蒸汽温度增益模糊自整定神经元PID控制

研究与开发蒸汽温度增益模糊自整定神经元PID控制李健林雨舒赵国材(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)摘要由于锅炉过热汽温广义被控对象动态特性具有时变性，本文采用了一种增益模糊自整定神经元PID控制方法，以蒸汽温度调节过程为背景进行仿真实验研究。结果表明，该方法设计简单，能对具有大滞后特性的工业对象进行有效控制，具有较强的鲁棒性和抗干扰性能，并明显优于常规PID串级控制的性能。关键词:大滞后对象;神经元PID控制;蒸汽调节过程FuzzySelf-tuningPlusNeuraIP1DControlofSteamTemPerature乙ZJianL刀VYushuZ月滩OGuocai(DePartmentofElectircalEngineering，LiaoningTechnicalUniversit，yFuxinLiaoningl230()X，China)AbstractBecausetheboilersteam一gasgeneralizedcontrolledobjectdynamiccharacteristicisProvidedwithvairety，thisdesignadoPtsafuzzyself-tuningPlusneuralPIDcontrol，weusetheadjustProcessofsteamtemPeratureasbackgroundtomakingaemulationalresearch，theresultshowsthat，htis51呷ledesignarithmeticcantreat塑11卿iththeindustyrobjectwhichhasaobvi0uslagtache，inaddition，italsohasastOrngrobustnessandanti一interference，soitsPerofrmanceismorebetterthantherolltinePIDSeriesC0ntrol.Keywords:Plantswithbigtimedelay;neuralPIDcontorl;tuningProcessofsteamTemPerature1引言经元PID控制方法其控制系统结构如图1所不。常规PID控制是一种应用广泛且比较成熟的控制神经元控制输出为算法，对于线性定常的受控对象，该方法可获得较理想的控制效果。但是在许多实际的工业过程中由于存在不u(;)=尤(r)󰀀艺u‘(，)(1)确定性和高度非线性，具有大滞后和不确定性的受控对象由于控制作用的延迟，易引起系统失稳或无法对其进式中，u，(t)=w:(t)󰀀凡(t)，行有效控制。采用多模型控制以及模糊预测控制、神经可(!卜iw(!)/客iw(!)，网络预测控制等多种基于模型的控制方法，虽然取得了iw(t)=wi(卜1)+d[r(t卜少(;)』u(，)xi(，)，一定的效果，但是这些方法还是依赖于较精确的系统建K(t)是神经元PID控制器的比例系数。模，他们对于有效解决蒸汽温度调节过程控制问题而言还存在一定差距。神经元控制具有学习能力和自适应能力，因此它给具有不确定性的大滞后系统的控制提供了址一条新的途径。2神经元PID控制通过选择神经元的输入状态可以构成不同的控制规律，基于神经元模型及学习策略[]l，本文提出一种神图1神经元PIO控制系统选择神经元的输入状态为2。。7年第，期.，从康}55研究与开发x(t)=r(t)一ly(t)=r(t)Z(t)=xxZ(t一1)+加(t)3(t)=△xe(t)4蒸汽温度调节过程的特性描述(2)式中，月为常量。由(1)式和(2)式可得u(‘)=K(‘)[可(‘)e(‘)+叱(‘)刀Je(‘)dt+呵(‘)△e(‘)1(3，锅炉蒸汽温度控制直接影响全厂的热效率和设备的运行安全，因此汽温控制系统是锅炉的重要控制系统之一。应用喷水来控制蒸汽温度是目前广泛采用的一种方式。由于在喷水量扰动下，蒸汽温度的动态特由(3)式可知，(1)式和(2)式构成了神经元IPD控制规律。3增益模糊自整定神经元PID控制实验结果表明，在神经元PID控制器中对于带有不确定性的大滞后受控对象，要使其取得满意的控制效果，就需要及时调整神经元控制器的增益。因此，本文采用模糊算法来调整神经元控制器的增益，其结构如图2所示。r(t)一e(t}u(t)y(t)节、(t)}E{，IK(t)蒸汽调节模糊控制{中{以t)瓦(t)图2增益模糊自整定神经元plD控制系统神经元PID控制器是通过对元的输入状态的选择构成的。K(t)取得较大时，系统响应快，但会出现超调;而K(t)取得小时，系统响应缓慢，超调量小。如果K()t取得过小，系统响应则存在稳态误差。