基于智能控制算法的TFT-LCD超薄浮法玻璃基板生产过程窑压控制系统

陈智睿，盖琳琳

(中国建材国际工程集团有限公司，上海 200063)

薄膜晶体管液晶显示器(TFT-LCD,Thin film transistor-liquid crystal display) 具有图像细腻逼真、功耗低、重量轻等优点，是当前蓬勃发展的显示领域中不可或缺的设备。TFT-LCD液晶显示器对其用以封装的显示玻璃的要求非常严格，其分辨率、透光度、重量、视角等参数均与玻璃基板的性能密切相关。玻璃基板的生产工艺高度复杂，难度极大，加工条件苛刻，尤其是高世代的玻璃基板，其生产技术长期被国外少数企业垄断。中国建材凯盛科技集团旗下蚌埠中光电科技有限公司负责承建的中国首条自主研发的8.5代浮法TFT-LCD玻璃基板生产线于2019年成功引板，打破了高世代TFT-LCD玻璃基板被国外公司技术封锁和市场垄断的局面。

电子显示玻璃基板的熔制过程对窑压平稳性要求很高，且更改窑压设定值或者有外界干扰产生时，要求窑压调整时间尽量缩短，使窑压快速达到新的稳态，否则影响TFT玻璃混合料的熔化过程，使电子玻璃的光学性能变差。而传统基于PID的控制方法在稳态精度和动态响应上已经不能满足电子显示玻璃的生产要求。为此，迫切需要研发一种基于智能控制算法的窑压控制系统，实现TFT-LCD玻璃熔窑压力的长时间平稳运行。随着智能控制算法在流程工业领域的发展，该文针对电子显示玻璃基板生产过程熔窑压力控制的难题，提出了一种基于遗传算法的反馈控制器和基于神经网络预测算法的前馈控制器相结合的窑压智能控制系统方案，根据燃烧系统的用气量、环境温度的变化、引风机引风量改变等，迅速准确地做出控制反应，调节烟道闸板，稳定窑炉压力。

1 TFT-LCD浮法玻璃基板生产过程窑压控制系统结构

窑压是电子显示玻璃基板生产线熔窑火焰空间的重要参数，窑压的波动将影响窑内温度分布和气氛的分布，直接影响玻璃配合料的熔制质量，进而影响玻璃基板的光学性能。控制窑压保持稳定是生产高质量电子显示玻璃的前提条件，TFT玻璃基板生产窑压控制系统示意图如图1所示。

影响窑压的主要因素有燃烧系统的用气量、环境温度的变化、窑炉密封性的老化、环保引风机的抽气量等。为稳定窑压系统，设置运算性能强大的集散控制DCS系统，窑压的测量采用高精度微差压变送器，将熔窑压力转换成标准信号接入DCS系统；窑压调节装置采用设置于总烟道的调节闸板完成，调节闸板受DCS模拟量输出信号的控制；为监控环保引风系统对窑压的影响，还将环保控制以通讯方式接入到DCS系统，实现对环保系统的监控。

在TFT玻璃实际生产的过程中，窑压稳定运行的干扰因素如燃烧系统的用气量、环境温度的变化等可以由设置在反馈控制回路中的智能控制器很好的控制，干扰发生时能迅速调整闸板，维持窑压稳定运行。而环保引风机运行频率改变时，亦即从总烟道引风量发生改变时，对熔窑压力产生的干扰较大，单纯通过反馈回路进行调节时调节时间较长，对TFT玻璃熔制产生了不利的影响。故针对引风机引风量改变还设置了智能前馈控制器，提前介入调节闸板的调整。基于反馈控制器和前馈控制器的智能窑压控制系统原理如图2所示。

2 基于智能算法的TFT-LCD浮法玻璃基板生产过程窑压控制器

传统PID控制器比例、积分、微分系数难以整定且无法根据生产情况的改变在线实时调整，该文运用遗传算法对反馈控制器的PID参数进行在线优化整定。遗传算法是用计算机对生物进化系统进行模拟，参照进化机制建立仿真数学模型，具有随机自适应和全局并行搜索的特点。遗传算法通过数字编码代替寻优问题的参数组合，以适应度函数作为评价目标，以编码群体为进化的基础组合，以对各编码个体所建立的位串进行遗传操作实现选择和进化机制，建立循环迭代的过程。在这一过程中，通过对个体编码位串中重要的基因进行随机重组，使新一代的个体的适应度值优于老一代的个体集合，群体的个体不断进化，逐渐接近最优解，从而最终达到求解问题的目的。该文根据遗传算法在求解最优化问题的优势，利用遗传算法对PID参数进行整定，使得反馈控制器保持优良的控制性能，保证电子显示玻璃基板生产过程窑压参数的平稳运行。

