《IEEE Access》：A Novel Fractional Order Intelligent Approach: Validation and Control of Industrial Deaerator
编辑推荐：
本文针对工业除氧器系统在动态运行中存在的过压、水锤效应等安全隐患，提出了一种新型分数阶递归模糊神经网络PID控制策略。研究人员通过建立水平布置的除氧器物理模型，采用Mayfly算法优化控制器参数，实现了对水位和压力的精确调控。结果表明，FORFNN-PID控制器相比传统PID具有更快的响应速度(287.26秒)和更小的均方误差(0.0701)，为工业蒸汽网络的安全高效运行提供了重要技术支撑。
在现代化工业生产中，锅炉系统作为核心动力源，其安全稳定运行直接关系到整个生产链的连续性。然而，锅炉系统长期面临着一个隐形杀手——腐蚀问题。这种腐蚀主要源于给水中溶解的氧气等非冷凝性气体(NCGs)，在高温高压环境下会加速锅炉材料的点蚀，不仅导致能源消耗增加、运行效率下降，更严重的是会危及设备寿命和操作安全。
为解决这一难题，工业界普遍采用除氧器来去除给水中的腐蚀性气体。除氧器通过直接接触低压蒸汽(LP Steam)加热给水，利用亨利定律原理降低气体溶解度，从而有效消除氧气和二氧化碳等有害气体。然而，除氧器系统的控制却面临着严峻挑战：水位和压力参数相互耦合，蒸汽供需动态变化频繁，再加上启停过程中的瞬态特性，使得传统控制方法往往难以满足实际需求。
在这项发表于《IEEE Access》的研究中，研究人员开发了一种创新的分数阶递归模糊神经网络PID(FORFNN-PID)控制策略，专门用于解决工业除氧器的控制难题。该研究基于印度贾坎德邦某化肥厂实际运行的除氧器系统，建立了更加符合工程实际的水平布置除氧器模型，充分考虑了容器顶部曲面空间对高压工况的影响，以及蒸汽排放和表面散热等实际损耗因素。
关键技术方法包括：首先建立基于质量守恒和能量守恒的除氧器动态模型，采用水平罐体结构更真实地反映工业实际；其次设计分数阶PID控制器结构，通过离散化处理和短记忆方法实现分数阶算子的工程应用；然后构建具有反馈连接的递归模糊神经网络(RFNN)，利用其记忆功能增强系统对时序数据的处理能力；最后采用Mayfly算法(MA)对控制器参数进行优化，以均方误差(MSE)最小化为目标函数，确保系统性能最优。
研究结果显示，FORFNN-PID控制器在多个关键指标上均表现出显著优势。在设定点跟踪实验中，该控制器的调节时间仅为287.26秒，远优于整数阶IORFNN-PID(308.93秒)、模糊PID(572.05秒)和传统PID(1345.4秒)控制器。同时，其均方误差达到最低值0.0701，体现了出色的控制精度。
在抗干扰性能方面，研究人员模拟了多种工业常见工况。当系统面临设定点变化时，FORFNN-PID能够快速适应新的工作点，保持系统稳定运行。在突然负荷变化测试中，模拟下游装置跳车等紧急情况，该控制器展现出良好的鲁棒性，水位波动被有效抑制在安全范围内。特别是在渐变负荷工况下，FORFNN-PID能够智能识别变化趋势，提前进行控制补偿，避免了传统PID控制器的滞后现象。
除氧器动态特性分析表明，水平布置的罐体结构在高压工况下表现出独特的非线性特性。研究人员通过引入分数阶微积分理论，增强了控制器对系统非线性的处理能力。递归神经网络的反馈机制则赋予控制器"记忆功能"，使其能够基于历史数据做出更精准的决策。
稳定性分析部分，研究人员通过离散李雅普诺夫函数推导了学习率的稳定边界条件，确保证据收敛性和系统稳定性。灵敏度分析显示，控制器的性能对标准差(σij)和反馈权重(φij)的学习率参数最为敏感，这为实际工程应用中的参数整定提供了重要指导。
与多种优化算法的对比实验进一步验证了Mayfly算法的优越性。在相同的迭代次数下，MA算法收敛速度最快，找到的全局最优解质量最高，明显优于CSA、GA、PSO和DE等传统优化算法。
这项研究的创新之处在于将分数阶控制理论与智能算法有机结合，既保留了传统PID控制器结构简单、易于工程实现的优点，又通过引入智能元素显著提升了系统性能。FORFNN-PID控制器不仅能够有效维持除氧器水位和压力的稳定，更重要的是具备应对突发工况的自适应能力，大大降低了过压、水锤等安全事故的发生风险。
从工程应用角度看，该控制策略的实施将直接提升蒸汽网络的运行效率。通过精确控制除氧过程，能够最大限度利用低压蒸汽的热量，减少能源浪费。同时，有效的腐蚀气体去除将延长锅炉系统使用寿命，降低维护成本。这对于能源密集型产业实现节能减排目标具有重要现实意义。
研究人员在论文最后指出，未来工作将重点探索多目标优化在除氧器控制系统中的应用，进一步平衡系统安全性、经济性和环保性等多个目标。同时，考虑将该方法推广到包含锅炉的更大范围蒸汽网络控制中，实现全流程的智能化升级。
这项研究为工业过程控制领域提供了新的技术路线，展示了智能控制算法在复杂工业系统中的巨大应用潜力。通过将先进控制理论与实际工程需求紧密结合，不仅解决了具体的技术难题，更为相关领域的智能化转型提供了可借鉴的范例。
