基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法
【專利說明】基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及鍋爐自動(dòng)控制的技術(shù)領(lǐng)域，特別是鍋爐的過熱蒸汽模型辨識(shí)的溫度預(yù) 估控制的技術(shù)領(lǐng)域。 【【背景技術(shù)】】
[0002] 蒸汽過熱系統(tǒng)的控制任務(wù)是維持過熱器出口蒸汽溫度在允許范圍，保護(hù)過熱器管 壁溫度不超過允許的工作溫度。從干擾分析的角度看，過熱器是具有較大延遲的多容慣性 環(huán)節(jié)，測(cè)溫元件具有較大慣性，影響過熱器出口蒸汽溫度變化的主要因素是:蒸汽流量的擾 動(dòng)、減溫水量的擾動(dòng)、煙氣熱量的擾動(dòng)。
[0003] 對(duì)于蒸汽流量的擾動(dòng)，輻射式過熱器的特點(diǎn)是：蒸汽流量上升，蒸汽溫度下降，而 對(duì)流式過熱器則是隨著蒸汽流量的上升而溫度上升；即是在負(fù)荷變化時(shí)，溫度變化特點(diǎn)是 有滯后、慣性和自平衡能力。減溫水量的擾動(dòng)則是擾動(dòng)地點(diǎn)（過熱器入口）與測(cè)溫地點(diǎn)(過熱 器出口）有較大距離，產(chǎn)生純滯后;過熱器管壁儲(chǔ)量和表面?zhèn)鳠嶙枇υ斐扇萘繙蟆煔鉄?量的擾動(dòng)包括煙氣側(cè)熱量擾動(dòng)，煙氣流速和煙氣溫度的擾動(dòng);其中，煙氣溫度對(duì)蒸汽溫度的 影響沒有傳遞滯后。
[0004] 從鍋爐過熱蒸汽的擾動(dòng)分析來看，為保證過熱汽溫按規(guī)定的升溫曲線變化，一般 采用串級(jí)加前饋的形式;其中，主調(diào)節(jié)器控制過熱汽溫，副調(diào)節(jié)器接受主調(diào)節(jié)器的校正信號(hào) 和減溫器出口氣溫信號(hào)，燃料量及其微分作為前饋信號(hào)。
[0005] 目前也有對(duì)鍋爐過熱蒸汽溫度的控制方法，如CN201010042035, 一種鍋爐過熱汽 溫模糊控制方法，建立了一種估算過熱器導(dǎo)前區(qū)出口歐溫度目標(biāo)值的方法，通過兩個(gè)獨(dú)立 的二維模糊控制器，根據(jù)過熱器出口溫度信息以及過熱器導(dǎo)前區(qū)出口溫度信息進(jìn)行模糊推 理，產(chǎn)生相應(yīng)的控制分量，并通過兩個(gè)控制分量的加權(quán)綜合產(chǎn)生控制量，但是由于模糊控制 的方式缺乏相關(guān)的模型，并且在線計(jì)算較為困難，所以應(yīng)用時(shí)一般需要離線計(jì)算，并不能很 好的進(jìn)行實(shí)時(shí)控制。 【
【發(fā)明內(nèi)容】
】
[0006] 本發(fā)明的目的就是解決現(xiàn)有技術(shù)中的問題，提出基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫 控制方法，提前預(yù)估預(yù)報(bào)汽溫偏差，減小各類干擾對(duì)過程控制的影響，從而有效地提高過程 系統(tǒng)的控制精度和控制效果。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明提出了基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，是在 基于鍋爐過熱汽溫機(jī)理模型和神經(jīng)元辨識(shí)算法的基礎(chǔ)上，提前預(yù)報(bào)過熱蒸汽溫度，再利用 預(yù)報(bào)偏差進(jìn)行自適應(yīng)控制，從而獲得更好的控制效果，具體步驟包括：
[0008] (a)獲得模型：根據(jù)受控自回歸積分滑動(dòng)平均(CARMA)模型和神經(jīng)元數(shù)值學(xué)習(xí)算 法循環(huán)修正誤差與參數(shù)，直至滿足閾值辨識(shí)出模型；
[0009] (b)多步預(yù)報(bào):基于(a)步驟的單步預(yù)報(bào)模型，推導(dǎo)出多步預(yù)報(bào)模型；
[0010] (c)自適應(yīng)控制:根據(jù)預(yù)報(bào)模型與實(shí)際汽溫的偏差值，進(jìn)行自適應(yīng)控制；
