[发明专利]一种协调控制被控对象传递函数模型辨识方法

权利要求书

1.一种协调控制被控对象传递函数模型辨识方法，其特征在于包括以下步骤：

步骤一，DCS数据采样：

①选择同一负荷下各时段的DCS数据，采样时间T为5秒，包括：发电机实发功率、锅炉主蒸汽压力、汽轮机调门开度和锅炉燃料率指令，分别用变量N_E、P_T、u_T、u_B表示；

②在各连续时段中，将变量N_E、P_T、u_T、u_B分别作时延处理，分别取各个变量前1～n个时刻的数值，形成样本数据：

NE(k-1);NE(k-2);...;NE(k-n);PT(k-1);PT(k-2);...;PT(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),NE(k);PT(k),k=n+1,n+2,...,N,]]>

其中，n为3～5的自然数，N＝3000；

步骤二，建立RBF神经网络模型：

NE(k-1);NE(k-2);...;NE(k-n);PT(k-1);PT(k-2);...;PT(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),k=n+1,n+2,...,N,]]>

作为模型的输入，N_E(k)；P_T(k)，k＝n+1，n+2，...，N，作为模型的输出，建立RBF神经网络模型；

步骤三，判定对象的传递函数类型，确定需要辨识的参数：

根据热工过程的特性，总结归纳出2×2的协调控制对象的传递函数模型为：

NEPT=WNT(s)WNB(s)WPT(s)WPB(s)uTuB=k1s(1+T2s)(1+T3s)k2(1+T1s)(1+T2s)e-τs-k31+T2sk4(1+T1s)(1+T2s)e-τsuTuB]]>

其中，模型中的参数k₁、k₂、k₃、k₄表示对象的稳态增益，T₁、T₂、T₃表示对象的惯性时间，τ表示滞后时间，对模型中的参数k₁、k₂、k₃、k₄、T₁、T₂、T₃和τ进行辨识；

步骤四，确定热工过程的初始对象：

①根据步骤三中的传递函数模型W_NB(s)，W_PB(s)，选取初始参数k₂、k₄、T₁、T₂、τ，得到初始对象W′_NB(s)，W′_PB(s)；

②对于初始对象W′_NB(s)，在其输入端加入均匀随机信号u_B(i)，i＝1，2，...，M，M＝2000，得到初始对象的输出响应y′_N(j)，j＝1，2，...，M；

③同理，对于初始对象W′_PB(s)，在其输入端加入步骤四②中同样的均匀随机信号u_B(i)，i＝1，2，...，M，得到W′_PB(s)的输出响应y′_P(j)，j＝1，2，...，M；

其中，W′_NB(s)，W′_PB(s)分别是W_NB(s)，W_PB(s)的初始值；

步骤五，确定RBF神经网络输出：对于步骤二中的RBF神经网络模型，使u_T(i)＝0，i＝1，2，...，M，且u_B(i)，i＝1，2，...，M为步骤四②中同样的均匀随机信号，将y′_N(i)，y′_P(i)，u_T(i)，u_B(i)，i＝1，2，...，M，经过步骤一②中同样的时延处理，得到：

y′N(k-1);y′N(k-2);...;y′N(k-n);y′P(k-1);y′P(k-2);...;y′P(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),k=n+1,n+2,...,M,]]>

作为步骤二中的RBF神经网络模型的输入端，从而得到RBF神经网络模型的输出y_N(j)；y_P(j)，j＝n+1，n+2，...，M；

步骤六，计算误差函数：

E=Σj=n+1M(yN(j)-y′N(j))2+Σj=n+1M(yP(j)-y′P(j))2,j=n+1,n+2,...,M;]]>

将E作为目标函数，利用遗传算法进行迭代寻优，得到最佳的对象参数k_2opt、k_4opt、T_1opt、T_2opt、τ_opt，从而确定W_NB(s)，W_PB(s)；k_2opt、k_4opt表示对象的最佳稳态增益，T_1opt、T_2opt表示对象的最佳惯性时间，τ_opt表示最佳滞后时间；

时延处理中，使得最大的延迟时间nT为惯性时间，n取3～5的自然数；

遗传算法的设置如下：

①实数编码机制；

②初始种群选择：即k₁、k₂、k₃、k₄、T₁、T₂、T₃和τ的上下界，总结出k₁∈[0，2000]，k₂∈[0，10]，k₃∈[-1，0]，k₄∈[0，1]，T₁∈[0，500]，T₂∈[0，500]，T₃∈[0，50]，τ∈[0，50]；

③适应度函数：E为误差函数；

④遗传操作：采用轮盘赌选择法、均匀交叉、均匀变异的策略；

步骤七：使u_B(i)＝0，i＝1，2，...，M，u_T(i)，i＝1，2，...，M均匀随机变化，重复步骤四、步骤五、步骤六，得到最佳的对象参数k_1opt、k_3opt、T_3opt，k_1opt、k_3opt表示对象的最佳稳态增益，T_3opt表示对象的最佳惯性时间，从而确定W_NT(s)，W_PT(s)。