城市生活垃圾发电项目控制系统的发展概述

图3-1垃圾焚烧发电项目控制系统结构框图
从图3-1中可以看出，传统的DCS系统每个现场装置到控制室都需使用一对专用的电缆或双绞线，以传送4mA～20mA信号。在现场总线系统中，每个现场装置到中央控制室仅用一根双绞线完成数字通信。
DCS的优势：
（1）DCS系统不再是一个以控制功能为主的控制系统，而成了充分发挥信息管理功能的综合平台系统。过去的DCS厂商基本上是以自主开发为主，提供的系统也是自己的系统。当今的DCS厂商更强调的系统集成性和方案能力，不仅提供工厂（车间）级的所有控制和管理功能，并集成全企业的信息管理功能。
（2）DCS都包容了过程控制、逻辑控制和批处理控制，实现混合控制。适应用户的真正控制需求。
（3）DCS多年的成功应用，服务也变得越来越专业化。专业化的应用知识和经验、专业化的行业方案设计与实施能力满足不同用户的需求。 FCS的优点：1）更好的开放性、互操作性和互换性。2）全数字通信。3）智能化与功能自治性。4）高度分散性。5）很强的适用性。
FCS虽占有很大的优势，但目前的FCS的缺点也是很明显的。在现有的技术条件和市场条件下，FCS还不能完全取代DCS，所以我们提出了DCS和FCS集成的混和式控制系统，即在已有的DCS系统中应用现场总线新技术，实现FCS与DCS的紧密集成，使二者各自的优势都得到充分体现。
3.2控制功能策略中引入人工智能化理论
垃圾焚烧炉控制系统虽然算不上是一个很大的系统，但却是一个复杂系统，特别是垃圾焚烧炉的燃烧控制系统，垃圾热值的变化对燃烧状况的波动比较大，燃烧控制的参数比较多，控制对象复杂，要实现的控制目标之间甚至存在矛盾，这个复杂的控制过程表现出如下的特性：系统参数的未知性、时变性、随机性和分散性，系统时滞的未知性和时变性，系统严重的非线性，系统各变量间的关联性，环境干扰的未知性、多样性和随机性。对上述这种不确定性复杂对象（或过程）的控制问题，传统的常规控制方法（如PID等）难以对这类对象实施有效的控制，必须探索更有效的控制策略。
在垃圾焚烧燃烧控制方面可行的先进的智能控制策略有：实时专家系统控制、神经网络控制、模糊控制、仿人智能控制等等。
（1）实时专家系统控制

图3-2专家系统结构原理图
专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提高的知识和经验，进行推理和判断，模拟人类专家的决策过程。应用专家系统建立的实时控制系统叫实时专家控制系统。
如图所示：推理机是专家系统的组织控制机构，使系统能以逻辑方式工作。数据库是求解过程中符号或数据的集合，用于存放原始数据和推理过程的中间数据。知识库用于存取和管理问题求解需要的专家知识和经验，包括事实、可行性与规则等，具有知识存取、检索、编辑、增删、修改和扩充等功能。知识获取程序包括将专家的对话内容变换成知识库中的内部知识。解释机构对求解过程作出说明和解释，输出推理的结果。通过知识获取程序建立、修改、扩充知识库，试生产和调试阶段取得了大量的数据，丰富了知识库。计算机系统综合利用这些数据和经验判断自动控制系统当前的运行状态、分析比较各种可以采用的控制策略，选择其中最优者执行。
（2）神经网络控制系统
在本质上讲是由神经网络构成控制器的控制系统。这种控制系统最吸引人之处是在于控制器具有学习功能，从而可以对不明确的对象进行学习式控制，能够产生从一个大的变量集合（如传感器参量）到另一个变量集合（如操作模式或控制动作）的映射，使对象的输出与给定值的偏差趋于无穷小，达到高精度控制系统的要求。神经网络控制系统的学习、泛化以及非线性映射等多种能力，可以很好地弥补常规控制方法的局限性，使非线性、时变和不确定系统的控制成为可能。

图3-3基于神经网络的控制系统原理框图
如图3-3所示，该神经网络PID控制系统主要由数据库、学习环节、神经网络和PID控制器组成。数据库主要用来存放和刷新各采样时刻的采样数据、偏差数值、神经网络（NN）训练参数值等。学习环节则是实现神经网络的在线学习，不断跟踪系统的实际运行情况，调整神经网络的网络权值、阈值等相关参数，然后由神经网络经过运算后输出调整后的Kp、Ki、Kd参数作用于常规的PID控制器上，最终实施于控制对象上，完成操作。这种基于BP算法神经网络PID控制算法思想比较简单，具有良好的动态特性和静态特性，具有较好的自学习和自适应的特点，一旦垃圾焚烧炉在工作过程中出现了温度突变的情况，控制器能够及时的进行跟踪，在线调整PID参数，实现对非线性很好的控制。