论文研究-基于神经网络PID参数整定的汽包给水系统 .pdf-资料库

中国科技论文在线 http://www.paper.edu.cn 基于神经网络 PID 参数整定的汽包给水系统丁健，陈先桥武汉理工大学计算机科学与技术学院，武汉（430063） E-mail：278042138@qq.com 摘要：针对锅炉汽包给水系统的特点，提出了基于神经网络 PID 参数整定的汽包给水系统控制方案。方案结构上采用串级控制，内环采用常规的 PID 调节器，负责解决由于给水流量，蒸汽流量等扰动造成的汽包液位波动。外环采用 BP 神经网络 PID，负责校正水位偏差。通过实践验证，相对于常规串级 PID 控制方案，该控制方案具有良好控制品质和较强的鲁棒性，可有效克服蒸汽流量扰动和给水流量扰动，且根据被测参数，环境的变化具有自适应能力。关键词：神经网络 PID；汽包水位；串级调节中图法分类号：TP214.05 0 引言汽包水位是影响焦化干熄焦锅炉系统安全运行的关键的因素之一。当汽包水位过高，汽包内容纳蒸汽的空间就变小，不利于蒸汽产生。并导致蒸汽带水增多，含盐浓度增大，从而加剧在过热器管道内及汽轮机叶片上的结垢，影响传热效率，严重时甚至会损坏汽轮机。当汽包水位过低，蒸汽发生量小，因而过热器管道内的蒸汽流量偏小。一般锅炉的高温烟气量保持恒定，不能同步减少，这样就会使过热器管壁过热而爆管。此外，汽包给水量不应剧烈波动。如果给水调节不好，频繁的给水波动，将冲击省煤器管道，降低锅炉寿命。所以，给水控制系统的任务就是保证给水流量适应于锅炉蒸发量的要求，维持汽包水位在合适的范围内，以保证锅炉装置的安全运行。传统的PID控制具有较强的鲁棒性，结构简单，对模型依赖程度小等优点，广泛应用于汽包水位控制过程中。但是，PID 控制方法存在较大超调，稳态精度虽较高，但自适应能力差[1] [2]。为了弥补 PID 控制的不足，给出了一种改进的神经网络 PID 控制参数自适应整定控制策略的解决办法。针对上述情况，本文运用了一种基于神经网络PID参数整定的汽包给水系统，实现PID参数能够在线调整以提高调节品质。 1 被控对象描述引起汽包水位变化的主要原因有三种：锅炉给水量 W，锅炉蒸汽量 D 和锅炉燃料量 B。稳态下，Ｗ、Ｄ和Ｂ分别发生阶跃扰动时，汽包水位Ｈ的响应曲线如图一、图二和图三 △W T H T H1 H2 △D D1 D0 H H0 T H T H2 H1 △B B1 B0 H H0 H T T W W0 H W1 所示： H0 图 1 Ｗ扰动汽包水位响应图 2 D 扰动汽包水位响应图 3 B 扰动汽包水位响应 -1-

中国科技论文在线 http://www.paper.edu.cn 当给水量突然变大时，汽包水位应上升，如图 1 中的 H1 所示。但实际情况是给水进入汽包内吸收了饱和水中的一部分热量，使锅筒内的水温有所下降，从而使水面以下的气泡数量减少，气泡占据的空间减少，进入锅炉内的水首先填补因气泡减少而降低的水位。气泡对水位的影响可以利用图 1 中的曲线 H2 表示。如图一中 H= H1+H2 为汽包水位对给水量阶跃扰动的实际响应曲线。当蒸气消耗量突然加大超过给水量时，汽包水位下降，如图 2 中的 H1 所示。同时，由于蒸发强度增高导致的气泡数量增加以及由于汽包内气体压强变小导致的气泡体积变大，造成对汽包水位的影响如图 2 中的 H2 所示。蒸汽量阶跃扰动下，锅筒水位的实际响应曲线是 H1 和 H2 之和 H。蒸气消耗量阶跃增加后的一段时间内水位不但不下降，反而明显上升。这种现象通常称为“假水位”现象。图 3 中，当锅炉燃料量 B 突然增加时，蒸发量大于给水量，汽包水位应下降。但蒸发强度的提高使汽水混合物中的气泡容积增加，而且这种现象必然先于蒸发量增加之前发生，从而使锅筒水位先上升，而引起“假水位”。当 D 与 B 相适应时，水位又迅速下降。 2 汽包水位控制方案通过对以上被调对象的分析可知，汽包水位具有时滞和惯性特点。也就是说，当给水流量，蒸汽量等发生扰动时，汽包水位不会马上发生线形变化，存在虚假水位现象。另外，必须将给水流量作为汽包水位的调节手段。因此，整个控制方案采用串级控制[3]，如图 4 所示。水位给定 + - BP 神经网络 PID + + - 蒸汽流量变送器 FT PID 给水泵汽包给水流量变送器 FT 汽包水位 H 汽包水位变送器 HT 图 4 汽包水位控制方案整个系统采用串级结构，分为外环和内环。内环采用常规的 PID 调节器，负责解决由于给水流量，蒸汽流量等扰动造成的汽包液位波动。外环采用 BP 神经网络 PID，负责校正水位偏差。 3 PID 控制算法和神经网络 PID 参数整定算法 3.1 PID 控制算法 PID 控制器是一种线性控制器，它根据给定值 te =)( y y r − ry 与实际输出值 y 构成控制偏差（1）将偏差的比例(P)、积分(I)和微分(D)通过线性组合构成控制量，对被控对象（在本文中控制对象为天然气进气阀的开度值）进行控制，其控制规律为： -2-

