糧食幹（gàn）燥過程的先進控製（2）

3　過程控製研（yán）究中存在問題

3.1幹燥技術與控製技術未充分結合

      幹燥過程是典型的多變量、大慣（guàn）性、高度非線性複（fù）雜係統，建（jiàn）立一（yī）個理想的符合實際幹燥過程（chéng）的數學模型^困難；而且建立模型要花費（fèi）大量精力，有時甚至是（shì）不可能。通常為便於研究要對建模條件進行簡化，簡化後（hòu）的方程不能正確反映幹燥過（guò）程，簡化常常會帶來誤差。有的模型如熱、質傳（chuán）遞模型、幹燥過程優化控製型、模糊控製及智能控製型等，都有不夠^之處。同時幹燥理論研究局（jú）限在擴散理論的圈子中、未找到物料自身的特性函數，這也給^模型的建立帶來了難度。即使一些幹燥過程能夠建（jiàn）立起^的數學模型（xíng），其結構往往也^複雜，難以設計並實（shí）現有效的控製。目（mù）前的研究基本上停留以（yǐ）一維數學模型為基礎的控製上，常常是隻控製某一（yī）個特定的參數，控製效果不理想（xiǎng），更不能完成多（duō）目標的智能控製。沒有一個很好的數學模型，在實施控製時（shí）不得不尋求其他間接方法，這在一定程度上影（yǐng）響了控製的精度和（hé）效果，幹燥技術研究與控製（zhì）技術研究結合得不夠好，使幹燥機控製對發揮幹燥機^高效能、對提高產品（pǐn）質量的作用沒有完全體（tǐ）現。

3.2 幹燥過程控製方法及控製效果研究較少

3.2.1　過程（chéng）控製中控製變量少

      幹燥過程控製係統以常規單（dān）變量技術為基礎，控製的目標主要局限於對某（mǒu）一個變量（liàng）或（huò）幾個變量的平（píng）穩操作，保證生產平穩（wěn）和少出事故。隨著糧食幹燥工業日益走向大型化、集成（chéng）化（huà）、連續化、複雜化，對過程（chéng）控（kòng）製的品質提出了更高的要求，一個良（liáng）好（hǎo）的（de）控製係（xì）統（tǒng）不但要保護係統的穩定性和整個生產的（de）安全，滿足一定的約束條件，而且應該帶來一定的經濟效益和社會（huì）效益。而在糧食幹燥（zào）中，當某一烘幹段中熱風的溫度和濕度一旦變化，不僅（jǐn）對該（gāi）烘（hōng）幹段（duàn）糧食的溫度和（hé）含水率（lǜ）產生直接的影響，還會間接影響到下一段（duàn）乃至烘幹塔出口糧食的溫度和含水率。若排糧電機轉速放慢或者加快，不僅烘幹塔出口的糧食水分會（huì）變化，每一段烘幹段內糧食溫度和水（shuǐ）分都會發生相應（yīng）的改變。在這一係列複雜的變化過程中，必然會伴隨時滯、耦（ǒu）合、時變以及一係列非線性的過程。如（rú）果隻（zhī）是將被控變（biàn）量的（de）偏差和偏差變化率作為控製係（xì）統的輸入，當係統內部或（huò）外部幹擾增多（duō）時，很難保證其控（kòng）製（zhì）效果。經典的模糊控製係統常將研究問（wèn）題簡化為單輸入（rù）單輸出（chū）單變（biàn）量模糊控製器在（zài）應用（yòng）中有很大局限性，控製器的輸入隻有被控變量的偏（piān）差及偏差變化，實（shí）質上相當於一個可變參數的單輸入PD調節器。因此，幹燥（zào）過程的複雜性決定了控製（zhì）量和被控製量不（bú）止一個（gè），互相之間存在（zài）錯綜複雜的影響關係，各被控製量的^佳（jiā）值也會（huì）存（cún）在相互製約的（de）因素，難以尋求^優的控製方案。

3.2.2　先進（jìn）控製應用少且方法（fǎ）集中單一

      雖然數十年來就開始探究將如何智能控製應用於幹燥工藝中，但是關於糧食幹燥（zào）先進控製係統的設計方法研究甚少，而且集中於（yú）某（mǒu）種方法的研究較多（duō）。“十五”期間國（guó）家（jiā）糧食局花費了大量的資金用於解決糧食幹燥（zào）過程中的水分在線（xiàn）測試和自（zì）動控製，結合一些糧庫進行了一些項目的研究和開發（fā）工作，但（dàn）多數設計單位都采用模糊控製方法。瀏覽國內學位論文也可以看到，較（jiào）多的是利用（yòng）神經網絡（luò）建立烘幹塔的數學模型、用模（mó）糊思想對幹燥機的性能進行綜合評價和對幹燥機的設計進行優化；沒有一份應用模型預測控製的報道。先進控製方法雖然（rán）有很多優點，但單一方法也存在著這（zhè）樣或那樣的不足。模糊控製是建立在熟練操（cāo）作才經驗的基礎上，需要通過係統自學（xué）習，不斷修正參數（shù）才能逐步逼近目標值。而幹燥時糧食水分影響因素（sù）多，不容易找到熟練操作者的經驗參數，而未采用較準確反映烘幹機（jī）控製量的數學模（mó）型方法進（jìn）行自動控製設計，很難保證幹燥（zào）後糧食品質。自適應控製雖然能在一定程度上解決不確定問題，但算法複雜、計算量大，且對過程未建模動態和擾動的適應能力差，係統魯棒性（xìng）問題尚（shàng）待（dài）進一步解決，應用受到限製。開發基於友好圖（tú）形界麵（miàn）的^係統是幹燥過程控製（zhì）的發展方（fāng）向之一，但由於進行問題求解時搜索的時間較長，^係統用於在線控製方麵的（de）能力比較差。在神經（jīng）網絡建模（mó）形式中，基於BP 算法的網絡具有訓練時（shí）間長，且經常發生不收斂的缺點；采用（yòng）徑向（xiàng）基函（hán）數近似幹燥過程雖然可大（dà）大提高收斂速度，並使網絡（luò）能夠收斂於全（quán）局^小（xiǎo）值，但其中心坐標（biāo）確定較困難。大部分現（xiàn）有的非（fēi）線（xiàn）性模型預測控製方法隻能（néng）用於（yú）較（jiào）慢（màn）的過程控製，對於實時性（xìng）要求較高的幹燥過程控製不利。因（yīn）此，單一應用某種控製策略必然不（bú）能^好地（dì）發揮過程控（kòng）製的優勢。

