李國昉1，2 毛誌懷（huái）2
（1 河北科技師範學院機電係，秦（qín）皇島 066600 2 中國農業大學工（gōng）學院，北京 100083）
摘 要（yào）: 在（zài）分析先進控製特（tè）點（diǎn）的基礎上（shàng），總結了糧食（shí）幹（gàn）燥過程中先進（jìn）控製方法的發展與現狀，指出了幹燥過程（chéng）控製中的存在問題，並提出（chū）了糧食幹燥過（guò）程控製的發展方向。
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；神經網絡控製
糧食幹燥的基本目標是保持幹燥過程穩定的前提（tí）下，以較（jiào）低的幹（gàn）燥成（chéng）本和能耗得到穀物理想的烘幹品質。糧食幹燥（zào）過程是典型的非線性、多變量、大滯後、參數關聯耦合的非穩（wěn）態傳熱傳質過程（chéng），糧食本身又是一種複雜的生物化學物質，為達到上述目標，在幹燥過（guò）程（chéng）中必須不斷（duàn）地調（diào）整幹燥參數，對幹燥機工作過程進（jìn）行控製。幹燥過（guò）程的自動控製是實現幹燥機優質、高效、低耗、安全作業的有效手（shǒu）段。實現幹（gàn）燥過程的自動（dòng）控製，實現糧食幹燥機的自動控製，對保證出機（jī）糧食水分均（jun1）勻一致、幹（gàn）後糧食品質、減輕操作人員勞動強度及（jí）充分發揮幹燥機生產能力（lì）等具有重要意義。根據國家糧食局在《“十五”糧食行業科技發展規劃》[1] 中製定的發展目標，糧食烘幹過程的（de）在線監測和自動控製已成為提（tí）高我國糧食幹燥處理工藝效率的關鍵問題和實現“十五”規劃的重要途徑。隨著我國對糧庫建設投入力（lì）度的加大，糧食加工業與國際日益接軌，糧食幹燥的自動化將為我國的（de）糧食加入國際流通大市場奠定基礎。
1、先進控製的特點（diǎn）
糧（liáng）食幹燥過程自（zì）動控（kòng）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（fǎn）饋-前饋控製和自（zì）適應控製等傳統控製方法。傳統控（kòng）製理論采用差分方（fāng）程或傳遞函數，把幹燥過程係（xì）統的知識和（hé）已有的信息表達成（chéng）解析式。但（dàn）是在使用和設（shè）計采用上述控製方法的穀（gǔ）物幹燥機控製係統時會（huì）遇到很多（duō）困難，原因是：（1）穀物幹燥過程是複雜的、時變的和非線性的；（2）某些幹燥過程變量(如穀物品質和色澤)是（shì）不能直接測量的，有（yǒu）些變量(例如穀物水分含量)的測量可能是不連續、不^、不完（wán）整或不可靠的；（3）幹（gàn）燥機的過程模型是對實際過（guò）程的近似，而（ér）且需要（yào）大量的計算時間（jiān）；（4）幾乎不可（kě）能用一個適當的模型來表示（shì）像幹燥過程這樣一個非線性、滯後、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應；（6）穀物幹燥機的作業條件複雜，擾動變量的範圍寬，難以調控。
顯然，要克（kè）服上述困難需要對穀物幹燥機（jī）的傳統控製（zhì）方法不斷改進，同時要探索新的、更有效的控製方法。20世紀70 年代，電子行業的進步，尤其是計算機技（jì）術的（de）發展使（shǐ）得現在所謂的先進控製的思想得以廣泛的傳播。先進控製的目標就是為了解決那些采用常規控製效果不佳，甚至無（wú）法控製的複雜工業過程控製問題。近年來（lái），現代控製和（hé）人工智能取得了長足的發（fā）展，為先進控（kòng）製係統（tǒng）的實施奠定了強大的理論基礎；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（tū）飛猛進，則為先進控製的應用提（tí）供了強有（yǒu）力的（de）硬件和軟（ruǎn）件平台。總之，工業發展的需要、控製理論和計算機及網絡（luò）技術的發展強（qiáng）有力地推動了先（xiān）進控製的發展。