中国科技论文在线 http://www.paper.edu.cn u t ( ) = K e t K e t dt K ( ) ( ) + + P ' i t ∫ 0 ' d de t ( ) dt （2）考虑时间为[0，T]区间，将其等距离离散为长为τ小区间，则（2）转化为： u k ( ) = K e k ( ) ⋅ P + K I ⋅ e j K ( ) + ⋅ e k ( ( ) − e k ( − 1)) （3） D k ∑ j = 0 = 其中：t K I PID 对应的传递函数为： k τ= ⋅ ， K τ= ⋅ ， ' i K D K τ ' / d 。对（3）两边进行 Z-变换后，可得离散 G z ( ) = K + P K I Z − 1 + K D (1 − Z 1 − ) 1 − （4）该方法的缺点是每次输出都与过去全部的状态值相关，实现起来计算量大，容易产生误差的病态放大。实际应用中，通常采用增量式 PID 控制算法。对（3）相邻两项相减，可得： u k ( ) ∆ u k 其中： ( ) ∆ = = K e k ( ) ⋅ ∆ P u k u k ( ( ) − + − K e k ( ) + ⋅ I e k 1) ( ) ∆ ， K = 简可得 e k ( ( ) ⋅ ∆ D e k e k ( ( ) − − 1)) （5） e k ( − ∆ 1) − ，对（5）进行简单的合并化 u k ( ) ∆ = ⋅ A e k ( ) + ⋅ B e k ( 1) − + ⋅ C e k ( − 2) （6）在实际应用中，需要根据不同被控对象，适当地整定 PID 的三个参数。这种整定参数的过程，其实是对比例、积分和微分三部分控制作用的折衷[4]。在本系统设计中根据 PID 控制器各参数的影响特性和汽包水位控制对控制性能的要求，来决定调节器参数的调整。常用的参数整定方法有：经验公式法、仿真试验法、继电型 PID 自整定方法、智能型 PID 参数自整定方法等。 3.2 神经网络 PID 参数整定算法控制方案中的外环的调节器采用三层结构BP神经网络，其结构如图5所示，它有3个输隐含层 x1 h(k) 输入层入节点，3个隐含节点，3个输出节点。 e(k) sp x3 x2 图 5 BP 神经网络 PID 输出层 P I D P I D 调节器网络输入节点对应所选的系统运行状态量,输入层神经元输入xj分别为：汽包水位、偏差e(k)=sp-h(k)、水位给定sp。各节点状态为： )1( O j k )( = net )1( k )( = j kx ( j ), j = )3,2,1( （7）网络隐层的输入输出关系为： 3 net i )2( k )( = ∑ j 1 = )2( Ow ij j )1( k )( θ− i k )( （8） -3-

