汽包水位控制研究及在SMPT-1000装置上的实现

发布时间：2020-08-12 13:11

【摘要】：在工业生产中,锅炉作为被广泛使用的设备之一,由于它特殊的高温高压工作状态,当炉内汽包水位过高或过低时,容易造成安全事故,因此使汽包水位稳定在正常水平范围内是保证锅炉平稳运行的前提条件。汽包水位对象具有时滞、非线性和大扰动等特性,并且存在虚假水位现象。对于汽包水位的传统PID控制方式有单冲量PID、双冲量PID和三冲量PID三种,通过MATLAB/Simulink平台对这三种PID控制方式进行仿真研究,结果表明在出现虚假水位时,传统PID控制容易对给水调节阀产生误动作,致使汽包水位激烈地上下波动,控制效果不理想。除此之外,由于汽包水位的复杂特性,获取其精确的数学模型存在难度,且在建立模型后可能出现未建模动态问题。因此,本文通过研究无模型自适应控制算法(Model-free Adaptive Control,MFAC),并对无模型自适应控制算法进行稳定性分析,设计出无模型自适应PID控制方案(MFAC-PID)应用于汽包水位中。通过Simulink平台开发MFAC控制器进行汽包水位MFAC-PID控制系统仿真研究,对比PID控制效果,结果表明,不依赖数学模型,只需要被控系统输入输出数据的无模型自适应控制算法可以有效地减小调节阀的误动作,使蒸汽扰动带来的水位波动变小。进一步地改善汽包水位无模型控制系统的控制性能,本文提出一种带扰动观测器的无模型自适应控制算法(Disturbance Observer Model-free Adapative Control,DOMFAC),应用于汽包水位中。该控制方案(DOMFAC-PID)对汽包水位的各种扰动有更好地抑制和补偿能力。通过Simulink仿真研究,结果表明汽包水位DOMFAC-PID控制系统稳定,调节时间短,能很好地克服虚假水位时蒸汽扰动对系统的影响,控制效果理想。为了验证无模型自适应控制算法的可行性和实际控制效果,本文以SMPT-1000装置上的锅炉汽包为控制对象,以SIMATIC PCS7为控制器,通过对其进行硬件组态、软件组态以及网络组态,并采用CFC和SCL语言编写控制算法程序,搭建并运行汽包水位三冲量PID和MFAC-PID控制系统,实验结果表明,无模型自适应控制算法具有较好的鲁棒性,在抑制干扰方面明显优于传统PID控制。
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TK223.7
【图文】：

框图,汽包水位,模糊控制系统,框图

图 1.1 汽包水位模糊控制系统框图图 1.1 所示的汽包水位模糊控制系统运行过程中，首先计算设定值与由水位变送器反馈而来的实际汽包水位的差值，将这一误差信号作为模糊控制器的输入，经过模糊推理的五个步骤后，将控制器的输出信号作用于给水调节阀，来增大或减小调节阀的开度使给水量发生变化，从而实现对水位的实时控制。模糊控制的实现基于操作人员的长年调节经验，因此所得的汽包水位模糊控制系统具有很强的鲁棒性，对于非线性系统时变滞后和大扰动问题也能较好地控制。但其存在静态误差的缺点也不容忽视，并且由于模糊推理规则的制定依赖设

系统框图,预测函数控制,汽包水位,系统框图

图 1.1 所示的汽包水位模糊控制系统运行过程中，首先计算设定值与由水位变送器反馈而来的实际汽包水位的差值，将这一误差信号作为模糊控制器的输入，经过模糊推理的五个步骤后，将控制器的输出信号作用于给水调节阀，来增大或减小调节阀的开度使给水量发生变化，从而实现对水位的实时控制。模糊控制的实现基于操作人员的长年调节经验，因此所得的汽包水位模糊控制系统具有很强的鲁棒性，对于非线性系统时变滞后和大扰动问题也能较好地控制。但其存在静态误差的缺点也不容忽视，并且由于模糊推理规则的制定依赖设计人员的制定，存在局限性致使系统的控制精度有所影响，而且过多的模糊规则使得系统运行中因复杂的推理过程而调节时间变长，不利于实现与应用。3）预测函数控制预测控制（Predictive Function Control，PFC）是在 1986 年由法国 ADERSA公司的 Richalet 和德国 IITB 公司的 Kuntze 等人共同提出的[8]，这种先进控制方法特点就是基于模型，且对模型的精度要求不高。王东风等人[9]在该算法基础上给出了一种预测串级 PID 控制策略。如图 1.2 所示为预测控制应用于汽包水位的系统框图。

框图,汽包水位,遗传算法,控制系统

汽包水位控制研究及在 SMPT-1000 装置上的实现器的关键。首先事先根据系统设定值的轨线和被控对象的特性，选取若干的基函数，再将每一时刻加入的控制输入看作是若干基函数的线性组合，然后预测控制器对这些基函数进行响应作用的加权组合，在线优化计算线性加权系数，求出下一时刻的控制输入。从这个运行过程可以看出，以控制输入为关键的预测控制算法在控制输入的规律不明的情况下也能很好进行控制，并且系统同样具有较强的鲁棒性，能克服干扰对系统的影响，并且对误差信号具有较好的跟踪能力，但同时也普遍存在着模型精度不高、滚动优化策略少等缺点[10]。4）遗传算法控制遗传算法实际上是一种随机搜索算法[11]，它以自然进化论中的遗传机制为背景，模仿自然界的生物演化规则，对于若干解的集合进行复制、交叉和变异等操作，不断迭代来寻找和逼近最优解。因此，一些比较复杂的非线性或者多维空间的最优化问题可以通过遗传算法进行求解，不少的学者也相继将此算法应该到各种被控对象的控制中去。比如符慧林等人[12]将遗传算法应用到汽包水位中，进行PID 参数的优化，其控制系统框图如 1.3 所示。

【参考文献】