[发明专利]一种氨法脱硫系统的扰动抑制预测控制方法

权利要求书

1.一种氨法脱硫系统的扰动抑制预测控制方法，其特征在于：包括以下步骤：

S1：以脱硫塔的氨水流量作为控制量，以循环浆液pH作为被控量，在稳态工况下进行开环阶跃响应试验，获取控制量与被控量之间的传递函数，得到被控对象的辨识模型；

S2：将循环浆液pH对氨水流量的传递函数转换为带扰动项的系统状态空间模型；所述步骤S2中的系统状态空间模型如式(1)所示：

式中，x_d(k)表示k时刻的系统状态变量，x_d(k+1)表示k+1时刻的系统状态变量，u(k)表示k时刻的控制量，y(k)表示k时刻的被控量，d(k)表示k时刻的扰动量，A_d表示x_d(k)的系数矩阵，B_d表示u(k)的系数矩阵，B_rd表示d(k)的系数矩阵，C_d表示x_d(k)的系数矩阵；

S3：选取阶跃输出扰动模型、阶跃输入扰动模型、斜坡输入扰动模型和周期输入扰动模型这四个扰动模型按顺序组成扰动模型集；针对扰动模型集中的每一个扰动模型，将步骤S2得到的系统状态空间模型转换为增量状态空间模型，再将扰动增量项和系统输出项作为扩增量对状态变量进行扩增，得到扩增状态变量和扩增状态空间模型；所述步骤S3中的扩增状态空间模型如下式所示：

式中，x_i(k+1)表示k+1时刻第i个扰动模型扩增的状态向量，i＝1,2,3,4，包括三个子向量Δx_d(k+1)、Δd(k+1)和y(k+1)，Δx_d(k+1)表示k+1时刻系统原来的状态增量，Δd(k+1)表示k+1时刻当前扰动模型的扰动增量，y(k+1)表示k+1时刻脱硫系统的被控量；x_i(k)表示k时刻第i个扰动模型扩增的状态向量，包括三个子向量Δx_d(k)、Δd(k)和y(k)，Δx_d(k)表示k时刻系统原来的状态增量，Δd(k)表示k时刻当前扰动模型的扰动增量，y(k)表示k时刻脱硫系统的被控量；Δu(k)表示k时刻脱硫系统的控制量增量，A_ai表示第i个扰动模型的扩增状态空间模型的第一系数矩阵，A₁,...,A₉表示矩阵A_ai中的元素，B_ai表示第i个扰动模型的扩增状态空间模型的第二系数矩阵，B₁,...,B₃表示矩阵B_ai中的元素，C_ai表示第i个扰动模型的扩增状态空间模型的第三系数矩阵，C₁,...,C₃表示矩阵C_ai中的元素；

S4：根据步骤S3中每一个扰动模型的特点，得出所述四个扰动模型的扩增状态空间模型中的系数矩阵；

S5：利用标准Kalman滤波器对每个扩增状态空间模型进行状态估计；

S6：计算脱硫系统的实际输出与Kalman滤波器得到的预估输出之间的偏差；

S7：采用递推贝叶斯公式计算出各个扰动模型与当前脱硫系统的匹配概率；

S8：根据各个扰动模型与当前脱硫系统的匹配概率计算各个扩增状态空间模型的权重；

S9：根据各个扩增状态空间模型的权重，对各个扩增状态空间模型进行加权平均，计算出脱硫系统的p步平均预测输出值；

S10：根据扩增状态空间模型构建平均预测模型，计算最优控制增量向量；所述步骤S10中的平均预测模型如下式所示：

式中，为k时刻循环浆液pH值的p步平均预测输出向量，ΔU(k)为k时刻控制量向量，F为加权后的平均预测模型的状态变量的系数矩阵，w_i(k)表示k时刻第i个扰动模型的扩增状态空间模型的权重，F_i表示第i个扰动模型的扩增状态空间模型的状态向量的系数矩阵，Φ为加权后的平均预测模型的控制量向量的系数矩阵，Φ_i表示第i个扰动模型的扩增状态空间模型的控制量向量的系数矩阵；

p表示预测步长，m表示控制步长；

所述最优控制增量向量通过以下过程计算得到：基于性能指标函数计算k时刻控制量增量Δu(k)，进而基于k时刻控制量增量Δu(k)构造控制增量向量ΔU，制定最终性能指标函数来计算最优控制增量向量，最终性能指标函数和最优控制增量公式如下式：

ΔU＝(Φ^TW_yΦ)^-1Φ^TW_y[Y_r-Fx(k)]

式中，Y_r为浆液pH值设定值，W_y为误差权矩阵，J为性能指标，x(k)为k时刻的平均预测模型的状态量；

S11：计算得到脱硫系统的输出。