中国科技论文在线 http://www.paper.edu.cn )2( O i k )( [ ijw 为隐层权值系数， )], )3,2,1( net )(kiθ 为隐层阀值，f(·)是输出变换函数，也称隐层 = = k )2( ( i f i )2( 式中，神经元的激励函数，此处取对称型Sigmoid函数。网络输出的输入输出关系为： 3 net l )3( k )( = ∑ )3( Ow lj )2( j k )( θ− l k )( （9） O l )3( k )( = g )3( l ( k )], l = )3,2,1( j 1 = net [ 3个输出节点分别对应PID控制器的三个参数P、I、D，由于这三个参数不能为负，所以输出层神经元激励函数取非负的sigmoid函数。 xg )( = [ 1 1 2 + tanh( x ]) 选择性能指标函数为： xJ )( = [ kr ( )1 −+ ky ( + )1 2 ] = 1 2 1 2 ke ( 2 + )1 按照梯度下降法修正网络权值系数w(k)，即沿着J(k)对引入惯性项[5]，从而可以加快BP算法的收敛速度，则有： )(kwl 的负梯度方向搜索调整，并 ∆ w li )3( k )( −= J ∂ η )3( w ∂ li α ∆+ li )3( ( k − )1 （10） 0 式中，η为学习速率，α为惯性因子， ku )( ∂ )3( O k )( ∂ l k ( )1 +∂ ku )( ∂ J ∂ )3( w ∂ li ke ( −= 1 )3( ≤ ≤α 。 kO )( ∂ )3( net ∂ )1 + ⋅ ⋅ l ⋅ )3( l )3( net ∂ w ∂ li （11） )1 ∆+− ke )(( − ku )( ke ( − ))1 + kek )( i + kek d ke (2)([ − )1 +− ke ( − )]2 ky sgn[ ( + ∂ )2( Ok k )( )( l ky ( )1 ⎡ ⎤ ∂ + ⋅⎥ ⎢ ku )( ∂ ⎣ ⎦ )1 α ∆+ ku ])( ∂ 近似代替。则式（10）可化为： )3( w k ( li ku )( ∂ )3( O k )( ∂ l （12） )1 [ net ′ ] l k (,)( )3,2,1 = g − )3( ⋅ l 类似有，隐层权值系数的调节规律为： kOk )( )( k )( ∆ = )2( )2( )1( ηδ l w li l α ∆+ w li )2( ( k − )1 （13） -4- 得：由PID增量算式的离散形式： ku ku ( )( = ku k )( ∆ = ku )( ∂ )3( k O )( ∂ 1 ku )( ∂ )3( O k )( ∂ 2 ku )( ∂ )3( O k )( ∂ 3 ku )( ∂ )3( w li ky ( ∂ )1 而 ∆ + p = = = 用符号函数 k )( ηδ l = )3( 其中， )3( lδ k )( = ke ( )1 ⋅+ sgn ke )( − ke ( − )1 ke )( ke ke (2)( − )1 +− ke ( − )2

中国科技论文在线 http://www.paper.edu.cn 其中， )2( δ i k )( f [ ′= net )2( ( k )] ⋅ l 式中， g )( =•′ xg ( 1)( − xg ( )), f 3 ∑ δ l l 1 = )( =•′ )3( )3( wk )( li ( k i (), = )3,2,1 1( − f 2 x ( 2/)) 4 基于 AB PLC 的汽包水位调节系统实现本系统的主要硬件组成为：1）上位机及其通信。2）下位机为AB PLC控制器，包含AB 罗克韦尔公司的1756-IR6I模拟量输入模块,1756-OW16I模拟量输出模块。3）其它外围设备包括流量传感器，液位传感器，执行机构等。本系统需要的软件为：罗克韦尔AB公司的RSLinx， RSLogix 5000，Rsview32，Matlab。在下位机中，根据图4给出的汽包水位控制方案完成硬件连接，并为输入输出分配地址后使用rslogix5000提供的PID指令建立逻辑图。上位机中，通过Rsview32进行界面的组态，并通过Matlab编辑神经网络控制算法[6]，并实现算法的运行。 5 结论利用BP神经网络训练得到的PID参数P、I、D进行PID控制，并与常规PID控制进行比较，其效果如图5所示。图 5 比较曲线从图5可以看出，采用凑试法进行PlD控制实验，系统响应曲线具有明显的超调。而从图 4可知，采用神经网络训练所得PlD参数进行实验，控制系统响应速度快、超调小甚至无超调、稳态误差小。且根据被测参数，环境的变化具有自适应能力。参考文献 [1] 马玲玲，郑宾，马圆圆，基于神经网络 PID 智能复合控制方法研究，计量与测试技术，2009，36（3）： 17-19。 [2] 付华，李大志，基于神经网络的 PID 自整定控制系统。工矿自动化,2009，27（7）: 72-75。 [3] 刘红军，韩璞，王东风．锅炉汽包水位的 DMC-PID 串级控制仿真研究[J]．系统仿真学报，2004，16(3)： 450—453． [4] 任子武,高俊山，基于神经网络的 PID 控制器。控制与决策,2004，23（5）：16-19. [5] 陈国安,尤肖虎.基于学习率与惯性因子动态联合优化的快速 BP 算法[J].东南大学学报,1999,29(4):37-42. [6]刘金琨.先进 PID 控制及其 MATLAB 仿真[M].北京:电子工业出版社,2003,112-113. -5-

中国科技论文在线 http://www.paper.edu.cn PID Parameter self-tuning control for Drum Water Supply Based on neural networks College of Computer Science & Technology, Wuhan University of Technology, Wuhan (430063) Ding Jian, Chen Xianqiao Abstract A PID parameter self-tuning cascade control strategy was presented for the drum water supply in a power station. The normal PID controller was used in the inner loop to quickly eliminate the disturbance of feed water quantity and to overcome the disturbance of steam flux, and the neural networks adaptive controller was adopted in the outer loop to keep the drum lever at the set point. The result of practice indicates that the strategy can not only overcome the disturbance of feed water quantity and stream effectively, but also has strong robustness and good regulating performance when parameters of the object vary. Keywords: neural networks adaptive controller; water level for drum; cascade control strategy -6-

资料库

论文研究-基于神经网络PID参数整定的汽包给水系统 .pdf

相关推荐

开发技术

热门标签

最新资料