利用模糊控製實現了排量電機的轉速調節，並提出（chū）橫流玉米幹燥機的自組織模（mó）糊控製器應采用開環式模糊控製係統，以解決玉米幹燥（zào）過程中的大滯後問（wèn）題。李業（yè）德、李業（yè）剛[17](2001)設計（jì）了一種以89c51單片機為核心的模糊智能控製器，在（zài）順（shùn）流式烘幹機上通（tōng）過對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，但入口穀物水分波動會對幹燥過程產生影響。
國內許多研究生從事糧食幹燥機模糊控製（zhì）的研究工作。東北大學的孟憲沛[18]（2003）在糧食幹燥塔的（de）智能建模與智能控製中，利用模糊集合理論和（hé）優化算法，建立糧食烘幹（gàn）係統的智能模型和（hé）模（mó）糊控製係統的模糊規則，設計出係統的模糊控製器。哈爾濱（bīn）工業大學（xué）的唐曉健[20]（2003）研究基（jī）於TS模（mó）型的混流式糧食烘幹塔多變（biàn）量模糊控製（zhì）方法，對該係（xì）統進行控製仿（fǎng）真，並與手（shǒu）動控製方法和（hé）傳統的模糊控製（zhì）方法進行比較（jiào）。華南農大的曹豔明[21]（2000）針對高濕稻穀循環式緩蘇幹燥工（gōng）藝（yì）特（tè）點，利用（yòng）模糊控製模擬人類思維方式的設計方法，開（kāi）發稻穀循環幹燥機自（zì）動控製（zhì）係統。西北輕工業學院（yuàn）的蘇宇鋒[23]（2002）采用基於工人實際操作經驗的模糊算法，利用單片（piàn）機對冷凍（dòng）幹燥係統進行控製，提高了設備的自動化程度。