在遗传算法进行优化时，对需要优化的比例、积分、微分三个参数进行二进制编码，部分编码种群示例如表1所示。

表1中，用l位二进制表示PID各系数的大小，二进制位数l决定了权值的精度，初始种群中每个个体的基因值(0或1)都是随机生成的。初始种群生成后，需评判每个个体的适应度，需要依照训练样本对该个体所确定的PID控制器的控制精度。具体的过程是：

表1 部分编码种群示例

步骤1：从稳定生产的历史数据中随机选取k条控制参数及结果作为训练集；

步骤2：基于当前个体所确定的控制器对训练集的输入进行控制演算，得到训练集的控制结果；

步骤3：将演算得到的控制结果与训练集的控制结果对比，获得该个体对训练样本的控制精度，取控制精度之和的最大值作为适应度函数。其中控制精度由下式确定

式中，J表示训练经过控制器计算后得到的控制结果；ξ为控制结果允许的波动范围。将上一步得到的决策值计算每个个体的适应值，该适应值评判了该个体控制效果的优劣，决定了其能否保留的概率。

通过选择、交叉、变异等遗传算子进行遗传运算，产生新一代种群。循环执行三到五步，直至满足停止准则。最终获取最优PID控制器参数值，装载于窑压系统反馈控制器中。

同时，根据电子显示玻璃基板生产过程窑压控制的工艺要求，设定窑压允许波动范围，当窑压检测值在设定值的死区范围内，控制器输出不发生改变，确保了窑压的平稳运行；同时，为保证安全生产的要求，反馈控制器设置了窑压的上下限值，当窑压出现意外情况超过限制时，限定反馈控制器接收的偏差范围并且输出报警。

对于反馈控制而言，只有当偏差出现时，控制才会起作用。所以反馈控制总是滞后于扰动。对于电子显示玻璃基板生产过程，当环保系统引风机频率改变时，将引起窑压产生大幅的波动，如果仅靠反馈控制器，将使窑压调节时间变长，带来玻璃配合料熔制过程的变差。所以针对环保系统引风机频率的变化问题，提出了一种基于神经网络算法的前馈补偿控制器，对窑压提前进行补偿性调整。神经网络算法能对任意复杂的非线性函数无限逼近,并且可以习得动态时变系统的特性，建立符合生产过程的数学模型。该文针对电子显示玻璃基板生产过程窑压系统的非线性、多参数、时变的特征，运用神经网络算法建立引风机对窑压关系的前馈补偿预测模型，可使引风机频率发生改变后，在窑压未大幅变化前，通过控制器的预测，提前对调节闸板的开度进行补偿调整，减少窑压的波动，其中神经网络控制器如下式所示

其中，Δf(t)为引风机频率变化量；w1和w2分别为网络的连接权值；m和n分别为输入层和隐含层的神经元个数；y2(t)为神经网络前馈预测控制器的输出，此值即为窑压调节闸板应对引风机频率改变的补偿调整量。

为结合反馈控制器和前馈控制器的控制效果，形成复合控制，该文提出一种TFT-LCD浮法玻璃基板生产过程窑压控制流程，使得窑压调节的平稳有效，如图3所示。

步骤1：设定当前工况窑压控制目标值P和窑压允许波动的范围e为初始条件；

步骤2：同时根据窑炉、烟道结构以及环保系统的运行工况设定的窑头环保引风频率对窑压的影响系数k，将其作为前馈控制器的影响因子；

步骤3：控制系统采集窑压实测值Pi和引风机频率的调整量Δf；

步骤4：判断当前压力是否在窑压给定值允许的范围内，即|Pi-P|≤e，若是跳转到步骤6，若否，进行步骤5；

步骤5：通过遗传算子优化得到PID控制器的参数，运行反馈控制器得出闸板新的开度值y；

步骤6：保持控制程序运行的结果y不变；

步骤7：判断引风机频率是否有调整，若是，跳转到步骤8，若否，进行步骤9；

步骤8：通过神经网络前馈补偿控制器计算得出闸板前馈调整量y2；

步骤9：维持智能前馈控制器的运行结果；

步骤10：综合反馈控制器和前馈控制器的运行结果，得出调节闸板新的开度值，即y=y+y2；

步骤11：将运算得到的调节闸板开度值转换为标准驱动信号，控制闸板开度的调整。

3 结 论

该文提出的基于智能控制算法的TFT-LCD超薄浮法玻璃基板生产过程窑压控制系统在对窑压的理化模型进行分析的技术上，运用遗传算法、神经网络预测模型等人工智能控制算法，构建前馈-反馈相结合的控制器结构，对电子玻璃生产过程的窑压系统提供了良好的控制，起到了平稳窑压，响应迅速的作用，很好的满足了电子玻璃熔化过程对窑压的严苛要求，达到了TFT-LCD玻璃生产过程熔窑压力长时间平稳运行的效果。

该控制系统的成功应用反映了智能控制算法在先进电子玻璃生产线上已经成为了不可或缺的环节，对今后特种玻璃生产过程的精密控制需求有很好的借鉴价值，有广泛移植应用的前景。