引 言

反應器是目前化工生產過程中的關鍵設備，精確控制反應器的反應溫度是實現(xiàn)化工流程穩(wěn)定、優(yōu)質和高效的重要途徑。反應器溫度控制的難點在于其是一個復雜的非線性系統(tǒng)同時具有強耦合、大滯后和時變等顯著特點，尤其對于放熱的化工反應來說，具有熱危險性，溫度控制不好將直接導致噴料反應器被破壞，甚至發(fā)生燃燒、爆炸等事故

傳統(tǒng)的 PID 控制策略具有簡單易實現(xiàn)的優(yōu)點，一直被廣泛應用于工業(yè)控制系統(tǒng)中。但對于復雜的反應器溫度控制系統(tǒng)而言，考慮到其非線性和大滯后等特點，難以獲取精確的數學模型，傳統(tǒng) PID 控制策略并不能根據過程對象參數的改變而實時修正自身參數，因此難以滿足高精度的控制要求

目前，國內外眾多專家針對復雜的非線性溫度控制系統(tǒng)提出了許多新穎的控制策略，如專家 PID 控制和 BP 神經網絡 PID 控制等。其中，BP 神經網絡 PID 控制策略取得了一定的控制效果，但 BP 網絡存在學習和收斂速率較為緩慢、訓練時間過長等問題，不適用于化工過程中的反應器溫度控制系統(tǒng)。相比 BP 神經網絡，RBF 神經網絡具有學習速率高、逼近能力強等優(yōu)點。因此提出一種基于徑向基函數網絡（Radial Basis Function Network，RBF）PID 的反應器溫度控制策略由RBF 神經網絡在線進行系統(tǒng)辨識獲取梯度信息，并根據實時獲取的梯度信息不斷調整 PID 的參數，以獲取更理想的控制效果

1 案例分析

1.1 化工生產過程簡述

圖 1 所示為所選的仿真實例，其工藝核心是在催化劑 C的作用下，原料 A 與原料 B 反應生成主產物D 和副產物E 生產過程中，原料 A 過量，主產物D 為所需要的產物，副產物E 為雜質，主副反應均為強放熱反應

正常工藝流程為 ：原料 A 和原料 B 進入混合罐內充分混合，混合物料經過預熱器 E101 預熱后進入反應器 R101，經過催化劑C 催化后開始反應。在整個反應過程中，反應放熱劇烈因此采用夾套式冷卻水控制反應器的溫度。當反應器壓力過高時，通入抑制劑F 使得催化劑C 中毒迅速失去活性，從而中止反應。在反應器下游設有閃蒸罐 V102，將反應器的混合生成物（D+E+C+A+B）中過量的原料 A 分離提純以循環(huán)使用閃蒸罐底部混合生成物經過輸送泵加壓后，送到下游進行提純精制，以分離出產物 D

1.2 反應器溫度特性分析

由于該反應是放熱過程，預熱后的混合物料與催化劑同時加入反應器，并攪拌使其充分反應產生熱量。該過程具有熱危險性，反應溫度控制的好壞不僅會影響產品 D 的轉化率還直接關系到整個生產的安全

在反應器中，反應體系氣相壓力對溫度敏感，當反應器溫度控制不理想時會導致產生高溫環(huán)境，過高的氣相壓力將使反應器有爆炸的風險。同時為了保證反應生成物的品質以及生產安全，當反應壓力過高危及安全時，一般會通入抑制劑中止反應，但此舉會給企業(yè)帶來巨大的損失，造成原料浪費因此快速將反應器溫度控制在工藝要求范圍內顯得尤為關鍵反應器溫度控制由如下兩部分組成

(1) 冷態(tài)開車階段，即混合物料經過預熱器加熱后進入反應器，同時加入催化劑，溫度逐漸上升，使用冷卻水降溫防止溫度過高造成安全事故

(2) 穩(wěn)態(tài)運行階段，即反應器溫度始終保持在 100℃，上下波動約 1%，停留一定時間并充分攪拌，以使反應充分進行提高產品轉化率

2 反應器溫度的傳統(tǒng) PID 控制

2.1 傳統(tǒng) PID控制方案設計

系統(tǒng)通過操作冷卻水閥門（FV1201）控制冷卻水流量的大小進而達到控制反應器溫度（TI1103）的目的。冷卻水閥門選擇氣關式，閥門流量特性選為等百分比特性。溫度屬于時間常數較大、慣性較大的變量，冷卻水流量的變化隨閥門的開關變化較快，時間常數較小。在工業(yè)現(xiàn)場，往往不能保證冷卻水的壓力恒定，因此即使閥位不變，冷卻水流量也可能發(fā)生變化，從而影響反應溫度。針對這種情況，采取“溫度 - 流量”串級控制方式，具體如圖 2 所示