3.3　檢測多（duō）於控製，水分傳感器精度和（hé）穩定性不高

      糧（liáng）食幹燥參數的檢測與控製儀表直接關係到幹燥（zào）的質量和經濟效益。國（guó）產糧食幹燥機自動控製（zhì）應用不多，有些幹燥（zào）機裝有（yǒu）風溫數字顯示和超溫報警以及排糧速度顯示裝（zhuāng）置，但不能（néng）自動控製。國內糧食水分檢測儀對糧食水分的單純測量和顯示，沒有形成與糧食幹燥設（shè）備配套的實時、在線控製係統（tǒng），無法實現糧食幹燥（zào）過程的自動控製。糧食水分測試難（nán）以實現在線快速測量，目前（qián）國內使用的幹燥設備由於沒有一種定型的動態（tài）過（guò）程（chéng）水分檢測的方法，無法實現糧食幹燥過程的自動控製。在線水分測試傳感器測試精度和（hé）穩定性問題一起沒有得到很好得解決，沒有真正成熟到真正可靠檢測的階段，影響了過程方法的精（jīng）度。

4 發展方向

4.1　幹（gàn）燥過程模型的完善

      繼續深入研究幹燥過程中物料內部熱質傳遞規（guī）律；建立起能夠^反映幹燥過（guò）程狀態的數學（xué）模型有助於完（wán）善幹燥過（guò）程的自動控製。同時，可以建立幹燥過程的智能模型，用智能模型來替代數學模型，智能控（kòng）製係統就能逼近真實係統和對其進（jìn）行有效的控（kòng）製。如用用人工神經網絡技術來建立數學模型，人工神經網絡技術則能將多個自變量（liàng）映射到多個因變量，因此（cǐ）特別適合於複雜的糧食幹燥過程。

4.2　多種控製方法的結（jié）合滲透

      單一（yī）采用某種先進控製（zhì）技術難以充分發揮優勢，一種必然的（de）趨勢（shì）是各種（zhǒng）控製策略互相滲透，取長（zhǎng）補短，互濟優勢，結合成複合的控（kòng）製（zhì）策略。多（duō）種控製策略相結合的複合控製策略克服了單獨策略的不足，更具有（yǒu）優良特性，能更好地滿足不同應用的要求，是今（jīn）後的發展方向。研究（jiū）表明，用神經網絡代替模糊（hú）數學的推（tuī）理方法，將使^係統的在線控製能力大大提（tí）高；將人工神經網絡（luò）與^係統（tǒng）結（jié）合起來的神（shén）經網絡^係（xì）統對於問題求解是一種有（yǒu）益的嚐試；神經網絡與傳統控製理論的結合使控製係統具有相當程度的智能。因此，複合控製策略將促使停留於數學仿真和實驗室（shì）研究階（jiē）段的神經網絡控製的研究用於實際係統控製。模糊PID顯合控製、模糊變（biàn）結構控製、自適應模糊控製，模糊預測控製、模糊神經網絡控製、^模糊控製（zhì）等複合控製正在興起，相信會有更大發展和廣泛應用。

4.3　控製策略的深（shēn）入研究

      幹燥過程係統的設計已不能采用單一的基於定量（liàng）的數學模型的傳統控製理論和控（kòng）製技術，必須進一步開發高級的過程控製係統，研究先進的過（guò）程控製（zhì）規律（lǜ），以及將現有的控製理論和方法（fǎ）向過程控製領域（yù）移植和改造等，這些方麵也越來越受到控製界的關注。進一步加強控製理論研究，如在（zài）預測控製的三大機（jī）理： 預測模型、反饋校（xiào）正方法、求解優化的策略上下功夫，全方位地去加以研究和突破；幹（gàn）燥過程控製中迫切要求開發出實（shí）時性（xìng）好的模型預（yù）測控（kòng）製方法，在保證幹燥質量（liàng）的前提下使在線計算時間減少；注重學科的交叉研究，借鑒其他有效的控製方法，解決過程控製（zhì）現有難題，不斷（duàn）完善（shàn）、發展和創新（xīn）現有幹燥過程控製算法；進一步（bù）提高幹（gàn）燥品質自動控製係統的可靠性，建立具有自（zì）適應能（néng）力的（de）控製算法。