計算機技術飛速發展，人工智能控製理（lǐ）論開始在千燥機控製（zhì）中得到應用，明顯改善了千燥機控製係（xì）統的性能。傳統（tǒng）控製方法由（yóu）於大滯後和（hé）對糧食幹燥過程的（de）非線性聯係，不適於控製糧（liáng）食幹（gàn）燥機。人工智能技術（shù）進步在工程領域中廣泛應用（yòng），先（xiān）進控製理論和控製方（fāng）法應用到穀物幹燥（zào）過程的自動化控（kòng）製中，控（kòng）製方法不斷改進，控製（zhì）效果提高。90年代後，過程控（kòng）製己經開始（shǐ）向智能化發展，智能（néng）控製理論日益與幹燥技術結合在一起，利用人工神經網絡（luò）對幹燥（zào）過（guò）程進行模型模擬和控製；^係統應用於穀物品質預測、幹（gàn）燥過程控（kòng）製和（hé）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，具有以下（xià）特點：
(1)先進控製係統的理論基礎主要是基於模型（xíng）的控製（zhì）策略，如:模型預（yù）測（cè）控製（zhì），這些控製策略充分利用工（gōng）業過程輸入輸出有關信（xìn）息建立係統（tǒng）模型（xíng），而不必依賴對反應機理的深入研（yán）究。日前，基（jī）於知識的控製，如^控製和模糊邏輯控製正成為先進控製（zhì）的一個重要發展方向。
（2）先進控製係統通常用於（yú）處理複雜的多變是過程控製問題，如大時（shí）滯、多變量耦合、被控變與控製變量存在著各種約束等。采用的（de）先進控製策略是建立在常規單回路控（kòng）製基礎之上的動態協調約（yuē）束控製，可使控製係統適應實際工業生產（chǎn）過程動態特性和操作要求。
（3）先進控製係統的（de）實（shí）現需要較高性能的計算機作為支持平台.由於先進控製器控製算法的複雜性和計算機硬件（jiàn）兩方麵因（yīn）素的影響，複雜係統的先進控製算（suàn）法通常是在上位機上實施的。隨著DCS功能的（de）不斷增強和（hé）先進（jìn）控製技術的發展，部分先進（jìn）控製策略可以與基（jī）本控製回路一在（zài）DCS上實現。後一種方式（shì）可有（yǒu）效她增（zēng）強先進控製的可靠性、可操作性和（hé）可維護性。
2、幹燥過程先進控製發（fā）展現狀
先進控例策路是先進控製係統的核心內容，目前先進控製策略種類（lèi）繁多，幹燥過程中主（zhǔ）要的先進控製策略（luè）有:預（yù）測控製、模糊邏輯控製、神經控製、自適應控製、^係統。
2.1 基於模型的控（kòng）製
2.1.1 自適應控製
自適應控製的基本原理是（shì）根據幹燥過程（chéng）參（cān）數的變化（huà）和（hé）外界幹擾隨（suí）時調整控製參（cān）數，使（shǐ）幹燥機處於理（lǐ）想的（de）工作狀（zhuàng）態。自適應控製具有適用多種糧食幹燥機、無須（xū）任何關於幹燥機自己（jǐ）特點的數據、對環境條件（jiàn）和糧食狀況無特殊要求、控製器對（duì）幹擾的響應（yīng）速度（dù）較快、控製模型中的參數能隨外界（jiè）條件的變化進行自動調節等優點。瑞典Nybrant（1985）把自校正（zhèng）技術應用到橫流穀物幹燥機控製。幹燥機排氣溫（wēn）度作為輸出變量，穀物排糧速率用作被控變量，並選（xuǎn）擇自動回歸移動平均（ARMA）模型表現（xiàn）橫流幹燥機的動態特性。在實（shí）驗室橫流幹燥機上（shàng）進行了驗證性試驗，控（kòng）製誤差的標準差在後50個樣本期間是0.13℃。結（jié）果表明，自適應控製器能夠（gòu）比較準確的控製排氣溫度。