一种机炉协调控制系统控制方法

技术领域

本发明属于自动控制技术领域，具体涉及一种机炉协调控制系统控制方法。

背景技术

机炉协调控制系统是协调控制汽机(锅炉)功率调节器和锅炉(汽机)压力调节器的系统。是蒸汽动力装置自动控制系统的重要组成部分。协调控制系统是把锅炉及汽轮机作为一个单元机组的整体进行综合控制时所用的控制系统，是整个动力装置控制系统的重要组成部分。由于机炉协调控制系统的被控对象是非线性的，其动态特征或模型参数随工况参数如负荷、压力、流量等的变化而有较大变化，同时该对象具有慢时变、不确定性、强耦合和多变量等复杂特性，使得机炉协调控制系统在运行时(特别是针对多参数变量系统使用时)存在参数调节准确性较差且时效性较低的问题，从而难以满足目前工业生产的要求。

发明内容

本发明为了解决现有技术中机炉协调控制系统运行过程中参数调节准确性较差且时效性较低的技术问题；提出了一种机炉协调控制系统控制方法，以实现有效提高机炉协调控制系统运行过程中参数调节准确性及时效性的技术效果。

本发明为达到上述目的，采用如下技术方案：

一种机炉协调控制系统控制方法，包括如下步骤：

(1)将设定控制参数输入Bell-Astrom系统模糊模型获得模型参数；

(2)对步骤(1)中的模型参数进行优化；

(3)用非线性鲁棒模型预测控制器与汽包锅炉机组负荷被控对象构成炉跟机协调控制系统；

(4)通过状态反馈控制器以及控制器的预测控制算法，实现对机炉协调系统的控制；

所述步骤(3)中非线性鲁棒模型预测控制器的动态线性部分M

其中，A,B,A

进一步的，所述步骤(1)中的Bell-Astrom系统模糊模型为3阶的多输入多输出(MIMO)模型，其数学表达式描述为：

q

其中，u

进一步的，所述步骤(2)中为采用K-means聚类算法对模型参数进行优化；所述K-means聚类算法中数据之间的距离由如下公式获得：

其中，i＝(x

所述K-means聚类算法中的准则函数为：

其中，E的大小表示聚类结果的好坏，p为选取的数据对象，c

进一步的，所述步骤(2)中通过BBO算法优化K-means聚类算法中的聚类中心确定过程，其优化步骤如下：

(2-1)初始化BBO算法相关参数；

(2-2)计算每个参数的解及适应度值HSI，再计算其对应的物种数量以及迁入率λ

(2-3)通过迁入率λ

(2-4)根据突变概率M

(2-5)判断是否满足迭代停止条件，如不满足，跳转到步骤(2-2)；如满足，则进入下一步；

(2-6)将得到的适应度高的个体输出作为聚类中心。

进一步的，所述步骤(3)中通过全局离散通用扰动模型减少未知扰动项的偏差影响，所述全局离散通用扰动模型通过局部通用扰动模型经离散处理后得到；

所述局部通用扰动模型为：

其中，d∈R

所述全局离散通用扰动模型为：

其中，

进一步的，所述步骤(4)中状态反馈控制器中扩展状态观测器为：

其中，

根据全局离散通用扰动模型可得

其中，x

其中，

取无穷时域函数作为目标函数：

其中，Q表示状态的正定对称权重矩阵，R表示输入的正定对称权重矩阵。

进一步的，所述预测控制算法包括如下步骤：

(4-1)设k＝0；

(4-2)已知用预测模型描述的非线性系统，给定其初始状态x(0)，性能指标的正定对称权重矩阵Q、R以及输入约束；

(4-3)计算得出第j条规则下子系统的状态反馈矩阵k

(4-4)对控制律u(k)＝K

(4-5)令k＝k+1，转到(4-3)继续求解。

本发明的有益效果是：

1、本发明针对现有技术中机炉协调系统多变量耦合、非线性的特点，采用非线性鲁棒模型预测控制器与汽包锅炉机组负荷被控对象构成炉跟机协调控制系统，能够有效改善多变量系统解耦之后的动态性能，同时减小系统调节时间和超调量，从而达到提高机炉协调控制系统运行过程中参数调节准确性及时效性的技术效果；针对Bell-Astrom系统机炉协调模糊模型存在未知扰动和输入约束的情况，假设扰动及其一阶差分有界且一阶差分稳态时为零，同时扰动总维数和输出维数相等，本文提出了一种基于扩展状态观测器的非线性系统鲁棒无偏差模糊模型预测跟踪控制策略。控制器的设计基于以上所提鲁棒无偏差模糊模型预测跟踪控制算法，保证了闭环控制系统渐近稳定和控制输入约束的满足。基于高阶扰动的精确观测及其有界性质，扰动补偿增益的设计使得所提控制策略最终能够消除稳态时扰动对系统的影响。因而，在有界高阶扰动下，基于广义离散非线性扰动观测器的模糊模型预测控制策略依然能够保证闭环控制系统的无偏差跟踪性能。

