[发明专利]一种工业过程一阶惯性迟延模型自适应辨识方法

说明书

本发明公开了一种工业过程一阶惯性迟延模型自适应方法，该方法利用粒子群自适应寻优的特点，通过建立传递模型和动态粒子群库，将粒子群寻优算法变为在线自适应寻优，并通过四阶容格‑库塔微分解算，求解在线辨识误差，能够实现在安全稳定的范围内，实现过程参数的自适应辨识，提高了过程参数辨识的精度和适应性，与传统的整定方法相比，该方法不仅能实现在线动态寻优，而且有限地降低了寻优过程的计算量。

技术领域

本发明涉及燃煤机组协调控制领域工业过程参数辨识，具体涉及一种工业过程一阶惯性迟延模型自适应辨识方法。

背景技术

我国以燃煤电站为主的电力供应格局在未来相当长的时间内不会发生根本性改变，而燃煤机组的协调优化控制一直以来是众多专家学者研究的重点问题，特别是如何能快速而准确判断锅炉燃烧率-主汽压力，调门开度-机组负荷等工业过程的传递函数特性。目前，常规的整定方法主要是通过在不同的负荷点，进行相应的阶跃试验，并根据响应结果进行离线辨识，且需要采用如MATLAB等第三方工具，而如何在在线方式下快速而准确地进行参数辨识一直以来是一个重要研究方向。

目前来说，参数辨识的方法很多，最传统的方法是利用最小二乘法进行辨识，而这种方法辨识的传递函数参数并非最优参数且其智能进行递推辨识，所需要的时间比较长。其他的一些自整定的方法，诸如遗传算法，神经网络辨识等方法，其结果的可重复性和辨识的稳定性有待进一步发展。

为有效地解决这一问题，必须选择一种合适在线辨识手段，并对其进行有针对性的改造，使这种辨识方法一方面具有较强的自适应调节功能，另外一方面具有较强的稳定性。

发明内容

本发明的目的在于针对现有的在线辨识传递过程参数方法的不足，提供了一种工业过程一阶惯性迟延模型自适应辨识方法，具有具有较强的自适应调节功能及较强的稳定性。

为达到上述目的，本发明采用如下的技术方案予以实现：

一阶惯性迟延模型自适应辨识方法，包括以下步骤：

1)预设工业过程模型传递函数的增益范围、一阶惯性时间范围和迟延时间范围，并输入工业过程辨识数据；

2)通过步骤1)预设的增益范围、一阶惯性时间范围和迟延时间范围，利用伪随机数，获得粒子群中的每个粒子所携带的初始增益K_i、初始惯性时间T_1i和初始迟延时间τ_i；

3)将步骤1)所输入的工业过程辨识数据去基准化，得到处理后的工业过程阶跃输入数据和系统响应数据；

4)利用步骤2)得到的每个粒子所携带的初始增益K_i、初始惯性时间T_1i和初始迟延时间τ_i和步骤3)得到的阶跃输入数据，并通过四阶龙格-库塔法得到理论系统响应数据；

5)利用步骤3)得到的系统响应数据和步骤4)得到的理论系统响应数据，求取累积误差；

6)利用粒子群算法，每个粒子均随机携带增益、一阶惯性时间和迟延时间，且均在步骤1)限定的范围内；

7)利用步骤6)所获得的增益、一阶惯性时间和迟延时间重复步骤4)至6)，并记取每一次的累积误差和相对应的增益，惯性时间和迟延时间；

8)判断步骤7)中的累积误差是否小于预设的误差阈值，若大于误差阈值，则重复步骤4)至7)，继续寻优；若小于或等于误差阈值，则终止寻优，并记取最小累积误差和相对应的增益、一阶惯性时间、迟延时间。

本发明的进一步改进在于，步骤1)中，预设工业过程模型传递函数的增益范围、一阶惯性时间范围和迟延时间范围，并输入工业过程辨识数据，具体如下：