劉建軍[5]（2003年）對HTJ-200型烘幹機進行研究，通過在線（xiàn）樣本（běn）的采集和智能優（yōu）化算法對係統進行定（dìng）量分析，建立由實時檢測數據所確定的過程智能模型（xíng），再通過智能優（yōu）化算法調用人工智能模型，獲取係統的控製規則，由控製程序（xù）給出控（kòng）製量經D/A轉（zhuǎn）換後輸出給執行部件。李曉斌（bīn）等[3]（1998）研究真空冷凍幹燥（zào）設備的先進控製係統，針對不同凍幹（gàn）物料的工藝要求，采取DRA算法和臨界（jiè）比例法兩種自（zì）適應、自（zì）整定控製方法，解決了被控對象主控參數--溫度的滯（zhì）後問題。
2.1.2 模型預測控製
過（guò）程控製理（lǐ）論的研究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（zhì）算法，它對於控製非線性（xìng）和大滯後（hòu）過程（chéng）尤（yóu）其有效。
Forbes，Jacobson，Rhodes，和Sullivan[24]（1984)和Eltigani設計了基於模型的幹燥控製器，其控製行為基於一個過（guò）程模型（xíng）和一個所謂的假冒（mào）的入（rù）口穀物水分含量（liàng）。幹燥速率參數根據模型預（yù）測值和傳感器出口實測的水分含量之差間歇式更新。Forbes和Eltigani控製器（qì）的不同在於控製算法中所用的過程模型的種類不同（tóng）。密執安大學的劉強[25]（2001）提出了橫流幹燥機的模型預測控（kòng）製器。仿真測試（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（kòng）製器能夠成功運作，並實現出口處玉米含水（shuǐ）率控製在（zài）設定點的0.7%以內。控製器對（duì）進入（rù）幹燥機的入口穀（gǔ）物（wù）含水率相（xiàng）當大範圍的變化，以及熱風溫度的大（dà）階躍變化都能進行良好（hǎo）補償。
對模型預測控製研究中，較多工作集中於過（guò）程模型的的建立和求解，且在模型中考（kǎo）慮幹燥品質問題。法（fǎ）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，從而使PDES方程能（néng）夠大規（guī）模應（yīng）用。他們提出了一個全局模型，旨在減少由於基於優化任務解決方（fāng）案的PDE模型所帶來（lái）的在線計（jì）算時間。開發出與實際（jì）中大量應用的IMC結構相結（jié）合的一個通用的MPC框架。在IMC- MPC結構（gòu）中用到了兩個反饋環，以校正（zhèng）過（guò）程性能和基於模型的在線優（yōu）化器中所引起的模擬誤差。丹麥的Helge Didriksen[29]（2002）開發了一個滾（gǔn）筒幹燥機的（de）描述質量、能量和動量轉換的動態一次法則模型，並應用到糖廠幹燥甜菜中的預測控製。結果表明（míng），隨著操作變量和幹擾變化，該模型具有較好（hǎo）的預測能（néng）力。通過模擬比較了帶（dài）有模型預測控製和（hé）傳統的反饋控製，模型預測控製表現出了更優的性能。法國的I．C．Trelea，G.Trystram 和 F.Courtois[27]於1997年設計了用（yòng）於（yú）批式幹（gàn）燥過程的非線性（xìng）預（yù）測優化控製（zhì）算法，在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）可方便地用於其它批式過程，如冷凍、殺菌或發酵。有些學者將神經網絡用（yòng）於模型預測控製過程建模。Jay[32]（1996）初次將神經（jīng）網絡模（mó）型用於幹燥過程預測控製。法國的（de）J.A. Hernandez-Perez等 [33]（2004）提出了基於人工神（shén）經網絡的傳質傳熱（rè）預測模型（xíng），該模型將產品收（shōu）縮作為（wéi）水分的函數，應用了帶有一個隱藏層的兩個獨（dú）立的前饋網絡，隱藏層中帶有三個神經細胞（bāo），可^預測傳質傳（chuán）熱。在數（shù）據裝置校驗中，模擬和實驗運動學測試相一（yī）致。開發的模型可用於幹燥過（guò）程的在線（xiàn）狀態估（gū）計和控製。