[0011] (d)偏差檢驗(yàn):檢驗(yàn)偏差是否在穩(wěn)定情況，失穩(wěn)時(shí)，偏差e由e = r-y(k)代替。
[0012] 作為優(yōu)選，所述(a)步驟中，受控自回歸積分滑動(dòng)平均（CARMA)模型是以k時(shí)刻汽 溫值為被控量，減溫水流量為控制量，蒸汽流量為干擾項(xiàng)，并考慮白噪聲與時(shí)滯的影響。
[0013] 作為優(yōu)選，所述(a)步驟中，神經(jīng)元數(shù)值學(xué)習(xí)算法是通過采取最新的N個(gè)周期的值 為樣本，通過修改相應(yīng)參數(shù)使得汽溫預(yù)估值與實(shí)際值的偏差平方和為最小，從而獲得模型 的辨識(shí)參數(shù)。
[0014] 作為優(yōu)選，所述(d)步驟中，預(yù)報(bào)偏差在失穩(wěn)情況下，預(yù)報(bào)值在發(fā)生較大偏離時(shí)，在 偏差檢驗(yàn)環(huán)節(jié)進(jìn)行及時(shí)的判斷并進(jìn)行調(diào)整。
[0015] 本發(fā)明的有益效果：
[0016] 本發(fā)明在基于鍋爐過熱汽溫機(jī)理模型和神經(jīng)元辨識(shí)算法的基礎(chǔ)上，提前多步預(yù)報(bào) 過熱蒸汽溫度，再通過與實(shí)際汽溫比較而獲得的偏差來進(jìn)行自適應(yīng)控制，在模型中充分考 慮蒸汽流量的干擾以及相關(guān)白噪聲的影響，使得蒸汽溫度更好更好的跟蹤設(shè)定值，有利于 實(shí)時(shí)控制與模型的在線校正，提高過程系統(tǒng)的反應(yīng)速度和控位精度。
[0017] 本發(fā)明的特征及優(yōu)點(diǎn)將通過實(shí)施例結(jié)合附圖進(jìn)行詳細(xì)說明。 【【附圖說明】】
[0018] 圖1是本發(fā)明基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法的結(jié)構(gòu)原理圖。 【【具體實(shí)施方式】】
[0019] 參閱圖1，本發(fā)明基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，具體步驟包括：
[0020] 步驟一、根據(jù)受控自回歸積分滑動(dòng)平均(CAR頂A)模型和神經(jīng)元數(shù)值學(xué)習(xí)算法循環(huán) 修正誤差與參數(shù)，直至滿足閾值辨識(shí)出模型；
[0021] 步驟二、基于(a)步驟的單步預(yù)報(bào)模型，推導(dǎo)出多步預(yù)報(bào)模型；
[0022]步驟三、根據(jù)預(yù)報(bào)模型與實(shí)際汽溫的偏差值，進(jìn)行自適應(yīng)控制；
[0023]步驟四、檢驗(yàn)偏差是否在穩(wěn)定情況，失穩(wěn)時(shí)，偏差e由e = r_y(k)代替。
[0024]步驟一中，受控自回歸積分滑動(dòng)平均(CAR頂A)模型為：
[0025]
[0026] 式中y (k)為k時(shí)刻汽溫值;u(k)為減溫水流量;D(k)為蒸汽流量;ξ (k)為零均值高 斯白噪聲;du，dD為時(shí)滯。
[0027] 在取最新的N個(gè)周期樣本時(shí)，通過修改參數(shù)使得下式最?。?br>[0028]
[0029] 并可以通過加權(quán)系數(shù)h的設(shè)置表示對(duì)第j樣本的重視程度，而神經(jīng)元數(shù)值學(xué)習(xí)的 算式為：
[0030]
[0031]式中，μ為學(xué)習(xí)率，在學(xué)習(xí)到一定程度時(shí)，J的下降量變?yōu)楹苄。跐M足一定閾值后， 可以認(rèn)為模型的參數(shù)得到辨識(shí)。
[0032] 步驟二中，根據(jù)單步預(yù)估模型的得到超前多步預(yù)報(bào)模型：
[0033]
[0034]在汽溫設(shè)定值為r時(shí)，預(yù)報(bào)偏差為：
[0035]
[0036] 本發(fā)明工作過程：
