[发明专利]基于ARX-Laguerre函数模型的过热汽温PID预测控制方法

说明书

本发明提供一种基于ARX‑Laguerre函数模型的过热汽温PID预测控制方法，该方法弥补了传统串级PID控制对于复杂系统跟踪速度慢、控制精度差的缺点，以及弥补基于智能控制理论的模糊控制算法、人工神经网络控制算法、免疫控制算法等在过热气温控制上的不足，该方法与Laguerre函数模型预测控制算法(LMPC算法)以及加入PID的Laguerre函数模型预测控制算法(LPMPCPID算法)相比，控制性能更加优秀，提供了一种更优秀的过热气温控制策略。

技术领域

本发明涉及一种基于ARX-Laguerre函数模型的过热汽温PID预测控制方法，属于过热气温的非线性控制领域。

背景技术

火电机组的蒸汽温度控制包括过热汽温控制和再热汽温控制，其中过热汽温在整个汽水过程中温度最高，过热蒸汽温度过高或过低都会直接影响火电机组设备的安全运行。因此，保证其控制品质是热工过程中重要的控制任务。

串级PID控制是过热汽温控制系统采用较多的控制方式，其结构简单、可靠性高，但对于具有时变性、非线性、大时滞的复杂系统，很难满足控制性能的要求。针对串级PID控制存在的问题，许多学者提出了基于智能控制理论的先进控制方法如模糊控制算法、人工神经网络控制算法、免疫控制算法等。上述方法取得了一定的研究成果，但在某些方面仍有一些问题尚待解决。如模糊控制算法的隶属度函数和模糊规则很难选择，往往会导致计算量过大，影响控制效果；人工神经网络控制算法解决了过热汽温系统运行状态影响模型参数变化的问题，但学习过程耗时长，计算也过于繁琐；免疫算法保证经济性的同时使得系统整体优化，但运用到实际系统需要依赖于大量数据，给控制过程带来不便。

模型预测控制(Model predictive control,MPC)，起源于上世纪七十年代，经过长时间的发展，已广泛应用于各个工业领域。MPC的典型算法有：以非参数化模型为基础的模型算法控制(Model algorithmic control,MAC)和动态矩阵控制(Dynamic matrixcontrol,DMC)；以参数化模型为基础的广义预测控制(Generalized predictive control,GPC)。然而MAC和DMC表征参数过多不易于计算，GPC对系统时延和阶次比较敏感，使得控制过程存在限制。

发明内容

本发明为了解决现有技术中存在的问题，提供一种控制性能更加优秀的过热气温控制策略。

为了达到上述目的，本发明提出的技术方案为：一种基于ARX-Laguerre函数模型的过热汽温PID预测控制方法，包括如下步骤：

步骤一、选取被控对象，被控对象实际输入为u，实际输出为y；

步骤二、使用u和y对ARX-Laguerre函数模型的参数矩阵C^T在线辨识，选取极点ξ_a和ξ_b从而得到模型参数矩阵A、B_u和B_y；

步骤三、将步骤二得到的参数矩阵代入ARX-Laguerre函数模型，得到预测模型，该预测模型未来P步的输出矩阵为Y_m；

步骤四、使用对象的实际输出y对预测模型未来P步的输出矩阵Y_m进行误差修正，修正后的模型输出矩阵为：

步骤五、依据目标要求选定设定值r和柔化因子β，求得未来P步的参考轨迹矩阵为：

步骤六、将修正后的模型输出矩阵与参考轨迹矩阵Y_r作差得到差值E，由E相继得到ΔE和Δ²E；

步骤七、在预测控制的二次性能指标中加入PID参数，得到新的性能指标J,即为：