2、本发明通过采用K-means聚类算法对模型参数进行优化能够进一步的提高系统参数调节的机炉协调控制系统运行过程中参数调节准确性，降低人为因素带来的误差；同时通过BBO算法优化K-means聚类算法中的聚类中心，能够有效提高搜寻K-means算法最佳中心点的效率，对K-means聚类算法初始中心点的选取极易受到干扰的问题进行了一定程度上的缓解，加快了K-means聚类算法的运行速度。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的机炉协调控制系统图；

具体实施方式

本发明实施例通过提供一种机炉协调控制系统控制方法，以解决现有技术中机炉协调控制系统运行过程中参数调节准确性较差且时效性较低的技术问题。

本发明采用的总体思路如下：

一种机炉协调控制系统控制方法，包括如下步骤：

(1)将设定控制参数输入Bell-Astrom系统模糊模型获得模型参数；

(2)采用K-means聚类算法对步骤(1)中的模型参数进行优化；

(3)用非线性鲁棒模型预测控制器与汽包锅炉机组负荷被控对象构成炉跟机协调控制系统；

(4)通过状态反馈控制器以及控制器的预测控制算法，实现对机炉协调系统的控制。

所述步骤(3)中非线性鲁棒模型预测控制器的动态线性部分M

其中，A,B,A

现有技术中机炉协调控制系统的被控对象是非线性的，其动态特征或模型参数随工况参数如负荷、压力、流量等的变化而有较大变化，同时该对象具有慢时变、不确定性、强耦合和多变量等复杂特性，本发明实施例通过采用非线性鲁棒模型预测控制器与汽包锅炉机组负荷被控对象构成炉跟机协调控制系统，鲁棒预测控制器为以上所提鲁棒无偏差模糊模型预测跟踪控制算法的简化，保证了名义闭环系统渐近稳定，以及状态反馈控制输入同时满足输入幅值和变化率约束。能够有效改善多变量系统解耦之后的动态性能，同时减小系统调节时间和超调量，从而达到提高机炉协调控制系统运行过程中参数调节准确性及时效性的技术效果。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样，除非上下文清楚地指明其它情况，否则单数形式的“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件,并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

如图1和图2所示，一种机炉协调控制系统控制方法，包括如下步骤：

步骤(1)：将设定控制参数输入Bell-Astrom系统模糊模型获得模型参数；

所述设定控制参数包括煤粉仓门开度u

所采用的Bell-Astrom系统模糊模型为3阶的多输入多输出(MIMO)模型，其数学表达式描述为：

q

其中，a

步骤(2)：采用K-means聚类算法对步骤(1)中的模型参数进行优化；

所述K-means聚类算法中数据之间的距离由如下公式获得：

其中，i＝(x

所述K-means聚类算法中的准则函数为：

其中，E的大小表示聚类结果的好坏，p为选取的数据对象，ci为能够被正确分配到的第i个数据对象。

在实际的应用过程中，K-means聚类算法的初始中心点(即聚类中心)的在选取时极易受到干扰，从而大大影响其运行效率，对此，本发明实施例通过BBO算法优化K-means聚类算法中的聚类中心的确定过程，其优化步骤如下：

(2-1)初始化BBO算法相关参数；

(2-2)计算每个参数的解及适应度值HSI，再计算其对应的物种数量以及迁入率λ

(2-3)通过迁入率λ

(2-4)根据突变概率M

(2-5)判断是否满足迭代停止条件，如不满足，跳转到步骤(2-2)；如满足，则进入下一步；

(2-6)将得到的适应度高的个体输出作为聚类中心。

步骤(3)：用非线性鲁棒模型预测控制器与汽包锅炉机组负荷被控对象构成炉跟机协调控制系统；

非线性鲁棒模型预测控制器的动态线性部分M

其中，A,B,A

因炉跟机协调控制系统在运行过程中会存在未知扰动项的偏差影响，因此为了减少未知扰动项的偏差影响，构建了局部通用扰动模型，并对该局部通用扰动模型进行经离散处理得到用于减少未知扰动项的偏差影响全局离散通用扰动模型。

其中，所述局部通用扰动模型为：

其中，d∈R

所述全局离散通用扰动模型为：

其中，

步骤(4)：通过状态反馈控制器以及控制器的预测控制算法，实现对机炉协调系统的控制。

其中，状态反馈控制器中扩展状态观测器为：

其中，

状态反馈控制器的设计如下：

设计状态反馈控制器以及预测控制算法，实现对机炉协调系统的控制；

动态线性部分M

其中，A,B,A

扰动估计为

其中，

Δp

由于

故扰动观测误差系统为

Δe

基于名义控制律u

当扰动补偿增益为

K

预测控制算法将消除闭环系统稳定时扰动对输出通道的影响

针对扰动模型，选用一般性非线性系统

x＝f(x,u,t)+Fd(t)

其中，f(x,u,t)为非线性矢量模型，F为常值矩阵且秩为s。

经过降阶和欧拉离散处理后为

F

其中，F

所述预测控制算法包括如下步骤：

(4-1)设k＝0；

(4-2)已知用预测模型描述的非线性系统，给定其初始状态x(0)，性能指标的正定对称权重矩阵Q、R以及输入约束；

(4-3)计算得出第j条规则下子系统的状态反馈矩阵k

(4-4)对控制律u(k)＝K

(4-5)令k＝k+1，转到(4-3)继续求解。

最后应说明的是：这些实施方式仅用于说明本发明而不限制本发明的范围。此外，对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。