1 目前工业窑炉的控制现状

工业窑炉是一种利用燃气、燃油等为燃料燃烧的工业加热设备，被广泛地应用于耐火材料、铸造和建筑材料等行业。工业窑炉在控制运行过程中，窑内温度、气氛、压力及各种流量参数会随外界条件或内部因素的变化而发生变化，为了使这些变化的参数符合烧制工艺要求，必须实时根据这些变化的情况对窑炉各控制设备做出快速、合理又整体协调的控制^[1]。

传统的窑炉控制大都是靠人工操作、调节或计算机参与辅助监控。这种控制方式的缺点是体力劳动繁重、烧成周期长、有滞后性，而且受主观因素的影响，调节精度不高，导致窑炉烧成合格率低。因此，很难采用传统的方法进行高品质、强鲁棒性的控制。当前，控制系统的硬件装置已不是主要问题，除检测手段外，其关键主要在于控制策略本身。因为控制的性能不仅影响产品质量和成品率，而且影响窑炉寿命以及节能和优化等综合指标。因此传统的控制方法已不能胜任当今人们对工业窑炉越来越高的控制要求。

目前工业窑炉控制通常所采用的都是按温度、压力等采集的信号与测量值进行给定的PID控制。PID控制器本身是一种基于对“过去”、“现在”和“未来”信息估计的简单但却有效的控制算法，其算法简单、鲁棒性能好、可靠性高，被广泛应用于工业过程控制中；但由于信号采集、处理等复杂原因，导致了对控制目标不能达到满意的控制效果。近年来，我国窑炉自动控制技术有了长足的进步，特别是随着引进吸收国外先进的窑炉技术，PLC的应用、小型DCS系统普及、模糊控制技术的研究应用使窑炉控制水平上升到一个新的台阶^[2,3]。

2 智能控制在工业窑炉中的应用

随着计算机的广泛应用和人工智能技术的发展，出现了以人工智能、控制理论和计算机技术为基础的新型控制技术——智能控制。智能控制不仅为传统控制

理论和方法带来了新的生机，而且为解决控制领域的难题、摆脱常规数学模型的困境、突破现有控制理论的局限，开辟了新的途径。和传统控制技术相比，智能控制技术的性能和特点可较为有效地解决陶瓷窑炉存在的大惯性、纯滞后、强非线形及温度、气氛等多种变量耦合等问题。

将各种控制策略有限地结合起来所形成的复合控制策略可以更加有效地完成复杂系统的控制工作，这也是目前实际应用中较为广泛的方式。应用模糊集合理论统筹考虑系统的一种控制方式是模糊逻辑控制，不需要精确的数学模型，是解决不确定系统控制的有效途径。目前应用广泛的有如下几种控制策略：模糊PID复合控制（fuzzy-PID composite control），模糊变结构控制（fuzzy variable-structure control），模糊神经网络自适应控制（fuzzy neural network based adaptive control），专家模糊控制（expert-fuzzy control）；另外，还有专家PID控制（expert-PID control），专家PID自整定（expertized PID self-tuning）的控制器。

2.1 模糊(Fuzzy)控制技术

模糊控制技术基于模糊数学理论，通过模拟人的近似推理和综合决策过程，使控制算法的可控性、适应性和合理性提高。在自动控制领域中，对于难以建立数学模型、非线性和大滞后的控制对象，模糊控制技术具有很好的适应性。

模糊控制作为智能控制中的一个子系统，其发展和应用相当迅速。1965年，美国控制论教授L.A.Zadeh首先提出了一种完全不同于传统数学与控制理论的模糊集合理论，其核心是对复杂的系统或过程建立一种语言分析的数学模式，可以使那些熟练的工人或技术人员的丰富实践经验直接转化为计算机所能接受的算法语言，从而实现对复杂对象的控制，这就是所谓的模糊控制。

1979年Holmblad和Ostergar开发了湿式水泥回转窑的模糊控制系统，利用27条模糊规则对稳定状态进行了控制。运行结果表明，控制效果比人工操作好，燃料消耗减少，这是第一个在大型工业过程中成功应用的模糊控制系统。近年来模糊控制在过程控制中得到了越来越广泛的应用，如锅炉过热汽温控制等，取得了良好的控制效果。

我国是从1979年起开始研究模糊控制的，1999年童晓濂等人对于像陶瓷窑炉这样复杂的、多干扰、时变性强的对象，采用了Fuzzy控制器，得到了较理想的控制效果^[4]。

