复合肥反应釜温度控制系统的探究
开篇：润墨网以专业的文秘视角，为您筛选了一篇复合肥反应釜温度控制系统的探究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：针对复合肥转化和复肥工段反应釜温度PID控制不精确，在生产过程中引入了模糊-PID控制策略，实现了反应釜温度的精确控制。实际运行结果表明，此复合控制方式控制精度在±2.0℃，控制精度更高，控制效果更好。
关键词：模糊-PID；复合肥；温度控制；反应釜
中图分类号：TP273 文献标识码：B
复合肥生产线是一个涉及到温度、压力、浓度、流量等多种因素的复杂系统，生产过程的质量很大程度上取决于工艺参数(如温度、压力、流量等)的控制。因此，控制方案的优化设计、物料在生产过程中的温度、压力、流量和组分等稳定，可大大提高产品的质量和产量，达到稳定、可靠、优质生产和节能降耗的目的，从而提高生产效率，增加企业经济效益。本文将模糊-PID复合控制策略应用于复合肥转化和复肥工段反应釜温度控制，利用模糊控制的快速动态响应及PID控制的稳态性能，实现反应釜温度的快速、稳定控制[1]。
某化工集团有限公司是国家化肥行业的骨干企业，是以生产硫基三元复合肥为主的国有大中型企业。三元复合肥生产分为3个工段：磷酸和硫酸工段、转化和复肥工段、造粒工段。其中，在转化和复肥工段，先在反应釜中按比例加入硫酸和氯化钾，加温至160℃并恒温固定时间后进入收集槽，然后在收集槽加入磷酸，混合后经混酸泵打入管式反应器，最后向管式反应器加入中和氨气，生产成品料浆。本工段中，控制好反应釜的温度，是保证产品质量关键。因此对关键工艺参数――温度必须进行控制[2]。
1 控制方案选择
本系统反应釜温度受进料物料温度、进料物料多少、供热蒸汽阀门开度、周围环境等影响，具有典型的非线性、分布参数、时滞和大惯性等特点，无法建立精确数学模型，用传统的控制算法难以满足要求。针对此情况，可采用模糊算法，自适应算法和神经元算法等方案。而模糊算法因其运算量小，实现相对容易，控制效果好，本文采用此算法。在线性控制理论中，积分控制作用能消除稳态误差，但动态响应慢；比例控制作用动态响应快；而比例积分控制作用既能获得较高的稳态精度，又能具有较快的动态响应。故把PID控制策略引入模糊控制器，构成Fuzzy-PID复合控制，使动静态性能都能得到很好的改善，即达到动态响应快，超调小、稳态误差小。因此，本文将采用模糊-PID控制策略，从而使系统既具有较快的动态响应性能，又能满足一定的稳态精度。
2 控制系统设计
复合肥转化和复肥工段反应釜温度所需条件，要求实际温度在目标温度上下2C范围内变化，即满足。根据此要求可以设计模糊-PID控制器，当时，从模糊控制阶段切换到PID控制阶段。系统结构如图1所示。
本系统模糊控制采用二维模糊控制器。选择反应釜温度偏差E，温度偏差变化率EC作为系统的输入变量，供热蒸汽阀开度变化量U作为输出变量。
对于本文设计的模糊控制器，采用经验归纳法设计模糊控制规则，再结合现场调试经验作局部调整。根据设备的实际控制经验，得出模糊控制规则
如表1所示。
本文PID控制器选用增量式，并且控制器在误差减小到C范围内才发挥作用。因此PID控制的主要目的在于尽可能消除系统静差，提高调节精度，而响应速度的要求可以适当放松。所以应适当减小比例系数，增大积分作用系数，而只要适中即可。通过多次实验调整，本文选取的PID参数如下：
图2 仿真结果对比
3 系统仿真与分析
该控制模型建立和仿真是在MATLAB环境下进行的。反应釜温控系统可以用二阶的纯滞后环节和一阶惯性环节表示。经过多次实验，建立模型如下：
式(1)中，K为增益，T1，T2为时间常数，为滞后时间。选择一组参数： K=1.36，T1=560，T2=350，=26。在单位阶跃输入下，分别用常规PID控制、模糊控制和模糊-PID控制算法进行了仿真，仿真结果如图2所示。可以看出，PID控制时，超调量较大，稳态时间较长。模糊控制时，超调量减少，稳态精度提高，过渡时间缩短。模糊-PID控制时，超调量最少，过渡时间进一步缩短。
将模糊-PID应用到反应釜温控系统系统中，设采样周期为30s, 反应釜温度目标值为160℃，温度变化曲线如图3所示。可以看出，控制系统的上升时间为270秒，过渡时间短，响应速度快，到达目标值输出稳定，误差较小，精度高。
4 结论
采用FUZZY-PID控制结构，对非线性、难以建立精确数学模型的反应釜温度对象进行控制，既具有模糊控制鲁棒性强、快速响应的特点，又具有PID控制消除静态误差、控制精度高的优点，现场运行实践证明，此复合控制方式控制精度在±2.0℃，控制精度更高，控制效果更好。
参考文献
[1]文乐.透平压缩机组的模糊PID控制与特性研究[J].西安交通大学学报, 2011, 45(7):76-81.
[2]Onur Karasakal, Mujde Guzelkaya, Ibrahim Eksin, et al. An error-based on-line rule weight adjustment method for fuzzy PID controllers[J]. Expert Systems with Applications，2011, 38(8): 10124-10132.