[0037]本發(fā)明在基于鍋爐過熱汽溫機(jī)理模型和神經(jīng)元辨識(shí)算法的基礎(chǔ)上，提前多步預(yù)報(bào) 過熱蒸汽溫度，再通過與實(shí)際汽溫比較而獲得的偏差來進(jìn)行自適應(yīng)控制，在模型中充分考 慮蒸汽流量的干擾以及相關(guān)白噪聲的影響，使得蒸汽溫度更好更好的跟蹤設(shè)定值，有利于 實(shí)時(shí)控制與模型的在線校正，提高過程系統(tǒng)的反應(yīng)速度和控位精度。
[0038]上述實(shí)施例是對(duì)本發(fā)明的說明，不是對(duì)本發(fā)明的限定，任何對(duì)本發(fā)明簡(jiǎn)單變換后 的方案均屬于本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，其特征在于:所述控制方法是在基于鍋 爐過熱汽溫機(jī)理模型和神經(jīng)元辨識(shí)算法的基礎(chǔ)上，提前預(yù)報(bào)過熱蒸汽溫度，再利用預(yù)報(bào)偏 差進(jìn)行自適應(yīng)控制，具體步驟包括： (a) 獲得模型：根據(jù)受控自回歸積分滑動(dòng)平均(CARMA)模型和神經(jīng)元數(shù)值學(xué)習(xí)算法循 環(huán)修正誤差與參數(shù)，直至滿足閾值辨識(shí)出模型； (b) 多步預(yù)報(bào):基于(a)步驟的單步預(yù)報(bào)模型，推導(dǎo)出多步預(yù)報(bào)模型； (c) 自適應(yīng)控制:根據(jù)預(yù)報(bào)模型與實(shí)際汽溫的偏差值，進(jìn)行自適應(yīng)控制； (d) 偏差檢驗(yàn):檢驗(yàn)偏差是否在穩(wěn)定情況，失穩(wěn)時(shí)，偏差e由e=r_y(k)代替。2. 如權(quán)利要求1所述的基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，其特征在于：所述 (a)步驟中，受控自回歸積分滑動(dòng)平均(CARIMA)模型是以k時(shí)刻汽溫值為被控量，減溫水流 量為控制量，蒸汽流量為干擾項(xiàng)，并考慮白噪聲與時(shí)滯的影響。3. 如權(quán)利要求1所述的基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，其特征在于：所述 (a)步驟中，神經(jīng)元數(shù)值學(xué)習(xí)算法是通過采取最新的N個(gè)周期的值為樣本，通過修改相應(yīng)參 數(shù)使得汽溫預(yù)估值與實(shí)際值的偏差平方和為最小，從而獲得模型的辨識(shí)參數(shù)。4. 如權(quán)利要求1所述的基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，其特征在于：所述 (d)步驟中，預(yù)報(bào)偏差在失穩(wěn)情況下，預(yù)報(bào)值在發(fā)生較大偏離時(shí)，在偏差檢驗(yàn)環(huán)節(jié)進(jìn)行及時(shí) 的判斷并進(jìn)行調(diào)整。
【專利摘要】本發(fā)明公開了基于神經(jīng)元辨識(shí)的鍋爐過熱汽溫控制方法，具體步驟包括：(a)獲得模型：根據(jù)受控自回歸積分滑動(dòng)平均(CARIMA)模型和神經(jīng)元數(shù)值學(xué)習(xí)算法循環(huán)修正誤差與參數(shù)，直至滿足閾值辨識(shí)出模型；(b)多步預(yù)報(bào)；(c)自適應(yīng)控制：(d)偏差檢驗(yàn)。本發(fā)明在基于鍋爐過熱汽溫機(jī)理模型和神經(jīng)元辨識(shí)算法的基礎(chǔ)上，提前多步預(yù)報(bào)過熱蒸汽溫度，再通過與實(shí)際汽溫比較而獲得的偏差來進(jìn)行自適應(yīng)控制，在模型中充分考慮蒸汽流量的干擾以及相關(guān)白噪聲的影響，使得蒸汽溫度更好的跟蹤設(shè)定值，有利于實(shí)時(shí)控制與模型的在線校正，提高過程系統(tǒng)的反應(yīng)速度和控位精度。
【IPC分類】G05B13/04
【公開號(hào)】CN105467844
【申請(qǐng)?zhí)枴緾N201610044498
【發(fā)明人】陳昊哲
【申請(qǐng)人】陳昊哲
【公開日】2016年4月6日
【申請(qǐng)日】2016年1月22日