[发明专利]一种基于改进型单神经元自适应PID控制策略的锅炉汽温控制方法

说明书

技术领域

本发明涉及一种锅炉汽温控制方法，具体涉及一种基于改进型单神经元自适应PID控制策略的锅炉汽温控制方法。

背景技术

火电厂锅炉是一个非线性耦合、大滞后、多变量、多干扰的复杂对象，目前国内大多数火电厂锅炉过热汽温控制系统仍采用PID控制器，由此在控制品质上便有许多不足，诸如存在调节不及时，以及超调量过大等问题。另外，很多过热汽温串级控制系统的研究发现常规PID控制器存在明显不足之处：调节不及时、超调量大。造成上述问题是因为常规PID 控制器的参数是固定不变的，对参数的整定只能大致按照整个控制过程的要求进行，而过热汽温调节系统在控制过程的各个阶段对参数却有着不同的要求。因此仅采用常规的PID控制难以获得较为满意的控制性能。目前，很多学者提出了许多针对锅炉过热汽温控制系统的先进控制算法策略。然而从电厂的实际情况来看, 在大多数情形下, 汽温被控对象的数学模型是未知或者参数是时变的, 且具有大时延和大惯性的特点, 固定不变的控制器参数难以获得满意的控制效果,实际上这些参数需要随工况的变化不断调整。

发明内容

本发明的发明目的是提供一种基于改进型单神经元自适应PID控制策略的锅炉汽温控制方法，利用单神经元的自学习性，通过在线调整控制参数，以适应锅炉过热汽温的变化，改善了大滞后、多干扰系统的控制特性，体现了较强的鲁棒性与较高的稳定性，具有良好的控制品质。

为达到上述发明目的，本发明采用的技术方案是：一种基于改进型单神经元自适应PID控制策略的锅炉汽温控制方法，包括如下步骤：

1）建立锅炉过热汽温控制模型：采用两级减温结构，第一级减温器分左右布置在低温过热器至前屏过热器之间，第二级减温器分左右布置在后屏过热器至末级过热器进口连接的导汽管上；

2）减温控制系统设计，采用串级神经元PID控制，其中，

副环PID控制结合无监督Hebb学习规则和有监督Delta学习规则的算法如下：

           （1）

式中，为对应于输入的加权值，为学习速率系数，K为神经元的比例系数，u(k)为控制器输出，e(k)为系统误差，设r(k)和y(k)分别表示k时刻的参考输入和输出，则e(k)= r(k)－y(k)。神经元PID控制器的输入为：

                    （2）；

引入二次性能指标函数：

                （3）

式中，P、Q分别为输出误差和控制增量的加权正系数；

主环单神经元自适应PID控制算法如下：

           （4）

（5）

其中，，

式中，为神经元的权值系数， 为智能调节系数的参考值，为调节系数，为学习速率。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：

1．本发明的控制器基于传统的单神经元自适应控制器基础上作出改进，将控制参数由三个整定为一个，简化了调试过程并且控制精度大大提高。

2. 本发明的单神经元PID控制器，通过自身的学习过程，在线调整控制参数，能够适应过热汽温的工况变化，解决过热汽温控制系统在实际工程应用中易产生大超调量、大时滞等常见问题。

附图说明

图1是实施例一中本发明的两级减温器温度控制结构图。

图2是实施例一中本发明的改进型单神经元自适应PID控制算法的结构图。

图3是实施例一中一级减温器A侧过热汽温串级PID控制系统图。

图4是实施例一中一级减温器B侧过热汽温串级PID控制系统图。

图5是实施例一中二级减温器A侧过热汽温串级PID控制系统图。

图6是实施例一中二级减温器B侧过热汽温串级PID控制系统图。

图7是随机干扰下的常规PID串级与神经元算法的仿真比较曲线图。

图8是单位阶跃下的常规PID串级与神经元算法的仿真比较曲线图。

图9是对象特征发生变化下的常规PID串级与神经元算法的仿真比较曲线图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述：

实施例一：参见图1和2所示，一种基于改进型单神经元自适应PID控制策略的锅炉汽温控制方法，包括如下步骤：

1）建立锅炉过热汽温控制模型：采用两级减温结构，第一级减温器分左右布置在低温过热器至前屏过热器之间，第二级减温器分左右布置在后屏过热器至末级过热器进口连接的导汽管上；