因此改变K()t的取值，对神经元控制系统性能则产生很大影响。为此应对神经元PID控制器的增益K(t)进行自调整。其神经元控制器的增益模糊自整定算式为K(t+1)=K(t)+凡(t)e(t)(4)式中凡()t由模糊算法来整定。设E、EC分别表示系统误差e(t)、误差变化率△(et)的模糊变量，U表示模糊输出，根据模糊控制器设计的解析公式法1]2，则有u=(aE+(1E=(kee(，))，一EC=(ka)ECce)△e(，))(5)cK(t)=凡(t)U式中，气、&ce分别为系统误差e(t)及误差变化率eA()t的模糊化因子，a为模糊规则的调整因子，Ku()t为解模糊因子。uK(t)0.0381+6)(e(t)(6)se}嗯气益康0270年第，期性有较大的时滞，因此可在前向通道中加入一相位补偿[]3，其传递函数为G(t)=凡不兀，2+凡凡不:+1不兀52+戈不5+1(7)式中，不和兀分别为调节的积分时间常数，凡，凡，凡分别为各运算模块的增益系数。只要根据汽温对象的动态特性适当地选择这些参数，就可以对主蒸汽温度与其设定值的偏差进行相位滞后补偿，从而改善汽温的控制品质。5仿真实验选取某电厂60OMW机组过热器在roo%负荷下的主汽温作为被控对象。当采用喷水减温来调节过热汽温时，通常将过热器分为两个区，减温器前称为导前区，减温器后称为惰性区。二者的传递函数分别为[]4:导前区砚()t二0.815(155+1)，CoI(kgls)惰性区代()t1.276(15.45+1)‘℃/℃本文采用的增益模糊自整定神经元PID控制方法和具有不确定性的大滞后蒸汽温度调节过程进行控制仿真实验[15，并与常规PID串级控制方法进行对比.在常规HD串级控制中，主调节器和副调节器的传递函数分别为议，(;)=0.617(1+‘匕71.395.+11.675)代2(t)=25在增益模糊自整定神经元PID控制方法中，控制器参数选取为:气二.09，&ce=0.4，a=0.8，刀=0.86，d=1，w(0)=[111]，K;=20，凡=450，凡=3，不=1，兀=2。采样周期选为25。图3是在阶跃响应下增益模糊自整定神经元PID控制与传统HD串级控制的仿真实验曲线。月.O8‘06.0.4’“‘0履一50D!1000嘿耀一------一PED串级控制一一一一本文控制算法15002UUU图3阶跃响应仿真曲线由于实际广义被控对象动态特性具有时变性，当被控对象的惰性区传递函数增益发生0.25倍增幅变化，或其惰性区传递函数时间常数发生0.25倍增幅变化时，保持增益模糊自整定神经元PID控制与传统PID串级控制参数不变，以比较两者的鲁棒性。从图4和图5中可以看出传统HD串级控制超调量明显变大，过渡时间延长较多;而增益模糊自整定神经元PID控制的鲁棒性则比较强。1.41.20S-D6-D，4O2--------一D串级控制一一一本文控制算法05〕011〕〕0151刀21〕〕0惰性区传递函数增益增幅0.25倍时仿真曲线』“另）nU乃八U月nUZ------一PID串级控制nU一一一本文控制算法5DD100016DD2DDD图5惰性区传递函数时间常数增幅0.25倍时仿真曲线对被控制对象加一个1()t阶跃干扰两种控制方法的抗干扰性能比较如图6所示。研究与开发，.08060402}-(一________一。串级控制一。串级控制}0500100一--一一本文稗制篡律一本文控制算法.1015田加的」图6抗干扰性能仿真曲线从仿真结果看出增益模糊自整定神经元IPD控制系统的响应具有良好的鲁棒性和适应性。当蒸汽调节过程的模型参数发生大范围变化时控制器仍能得到满意的控制效果。5结论本文以蒸汽温度调节过程为背景，给出一种增益模糊自整定神经元PID控制方法，与传统PID串级控制方法进行比较，并进行仿真实验研究，结果表明，本文所用的方法设计简单，能对具有大滞后特性和动态特性具有时变性的工业对象进行有效控制。参考文献MatrinT.Hagan，HowardB.Demuth，MarkH󰀀Beale.神经网络设计【M〕.北京:机械工业出版社，2002龙升照，汪培庄.Fuzzy控制规则的自调整问题[J].模糊数学.1982，2(3):105一112.王立新.自适应模糊系统与控制—设计与稳定性分析[M].北京:国防工业出版社.1995李少远，李柠.复杂系统的模糊预测控制及其应用[M].北京:科学出版社.2003黄忠霖.控制系统MAI，LAB计算及仿真IM].北京:国防工业出版社.2001作者简介李健(1982一)，女，硕士研究生，主要研究方向为智能控制理论与应用林雨舒(1981一)，男，硕士研究生，主要研究方向为智能控制理论与应用赵国材(1952一)，男，教授，硕士生导师，主要研究领域为智能控制理论、机器人控制702年第，期.气旅案}57