2.2 智能控製
智能（néng）控（kòng）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。這是以無模型為特征的（de）更接近於人腦思維方式（shì）的一種控製理論，主（zhǔ）要（yào）用來解決那些用傳（chuán）統方法難以解決的複雜係統的控製，其（qí）控製器的設計擺脫（tuō）了係（xì）統模（mó）型的束縛，算法簡單、魯（lǔ）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（chéng）為先進控製的一（yī）個重要發展方向。
2.2.1 ^控製
^係統技術能把數學算法（fǎ）和控製工程師的（de）操作經驗融合到一起，理大限度的（de）利用已有（yǒu）知識（shí），達到傳統控製（zhì）方式難以取得（dé）的控製效果。^控製係統運行在連（lián）續的實時環境（jìng）中，利用實時信息處理（lǐ）的方式來監（jiān）控係統的動態特性， 並（bìng）給出（chū）適當的控製作用。將^係統技術與糧食幹燥過程控製（zhì）相結合，用於糧食的生產、管（guǎn）理和監控，可提高（gāo）糧食的生產效（xiào）率及生（shēng）產效益。劉明山[12]（2001）研製了一種（zhǒng）糧食幹燥模糊（hú）控製（zhì）^係統，將仿真結果與實測數據（jù）進行對照，兩者基本一致。劉淑榮[13]（2001）將^係統（tǒng）技術與幹燥（zào）過程控製相結合，設計了一個高水分（fèn）糧烘（hōng）幹過程控製的模糊^係統。何玉（yù）春[14]（2001）通（tōng）過^智（zhì）能控（kòng）製在（zài）幹燥過程中把烘幹參數優化，在烘幹設備的設計和幹（gàn）燥過程中求出能耗、效率、品質的共利點，使幹燥機沿著共利線對穀物進行烘（hōng）幹，使設（shè）備在幹燥過程中始終（zhōng）處於理想操（cāo）作（zuò）；同時，將溫度測控（kòng）技術與網絡技術互聯，建立一套簡單（dān）而有效（xiào）的基於溫（wēn）度的（de）網絡測控係統。
2.2.2 神經網（wǎng）絡控製
神經網絡可為複雜非線（xiàn）性過程的建（jiàn）模提（tí）供（gòng）有效的方法，進而可用於過（guò）程軟測量和控製係（xì）統（tǒng）的設計上。神經（jīng）網絡在幹燥過程中的應用主要有兩個：幹（gàn）燥（zào）過程建（jiàn）模和控製。
法國的（de）J.-L.Dirion（1996）[6]等人開發了一個神經控製器，用於調整半批（pī）式實驗（yàn）反應器的溫度，基本實驗形成了神經網絡的學習數（shù）據（jù）庫，該神經控製（zhì）器可以提供非常好的設定點跟蹤和幹（gàn）擾排除。劉亞秋[9]（2000）開發了基於（yú）單神經元的自適應PID控製器，設計了木材幹燥窯神（shén）經網絡模型，用BP算法對幹燥窯的輸入輸出特性進行描述並對模型（xíng）學習與訓（xùn）練，通過試驗與仿真證（zhèng）明所得的結（jié）論滿足誤差指標的要求。張吉禮[10]（2003）將（jiāng）模糊控製技術與神經網絡技術相結合，設計出了（le）穀物幹燥過程參數在線檢測與智（zhì）能預測控（kòng）製係統。