2.2 傳統(tǒng) PID控制系統(tǒng)的半實物仿真實驗

SMPT1000 是一款多功能半實物過程控制實訓裝置，它將半實物硬件實驗裝置和數字仿真技術相結合，能針對各種化工生產過程進行實驗仿真。該裝置提供了典型的 4 ～20 mA 電流和Profibus DP 等信號接口，能夠與多種控制器互連

本文將西門子公司生產的 S7-400 系列 PLC 作為主控制器， 結合 SMPT1000 裝置進行實例仿真， 采用 SCL 語言在PCS7 軟件上進行控制策略算法的編寫，利用 SFC 模塊實現(xiàn)順序開車功能。在仿真過程中，PID 控制參數 kp k 和 kd 分別取58.5，90 和 16.5

系統(tǒng)從冷態(tài)開車達到穩(wěn)態(tài)時，傳統(tǒng) PID 控制策略仿真結果如圖 3 所示

圖 3 傳統(tǒng) PID 控制冷態(tài)開車時參數趨勢曲線

在系統(tǒng)穩(wěn)定運行時，引入負荷提升以及降低（負荷特指產物出口流量（FI1106）大小）外部干擾，傳統(tǒng) PID 控制策略仿真結果如圖 4 所示

圖 4 傳統(tǒng) PID 控制負荷擾動時參數趨勢曲線

從圖 3 可知，系統(tǒng)開車時間較長，反應器溫度超調量大并且調節(jié)時間過長，無法滿足工藝控制要求。從圖 4 可知，反應器溫度在受到負荷變化干擾時，溫度的最大超調量較大調節(jié)時間過長，直接導致下游閃蒸罐壓力（PI1103）有較大波動，間接影響了出口產物的濃度，對工廠的經濟效益造成了影響，因此需要引入先進控制算法對反應器溫度的動態(tài)指標進行優(yōu)化

3 反應器溫度的 RBF-PID控制

3.1 RBF-PID控制系統(tǒng)的半實物仿真驗證參數選取

針對反應器溫度控制系統(tǒng)， 選取 3-6-1 的 RBF 網絡結構，其網絡參數 η 為學習速率值 45 ηp η ηd 分別為 PID3 個參數的學習速率，值為 45，62.5 及10.5為動量因子，值為1.2

3.1 仿真結果與分析

系統(tǒng)從冷態(tài)開車達到穩(wěn)態(tài)時，RBF-PID 控制策略仿真結果如圖 5 所示。在系統(tǒng)穩(wěn)定運行時，引入負荷提升并降低外部干擾，RBF-PID 控制策略的仿真結果如圖 6 所示

圖 5 RBF-PID 控制策略冷態(tài)開車時溫度TI1103

壓力PI1103 和流量FI1106 趨勢曲線

圖 6 RBF-PID 控制策略負荷擾動時溫度TI1103

壓力PI1103 和流量FI1106 趨勢曲線

由上述仿真結果可得出兩種控制策略分別在不同階段的性能指標參數，見表 1 ～3 所列

通過對比可知，RBF-PID 控制策略對于反應器溫度的控制效果更好，動態(tài)指標相比傳統(tǒng) PID 控制策略得到改善，更利于整個化工反應體系的穩(wěn)定運行

4 結 語

本文提出了一種基于 RBF 神經網絡 PID 的反應器溫度控制策略，并在 SMPT1000 平臺上針對特定的連續(xù)化工過程對象搭建了 RBF 神經網絡模型，進行了實例驗證仿真。仿真結果表明，相對于傳統(tǒng) PID 控制策略，本文所提出的 RBF-PID 控制策略能夠明顯提高化工過程中反應器溫度控制系統(tǒng)的動態(tài)性能和抗干擾性能，為整個化工過程控制系統(tǒng)的安全、高效穩(wěn)定運行提供了良好保障