新型过热蒸汽温度控制研究

　　目前，电站锅炉过热蒸汽温度（简称过热汽温）控制系统多采用串级控制方式（图1）。由于电厂热工过程具有非线性、慢时变、大迟延和不确定性等特点，难以建立其的数学模型。因此，常规PID控制器很难获得满意的控制效果。为了改善常规PID控制器的特性，本文提出了一种采用FNN-PI作为主调节器的新型过热汽温控制系统，并将其与采用常规PID的过热汽温控制系统进行了仿真比较，结果表明基于FNN-PI的过热汽温控制系统的控制特性在超调量、快速性、抗干扰方面均有很大的提高。　　
　　一、FNN-PI
　　
　　在图1所示的常规过热汽温控制系统中，将PID主调节器替换为FNN-PI过热汽温控制系统（图2）。FNN-PI智能主控制器由模糊神经网络控制器和智能PI控制器组成。智能PI控制器根据偏差e和偏差变化率ec通过逻辑判断模块判断出系统当前状态，并发出判断指令，以控制智能PI模块的输出。当逻辑判断指令（Enable）为"1"时，智能PI控制器的输出upi与模糊神经网络控制器的输出uf叠加共同作用于控制系统，即FNN-PI智能主控制器输出为upi+uf。当Enable为"0"时，智能PI控制器无输出，由模糊神经网络控制器作用于控制系统，即主控制器输出为uf。
　　
　　二、模糊神经网络控制器
　　
　　考虑到模糊规则是输入变量的线性组合，即　　
　　式中:Rj为第j条模糊规则所表示的模糊蕴含关系;Aji是xi的第j个语言变量值；pij为后件网络的连接权（i=O,1，...，n;j=1，2...mi）o
　　
　　若输入量采用单点模糊集合的模糊化方法，则对于给定的输人x,可以求得对于每条规则的适应度，模糊系统的输出量为每条规则的输出量的加权平均，即　　
　　其中aj为对于给定的输入x所求得的对于每条规则的适应度。
　　
　　模糊神经网络控制器的输入变量有2个，分别为过热器出口蒸汽温度偏差e和偏差变化ec，输出变量为减温器开度uf。对应的模糊语言变量分别为E、EC和U。E和EC的论域为[一6，+6]，U的论域为[-7，+7]。根据一般的典型温度模糊控制经验，给出了表1所示的训练样本数据。利用自适应神经-模糊推理系统（ANFIS）编辑器，将表1中的训练样本数据载入训练数据集。　　
　　选用网格分割法生成初始模糊推理系统，选择2个输入变量隶属函数的数目均为7，类型为高斯型，输出变量的隶属函数类型为常数。通过训练所生成的初始模糊推理系统，得到所建立的模糊神经网络结构（图3）。同时，得到ANFIS生成的模糊神经网络系统。
　　
　　由图3可知，该模型的模糊神经网络结构为5层，各层节点数分别为2、14、49、49、1。第1层为输入层，它将输入值传送到下一层。第2层每个节点代表一个语言变量值，其作用是计算各输入分量属于各语言变量值模糊集合的隶属度函数。第3层的每个节点代表一条模糊规则，其作用是用来匹配模糊规则的前件，计算出每条规则的适用度。第4层的节点数与第3层相同，它所实现的是归一化计算。第5层是输出层，它所实现的是清晰化计算。　　
　　三、智能PI控制器
　　
　　对典型的系统响应曲线（图4）的Ⅰ、Ⅱ、Ⅲ、Ⅳ段分别讨论。定义e=r-y、△e=e（k十l）-e（k）,k为采样时刻。在动态过程的不同阶段，当e·△e>0（曲线Ⅰ、Ⅲ段）时，表明系统的动态过程正朝着误差减小的方向变化，误差的值逐渐减小;当e·△e<0（曲线Ⅱ、Ⅲ段）时，表明系统的动态过程正朝着误差增大的方向变化，误差的值逐渐增大。　　
　　模仿经验控制，可设计一种分段模糊神经智能PI控制器来改善系统性能，其算法可描述为:　　
　　其中u为FNN-PI智能主控制器输出。智能PI控制器由逻辑判断和智能PI2个模块组成（图2）。逻辑判断模块通过e、△e及e·△e所具有的不同符号，正确判断出系统所处的状态，给智能PI控制器发出正确的Enable。在Simulink环境下，逻辑判断模块结构如图5所示，智能PI模块结构如图6所示。　　
　　四、信真试验及分析
　　
　　为验证本文提出的控制方法的有效性，对某电厂60OMW超临界机组锅炉过热汽温控制系统采用表2中2个典型负荷下的蒸汽温度对象模型进行仿真，并与主调节器为常规PID的过热汽温控制系统进行比较。在图2中，取量化因子Ke=2O、Kc=320、比例因子Ku=O.025，副调节器为比例调节器，比例系数取Kp2=25。在智能PI模块中（图6），取PI调节器的比例系数Kp1=1，2、PI调节器的积分系数Ki=l00。在图1中，PID调节器参数取Kp=l.l、K1=0.0127、KD=30。在负荷下，输入施加阶跃给定，分别对2种不同的系统仿真，得到2条阶跃响应输出曲线（图7）。在70%负荷下进行类似的系统仿真，得到2条阶跃响应输出曲线（图8）。由图7、图8仿真曲线可见，与采用PID的过热汽温控制系统比较，基于FNN-PI的过热汽温控制系统几乎不产生超调，过渡过程更加平稳，且时间大大缩短;抗扰能力显著增加，控制品质明显优于常规PID控制。