智能控（kòng）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（wéi）13.6%～14.4%，後者（zhě）為12.4%～14.2%；智能控製下的出口糧食含水量波動頻率比手動控製的（de）小，前者波動周期約為（wéi）20h，後者周期約為8h。王品[11]（2003）用改進的BP網絡算（suàn）法（fǎ）建立烘幹塔的（de）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（xì）統糧食水分烘幹的智能（néng）控（kòng）製，提高了糧食烘幹的質量（liàng）和效率。
劉（liú）永忠（zhōng）[8]（1999）應（yīng）用人工神經網絡係（xì）統（tǒng）理論預測冷凍幹燥過（guò）程特性，以幹燥時間、升華幹燥時間的份額、幹燥製品生產率（lǜ）和升華界麵溫度等幹燥過程特性參數作為網絡模型的輸出參數，將網絡的預測結果與數學（xué）模型的（de）計算進行比較，預測結果與計算結果符合較好（hǎo）。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（gōng）藝條（tiáo）件正交實驗結果進行學習（xí），利用學習後的網絡對工藝條件進行預測及優化。
2.2.3 模糊控製
模糊控製是一種基於規則（zé）的控製，直（zhí）接采用（yòng）語言型控製規則，其依據是現場操作人員的控製經驗或相關^的知（zhī）識，在設（shè）計中不需要建立被控對象（xiàng）的^數學模型，所以控製機理和策略（luè）易於接（jiē）受和理解。
目前（qián），國內外幹燥過程控製（zhì）主要應用（yòng）的是模（mó）糊控製方（fāng）法。Zhang Qin[15]等（1994）對連續式橫流（liú）穀物幹燥機進行了（le）模糊控製的研究，通過調整（zhěng）加熱器的功（gōng）率和卸糧攪龍的轉速來控製（zhì）幹燥機的操作，驗證試驗控製成功率達86.4%。李俊（jun4）明（míng）[16]等(1996)以幹燥塔熱風溫度為依據，將玉米幹燥（zào）生產中一（yī）名熟練的操作者通過感（gǎn）官係統的觀察（chá）和（hé）經驗製定了模糊控（kòng）製規則，利用模糊控製實現了排量（liàng）電機的（de）轉速調節（jiē），並提出橫流玉米幹燥機的自組（zǔ）織模糊控製器應采用開環式模糊控製係統，以解決玉米幹燥過程中的大滯後問（wèn）題。李業德（dé）、李業（yè）剛[17](2001)設計了（le）一種以89c51單片機為核（hé）心的模糊智能控製器，在順流（liú）式烘幹機上通過對小麥的在線烘幹試驗，證明該係（xì）統響應時間短、超調量小、控製（zhì）精度高，但入口穀物（wù）水分波動會（huì）對幹（gàn）燥過程產生影響。
國內許多研究生（shēng）從事糧食幹燥機模糊控製的研（yán）究工作。東北大學的孟憲沛（pèi）[18]（2003）在糧食幹燥塔的智能（néng）建模與智能控製中，利用模糊集合理論和優（yōu）化（huà）算法，建立糧（liáng）食烘（hōng）幹係統的智能（néng）模型和模糊控製係統的模糊規則，設計出係統的模糊控製器。哈爾濱工業大學的唐曉健[20]（2003）研究基於TS模型的混流式糧食烘幹塔多（duō）變量模糊控製方（fāng）法，對該係統進行控製仿真，並與手動控製方（fāng）法和傳統的模糊控製方法進行比較（jiào）。華南農大的曹豔明[21]（2000）針對高濕稻穀循環式（shì）緩蘇幹燥（zào）工藝特點，利用模糊控製（zhì）模（mó）擬（nǐ）人類（lèi）思（sī）維方式的設計方（fāng）法，開（kāi）發稻穀循（xún）環幹燥機自動控製係統。西北輕工業學院的（de）蘇宇鋒[23]（2002）采用基於工人實際（jì）操作（zuò）經驗的模糊算法，利用單片機對冷凍幹燥係統進行控（kòng）製（zhì），提高了設備的自動化程度。