模糊控制在工业窑炉、石油、化工等复杂工业过程和家用电器的控制中应用成果显著，尤其是在时变、非线性的液压控制系统中得到了广泛的应用。常规PID控制很难保证工业窑炉这种大惯性、大滞后、非线性的复杂系统控制效果始终处于最佳状态。如果将模糊控制与PID控制结合，利用模糊规则调整PID参数的大小，可满足实时控制的要求，使其对输出转速控制达到理想的效果。

实践证明，Fuzzy控制器有更快的响应和更小的超调，对过程参数的变化也不敏感，具有很强的鲁棒性，可以克服非线性因素的影响，但在控制精度方面，Fuzzy控制没有PID控制理想^[5]。因此，如果采用Fuzzy控制与经典PID控制相结合的控制策略，则可以扬长避短，使系统既有PID控制的精度高的特点，又具有Fuzzy控制的灵活、适应性强的特点。和传统PID控制效果对比，智能控制方法具有更好的鲁棒性和控制精度^[6]。

2.2 神经网络PID控制

窑炉温控系统现有的控制方法主要是传统的PID控制。虽然这种方法在工作点附近小范围内能够取得较好的控制效果，但在系统运行工况有较大波动时，由于纯滞后及参数变化的影响，难以稳定及时地对系统进行控制，有较大局限性。为了使控制器具有较好的自适应性，实现控制器参数的自动调整，付荣申等人提出了利用神经网络改善玻璃窑炉系统PID控制的技术方案^[7]。该方案利用人工神经网络的自学习这一特性，结合传统的PID控制理论，构造神经网络PID控制器，实现控制器参数的自动调整。该方法结构简单，易于在单片机系统上实现且能适应环境变化，有较强的鲁棒性。李毅等人针对水泥窑炉也给出了一种神经网络控制规则策略^[8]。高健等人采用神经网络实现PID参数整定，给出了一种改进的神经网络PID控制参数自适应整定控制策略的解决办法。实践结果表明，该控制方式兼顾了系统的动态品质和静态精度的要求，控制系统鲁棒性强，具有快速跟踪性和良好的稳态精度^[9]。

2.3 模糊神经网络自适应控制(FNA)

由于模糊神经网络控制器结合了模糊控制和神经控制的优点，既有模糊控制的强鲁棒性，也继承了神经网络的自学习优势。在自适应控制中加入模糊神经网络建模工具，利用神经网络的自学习、自适应的能力可大大改善系统的鲁棒性和实时性，特别适用于具有不确定性的非线性系统控制，同时利用神经网络强有力的数值计算能力，可以根据过程对象的特性，实现预估控制和优化控制^[10-11]。由于这几种技术结合的良好的控制特性，使得这种控制策略得到了相当广泛的应用，与其他的复杂系统相类似，如果得到合理的算法，则这种良好的复合控制策略在陶瓷工业窑炉的控制中将有着很广阔的应用前景。

2.4 专家PID控制

专家系统是三大智能控制支柱之一，它是一种基于知识的系统，模拟人类特有的思维方式。它主要面对的是各种非结构化的问题，尤其是处理定性的、启发式的或者不确定的知识信息，经过各种推理过程达到系统的任务目标。将模糊控制与专家控制结合起来，能够表达和利用控制复杂过程和对象所需要的启发式知识，重视知识的多层次和分类的需要，弥补了模糊控制器结构过于简单、规则比较单一的缺陷，提高了模糊控制的智能水平；同时，两者的结合还能够拥有过程控制复杂的知识，从而为更复杂的情况下利用这些知识做准备。

以专家系统为核心形成的各种PID控制器已经获得了广泛的工业应用。美国Foxboro公司自1984年起所推出的基于仿专家经验的自整定PID调节器用于工业控制以来，应用广泛；日本山武·霍尼韦尔公司的SDC系列智能PID调节器，引入了神经网络和模糊推理技术，其控制和整定功能均很好，这是一类比较成熟、应用广泛、控制效果较好的控制方法。

魏红昀等人把专家系统和PID控制器结合，利用专家系统知识库输出修正PID参数，改变PID控制方式以达到最佳PID控制效果。根据对象特性及设计要求，设计了99条控制规则，并预先将规则下的调整方法及调整参数存储于控制器中^[12]。

3 展望

充分将热工技术、自控技术与人工智能技术相结合，研究与开发工业梭式窑控制专家系统对窑炉烧成进行自动控制和调节，对于减轻劳动强度，改善劳动条件，降低能源消耗，提高产品的产量和质量，控制生产成本，保证设备的安全运行都具有十分重要的意义。

模糊控制、神经网络以及专家系统是智能控制的三大支柱，而PID控制、最优控制、鲁棒控制、解耦控制、预测控制等方法的研究也日趋深入，于是，专家们根据它们特点不同，针对一些非线性、时变、不确定性等复杂对象，将它们分